Представим смоделированную ситуацию: на кухонном столе лежит записка, написанная второпях шариковой ручкой. Свет от лампы падает под углом, часть букв смазана, фото сделано телефоном на бегу. Вы загружаете снимок в нейросеть и просите прочитать, что там написано — и получаете чёткий, уверенный ответ. Проблема в том, что уверенность в тоне ответа не говорит ничего о том, действительно ли буквы разобраны, а не достроены по смыслу.
В этой лабораторной колонке разберём именно эту границу: между тем, что нейросеть буквально увидела на фото, и тем, что она подставила сама, потому что так «логично». Никаких документов, реальных фотографий и настоящих ответов сервисов здесь не будет — только вымышленный пример и способ проверки, который можно повторить на своих бумажках.
Придумываем безопасный тестовый случай
Возьмём условную записку: «Купить [нечитаемое слово], [дата], позвонить в [нечитаемый номер]». Часть слов смазана из-за движения руки при фотографировании, часть — из-за плохого почерка. Это обычная бытовая ситуация: такие фото люди присылают друг другу постоянно, от списков покупок до записок с холодильника.
Дальше сравним два способа сформулировать задачу нейросети. Оба запроса — гипотетические, ответы на них мы не приводим как реально полученные, а описываем как ожидаемую модель поведения, чтобы показать разницу в подходе.
Первый способ: просто спросить, что написано
Самый частый запрос звучит примерно так: «Что написано на этой фотографии?» У такого вопроса есть особенность — он не оставляет нейросети пространства признаться в неуверенности. Модель обучена давать связный, читаемый текст, и если часть слов размыта, она может незаметно для себя «дописать» недостающее по смыслу: если в записке есть слово «купить» и дата, велика вероятность, что дальше подставится что-то бытовое и правдоподобное, хотя на фото этого может не быть вовсе.
В итоге ответ выглядит цельным и убедительным, но проверить, какая часть — распознанный текст, а какая — заполненный пробел, невозможно. Именно тут и рождается ложное доверие: человек читает гладкий ответ и не подозревает, что треть слов — реконструкция.
Второй способ: разделить видимое и предположенное
Более полезный запрос звучит иначе: «Прочитай текст на фото. Раздели ответ на две части: 1) слова и фразы, которые видно чётко и однозначно; 2) слова, которые ты восстанавливаешь по смыслу или контексту, — отметь их как предположение. Если фрагмент нечитаем, не пытайся угадать — просто напиши [неразборчиво]».
Такая формулировка не гарантирует идеальный результат, но задаёт нейросети другую задачу: не «сочинить связный текст», а «показать границу своей уверенности». Даже если итоговый ответ окажется не идеальным, у вас будет структура, по которой видно, где вам самим нужно перепроверить оригинал, а где можно доверять напрямую.
Как проверить результат на своей бумажке
Разница между двумя запросами становится особенно заметной, когда есть с чем сравнить. Проверка для реальной, а не вымышленной ситуации может быть такой:
- Переснять записку при другом освещении или под другим углом — размытость часто уходит вместе с бликами.
- Отдельно попросить нейросеть прочитать не весь текст, а конкретное слово или цифру, которая вызывает сомнение.
- Сравнить два ответа на один и тот же снимок, заданные с разницей в формулировке, — если слова совпадают, доверия больше.
- Там, где речь о цифрах, датах или номерах — сверять их отдельно, вручную, по памяти или по другому источнику, а не полагаться на один прогон.
Если записка важная — например, там номер для звонка или адрес — стоит в принципе не полагаться на распознавание одной фотографии, а переспросить у человека, который её написал, или найти оригинал.
Что забрать себе из этого эксперимента
Главный вывод простой: уверенный тон ответа — не признак точности. Нейросеть одинаково гладко звучит и там, где она реально прочитала буквы, и там, где она их достроила. Разделяющий запрос не решает проблему нечёткого фото волшебным образом, но переносит ответственность за проверку туда, где она и должна быть, — на человека, у которого есть оригинал перед глазами.
Пробовали формулировать нейросети задачу так, чтобы она отдельно показывала, в чём не уверена? Что получалось на ваших фотографиях с плохим почерком или размытым текстом?
Понравился разбор? Подпишитесь на канал — впереди ещё больше материалов про нейросети для работы, документов и повседневных задач без сложных слов. А ещё больше — в нашем Telegram-канале «Нейробудни». Своим опытом и вопросами делитесь в комментариях.
