Готовим на неделю с помощью нейросети: разбор на пальцах
Представьте: открываете холодильник, фотографируете полки, кидаете картинку в чат с нейросетью и получаете расписание обедов и ужинов на пять дней. Звучит как что-то из далёкого будущего, но сейчас это работает. Почти.
Иногда ИИ выдаёт меню в стиле «омлет с карри и клюквой». Давайте разберёмся, почему так происходит и как с этим работать.
Что происходит «под капотом»
Когда вы отправляете список продуктов нейросети, происходит следующее:
- Текст превращается в набор токенов — условных «слогов», которые модель понимает как элементы языка.
- LLM ищет в памяти паттерны: какие слова и фразы обычно стоят рядом со словами «завтрак», «крупа», «курица».
- На выходе генерируется текст, который статистически похож на миллионы рецептов из интернета.
Важный нюанс: модель не понимает кулинарию. Она не знает, что соль с сахаром — странно, а масло с хлебом — классика. Она просто предсказывает, какое слово наиболее вероятно следует за предыдущим.
Эксперимент: просим меню у нейросети
Вот реальный промт и ответ (упрощённый пример):
Промт: «У меня в холодильнике: курица, рис, яйца, молоко, лук, морковь, гречка, творог, бананы, яблоки. Составь меню на 5 дней для семьи из двух человек.»
Что получилось:
- День 1: куриная грудка с рисом на пару, творог с яблоком
- День 2: омлет с морковью и луком, гречка с подливой
- День 3: банановые оладьи, рис с курицей
- День 4: творожная запеканка, яичница с луком
- День 5: куриные котлеты, гречка с морковью
Выглядит неплохо, правда? Но иногда результат удивляет.
Почему нейросеть предлагает странные сочетания
Проблема №1 — «галлюцинации» модели
LLM обучалась на текстах из интернета. Там есть всё: от классических рецептов до экзотических экспериментов. Если где-то встретился рецепт «оладьи с карри и клюквой», модель может его воспроизвести — потому что с точки зрения статистики языка это вполне правдоподобная фраза. Модель не проверяет, готовит ли так кто-то в реальности.
Проблема №2 — неполный контекст
Вы написали «курица и рис». Но не написали:
- Есть ли у вас духовка или только плита
- Любите ли вы острое
- Есть ли аллергия
- Какой бюджет на неделю
- Сколько времени готовы тратить
Без этой информации нейросеть «домысливает» параметры. Иногда угадывает, иногда — нет.
Проблема №3 — нет базы рецептов и доступа к интернету
В отличие от приложения-кулинара с тысячами проверенных рецептов, LLM генерирует текст по паттернам. Она не обращается к базе данных совместимости продуктов или таблицам калорийности. Более того, в момент генерации у модели нет доступа к интернету (без RAG), поэтому она не может «проверить» рецепт онлайн или свериться с актуальной базой. Всё, что она знает, — это паттерны из обучения.
Проблема №4 — параметр Temperature
Temperature — это настройка «креативности» модели. Однако связь temperature с качеством не прямая и не линейная. Исследования показывают, что эта настройка умеренно коррелирует с бессвязностью, слабо — с новизной, но практически не влияет на когерентность ответа.
Проще говоря: Temperature повышает разнообразие, но не гарантирует качество — возможны и странные, и бессвязные результаты. При высоком значении (>0,7) нейросеть экспериментирует и может выдать неожиданное сочетание. При низком (около 0,1–0,3) — отвечает более предсказуемо, но меню может быть однообразным.
Как «починить» странные сочетания: чек-лист
1. Укажите ограничения в промте
Вместо: «Составь меню»
Напишите: «Семья из 2 взрослых, готовка занимает не больше 40 минут, бюджет 3000 рублей, аллергии отсутствуют, готовим только на плите»
2. Добавьте формат ответа
«Ответь в виде таблицы: День | Завтрак | Обед | Ужин | Время готовки»
Это снижает вероятность «творческих» отклонений.
3. Попросите исключить лишнее
«Не предлагай блюда, где нужно более 3 ингредиентов. Не используй сочетания мяса с фруктами в горячих блюдах»
4. Итерации работают
Получили странное меню? Не начинайте с нуля — уточните:
«В среду предложи что-то посытнее, убери бананы из ужина, добавь овощной салат»
Это живой пример уточняющего промта, который реально работает.
5. Проверяйте список покупок
Попросите ИИ сгенерировать список недостающих продуктов и сверьте с реальностью. Нейросеть может «придумать» ингредиент, которого нет ни в одном магазине.
Практические выводы
AI-планировщик меню — это не замена кулинарной книге. Это генератор идей, который работает хорошо, когда вы:
- Чётко описываете условия
- Готовы корректировать результат
- Понимаете, что нейросеть «фантазирует» на основе статистики, а не кулинарного опыта
Самый рабочий сценарий: нейросеть предлагает идею, вы адаптируете её под реальные продукты и навыки. Своего рода мозговой штурм за пять секунд.
Сохраняйте промт-шаблон и используйте каждую неделю. Например, если меню получилось слишком однообразным, добавьте в промт фразу «минимум 3 разных способа приготовления курицы» — и на следующий запрос модель учтёт это ограничение. С каждым уточнением результат будет лучше.
