长岛劳拉拉
说起AI对人类的威胁，很多人会马上联想到电影Matrix，AI将人类囚禁在虚拟现实世界中，让人类成为无意识的能力来源，彻底控制人类的思维和感知来维持自己的统治。
AI工具和效率迭代速度到了什么水平，可以这么说：从Web 1.0 到 Web 2.0 的迭代，大概经过了8年的跨度。
而从GPT 2.0 演进到可以完全替代编程、内容创作者和视频创作者，演进到4.0版本，只需要了不到2年的时间。
这种迅猛的发展也带来了挑战：如果我们不了解AI的运行规律，并且不学习如何准确地引导它，我们将无法充分利用AI的潜力。可以这么说，给机器学习和人工智能的指令，和机器沟通，未来将会像我们现在说话、阅读、写字一样重要。
那么AI的出现究竟会替代未来哪些工作？除了机器替代论这种悲观的伦理，我们又如何通过一套有效的结构，利用AI的技能；今天我们会稍微简介AI模型中的工作原理，来说说生成式AI是怎么一回事。如果你作为一个公司团队当中的一员，或者是企业拥有者，如何利用这项技术短期内获得更多的资源；如果把AI比做一个大型的漂浮在天上的超级大脑神经网络，我们更喜欢把AI比做成你家里后院的爱因斯坦，为你全天候服务，只要你的口令准确，他就会帮你找到准确的答案。
AI也会成为你，或你的team创造Administrative、法务、marketing和创作方面的100X的行动力。让你在迅速发展的AI时代里找到自己的生存位置，让AI成为你的工具，而不是被AI超越和替代。今天的文章就涵盖达到以上目的，我们需要掌握的技能，和需要理解的原理。以及最后一章：我们会做一个预测：人类的工作是否会终究被AI取代。
在最近的三个月里，上市公司的财报电话会议中频繁提及AI的现象引人注目。几乎是最常出现的一个词。它所出现的频率，要比这些buzzword：AR、Crypto、AR、Blockchain的词频高出5倍还不止。
清华博士的抖音网红“李一舟”，趁着ChatGPT的热度，通过售卖AI课收入高达5000万的相关信息刷屏网络，不少人质疑类似的课程是在“割韭菜”。但是但是还是趁着这波热度大赚了一波。
截至2023年，超过85%的美国顶尖大学都提供了与机器学习相关的课程或专业。与此同时，许多学校还增设了机器学习领域的研究中心和实验室，以满足学生和行业的需求。总计有5000多门和机器学习相关的课程。
然而，学院老师讲义或编程迭代的速度，却远比不上OpenAI的迭代速度。
01
说起人工智能，其实就是你家里，随时待命stand by帮你解决问题的爱因斯坦。你不仅能问一个：如何做地中海菜hummus。还可以给到Step by step做这道菜的方法，如果你是一个米其林大厨该怎么做，如果你是一个新手，该怎么做。
其实呀，我们每人都有这样一个“爱因斯坦”。
在 ChatGPT 的使用指南中，我们可以让 ChatGPT 扮演不同专家的角色，在机器语言当中，我们又叫做命名“Role”的功能。
想跟这位“爱因斯坦”交流嘛。你什么时候想聊，随时都可以找他聊。他可是全知全能的，只要你提出来，不管是哪个领域的问题，他都能马上找到答案，而且回复得飞快，他们随时待命，不需要等待。
最神奇的是，通过Role的设定，他能变身成你想要的任何人，无论是喜剧演员、诗人还是医生、教练，只要你给他指定，他就能变成那个领域的大咖。不过，他毕竟是机器，总会有些类似人类的缺点，比如也会犯错，可能会得出错误的结论，有时候甚至可能误解你的意思。
但是，最大的障碍其实还是在于你自己的想象力和跟他沟通的技巧——prompting。
因为prompt和想象力的局限，Prompt是什么？其实就是对话框你给ChatGPT打字出来，或者语音输入的指令。
我们发现大部分人问ChatGpt的问题都过于基础，而并没有通过更模式化、系统化或者creative的方式去给到GPT更加高级的指令，从而让它为你做更加定制化、角色化、更易学习和更易操作化。
掌握好了这些技巧，也就相当于拥有了提示工程的本领，在人工智能的时代里，这跟识字写字一样重要。说实话，大部分人都大大低估了自家地下室里那位爱因斯坦能干出的事儿。这事儿听上去跟请真正的爱因斯坦帮你看一份高中作文，或者请一位顶级大厨帮你切洋葱差不多。
Prompt是用户与AI进行交互时提供的指令或问题，它直接影响着AI的输出结果。他会更容易的理解你的意图，比如这篇文章是给谁写的，给谁看的，你想要表达的观点、主旨是什么，你的观众或者阅读对象的受众人群是如何。
这些如果不明确的写在ChatGPT的指令当中，会产生很多误导性的结果，或者并不适合你的角色所产生的内容。
如果你真的多跟“爱因斯坦”交流，你会发现他能帮到你或者你的企业的方法，绝对是既惊人又实用又高效。
那么问题来了，我们每天都在念的chatGPT到底这个名字从何而来？
在说之前，你先要了解AI在openAI出现之前，是怎么运行的：我们在YouTube上看到推荐视频、在搜索引擎上浏览结果，社交网络当中被推送的广告，其实都是来自于传统AI的力量。
而生成式AI更进一步，更overpowered的一个工具，它能够创造出全新的原创内容，而不仅仅是定位和分类现有资源，这就是常说的GPT中的“G”部分Generative。举个例子，那些大型语言模型（LLM，即：Large Language Models）便是这样的生成式AI，能像我们普通人那样交流对话。OpenAI公司旗下的ChatGPT就是一个经典的产品。
它最初的形态其实是一个使用了新架构——Transformer架构的高级聊天机器人，然后才有了我们现在看到的ChatGPT版本。这个模型具备高超的人工语言理解能力，任何人都可以轻松操作；你无需成为AI专家或程序员就能使用它。这也正是其创新之处，引领了人工智能革命。那么，这个神器到底是怎么运行的呢？
02
你可能会发现，大型的语言模型中包含了数十亿甚至万亿级别的参数。那么，这些如此庞大的参数是怎么设置和调整的呢？其实并不是靠手动编程实现的，那太不现实了。它们的设置主要依靠训练，就像婴儿学习如何说话一样。比起放在一本说明手册里阅读，婴儿更擅长的是听大人讲话。当他们听足了之后，开始掌握规律，说出一些单词来逗大人开心。然后，随着时间的推移，他们的词汇量越来越丰富，能够完整地表达一句话。同样的原理也可以应用于大型语言模型的训练过程中。在这个过程中，模型会接触到大量的文本数据进行学习，其中大部分都来自互联网。然后，它会不断地进行“猜测下一个单词”这样的操作，对所有的训练数据进行反复的测试。在这个过程中，模型中的参数会自动微调，直到预测下一个单词的准确率达到预期为止。这种训练方式叫做反向传播算法，这是一种高级且行之有效的算法，用于调整神经网络中的各参数。
要让模型真正派上用场，还得有人参与训练才行。这就是所谓的“人机互动式强化学习”了。其实就是让人们花上好几千小时把模型的输出结果逐个测试评估，给出反馈。就像是在用那个提示器训练狗狗一样，好行为就会得到表扬。所以，像GPT这样的模型不会告诉你怎么去抢银行的。
虽然它非常清楚如何去办这事，但通过人类的训练，它已经明白了不能帮助别人犯罪。
现在，虽然ChatGPT算是撬动了整个市场，赢得了很多人的关注，但GPT并不是唯一的选择。其实呢，新型智能模型就像雨后春笋一样层出不穷。它们各有千秋，速度、功能和成本都不尽相同。你可能会发现有些可以直接下载并在本地运行；而另一些则只能在线使用。有些是免费的或开源产品。
有些操作起来出奇地简单，而另一些则需要繁琐的技术配置。还有些专门针对特定领域设计，而另一些则更通用，几乎无所不能。再者，有些还以合作伙伴或聊天窗口的形式整合到了产品里。
你们可注意到，有好几种生产型的人工智能模型可以生成各种各样的内容。例如，像GPT-4这样的文本生成模型，你输入文字信息，它就能生成对应的输出文字，无论这个文本是自然语言还是花式一点的结构化数据，比如代码啊，JSON啊，HTML等等。
还有那种从文字信息生成图片的模型；简单来说就是你告诉它你想要什么样子的图像，然后它就给你创建出来。你还能挑个图片风格。更高级点的图像到图像的模型，它们能够做很多事，比如说图像变形或者融合。
总而言之，未来可能还将会出现文字到视频模型，可以根据提示生成视频，以后我们就可看到无限量的电影了不是么？
像一个在学习中理解世界的小孩子。我们来看看一个简单的例子。假如我给 GPT-4 这幅小插图，里面有一根绳子、一把剪刀、一个鸡蛋、一口锅和火。那么，如果我使用剪刀会发生什么呢？这个模型可能并未受过特定场景的训练。然而，它提出了一个非常精准的解答，展示了对于剪刀、鸡蛋、重力以及热学性质的基础了解。
03
话说回来，我们人类已经在这个世界上活了大概三十万年，那肯定得承认，咱们可是地球上最为智慧的物种之一！当然，这取决于你如何定义智能。但问题是，我们的智力能力并没有真正得到很大的提升。我们的大脑大小、重量几千年来基本保持不变。人类的智商其实并未真正提升,但是，AI技术发展迅速且势不可挡。
说来也巧，电脑其实就在短短的80年历史中诞生的。而如今，借助于生成式AI，它们居然能够流利地说人类语言，并且能够完成越来越多以前只有人类才能做到的智力和创造性任务。所以，AI在某些方面比我们更强，然而人类也在某些领域有着出色的表现，但AI的能力正在以指数级的速度增长，而我们这边却没有。我们也不知道这样指数级的进步会持续多久，或者是否会有某个时刻它会停止，但我们无疑是踏入了一个全新的世界秩序。
看看，咱们经历的这不是第一次革命了吧。人类驯服火源，学会农业技术，发明了印刷机和蒸汽机还有电报什么的。这些都是革命性的改变，但是它们花费了好几十年甚至几个世纪才真正普及开来。但是在人工智能变革这个领域里，新的科技就像野火燎原般瞬间全球蔓延开来。
我发现，当涉及到人工智能的时候，人们和公司往往会陷入两极。
一方面，我们看到抱有抵触情绪的人——那些坚信AI不能替代他们工作或者他们没有时间研究这项技术的人。这个态度其实挺危险的。流行的说法是，“AI可能不抢你的饭碗，但依赖它的人会”，无论是个人还是企业都是如此。
另一方面，有些人则陷入了恐慌和绝望——他们认为AI无论如何都会取代他们的工作，或者AI会让他们的公司破产。当然，这两种情况都不是什么好事。
因此，我想要提出一种中间立场——一个平衡、积极的思想观点。在我看来，AI将使我、我的团队以及我的公司的生产力变得无比强大。设想一个公司招聘，很多公司都会把prompt engineering 作为一个应技能当作招聘的标准。
其实，这种思考模式让我感觉自己像获得了超能力。比如，我们可以更快地从想法转化为成果；更多地关注我们想要实现的愿景，而非琐碎的项目建设工作；同时也能提升我们的学习速度。
04
那么，其中的一个重要问题便是：在人工智能的时代里，诸如同样作为人类的医生们、开发人员们、律师们、CEO们等人是否仍然是必要的？随着人工智能技术日益先进，这个问题也变得越来越令人关注。好吧，有些工作当然会消失无踪，但我认为大多数工作岗位还是得我们人类亲力亲为，原因在于拥有领域知识的人们，他们仍需决定向人工智能询问什么，如何提出指令，提供什么背景，以及如何评估结果。
人工智能模型并非完美无缺；有时候它们表现出色，可有一些时候又会表现得如同傻瓜一般。更糟糕的是，它们有时候甚至能编造出以假乱真的信息。因此，你应该何时相信人工智能的回答呢？又该何时进行双重检查或亲自上阵呢？再比如法律合规性、数据安全性等问题？我们可以将哪些信息发送到人工智能模型中？这些信息又是被储存在哪里的？这就需要人类专家来做出判断和弥补人工智能模型的不足了。
所以，我建议大家把人工智能想象成你们的同事——它虽然聪明绝顶，但也像是一个有着某些个人怪癖的特殊人群，需要你们学会与其合作。你需要知道何时该认清你这位天才同事的“疏忽”之处。对于我这样的医生来说，我的人工智能同事就能帮我诊断我从未听闻过的罕见疾病。