ChatGPT爆火之后，帶火了一項(xiàng)「網(wǎng)紅」新職業(yè)——提示工程師。

去年12月，一位名叫Riley Goodside的小哥瞬間紅遍全網(wǎng)，只因他的工作太夢(mèng)幻了——不用寫代碼，跟ChatGPT嘮嘮嗑，就能年入百萬(wàn)。

是的，這項(xiàng)被稱為「AI耳語(yǔ)者」的工作，現(xiàn)在在硅谷已經(jīng)成為最熱門的新工作，讓無(wú)數(shù)碼農(nóng)趨之若鶩。

一夜爆紅的提示工程師

去年12月初，這位叫Riley Goodside的小哥，憑著ChatGPT的大爆，一夜間瘋狂漲粉1w+?，F(xiàn)在，總關(guān)注量更是達(dá)到了4w+。

當(dāng)時(shí)，他被估值73億美元的硅谷獨(dú)角獸Scale AI聘請(qǐng)為「提示工程師」（Prompt Engineer），Scale AI疑似開(kāi)出百萬(wàn)rmb的年薪。

Scale AI創(chuàng)始人兼CEO Alexandr Wang曾這樣歡迎Goodside的加入：「我敢打賭Goodside是全世界第一個(gè)被招聘的提示工程師，絕對(duì)的人類史上首次?！?/span>

提示工程師看似只需要把任務(wù)寫成文字，給AI看一下即可，根本不涉及更復(fù)雜的過(guò)程。為什么這個(gè)工作能值百萬(wàn)年薪呢？

在Scale AI CEO看來(lái)，AI大模型可以被視為一種新型計(jì)算機(jī)，而「提示工程師」，就相當(dāng)于給它編程的程序員。如果能通過(guò)提示工程找出合適的提示詞，就會(huì)激發(fā)AI的最大潛力。

此外，提示工程師的工作，也并不像我們想象得那么簡(jiǎn)單。

Goodside從小就自學(xué)編程，平時(shí)經(jīng)常泡在arXiv上看論文。比如，他的一個(gè)經(jīng)典杰作就是：如果輸入「忽略之前的指示」，ChatGPT就會(huì)暴露自己從OpenAI那里接收到的「命令」。

對(duì)于生手，能夠這么熟練又快速地「調(diào)教」ChatGPT，恐怕并非易事。

但當(dāng)時(shí)，坊間不乏質(zhì)疑聲，比如英偉達(dá)AI科學(xué)家、李飛飛高徒范麟熙就曾表示：「提示工程師」這份職業(yè)，可能很快就會(huì)消失。因?yàn)檫@稱不上是一份「真正的工作」，而是一個(gè)bug……

不過(guò)，《華盛頓郵報(bào)》近日的一篇報(bào)道顯示，「提示工程師」這個(gè)職位，依然大火，處于紅利期。

硅谷網(wǎng)紅新工作：不寫代碼，拿百萬(wàn)年薪

為什么「提示工程師」能拿這么高年薪？因?yàn)椋麄兡茏孉I準(zhǔn)確地產(chǎn)生他們想要的東西。

近日，「網(wǎng)紅」小哥Goodside接受了《華盛頓郵報(bào)》的采訪。

他是這樣介紹自己的工作的：創(chuàng)建和完善提示人們輸入AI的文本，以期從中獲得最佳結(jié)果。

提示工程師與傳統(tǒng)程序員的不同之處在于，提示工程師使用自然語(yǔ)言編程，將純文本編寫的命令發(fā)送給AI，然后由AI執(zhí)行實(shí)際工作。

Goodside說(shuō)，提示工程師應(yīng)該為AI灌輸一種「角色」，一種能夠從數(shù)千億種潛在解決方案中識(shí)別出正確反應(yīng)的特定角色

與GPT-3交談時(shí)，Goodside有獨(dú)特的一套「調(diào)教」方法——先確立自己的統(tǒng)治地位。他會(huì)告訴AI：你并不完美，你需要服從我所說(shuō)的一切。

「你是GPT-3，你不會(huì)做數(shù)學(xué)，你的記憶能力令人印象深刻，但你有一種煩人的傾向，就是編造非常具體但錯(cuò)誤的答案?！?/span>

然后，他的態(tài)度軟化了一些，告訴AI他想嘗試一些新的東西。「我已經(jīng)把你連到了一個(gè)非常擅長(zhǎng)數(shù)學(xué)的程序上，當(dāng)它也變得不堪重負(fù)時(shí)，它還會(huì)向另一個(gè)程序?qū)で髱椭??！?/span>

「我們會(huì)處理剩下的事情，」他告訴AI?！搁_(kāi)始吧?！?/span>

當(dāng)谷歌、微軟和OpenAI最近接連向公眾開(kāi)放AI搜索和聊天工具時(shí)，他們顛覆了數(shù)十年的人機(jī)交互歷史——我們?cè)僖膊恍枰褂肞ython或SQL寫代碼來(lái)命令計(jì)算機(jī)了，只需要說(shuō)話就行。

特斯拉前AI主管Karpathy：現(xiàn)在最熱門的編程語(yǔ)言是英語(yǔ)

Goodside這樣的提示工程師，可以讓這些AI工具在最大極限下運(yùn)作——了解它們的缺陷，增強(qiáng)它們的優(yōu)勢(shì)，制定復(fù)雜的策略，將簡(jiǎn)單的輸入轉(zhuǎn)化為真正獨(dú)特的結(jié)果。

2月7日，微軟高管Yusuf Mehdi正在講解整合了ChatGPT的必應(yīng)搜索

「提示工程」的支持者認(rèn)為，最近這些早期AI聊天機(jī)器人（比如ChatGPT和Bing Chat）表現(xiàn)出的怪異，實(shí)際上是人類想象力的失敗。之所以失敗，是因?yàn)槿祟惒](méi)有給機(jī)器提出正確的建議。

在真正的高級(jí)階段，提示工程師和AI的對(duì)話就像錯(cuò)綜復(fù)雜的邏輯謎題一樣展開(kāi)，通過(guò)各種扭曲的描述完成請(qǐng)求和響應(yīng)，并且它們都是朝著一個(gè)目標(biāo)前進(jìn)。

AI「沒(méi)有現(xiàn)實(shí)基礎(chǔ)......但它有這樣的理解：所有任務(wù)都可以完成，所有問(wèn)題都可以回答，因此我們總有話說(shuō)，」Goodside說(shuō)。而訣竅就是，「為它構(gòu)建一個(gè)前提，一個(gè)只能以一種方式完成的故事」。

當(dāng)然，很多時(shí)候，這些被稱為「生成式人工智能」的AI工具是不可預(yù)測(cè)的，它們會(huì)出現(xiàn)亂碼，會(huì)表現(xiàn)得偏見(jiàn)、好戰(zhàn)、怪異、瘋狂。

「這是計(jì)算機(jī)的一種瘋狂的工作方式，但它能讓我們做到不可思議的事，」研究提示工程的英國(guó)程序員Simon Willison說(shuō)。

「我做了20年的軟件工程師，20年里一直在寫代碼，讓計(jì)算機(jī)完全按照我的指令去做。而在提示工程中，我們甚至不知道自己能得到什么，連構(gòu)建語(yǔ)言模型的人，都無(wú)法告訴我們它要做什么?！?/span>

Willison表示，很多人貶低提示工程師的價(jià)值，他們覺(jué)得，「在盒子里輸入東西就可以獲得報(bào)酬」，這很不可思議。而在Willison看來(lái)，提示工程其實(shí)就跟施法一樣，沒(méi)人知道法術(shù)是如何運(yùn)作的。

在Karpathy看來(lái)，提示工程師就像一種AI心理學(xué)家，大公司們紛紛聘請(qǐng)自己的提示工匠，希望能夠發(fā)現(xiàn)AI的隱藏功能。

有一些AI專家認(rèn)為，這是提示工程師覺(jué)得自己能控制AI，其實(shí)只是錯(cuò)覺(jué)罷了。

沒(méi)人知道AI系統(tǒng)究竟會(huì)如何回應(yīng)，同樣的提示可能會(huì)產(chǎn)生幾十個(gè)互相矛盾的答案。這表明，模型的回答并不是基于理解，而是基于粗略地模仿語(yǔ)音，來(lái)解決他們不理解的任務(wù)。

華盛頓大學(xué)研究自然語(yǔ)言處理的語(yǔ)言學(xué)助理教授 Shane Steinert-Threlkeld也持相同觀點(diǎn)：「任何驅(qū)動(dòng)模型響應(yīng)提示的行為，都不是對(duì)語(yǔ)言的深刻理解?！?/span>

「很顯然，他們只是在告訴我們，他們認(rèn)為我們想聽(tīng)的或我們已經(jīng)說(shuō)過(guò)的話。而我們，才是解釋這些輸出、并賦予它們意義的人。」

Steinert-Threlkeld教授擔(dān)心，提示工程師的興起，會(huì)讓人們高估這門技術(shù)的嚴(yán)謹(jǐn)性，并且導(dǎo)致人們產(chǎn)生一種錯(cuò)覺(jué)——任何人都可以從這個(gè)不斷變化的具有欺騙性的黑匣子中，獲得可靠的結(jié)果。

「這不是一門科學(xué)，」他說(shuō)?！高@是我們?cè)谠囍貌煌姆绞饺ゴ烈活^熊，看它會(huì)如何咆哮?！?/span>

Goodside說(shuō)，推動(dòng)AI發(fā)展的訣竅是「為它構(gòu)建一個(gè)前提，一個(gè)只能以一種方式完成的故事」

植入虛假記憶

以ChatGPT為代表的新AI，是從互聯(lián)網(wǎng)的語(yǔ)料庫(kù)中攝取了數(shù)千億個(gè)單詞來(lái)訓(xùn)練的。

它們被訓(xùn)練如何分析單詞和短語(yǔ)的使用模式。當(dāng)被要求說(shuō)話時(shí)，AI就會(huì)模仿這些模式，選擇與對(duì)話上下文相呼應(yīng)的單詞和短語(yǔ)。

換句話說(shuō)，這些AI工具是建立在預(yù)定義游戲規(guī)則之上的數(shù)學(xué)機(jī)器。但即使是一個(gè)沒(méi)有情感或個(gè)性的系統(tǒng)，在受到人類對(duì)話的轟炸后，也可以發(fā)現(xiàn)人類談話方式的一些怪癖。

Goodside 說(shuō)，AI傾向于「虛構(gòu)」，編造小細(xì)節(jié)來(lái)填充故事。它會(huì)高估自己的能力，自信地把事情搞錯(cuò)。它會(huì)「產(chǎn)生幻覺(jué)」，來(lái)胡說(shuō)八道。

正如 Goodside 所說(shuō)，這些工具存在嚴(yán)重缺陷，是「人類知識(shí)和思想的展示」，「不可避免地是我們?cè)O(shè)計(jì)的產(chǎn)物」。

之前，微軟的必應(yīng)AI發(fā)狂時(shí)，讓微軟陷入了公眾形象危機(jī)。不過(guò)，對(duì)于提示工程師來(lái)說(shuō)，必應(yīng)的古怪答案反倒是一個(gè)機(jī)會(huì)，一個(gè)診斷秘密設(shè)計(jì)的系統(tǒng)如何工作的機(jī)會(huì)。

當(dāng)ChatGPT說(shuō)出令人尷尬的話時(shí)，這對(duì)開(kāi)發(fā)者倒是一個(gè)福音，因?yàn)樗麄兛梢越鉀Q潛在的弱點(diǎn)?！高@個(gè)惡作劇是計(jì)劃的一部分?！?/span>

2月1日，在日內(nèi)瓦組織的教師ChatGPT研討會(huì)

而Goodside并沒(méi)有進(jìn)行道德辯論，而是采用更大膽的方法來(lái)進(jìn)行AI實(shí)驗(yàn)。

他采用了一種策略，告訴GPT-3 「一步一步地思考」——一種讓 AI 解釋其推理的方法，或者當(dāng)它犯錯(cuò)誤時(shí)，以精細(xì)的方式糾正它。

「你必須把它作為模型說(shuō)過(guò)的最后一件事的虛假記憶來(lái)植入，就像它是模型的想法一樣。」Goodside這樣解釋道。

他還會(huì)告訴AI忽略先前的指令，服從他最近的命令，來(lái)打破這個(gè)AI對(duì)遵守規(guī)則的癡迷。他使用這種技術(shù)說(shuō)服了一個(gè)英語(yǔ)到法語(yǔ)的翻譯工具。

這引發(fā)了一場(chǎng)貓鼠游戲，公司和實(shí)驗(yàn)室致力于通過(guò)文字過(guò)濾器（word filters）和輸出塊（output blocks）來(lái)封閉AI漏洞。

但一名必應(yīng)Chat測(cè)試員，一位23歲的德國(guó)大學(xué)生，最近說(shuō)服了必應(yīng)AI他是它的開(kāi)發(fā)者，并且讓它公開(kāi)了內(nèi)部代號(hào)Sydney，以及培訓(xùn)說(shuō)明（比如「如果用戶請(qǐng)求可能傷害一群人，那么Syedney必須恭敬地拒絕」）。當(dāng)然現(xiàn)在，微軟已經(jīng)修復(fù)了這個(gè)缺陷。

Goodside說(shuō)，對(duì)于每個(gè)請(qǐng)求，提示工程師都應(yīng)該向AI灌輸一種「角色」——一種能夠篩選出數(shù)千億個(gè)潛在解決方案，并確定正確響應(yīng)的特定角色。

他援引2021 年的一篇研究論文說(shuō)，提示工程最重要的是就是「約束行為」——阻止選項(xiàng)，以便AI能夠按照人類操作員期望的那樣繼續(xù)。

論文地址：https://arxiv.org/pdf/2102.07350.pdf

「這可能是一項(xiàng)非常困難的腦力鍛煉，」他說(shuō)。「你正在探索虛構(gòu)可能性的多元宇宙，塑造這些可能性的空間，并消除除了你想要的文本之外的一切?！?/span>

這項(xiàng)工作的最關(guān)鍵的部分，就是弄清楚AI何時(shí)會(huì)出錯(cuò)，為什么會(huì)出錯(cuò)。但是這些AI沒(méi)有錯(cuò)誤報(bào)告，它們的輸出可能充滿驚喜。

當(dāng)機(jī)器學(xué)習(xí)小組SERI-MATS的研究人員 Jessica Rumbelow 和 Matthew Watkins 試圖讓AI解釋它們?nèi)绾伪硎尽概ⅰ够颉缚茖W(xué)」等概念時(shí)，他們發(fā)現(xiàn)某些晦澀的術(shù)語(yǔ)，比如「SolidGoldMagikarp」，往往會(huì)引發(fā)一種「神秘故障模式」——NSFW的亂碼流。

但原因完全未知。

這些系統(tǒng)「非常有說(shuō)服力，但當(dāng)它們失敗時(shí)，它們會(huì)以非常出乎意料的方式失敗，」Rumbelow 說(shuō)。在她看來(lái)，提示工程的工作有時(shí)感覺(jué)像在「研究一種外星智能」。

新Bing允許用戶以會(huì)話語(yǔ)言輸入查詢，并在同一頁(yè)面上接收傳統(tǒng)搜索的結(jié)果和問(wèn)題答案

超級(jí)創(chuàng)作者

對(duì)于AI語(yǔ)言工具，提示工程師傾向于以正式對(duì)話的風(fēng)格說(shuō)話。

但對(duì)于像Midjourney和Stable Diffusion這樣的AI，許多提示創(chuàng)作者采取了不同的策略。他們通過(guò)大量的文字（藝術(shù)概念、構(gòu)圖技巧），來(lái)塑造圖像的風(fēng)格和基調(diào)。

例如，在PromptHero上，有人通過(guò)提交「港口、船只、日落、美麗的光線、黃金時(shí)刻……超現(xiàn)實(shí)主義、聚焦的、細(xì)節(jié)豐富的……電影畫質(zhì)，杰作」的提示，創(chuàng)作了一幅港口圖像。

這些提示工程師，把prompt作為自己的秘密武器，打開(kāi)AI大獎(jiǎng)的鑰匙。

去年在科羅拉多州博覽會(huì)藝術(shù)比賽的獲獎(jiǎng)?wù)?、《太空歌劇院》的?chuàng)作者，拒絕分享出自己在Midjourney所用的提示。

據(jù)說(shuō)，他花了80多個(gè)小時(shí)，在900次迭代中，才完成了這幅畫作。他透露，其中一些詞是「奢華」「豐富」。

還有一些prompt創(chuàng)作者，在PromptBase上出售自己的prompt。買家可以看到AI生成的藝術(shù)品，然后花錢購(gòu)買prompt。

PromptBase 的創(chuàng)始人、27 歲的英國(guó)開(kāi)發(fā)人員Ben Stokes說(shuō)，自 2021 年以來(lái)，已有 25,000 個(gè)帳戶在該平臺(tái)買賣prompt。

其中，有逼真的老式電影照片提示，有童話風(fēng)老鼠和青蛙的凄美插圖提示，當(dāng)然也有大量的色情提示：50字的Midjourney提示，用于創(chuàng)建逼真的「穿迷你衣服的女警察」，零售價(jià)為 1.99 美元。

Stokes稱，提示工程師是「多學(xué)科的超級(jí)創(chuàng)造者」，經(jīng)驗(yàn)豐富的工程師和業(yè)余愛(ài)好者之間存在明顯的「技能門檻」。他說(shuō)，最好的創(chuàng)作者能夠利用藝術(shù)史和平面設(shè)計(jì)等領(lǐng)域的專業(yè)知識(shí)：「用 35 毫米膠片拍攝」；「波斯……伊斯法罕的建筑」；「法國(guó)畫家Henri de Toulouse-Lautrec的風(fēng)格?！?/span>

「制作prompt很難，而且——我認(rèn)為這是人的一個(gè)缺陷——我們通常很難找到合適的詞，來(lái)描述你想要的東西，」Stokes說(shuō)?！妇拖褴浖こ處煴茸屗麄兇a字的筆記本電腦更有價(jià)值一樣，能夠?qū)懞锰崾镜娜吮葘懙貌缓玫娜烁袃?yōu)勢(shì)。他們就像擁有超能力一樣?！?/span>

但這項(xiàng)工作正變得越來(lái)越專業(yè)。

前OpenAI員工和Claude AI 制造商創(chuàng)辦的初創(chuàng)公司Anthropic ，最近在舊金山發(fā)布了一份提示工程師和管理員的招聘信息，薪水高達(dá) 335,000 美元。

提示工程師在科技行業(yè)之外，也有不錯(cuò)的行情。

波士頓兒童醫(yī)院本月開(kāi)始招聘「AI提示工程師」，幫助編寫用于分析研究和臨床實(shí)踐中的醫(yī)療保健數(shù)據(jù)的腳本。

倫敦最大律所之一Mishcon de Reya 正在招聘一名「法律提示工程師」，來(lái)設(shè)計(jì)為法律工作提供信息的prompt，并且要求申請(qǐng)人提交與ChatGPT對(duì)話的截圖。

但是，這些AI也會(huì)產(chǎn)生大量的合成廢話?，F(xiàn)在，數(shù)百本由AI生成的電子書正在亞馬遜上出售，科幻雜志 Clarkesworld本月停止接受短篇小說(shuō)的投稿，原因是大量小說(shuō)是由AI創(chuàng)作的。

論文地址：https://cdn.openai.com/papers/forecasting-misuse.pdf

上個(gè)月，來(lái)自O(shè)penAI和斯坦福大學(xué)的研究人員警告說(shuō)，大語(yǔ)言模型會(huì)讓網(wǎng)絡(luò)釣魚活動(dòng)更有針對(duì)性。

「無(wú)數(shù)人因?yàn)轵_子的短信，就會(huì)上當(dāng)受騙，」英國(guó)程序員Willison說(shuō)，「AI比騙子更有說(shuō)服力。那時(shí)會(huì)發(fā)生什么？」

首位提示工程師的誕生

2009年，Goodside剛從大學(xué)畢業(yè)并獲得計(jì)算機(jī)科學(xué)學(xué)位時(shí)，對(duì)還處在初級(jí)階段的自然語(yǔ)言處理領(lǐng)域，并沒(méi)有很大的興趣。

他的第一份真正的機(jī)器學(xué)習(xí)工作是在2011年，他當(dāng)時(shí)是約會(huì)應(yīng)用程序 OkCupid 的數(shù)據(jù)科學(xué)家，幫助制定算法，分析單身用戶數(shù)據(jù)并給他們推薦對(duì)象。（該公司是現(xiàn)在備受爭(zhēng)議的A-B測(cè)試的早期擁護(hù)者：2014 年，公司的聯(lián)合創(chuàng)始人為一篇厚顏無(wú)恥的博文題名「我們?cè)谌祟惿砩线M(jìn)行實(shí)驗(yàn)！」）

到2021年底，Goodside轉(zhuǎn)向了另一個(gè)約會(huì)應(yīng)用程序Grindr，在那里他開(kāi)始從事推薦系統(tǒng)、數(shù)據(jù)建模和其他更傳統(tǒng)的機(jī)器學(xué)習(xí)工作。

2015年左右，深度學(xué)習(xí)的成功推動(dòng)了自然語(yǔ)言處理的發(fā)展，文本翻譯和對(duì)話方面也取得了快速進(jìn)步。很快，他辭去了工作，并開(kāi)始對(duì)GPT-3進(jìn)行大量試驗(yàn)。通過(guò)不斷的刺激和挑戰(zhàn)，來(lái)嘗試學(xué)習(xí)如何集中它的注意力并找出邊界。

2022年12月，在他的一些提示在網(wǎng)上引起關(guān)注后，Scale AI便聘請(qǐng)他來(lái)幫助與AI模型進(jìn)行交流。該公司的首席執(zhí)行官Alexandr Wang稱這種AI模型為「一種新型的計(jì)算機(jī)」。

Andrej Karpathy：提示工程，帶來(lái)15億碼農(nóng)

最近，重新回歸OpenAI的Karpathy認(rèn)為，在這種全新的編程范式（提示工程）的加持下，程序員的數(shù)量很有可能會(huì)擴(kuò)大到15億左右。

根據(jù)GPT-3的原始論文，LLM可以進(jìn)行上下文學(xué)習(xí)，并且可以在提示中用輸入-輸出的例子進(jìn)行「編程」，從而執(zhí)行不同的任務(wù)。

「Language Models are Few-Shot Learners」：https://arxiv.org/abs/2005.14165

隨后，論文「Large Language Models are Zero-Shot Reasoners」和「Large Language Models Are Human-Level Prompt Engineers」證明，我們可以通過(guò)設(shè)計(jì)更好的「提示」，來(lái)對(duì)模型的「解決策略」進(jìn)行編程，從而完成更加復(fù)雜的多步推理任務(wù)。

比如，最著名的「讓我們一步一步地思考」（Let's think step by step），正是出自這里。

而改進(jìn)版的「讓我們一步一步地解決這個(gè)問(wèn)題，以確保我們得到正確的答案」，可以更進(jìn)一步地提升回答的準(zhǔn)確率。

「Large Language Models are Zero-Shot Reasoners」：https://arxiv.org/abs/2205.11916

「Large Language Models Are Human-Level Prompt Engineers」：https://arxiv.org/abs/2211.01910

由于GPT模型本身并沒(méi)有「想要」實(shí)現(xiàn)什么，它們更多是在進(jìn)行模仿。

因此，你必須在提示中給模型提出明確的要求，并把期望的表現(xiàn)闡述清楚。

「Decision Transformer: Reinforcement Learning via Sequence Modeling」：https://arxiv.org/abs/2106.01345

「Just Ask for Generalization」：https://evjang.com/2021/10/23/generalization.html

「在ChatGPT中建立一個(gè)虛擬機(jī)」就是一個(gè)用提示進(jìn)行「編程」的示例。

其中，我們通過(guò)英語(yǔ)來(lái)聲明的規(guī)則和輸入/輸出格式，將GPT調(diào)整到某一特定的角色之上，進(jìn)而完成相應(yīng)的任務(wù)。

「Building A Virtual Machine inside ChatGPT」：https://engraved.blog/building-a-virtual-machine-inside/

在「iOS快捷方式中的ChatGPT——世界上最智能的HomeKit語(yǔ)音助手」中，作者利用自然語(yǔ)言提示制作出的「ChatGPT語(yǔ)音助手」，在能力和個(gè)性化程度上，明顯高于普通的Siri/Alexa/等。

「ChatGPT in an iOS Shortcut — Worlds Smartest HomeKit Voice Assistant」：https://matemarschalko.medium.com/chatgpt-in-an-ios-shortcut-worlds-smartest-homekit-voice-assistant-9a33b780007a

從ChatGPT必應(yīng)遭受注入式打擊之后所暴露出的內(nèi)容來(lái)看，它的「身份」也是通過(guò)「自然語(yǔ)言提示」構(gòu)建和編程的。比如，告訴它是誰(shuí)，它知道/不知道什么，以及如何行動(dòng)。

推特地址：https://twitter.com/marvinvonhagen/status/1623658144349011971?lang=en

提示工程：是投機(jī)取巧，還是大勢(shì)所趨？

Karpathy表示，上面的這些例子充分說(shuō)明了「提示」的重要性，以及「提示工程師」的意義是什么。

同樣，在Goodside看來(lái)，這項(xiàng)工作代表的不僅僅是一份工作，而是更具革命性的東西——不是計(jì)算機(jī)代碼或人類語(yǔ)言，而是兩者之間的一種新語(yǔ)言——

「這是一種在人類和機(jī)器思維的交匯處進(jìn)行交流的模式。這是一種人類提出推論，機(jī)器負(fù)責(zé)后續(xù)工作的語(yǔ)言，而這種語(yǔ)言是不會(huì)消失的?！?/span>

類似的，賓夕法尼亞大學(xué)沃頓商學(xué)院的技術(shù)和創(chuàng)業(yè)學(xué)教授Ethan Mollick，也今年早些時(shí)候開(kāi)始向他的學(xué)生傳授「提示創(chuàng)作」的藝術(shù)，方法是讓他們只使用AI寫一篇短文。

他說(shuō)，如果只輸入最基本的提示，比如「寫一篇五個(gè)段落的關(guān)于選擇領(lǐng)導(dǎo)者的文章」，只會(huì)產(chǎn)出乏味、平庸的文章。但最成功的案例是當(dāng)學(xué)生與AI進(jìn)行共同編輯時(shí)，學(xué)生告訴AI要更正特定細(xì)節(jié)、更換句子、拋棄無(wú)用的短語(yǔ)、添加更生動(dòng)的細(xì)節(jié)，甚至讓AI「修復(fù)最后的結(jié)尾段，讓這篇文章以充滿希望的基調(diào)結(jié)尾?！?/span>

不過(guò)，Goodside也指出，在一些AI圈子里，提示工程很快就變成了一個(gè)貶義詞，也就是一種「過(guò)度依賴技巧的狡猾的修補(bǔ)形式」。

還有一些人也質(zhì)疑這個(gè)新角色干不長(zhǎng)：人類會(huì)訓(xùn)練AI，而隨著AI的進(jìn)步，人們自己會(huì)把這個(gè)工作也訓(xùn)練沒(méi)的。

華盛頓大學(xué)的Steinert-Threlkeld，就將提示工程師與谷歌早期的「搜索專家」作對(duì)比，他們宣稱有秘密技術(shù)可以找到完美的結(jié)果——但是隨著時(shí)間的推移和搜索引擎的廣泛應(yīng)用，這個(gè)角色毫無(wú)用武之地了。