引导技巧的终极指南

人工智能如何从我们身上学习：解锁提示的力量

想象一下让一个机器人来打扫你的房子，但是没有给它详细的指示，你只是说，“清理厨房。”这是一个模糊的命令，然而机器人知道要清理碟子，擦拭柜台和扫地。这正是现代人工智能系统的运作方式——通过提示。

在一项名为"提示技术的系统调查"的最新研究中，人工智能研究人员探索提示如何改变机器与人类互动的方式。虽然这项研究技术性很高，但其影响涵盖了从日常谷歌搜索到未来可能与人工智能互动的一切事物。

让我们通过现实世界的例子来分解这个问题，看看为什么理解提示可以改变我们对人工智能的看法。

其中一个最迷人的想法是零提示。简单来说，人工智能可以在没有接受培训的情况下执行任务。例如，您可以要求人工智能将一句英文句子翻译成法文，即使它从未接受过对此特定任务的训练，它仍然可以给出正确的结果。这听起来可能不可能，但它正在发生。

想想看：我们要求AI做非前所未有的事情。这就好像让街上的陌生人解决一个他们从未见过的数学问题，但不知怎么地，他们就解决了。为什么呢？因为AI接触过如此多的一般信息，它可以利用已学到的模式“猜测”答案。

这就是事情变得有趣的地方。零样本提示提出了一个更深层次的问题：如果人工智能可以开始解决它从未接受训练的问题，那对它未来的潜力意味着什么？它是否会开始解决我们甚至还不知道如何描述的问题？

在硬币的另一面，是少样本提示。想象一下你在教别人如何烤蛋糕。你不会给他们一本50页的食谱书 - 你只需要向他们展示几次，他们就能掌握方法。这就是少样本提示的工作原理。你给AI几个例子，它学会如何完成任务，几乎就像模仿一样。

例如，假设您希望人工智能编写有关新智能手机的评论。您向其展示两到三个写得很好的评论示例，然后人工智能可以生成类似的评论，具有足够的细节和洞察力，听起来几乎像人类写的一样。少量示范让人工智能从这些最少的示例中“学习”，而无需大量数据或培训。

但这里引人思考的部分是：当我们作为用户成为教师时会发生什么？当我们开始制作这些少量提示时，实质上是在引导AI的行为。这引发了伦理问题：我们在AI系统中无意间嵌入了什么样的偏见？我们是在教导它们更像我们思考吗 - 或者更糟糕的是，继承我们的缺陷？

AI并不仅限于文本。多模式提示使事情变得更加复杂，使AI能够解释和生成不仅仅是文字，还有图像，音频，甚至视频。想象一下上传一张照片，并要求AI详细描述它，或者给予它一个音频片段，并要求它总结其中的内容。

例如，您可以上传一张拥挤街道的照片，然后问AI，“这里有什么安全风险？”通过充分的多模态训练，AI可能会注意到您没有留意的事情 - 比如乱穿马路的行人或者可能会掉落的悬挂标志。这些见解不仅仅是酷炫的派对把戏；它们有着实际的应用，从增强公共安全到改进自动驾驶车辆如何在复杂环境中导航。

这里有一个重要的问题: 随着人工智能在分析图像和视频方面的表现越来越好，它将如何改变像医疗保健或城市规划这样的行业？人工智能会取代医生进行诊断工作，还是人工智能设计的城市将比我们迄今为止创造的任何东西都更安全、更智能？

这项研究真正要传达的是，提示不仅仅是技术指令，而是成为我们塑造人工智能行为基础的重要因素。我们如何提示人工智能决定了它的答案、决策以及最终在我们生活中扮演的角色。

现在，制定完美提示是一种艺术形式，主要取决于研究人员和开发人员。但很快，像你和我这样的普通用户也会参与其中。无论是要求Siri以特定语调编写消息，还是使用人工智能设计下一个项目，我们与这些系统的互动方式将是释放其全部潜力的关键。

但我们应该问问自己：我们准备好负责任地引导人工智能吗？在人工智能从我们身上学习的世界中，我们给予它的提示不仅仅是命令 - 它们也是我们自己的倒影。当人工智能开始根据我们给出的线索进行思考、预测甚至创造时会发生什么？