AI 可以通过以下方式帮助人们生产:
通过将知识工作者的任务自动化,AI应能提高生产力并大幅降低单位劳动成本,从生成式AI的应用的大爆发就可以看出端倪;但用来大幅降低体力劳动的成本,现实世界的AI还有更长的路要走。我们原以为着AI会让体力劳动者失业,却不知道它们确有潜力让脑力劳动者先下岗了。
生成性AI作为程序员的助手是最早的应用之一。它的工作方式是:一个模型在大量的代码库(例如,GitHub上的所有公共仓库)上进行训练,然后在程序员编码时给出建议。这些结果是非常出色的。实际上,可以合理地预期这种方法将成为未来编程的代名词。[image12.webp](https://bytedance.feishu.cn/space/api/box/stream/download/all/YIZ3bdjyfoIDmjxeDvHcTm9onOd?allow_redirect=1)生成的代码:对不使用分号的攻击具有安全防护然而,相对于我们下面将介绍的图像生成,生产力的提升相对较小。其中一部分原因,如上所述,是在编程中(实际上,在更广泛的工程问题中也是如此,但在这篇文章中我们关注编程)正确性至关重要。例如,[最近的一项研究发现](https://arxiv.org/abs/2108.09293v2),对于匹配高风险[CWEs(常见弱点枚举)](https://cwe.mitre.org/about/faq.html)的场景,40%的AI生成的代码包含漏洞。因此,用户必须在生成足够多的代码以提供有意义的生产力提升,同时还要限制它,使得可以检查其正确性之间找到平衡。因此,Copilot已经帮助提高了开发人员的生产力——最近的研究([这里](https://github.blog/2022-09-07-research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/)和[这里](https://arxiv.org/abs/2205.06537))估计增长在2倍或更少的范围内——但这一水平与我们在开发者语言和工具的先前进步中看到的水平相当。例如,从汇编跳到C语言,根据一些估计,生产力提高了2到5倍。
AI生产文章的过程相对简单,关键在于提供一个清晰且具有指导性的提示词(prompt)。一个好的提示词能够帮助AI更准确地理解你的需求,并生成更符合预期的内容。如果你已经有了一个基本的提示词(prompt),那么AI可以根据这个提示词(prompt)生成一篇基础的文章。但是,如果你想要进一步提升文章的质量,你可以尝试提供一个更详细、更具创意的提示词(prompt),这样AI在生成内容时就能更好地捕捉到文章的语气、风格和重点。例如,你可以给AI一个这样的提示词:“请根据我们收集的关于OpenAI回应马斯克言论的资讯,创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题,开头部分要概述事件的背景和重要性,主体部分详细分析OpenAI的回应内容及其可能产生的影响,结尾处提出一些引人深思的问题或观点。”这样的提示词不仅为AI提供了明确的指导,还设定了文章的基本结构和内容要求。AI会根据这些信息生成一篇结构完整、内容丰富、观点鲜明的文章。当然,最终产出的内容可能需要你进行一些微调,以确保它完全符合你的预期和公众号的风格。我下面就简单的演示一下(不要介意我提示词没写好,hhh,感兴趣可以在通往AGI之路开源知识库里学习下,怎么写好提示词):这样我们的文章就写好了。讲到这里,不到十分钟就能完成文章的内容产出。