在、、 等新事物的作用下，不少人或多或少听说过的概念。

即便掀起的大模型风浪又一次更新了人们对于AI的认识, 然而现阶段的AI终究还并非是强人工智能, 大模型之中的“知识”存于一个隐性的空间里, 要给予AI正确的指令, 这也就是在过去几个月里屡屡被探讨的。

有人把它翻译成“提示词”, 也有人将其翻译为“激发词”, 再带着些感性的意味来讲, 就如同童话故事当中的魔法那般 是AI 时代的魔法 具备了它便具备像“巫师”一样的能力。

01 是什么？

并非难以理解的那种通俗易懂的字面意思, 究竟为何会出现这样一个概念? 既然它是经过炒作而热起来的全新名词, 那么不妨就让自己来给出答案。

这个回答平平常常, 不过依旧能够提炼出一些具备价值的信息: 其一, 承袭了计算机编程当中的命令行提示符, 能够理解成操控AI的指令；其二, 在生成式AI的情境里, 其价值在于引领, 并非计算机里的命令。

假如打个比方来说: 大模型宛如人类的大脑, 知识乃是贮存在神经元联结之中, 唯有当你碰到具体的问题之时, 恰似“你最为钟爱的食物是什么? ”这般, 大脑才会给出确切的答案, 这等同于一个个具化的问题。由此兴起了一种流行的说法, 也就是提问较回答更为重要。你运用所遭遇的“边界”, 事实上是你自身的“边界”。

但是其价值的体现, 并非聚焦于所代表的对话机器人, 而是着重于作为首要的图像生成类应用。

一言以蔽之, 你得告知AI期望生成怎样的图, 要将自己脑海之中所想之物转变为能够被肉眼清晰看见的图案, 这需要借助几十个单词才行。哪怕只是存在一个提示词的细微差别, AI所生成的图像都极有可能出现质的不同, 怎样准确无误地给AI提供指令, 渐渐地演变成了一门高深莫测的学问, 进而衍生出了提示语工程学这样一种说法呢。

在衡量大模型能力之际, 出现了三个标准, 其一为大模型的预训练水平, 其二是用以开展预训练的语料数量与质量, 其三是提示语的水平。具有直接性的例子是外界针对文心一言文生图的质疑, 即便不把前两个因素纳入考量范围, 仅仅在提示词这一方面, 就足以使文心一言被拉开与其他的几条街的距离。

想要在文心一言上生成图片, 通常给出的指令是: 帮我生成一张XXX（这也是百度官方的示例）, 解析时注定仅有几个提示词, 远远不够用来表达脑海中所想的画面；给出同样的需求, 可能会有十几个甚至几十个提示词，如此大模型能够更精准地理解并输出用户想要的图案。

理解了这些差异，便不难读懂走红的原因。

当下, 大模型对于算力的需求程度颇高, 就拿DALL・E来说, 生成一幅图片的收费大概是0.02美元, 要是让不明白的人员去调用该模型, 极有可能会把一回回的算力给白白浪费掉。再说, 当前要是想生成令人满意的图片, 就得持续反复地进行调整, 能不能熟练地加以运用, 直接对大模型能够释放出来的生产力起到决定性作用了。

02 还能赚钱？

凭借信息差来获取钱财始终是最为轻易就能开展的营生, 生成式人工智能同样是如此, 身为人工智能时代具备神奇魔力的事物, 已然变成了好些人用以“谋取钱财”的生产凭借之物。

第一种：直接售卖。

国外出现了那种等实行明码标价的平台, 该平台涉及多个模型, 像、了如指掌、DALL・E、GPT等, 并且适用场景愈发细分起来, 它其中包含音乐创作、精心绘制儿童插画、油画技艺呈现, 还有人物肖像等等绘画类型, 哪怕是那些不擅长梳理提示词的普通用户, 也能够径直复制从而创造出相当不错的作品。

实际上, 国内存在着与之类似的状况, 一部分商家早就于电商平台之上进行售卖, 另外还有一些人会把它制作成针对垂直任务场景的应用, 像AI撰写评语、AI撰写邮件、AI翻译等等, 用以吸引有着刚性需求的用户按照月份缴纳费用来使用。

第二种：用换流量。

国内最早一批售卖AI课程的自媒体, 大多会把它当作吸引用户付费的筹码, 在小红书等年轻人聚集的平台上, 早就有了分享的笔记, 在B站、抖音等视频平台上, 教用户使用的教程多得数不过来。

其中的逻辑并非繁杂, 是操控AI的“咒语”, 然而提示词自身不存在版权效力, 也许径直售卖能够迅速实现变现, 终究是难以持久的交易。会当作涨粉手段, 借此吸引到相当数量的粉丝群体, 在流量呈现极盛之势的互联网江湖里, 无疑更契合市场规律, 也是被大量探讨的另一层缘由。

第三种：靠“找工作”

就如同先前讲过的那样, 正确运用是已然成为提高生产力的先决条件, 不仅催生了提示语工程, 还造就出了一批“提示词工程师”( )。

国外有个叫Riley的小哥, 凭借快速涨粉, 进而被硅谷独角兽Scale AI聘请为“提示词工程师”, 听说其年薪高达百万人民币, 还有一位叫Jason M. Allen的艺术家, 使用其作品赢得了State Fair周年艺术比赛……倘若说计算机时代的能力密码是编程, 那么在生成式AI席卷全球的当下, 它正悄然变成数以万计打工人“傍身”的工具。

至少从当下的情形而言, 在程序员这个群体当中, 已然逐步兴起了两种不同的倾向, 其中一种人, 将目标对准了那些具备等大模型的企业所提供的 API, 意图借助这种方式, 坐在人工智能的副驾驶位置上去开展创业活动, 而另外一种人, 则是萌生了创造方面的想法, 试图凭借信息差来获取到属于自己的第一桶金。

倘若的出现当真是所谓的时刻，围绕的生意其实才刚刚开场。

03 只是过渡？

与之相对应存在着一个问题, 那就是, 它是不是人工智能走向大众化进程当中绝对不能缺少的一个环节呢? 而这个问题最终所给出的答案, 会对和的红利周期产生直接的影响。

Open AI的首席执行官Sam曾公开讲过: 五年之后, 就不再会需要。或许在接下来的一段时期里面, 我们依旧需要提示语, 需要去进行创造 , 但生成式人工智能的发展速率可能超出想象, 人工智能对于人类的理解能力远远还没有触及到天花板。

能够用来佐证的, 是第一代上市之际, 那时还不存在App Store, 仅仅预装了浏览器、iPod、邮件等少量应用, 要是想要去安装其他应用, 得在电脑上进行安装, 还要用USB线把它连接到电脑……为了处理用户体验方面存在的局限性, 越狱工具以及第三方应用商店从而诞生, 然而在苹果引入App Store之后, 越狱工具逐渐被扔到了历史的故纸堆里。

同样的问题询问，答案似乎客观了许多。

想要不用特定就能和AI流畅对话，认为需要解决四个挑战：

1、AI得更优地领会语境以及连贯性, 哪怕用户似《大话西游》那儿唐僧那般唠唠叨叨, 又或者词不达意, AI也能够精准悟明用户的意图, 如此一来便无需精准的提示词, 进而以自然语言来开展提问。

2、AI要有丰厚知识见识以及推理本事, 也就是依据特定信息与场景给出合理反应, 不像当前模型那般“对牛弹琴 ”, 像中文里多义词, 不同场景下不同意思的语气词, 这很考验推理能力。

3、人工智能要理解并处理情感方面的信息, 这是眼下人工智能研究当中重点关注之处, 人的情感存在多种表达方式, 文字不过是其中较为重要的一种方式, 当大型模型不停地朝着多模态方向不断演进的时候, 视觉以及声音是不是也能够传递出相关信息呢?

4、AI需具备主动学习以及适应能力主动学习指的是在AI系统运转于学习进程期间它能够以主动的姿态去挑选出最具信息量的样本展开学习在数据处于稀缺状况时做出更为出色的决策适应能力指的是遭遇新的任务场景或者环境产生变化之际AI能够自行进行调整并对其行为予以优化。

把依照的规范来讲, 于消逝之际, 肯定已然步入到了强大人工智能时期, 当下尚存有很长一段路程。

其随之而产生的衍生机会走向消亡属于历史必然, 在时间方面仍存在极大不确定性, 也许很快会出现另外一场技术爆炸, 若不是这样, 也许人工智能会进入新一轮瓶颈期, Sam的五年预期只不过是“盲目乐观”罢了。

04 写在最后

也许能够采用科技媒体中, 名为《》的这般表述: 当下已然迈入AI艺术的转折点, 往后的艺术家无论当初是依靠自身探索成才, 还是经由专业院校系统学习出身, 均需具备创造方面的能力, 要有理解并学习数据科学的意识, 以及掌握大模型的运转原理。

要是进一步进行延伸的话, 绝不是只有艺术家才需要具备这些能力, 任何一种职业, 任何一个行业的工作, 都没办法避免和AI展开协作, 需要把人类的思考以及需求注入给AI, 并且要持续去更新、创造，这会是大多数人必须得掌握的一种技能, 就如同现在必须得用输入法打字那样。

本文章的作者是张贺飞, 其为Alter聊科技的主理人, 对云计算、AI、元宇宙以及等前沿科技领域十分关注, 目前已然拥有60余家科技专栏。此张贺飞是福布斯中国的撰稿人, 其发表的观点仅仅代表个人。