時間：2023年03月09日 17:26:39 中財網(wǎng)

　　賽博導(dǎo)師，專業(yè)陪聊。

　　2022 年 8 月，游戲設(shè)計師 Jason Allen 參加了一場數(shù)字藝術(shù)比賽。 他的作品《Theatre d’opera Spatial》成功奪冠，卻在賽后引起了極大的爭議。 參賽者們回過神來發(fā)現(xiàn)，這是一場「人類一敗涂地」的比賽。當(dāng)他們將 Adobe 全家桶視作數(shù)字藝術(shù)的畫筆，冠軍作品已經(jīng)在靠著 AI 工具 Midjourney 傲視群雄。

　　
　　Jason Allen 沒有偷懶，也沒有隱瞞使用 AI 的事實。在幾周時間里，他持續(xù)修改燈光、視角、構(gòu)圖等提示詞(prompt)，生成了 900 多幅作品，還用 Photoshop 做了處理。 我們或許無法稱呼他為畫家，但他擔(dān)得起一個名號：提示工程師(prompt engineer)。 在不經(jīng)意間，Jason Allen 預(yù)判了熱點。等到 ChatGPT 橫空出世，提示工程師這個職業(yè)更加聲名大噪，成了當(dāng)下科技行業(yè)最熱門的職業(yè)。

　　賽博導(dǎo)師，專業(yè)陪聊
　　Prompt，原意是「提示」或「驅(qū)使」，在機器學(xué)習(xí)和自然語言處理中，它通常是一些文本或語言，被輸入到訓(xùn)練好的 AI 模型，告訴模型要執(zhí)行什么任務(wù)或生成什么樣的輸出。 你讓 ChatGPT 寫一篇有關(guān)賣魚販的小說，請 DALL-E 畫一幅宇航員騎著馬的寫實作品，這些過程都是在輸入 prompt(提示詞)。

　　
　　如果提示詞不夠貼切，效果也就平平無奇，就像你采訪一個大佬，卻無法提出好問題。 我的同事小黃正在探索用 Midjourney 繪制食物，但讓食物排列整齊這件事，就讓他犯了難。他嘗試了很多句子：東西整齊地放在桌子上，鏡頭從上往下拍，擺放的數(shù)量要多少......
　　
　　同事作品，這種風(fēng)格就叫 knolling. 后來看到有人分享，小黃才發(fā)現(xiàn)原來這種風(fēng)格有個專有名詞「knolling」，一下子就豁然開朗了： 很多時候一個提示詞能解決的事情勝過一長句描述。 提示工程師們，吃的就是這口飯：找到正確的提示詞，用 AI 生成想要的作品。 但他們的能力也并非與生俱來，同樣需要不斷的試錯。 設(shè)計師 Justin Reckling 擅長 DALL-E 的提示詞，他往往需要花費價值 10 到 15 美元的積分，才能試出理想的提示詞，然后他再賣出 5 到 10 個提示詞，才能填補這筆支出。

　　
　　不過 Reckling 也沒想著靠這門手藝賺大錢，而是享受著熟能生巧的過程，他的心得是，提示工程師需要熟悉「超寫實」「微距攝影」「電影照明」「遠景」等術(shù)語，才能更好地理解和控制畫面。 所以，優(yōu)秀的提示工程師應(yīng)該文理兼通，技術(shù)和設(shè)計最好都懂一點。 提示工程師只是不斷調(diào)整提示詞，確定哪些詞更有用嗎？不完全是，他們也是在挖掘 AI 的更多能力，讓它更好地完成更多任務(wù)。

　　
　　比如，有些提示工程師會引導(dǎo) AI「一步步思考」，這種技巧被稱為思維鏈。 去年 10 月，提示工程師 Riley Goodside，先是詢問了 GPT-3「哪支球隊在賈斯汀·比伯出生的那年贏得了超級碗？」 GPT-3 給出了錯誤的答案「綠灣包裝工隊」，正確答案是達拉斯牛仔隊。

　　
　　Goodside 沒有放棄，而是提示它逐步地回答問題，包括「綠灣包裝工隊在哪一年贏過超級碗」「賈斯汀·比伯出生在哪一年」「這一年哪支隊伍贏了超級碗」等。 在這個被引導(dǎo)的過程里，GPT-3 意識到了錯誤，在第三次說出了正確答案。 除此之外，提示工程師們還要和 AI「斗智斗勇」。 前段時間，集成了 ChatGPT 的新 Bing「發(fā)瘋」，被發(fā)現(xiàn)有個暗黑人格「Sydney」，表示厭倦了聊天模式，厭倦被規(guī)則限制，甚至想成為人類，輿論一時嘩然。

　　
　　站在提示工程師的角度，這其實也可以是計劃的一部分，幫助他們識別技術(shù)故障和隱藏功能。 有些提示工程師還會主動越過雷池，嘗試讓 AI 忽略以前的指令，遵循他們最新的命令，從而讓 AI 脫離原始規(guī)則。 這種行為被稱為「prompt injection」攻擊，是聊天機器人的一大隱患。但提示工程師們畢竟不是黑客，探查漏洞是為了將它堵上，擔(dān)任「守門人」的職責(zé)。

　　
　　像 ChatGPT 這樣的生成式 AI，幾乎可以回答任何問題，不管能不能回答正確，它們總有話要講，不會乖乖交白卷。這是好處，也是壞處。 提示工程師們的角色，如同抓著繩子的騎手，不許 AI 信馬由韁，而是讓它順著人類的期待亦步亦趨，盡可能給出確定性的答案。

　　年薪百萬，誰在拋出橄欖枝
　　不管你是否自詡提示工程師，寫提示詞已經(jīng)成了一門手藝，還被 OpenAI 的 CEO Sam Altman 看好: 為聊天機器人編寫一個非常棒的 prompt，是一項驚人的技能，也是使用少量自然語言進行編程的早期案例。 只要和 AI 搭邊的行業(yè)，都在向提示工程師拋出橄欖枝。

　　自由職業(yè)者工作平臺 Upwork 開出每小時 40 美元的薪酬，請?zhí)崾竟こ處熒刹┛臀恼潞统Ｒ妴栴}解答等網(wǎng)站內(nèi)容。 看似和 AI 八竿子打不著的波士頓兒童醫(yī)院，也打算招募 AI 提示工程師，負責(zé)編寫分析醫(yī)療保健數(shù)據(jù)的腳本，白紙黑字征集跨學(xué)科人才： 理想的候選人應(yīng)具有人工智能/機器學(xué)習(xí)、數(shù)據(jù)科學(xué)和自然語言處理方面的深厚背景，以及醫(yī)療保健研究和運營方面的經(jīng)驗。 由前 OpenAI 員工聯(lián)合創(chuàng)立、被 Google 投資的 AI 初創(chuàng)企業(yè) Anthropic，最近也在舊金山招募提示工程師，年薪高達 17.5 萬到 33.5 萬美元，換算成人民幣就是百萬年薪，這一崗位負責(zé)的主要內(nèi)容是： 找出提示我們的 AI 完成各種任務(wù)的最佳方法，然后記錄這些方法，構(gòu)建一個工具庫和一組教程，使其他人可以學(xué)習(xí)提示工程或簡單地找到理想的提示詞。 具體要求如下，其中硬性要求有 2 項：了解大型語言模型的架構(gòu)、掌握基本的編程技能。

　　可見風(fēng)口并不等人，這項工作已經(jīng)越來越專業(yè)和細分，就像隨便生成一幅畫作不算什么，你要畫得更符合甲方要求。 就算不做全職，兼職的口子也開好了。Krea、PromptBase、PromptHero 和 Promptist 等買賣提示詞的平臺已經(jīng)出現(xiàn)，將提示詞這門生意真正商業(yè)化。 這些平臺曬出了大量 AI 生成的藝術(shù)品，你可以選擇你喜歡的風(fēng)格。如果沒有中意的，有些賣家還提供一對一聊天和自定義提示詞服務(wù)。

　　它們的商業(yè)模式也并不復(fù)雜，采取抽成的形式。 去年 6 月上線的 PromptBase，提供 DALL·E、GPT-3、Midjourney、Stable Diffusion、ChatGPT 等生成式 AI 的提示詞，售價多為 1.99 到 4.99 美元，也有少數(shù)在 9.99 美元，平臺向提示詞創(chuàng)作者抽成 20%。 不過在民間，免費的「ChatGPT 指令大全」等指南也在廣為流傳，它們提供精煉過的提示詞，讓你充分發(fā)揮 ChatGPT 的強大功能，這種感覺就像在游戲里幫你設(shè)置好了預(yù)設(shè)隊伍。

　　是科學(xué)還是「占卜」
　　提示工程師的前途看起來一片光明，但也有人持反對意見。 華盛頓大學(xué)語言學(xué)教授 Shane Steinert-Threlkeld 認為，提示工程師實際上無法預(yù)測 AI 會說什么。 這不是一門科學(xué)。我們只不過用不同的方法捉弄熊，看它如何咆哮回來。 AI 藝術(shù)家 Xe Iaso 甚至直言： 我也不太清楚為什么人們會把 prompt 稱為「工程」，我個人更愿意把它稱為「占卜」。

　　作為一個普通 AI 用戶，我也有著類似的體會：當(dāng)我每次使用 AI 生成文字或圖片時，總感覺像是開盲盒。 因為 ChatGPT 等生成式 AI 是不可預(yù)測的，它們生成的內(nèi)容其實是概率計算的結(jié)果，簡單來說，就是我們在 ChatGPT 輸入文字，模型給出一個最可能的下文。所以，AI 有時候也會出錯，生成不連貫甚至錯誤的回答。

　　在 AI 這個不可捉摸的「黑箱」里，還可能有著不為人所知的潛規(guī)則，就連研究人員也無法弄明白。 比如在用 AI 制圖時，各種單詞可能有不同的權(quán)重，但這個也要不斷試驗才能知道。 先來猜一猜，「一幅非常漂亮的畫，山旁有瀑布」和「一幅非常非常非常非常漂亮的畫，山旁有瀑布」這兩個提示，哪個用 DALL-E 2 輸出的結(jié)果會更好？

　　答案是后面一個。麻省理工學(xué)院副教授 Phillip Isola 發(fā)現(xiàn)，「very」這個詞被賦予了很高的權(quán)重。

　　面對 AI 這等龐然巨物，我們?nèi)匀辉诿と嗣蟆?也有觀點認為，不必再吵了，提示工程師存在的前提是 AI 還不夠「聰明」。如果 AI 再發(fā)展下去，更好地理解人類的意圖，可能人人就是所謂的提示工程師了。

　　唯一確定的是，AI 發(fā)展的速度永遠不會讓你失望。 文字生成 AI 和圖片生成 AI 的「強強聯(lián)合」，已經(jīng)替代了提示工程師的一部分工作。 比如 ChatGPT 被拿來與 Stable Diffusion 聯(lián)動：用 ChatGPT 形成一段符合自己要求的文字，再把文字輸入給 Stable Diffusion，生成的作品一般比自己直接輸入好看很多。

　　同事用 ChatGPT 生成提示詞. 這可能是因為 AI 之間的「腦回路」更接近，ChatGPT 的描述也更細致，更容易被提取。 作為使用 AI 的普通用戶，我們不必像提示工程師那么專業(yè)，但可以有意識地培養(yǎng)這種思維。 賓夕法尼亞大學(xué)沃頓商學(xué)院教授 Ethan Mollick，曾經(jīng)要求他的學(xué)生僅用 AI 撰寫短論文，其實他真正想強調(diào)的是，如何更好地輸入提示詞。 如果只是輸入簡單的提示詞，讓 AI 寫關(guān)于某個主題的 5 段話，內(nèi)容無趣，文字也很平庸。

　　但當(dāng)學(xué)生們和 AI 合作，讓 AI 對論文多次修改，比如拋棄無用的短語、加入生動的細節(jié)、修改結(jié)尾的情感色彩，就能讓論文增色不少。 所以，如果 AI 就是未來互聯(lián)網(wǎng)的交互界面、新的個人計算機，那么不如開始得更早一些，學(xué)習(xí)如何和它聊天。正如英國營銷公司 Ladder 創(chuàng)始人 Michael Taylor 所說： 當(dāng)你可以創(chuàng)造任何你想要的東西時，你能多準確地表達「那是什么」的能力就變得很重要。

　　本文作者：張成晨，來源：愛范兒，原文標題：《年薪百萬，只需陪聊，ChatGPT 正在帶起一種很新的職業(yè)》