深度解析:AI Prompt 提示词工程的兴起、争议与未来发展

PART1: 提示词工程的兴起

在人工智能领域中,一个新的领域——提示词工程(prompt engineering)——开始显露头角。

这个领域的核心在于精心设计输入,以引导AI模型产生特定的、期望的输出。

随着AI技术的飞速发展,特别是在大型语言模型(LLM)的推动下,提示词工程成为了一个备受瞩目的焦点。

权威机构分析,全球AI市场预计将在2030年达到1.6万亿美元的规模。在这样的大背景下,像OpenAI这样的公司提供的薪酬高达90万美元,反映了AI领域专业人才的高需求。

图片

而在这个领域中,提示词工程因其在提高AI模型性能方面的潜力而变得尤为重要。

2022年,随着GPT-3的公开可用性,普通用户开始意识到提示词的重要性。

“垃圾进垃圾出”(GIGO)的原则在这里得到了体现:如果输入的提示词草率且缺乏细节,AI模型将产生不理想的输出。

用户很快意识到,精心设计的提示词可以显著提升模型的性能。

随着对LLM能力的深入探索,人们开始尝试更复杂的工作流程和更长的提示词,这进一步凸显了巧妙编织文字的价值。

定制指令扩展了可能性,加速了提示词工程师这一职业的崛起。

提示词工程师是一群能够利用逻辑、推理和对LLM行为的知识来随心所欲地产生期望输出的专业人士。

尽管提示词工程在自然语言处理(NLP)领域取得了显著进步,但它的未来也引发了争议。

图片

一方面,有观点认为提示词工程是AI创新的催化剂,预示着一个人类与AI无缝交互的未来。

另一方面,也有声音质疑提示词工程的长期可行性,担心它可能只是一种短暂的技术潮流。

在媒体的炒作和夸张中,提示词工程被描绘成一种要么神奇无比、要么一文不值的技术。

然而,当剥离这些炒作,我们会发现一个更加微妙的现实。提示词工程面临着技术和伦理上的挑战,包括在不同应用中的可扩展性、可复制性和标准化问题。

与此同时,与传统的、成熟的AI职业相比,提示词工程的光彩开始显得有些黯淡。

PART2: 提示词工程的争议与挑战

提示词工程(prompt engineering)作为一门新兴的领域,虽然展现出了巨大的潜力,但也不可避免地遭遇了争议和挑战。

这些争议不仅涉及技术层面,还触及了职业发展的可持续性。

技术迭代的双刃剑

技术的快速迭代是推动AI发展的强大动力,但对于提示词工程师而言,这却是一把双刃剑。

随着AI模型如GPT-3.5到GPT-4,GPT-4O 的不断进化,曾经有效的提示词可能在新版本中失效。

这种快速的技术更新要求提示词工程师必须持续学习,不断适应新的模型特性。

甚至某种程度上我们还会发现某种“无提示词工程”的趋势(non-prompt engineer)。

具体指的是,对用户输入上下文的深度理解,以无感、简易、自然交互的输入形式完成高质量内容输出。

AI理解的局限性

批评者指出,尽管提示词工程能够引导AI产生令人印象深刻的输出,但这并不等同于AI具有真正的理解能力。

他们认为,提示词工程只是一种巧妙的输入编排,它掩盖了AI在深层次理解上的不足。

图片

职业发展的不确定性

在硅谷等科技创新的前沿地带,提示词工程师的需求或许存在,但在整个行业中,这一职业的知名度和认可度相对较低。

这引发了人们对于提示词工程职业发展前景的质疑,一些人担心它可能只是一种短暂的风潮,类似于“ESG(低碳管理) 工程师”。

媒体炒作与现实的差距

媒体对提示词工程的报道往往在赞扬其创新性和潜力的同时,也放大了其成功案例,而对其局限性则关注不足。

这种报道方式导致了公众对提示词工程的期望与实际能力之间的巨大落差,进而可能引发失望和怀疑。

自动化提示的崛起

随着自动化工具的发展,提示词工程面临了另一种挑战。

如 NeuroPrompt等工具,已经实现了在文生图领域超越人类提示词能力的输出效果。

这些工具能够通过迭代过程自动找到最优的提示词,这不仅提高了效率,而且在很多情况下,它们的表现甚至超过了人类工程师的成果。

图片

提示词工程的可扩展性与标准化

其次,提示词工程在可扩展性和标准化方面面临挑战。

在不同应用中扩展提示词工程的可行性和确保其输出的可复制性和标准化方面,挑战依然很大。

比如,你在医疗场景下定义了一套用于撰写病历的提示词,在第一次、第二次,甚至第十次使用时都达到了较好的输出内容质量和匹配度。

但是,你依然无法保证第 11 次是否可以输出和前十次一样高质量的内容。甚至在你使用了 RAG 技术,去限定 embadding 的语料的情况下,依然无法保证。

你无法保证每次每次输出的可复制性,更无法保证标准化。这取决于大模型的黑盒机制,用户无法直接干预模型输出的多样性。

当然,我们可以把“浓度”调低,甚至接近为 0。但是,生成式 ai 的意义又在哪?

对控制的需求与自动化的矛盾

尽管人类渴望控制,但随着AI模型变得更加先进,它们将越来越多地能够在没有我们提示的情况下做事。

这种矛盾表明,提示词工程可能需要重新定义其在自动化世界中的角色。

没有办法,总得面对

尽管面临诸多挑战,但提示词工程的未来并非一片黯淡。

随着AI技术的不断进步,对能够高效编写和优化提示词的需求可能会增加。

提示词工程可能不会作为一个独立的职业存在,但其核心技能——理解并引导AI行为的能力——将继续是AI领域中的宝贵资产。

PART3 提示词工程的展望与转型

在人工智能(AI)的不断演进中,提示词工程正迎来其发展的新阶段。

在这个过程中,自动化的兴起、教育的重要性、伦理的考量、跨学科的合作以及技术迭代的适应性,都将成为塑造这一领域未来的关键因素。

自动化与人类创造力的结合

自动化提示生成工具的出现,如Rick Batlle和Teja Gollapudi在VMware的研究所示,“自动调谐(auto tune) 提示工具,已经体现了超越提示词工程师的能力”。

这些工具能够自动迭代并优化提示词,有时甚至超越了人类工程师的能力。

图片

然而,正如Batlle所指出的,“算法吐出来的最佳提示是如此的奇怪,没有一个人类可能会想出它们”。

这意味着未来的提示词工程可能更多地涉及与自动化系统的协作,而不是单方面的任务执行。

伦理考量与社会责任

随着AI在社会中的作用不断增强,提示词工程的伦理问题也日益凸显。

从可扩展性到关于可复制性和标准化的担忧,这要求未来的提示词工程师不仅要是技术专家,还必须是负责任的决策者。

他们需要确保AI系统的输出不仅准确高效,而且公正、透明,并尊重用户隐私。

跨学科的融合与创新

未来的提示词工程将更加强调跨学科的合作。

与认知科学、心理学、社会学等其他学科的紧密合作,将有助于我们更全面地理解AI的影响,并创造出更符合人类需求的智能系统。

认知科学可以帮助我们理解人类思维和学习的过程,这对于设计能够更好地与人类交互的AI系统至关重要。

心理学则可以提供关于人类情感、动机和行为的深刻见解,这些见解可以指导我们设计更富有同理心和适应性的AI。

社会学则关注社会结构、行为和社会变迁,这对于理解AI技术如何影响社会以及如何设计能够促进社会福祉的AI系统具有重要意义。

通过跨学科合作,我们可以从不同角度审视和解决问题,这有助于我们更全面地理解AI的影响,并创造出更符合人类需求的智能系统。

例如,提示词工程师可以与心理学家合作,设计出能够更好地理解用户情感状态并给予适当反馈的AI系统;或者与社会学家合作,确保AI系统的输出不会加剧社会不平等或偏见。

技术迭代的快速适应**

技术的快速迭代要求提示词工程能够迅速适应新的AI模型和工具。

AI模型正在持续迭代,提示词工程师必须保持对新技术的敏感性,并能够快速调整他们的策略和方法。

职业角色的多样化

随着技术的发展,“提示词工程师”这一职业可能会演变成为更加多样化和专业化的角色。

他们可能成为AI系统的策略规划者、伦理监督者,或是在跨学科团队中发挥关键作用的沟通者。

即使在自动化工具的帮助下,对AI行为的理解和控制仍然至关重要。

提示词工程师的工作将更加注重策略和创新,而不仅仅是技术操作

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/25142.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spark MLlib 机器学习

Spark MLlib是一个在Apache Spark上构建的机器学习库,用于解决大规模数据集上的机器学习问题。它提供了一组丰富的机器学习算法和工具,可以用于分类、回归、聚类、推荐和协同过滤等任务。同时,它还提供了一些特征提取、特征转换和特征选择的工…

无头+单向+非循环链表的实现

这里写目录标题 1. 链表1.1 链表的概念及结构1.2 链表的分类 2. 接口实现3. 链表的实现3.1 打印链表3.2 头插3.3 尾插3.4 头删3.5 尾删3.6 单链表查找3.7 在pos之前插入3.8 在pos之后插入3.9 删除pos位置的值3.10 删除pos位置之后的值3.11 链表的释放3.12 动态申请一个节点 4. …

《精通ChatGPT:从入门到大师的Prompt指南》第11章:Prompt与AI的未来

第11章:Prompt与AI的未来 11.1 技术发展的新方向 在迅速发展的人工智能领域,Prompt工程作为与AI模型交互的核心方式,正处于技术创新的前沿。未来几年,Prompt工程将沿着多个新方向发展,这些方向不仅会改变我们与AI互动…

Golang 高级面试题

在准备 Golang 高级面试时,通常会涉及到多种关键领域。本文将涵盖各个领域的具体问题示例和实现代码。 数据结构与算法 实现堆、链表、栈、队列、哈希表 1.最小堆: 最小堆是一种完全二叉树,树中每个节点的值都小于等于其子节点的值。常用于实现优先队列。 package main…

Spring AI 第三讲Embeddings(嵌入式) Model API 第一讲OpenAI 嵌入

Spring AI 支持 OpenAI 的文本嵌入模型。OpenAI 的文本嵌入测量文本字符串的相关性。嵌入是一个浮点数向量(列表)。两个向量之间的距离可以衡量它们之间的相关性。距离小表示关联度高,距离大表示关联度低。 先决条件 您需要与 OpenAI 创建一…

Python怎么降雪:一场编程的奇幻之旅

Python怎么降雪:一场编程的奇幻之旅 在编程的世界里,我们通常与数字、逻辑和算法打交道,但今天,让我们打破常规,走进一个更加奇幻的领域——使用Python来模拟降雪的场景。这不仅是一场编程的挑战,更是一次…

idm究竟有哪些优势

IDM,即Internet Download Manager,是一款功能强大的下载管理软件,具有许多优势。以下是IDM的主要优势: 加快下载速度:IDM采用多线程技术下载文件,能够同时分割文件并使用多个连接下载,从而大大提…

【Linux】rsync远程数据同步工具使用

一、rsync工具介绍 rsync是一个用于在本地或远程系统之间同步文件和目录的工具。它通过比较源和目标文件的元数据(例如修改时间和大小)来确定需要同步的内容,然后仅传输必要的数据进行更新,从而实现高效的同步操作。 rsync有如下特…

Transformer学习之SwinTransformer

1.算法简介 本文主要参考自以下链接,整理成线上的形式用于备忘,排版太麻烦了直接贴图,参考的朋友慎重,不如直接看参考链接,后期有了新的理解继续更正。 参考链接1:Swin-Transformer网络结构详解_swin tran…

程序员如何转行成为一个漫画自媒体-连载2

仿写关于如何撰写文案的内容如下: 如何编写文案? 从零开始自己创作显然效率过低,初期阶段还是需要从其他漫画公众号中学习技巧,然而只能看到最终成品,却无法获得他们的实际文案。 不过,通过广泛的阅读&…

【文件导出2】导出html文件数据

导出html文件数据 文章目录 导出html文件数据前言一、实现代码1.controller层2.接口层3.接口实现类4.FileUtil 工具类 二、文件导出效果总结 前言 springBoot项目实现在线导出html文件数据的功能。 一、实现代码 1.controller层 GetMapping("/record/_export") Ap…

.NET4.8安装失败解决办法

在windows 2008 r2 安装.net 4.8 ,一开始下载 .net 4.8 的web 安装包,链接如下: https://download.visualstudio.microsoft.com/download/pr/2d6bb6b2-226a-4baa-bdec-798822606ff1/9b7b8746971ed51a1770ae4293618187/ndp48-web.exe 安装过…

Flutter中同步与异步

一,同步/异步的理解 1,await:同步机制 同步操作会阻止其他操作执行,直到完成为止。同步就好比打电话一样,打电话时都是一个人在说另一个人听,一个人在说的时候另一个人等待,等另一个人说完后再…

【Git】远程操作 -- 详解

一、理解分布式版本控制系统 我们目前所说的所有内容(工作区、暂存区、版本库等等)都是在本地,也就是在我们的笔记本或者计算机上。而我们的 Git 其实是分布式版本控制系统。 上面这段话是什么意思呢? 可以简单理解为&#xff1…

java算法篇之二分查找的公共函数

Arrays.binarySearch 方法的底层实现是使用经过优化的二分查找算法。以下是大致的二分查找算法实现步骤: 首先,确定搜索范围的起始索引 low 和结束索引 high,它们分别初始化为数组的起始位置和结束位置。在每一轮循环中,计算中间…

node-mysql中占位符?的使用

要mysql执行的命令串如果是固定的,那么不需要使用占位符,如果其中的一些参数允许在执行前可自由设定,那么使用占位符就很必要,这样你可以不需要由自己来拼接出一个完整的执行串,只需要在执行串模板上将占位符的参数设置…

新型数据库技术一览

新型数据库技术是信息技术领域中不断发展和创新的一部分,它们旨在解决传统数据库系统面临的挑战,如大数据量的处理、实时分析、云服务集成、数据安全性和多模型支持等。以下是一些当前备受关注的新型数据库技术: NoSQL数据库: 非…

USB (2)

USB transaction 以2.0的枚举过程为例。 首先是TOKEN TRANSACTION,其次是DATA TRANSACTION,再次是Handshake Transaction。 上面的SETUP TRANSACTION是TOKEN TRANSACTION的一种。另外三种是OUT, IN, SOF。 在每个TRANSACTION中又包含了3个STAGE&#x…

在Windows中安装MinGW-w64

在Windows中安装MinGW-w64 总共两步: 下载mingw文件,官网较慢,有国内镜像解压下载的文件,放到想要安装的位置,然后在环境变量里面新建一个值,添加/bin目录 以前安装mingw是可以直接下载一个.exe安装文件…

如何在恢复出厂设置后从 Android 恢复照片

在某些情况下,您可能会考虑将 Android 设备恢复出厂设置。需要注意的是,恢复出厂设置后,所有设置、用户数据甚至应用程序数据都将被清除。因此,如果您将 Android 设备恢复出厂设置,甚至在里面留下了一些珍贵的照片&…