人工智能中的提示工程是什么以及为什么它很重要

像ChatGPT和DALL-E 2（文本到文本或文本到图像人工智能工具）这样的工具目前非常流行。但是，要使它们有效地工作，您需要提出正确的问题以获得所需的结果。学习如何与这些工具交谈将变得越来越重要，因为它们将被整合到各个行业中。

什么是人工智能中的提示工程？

人工智能提示工程是获得所需输出的有效方法。提示有多种形式，例如语句、代码块和单词字符串。这种利用提示的方法是由人们发明的，目的是从人工智能模型中引出响应。它作为教导模型开发适合特定任务的输出的起点。
令人着迷的是，这些提示的工作方式与对人一样 – 提示他们写一篇文章 – 同样，人工智能应用程序可以使用这些提示生成为其目的量身定制的作品。因此，提示工程已经成为利用人工智能工具的必备策略。
当谈到实际提示时，文本目前是人与人工智能之间的主要通信手段。使用文本命令可以告诉模型执行什么操作。像DALLE-E 2和Stable Diffusion这样的顶级人工智能模型需要您描述所需的输出，这作为它们的主要提示。另一方面，像新ChatGPT这样的语言模型可以使用从简单查询到复杂的经过验证的带有事实的提示。有时，您甚至可以使用包含原始数据的CSV文件作为输入的一部分。
整个人工智能提示工程过程涉及设计和创建提示（输入数据），以便人工智能模型可以在其上训练以学习执行特定任务。在此过程中，您必须选择适当的数据类型和格式，以便人工智能可以理解它。有效的人工智能提示工程会产生高质量的训练数据，使人工智能模型能够准确地做出预测和决策。

图片：cohere.ai

人工智能提示工程的崛起

许多人工智能提示工程的顶级发展发生在语言模型如GPT-2和GPT-3中。2021年，新任务通过自然语言处理（NLP）数据集的多任务提示工程取得了令人印象深刻的结果。通过语言模型精炼，这些语言模型可以准确地描述逻辑思维过程，当提示中包含诸如“让我们一步一步地思考”等线索时，零样本学习得到了应用；这进一步提高了多步骤推理工作的成功率。通过广泛的开源笔记本和社区驱动的图像合成项目，实现了小规模和大规模的易用性。
2022年，机器学习模型DALL-E、Stable Diffusion和Midjourney通过文本到图像提示开启了一个全新的可能性世界。这项技术允许人们仅凭借文字输入就能将自己的想法变为现实。
最近，ChatGPT对公众开放，并引起了轰动。ChatGPT是迄今为止我们见过的最令人印象深刻的人工智能语言模型。它依赖于深度学习技术来生成基于输入文本的文本。该工具是在大量文本数据集上训练的，使其能够生成对广泛文本提示的类似人类的响应。

人工智能提示工程的最佳实践

有一些最佳实践可以真正帮助人工智能提示工程产生准确和有效的输出。
第一步是了解提示可以包括指令、问题、输入数据、示例、事实等。关键是将所有这些不同的元素组合起来以实现最佳输出。
在设计人工智能提示时，应遵循以下步骤：

• 输入清晰和具体的提示：人工智能提示工程中最重要的方面之一是为人工智能模型提供明确定义的提示。这将确保模型了解您要询问的内容。
• 使用简洁的语言：您应该在提示中尽可能简洁，保持简短和切中要点。
• 提供尽可能多的上下文：人工智能模型有时会难以理解上下文，这就是为什么您应该在输入中包含尽可能多的特定上下文信息的原因。
• 确保正确的语法：您不希望在人工智能提示中出现任何语法错误，因此请始终检查拼写是否正确。
• 测试各种输出：这些模型可以提供无限多的输出，因此您应该测试多个输出，直到找到最好的一个。
• 在可能的情况下微调模型：一些人工智能模型，例如ChatGPT，可以使用您自己的数据进行微调。这对于特定的用例要求特别有用，并且可以带来更准确的输出。

提示工程师的崛起

随着更多公司采用人工智能技术，对具有机器学习和提示工程专业知识的专业人员的需求日益增长。随着时间的推移，对工程师和数据科学家的需求预计将继续增长。
提示工程师是一位专门从事精心设计提示、规则和指令以帮助人工智能工具实现特定结果的专业人员。凭借对所使用模型的能力和局限性的深刻理解，这些专家拥有高效地引导输出朝向期望目标的技能，方法是巧妙地设计输入文本，包括标签或具有复杂措辞的策略。
提示工程师在NLP项目中承担着至关重要且常常被忽视的角色。他们的任务是设计和创建模型将响应的提示，根据输出微调模型，并不断分析模型性能以确定改进的机会。
他们还与数据科学家和NLP研究人员合作，评估模型的性能，并确保提示与项目目标保持一致。通过承担多项职责并利用他们的专业知识跨多个学科，提示工程师在NLP开发中发挥着至关重要的作用。
随着像ChatGPT这样的人工智能模型的流行，提示工程师的需求将会大幅增加。他们将在公司利用这些人工智能模型方面发挥重要作用。

人工智能提示工程如何影响商业

人工智能产品和支持它们的模型正在迅速改变技术格局，呈现出全新的创造和创新途径。通过利用数据，像ChatGPT这样的模型实现了人工智能生成对用户查询和各个领域独特想法的响应的能力。计算机可以在艺术、设计、计算机编码等领域几乎不需要人类帮助就能生成内容。另外，它们甚至可以发展出关于复杂问题的假设和理论。
最新的人工智能系统建立在大规模深度学习模型的基础上，能够处理和分析大量无结构数据，如文本和图像。这扩大了开发人员可以访问的应用范围，无论他们的机器学习专业知识和技术背景如何。
例如，建立在GPT-3.5基础上的ChatGPT已被用于翻译文本，科学家利用模型的早期版本创建了新型蛋白质序列。使用这些系统使得新的人工智能应用程序的开发时间大大减少，使其达到前所未有的可访问性水平。这些进步不可避免地为未来带来了令人兴奋的前景。
所有这些不同模型都有一个共同点，即它们都需要有效的人工智能提示工程。随着人工智能的不断发展，我们将继续看到提示工程在几乎每个领域（从商业到科学等）发挥重要作用。由提示工程驱动的人工智能模型是我们见过的最令人兴奋和最有前途的模型，因此商业领袖必须开始密切关注并考虑将其纳入他们的流程中。