快速学习/工程：学习与人工智能对话

• 作者：
• 作者姓名

  量子运行远见
• 2024 年 3 月 11 日

洞察总结

基于提示的学习正在改变机器学习 (ML)，允许大型语言模型 (LLM) 通过精心设计的提示进行调整，而无需进行大量的重新训练。这项创新增强了客户服务、自动化任务并促进了快速工程领域的职业机会。这项技术的长期影响可能包括政府改善公共服务和通信，以及企业转向自动化策略。

及时学习/工程背景

基于提示的学习已成为机器学习 (ML) 领域的一种改变游戏规则的策略。与传统方法不同，它允许 GPT-4 和 BERT 等大型语言模型 (LLM) 适应各种任务，而无需进行大量的重新训练。这种方法是通过精心设计的提示来实现的，这对于将领域知识转移到模型至关重要。提示的质量显着影响模型的输出，使得提示工程成为一项关键技能。麦肯锡 2023 年人工智能调查显示，组织正在调整其招聘策略以实现生成式人工智能目标，招聘即时工程师的数量显着增加（占采用人工智能的受访者的 7%）。

基于提示的学习的主要优势在于它能够帮助无法访问大量标记数据或在数据可用性有限的领域中运营的企业。然而，挑战在于设计有效的提示，使单个模型能够在多项任务中表现出色。制作这些提示需要对结构和语法的深入理解以及迭代的细化。

在 OpenAI 的 ChatGPT 背景下，基于提示的学习有助于生成准确且与上下文相关的响应。通过提供精心构建的提示并根据人工评估完善模型，ChatGPT 可以满足从简单到高技术性的各种查询。这种方法减少了手动审查和编辑的需要，从而节省了实现预期结果的宝贵时间和精力。

破坏性影响

随着即时工程的不断发展，人们会发现自己与人工智能驱动的系统进行交互，这些系统提供了更多与上下文相关的响应。这一发展可以改善客户服务、个性化内容和高效的信息检索。随着人们越来越依赖人工智能驱动的交互，他们可能需要更加敏锐地制定提示以实现期望的结果，从而提高他们的数字沟通技能。

对于公司而言，采用即时学习可以提高业务运营各个方面的效率。人工智能驱动的聊天机器人和虚拟助理将更加擅长理解客户的查询，简化客户支持和参与。此外，可以在软件开发中利用即时工程，自动执行编码任务并减少手动工作。公司可能需要投资培训及时工程师，以充分利用这项技术的潜力，而且他们可能还需要调整自己的策略，以适应生成人工智能系统不断发展的能力。

在政府方面，即时学习的长期影响可能体现在公共服务的改善上，特别是在医疗保健和网络安全方面。政府机构可以使用人工智能系统来处理大量数据并提供更准确的见解和建议。此外，随着人工智能通过即时学习不断发展，政府可能需要投资于人工智能教育和研究，以保持在这项技术的前沿。 

即时学习/工程的意义

即时学习/工程的更广泛影响可能包括： 

• 对提示工程师的需求不断增加，在该领域创造了新的职业前景，并培养了为人工智能系统制作有效提示的专业知识。
• 基于即时的学习使医疗保健系统能够更有效地处理医疗数据，从而提供更好的治疗建议和医疗保健结果。
• 公司转向数据驱动战略，通过及时的工程优化产品开发、营销和客户参与，这可能会颠覆传统的商业模式。
• 政府使用通过快速工程创建的人工智能驱动系统，与公民进行更具响应性和个性化的沟通，从而有可能提高政治参与度。
• 组织和政府采用及时的工程来加强网络安全措施，帮助保护敏感数据和关键基础设施。
• 及时的工程帮助自动化数据分析和报告，提高企业和投资者财务洞察的准确性和及时性。

需要考虑的问题

• 如何利用即时工程来增强日常生活中与人工智能系统的交互？
• 即时工程领域可能会出现哪些潜在的职业机会，您如何为这些机会做好准备？