量子運行

圖片來源：

iStock

快速學習/工程：學習與人工智慧交談

快速工程正在成為一項關鍵技能，為更好的人機互動鋪平道路。

作者：
作者姓名
量子運行遠見
2024 年 3 月 11 日

洞察總結

基於提示的學習正在改變機器學習 (ML)，允許大型語言模型 (LLM) 透過精心設計的提示進行調整，而無需進行大量的重新訓練。這項創新增強了客戶服務，實現了任務自動化，並促進了快速工程領域的職業機會。這項技術的長期影響可能包括政府改善公共服務和通信，以及企業轉向自動化策略。

及時學習/工程背景

基於提示的學習已成為機器學習 (ML) 領域的一種改變遊戲規則的策略。與傳統方法不同，它允許 GPT-4 和 BERT 等大型語言模型 (LLM) 適應各種任務，而無需進行大量的重新訓練。這種方法是透過精心設計的提示來實現的，這對於將領域知識轉移到模型至關重要。提示的品質顯著影響模型的輸出，使得提示工程成為關鍵技能。麥肯錫 2023 年人工智慧調查顯示，組織正在調整其招募策略以實現生成式人工智慧目標，招募即時工程師的數量顯著增加（佔採用人工智慧的受訪者的 7%）。

基於提示的學習的主要優勢在於它能夠幫助無法存取大量標記資料或在資料可用性有限的領域中運作的企業。然而，挑戰在於設計有效的提示，使單一模型能夠在多項任務中表現出色。製作這些提示需要對結構和語法的深入理解以及迭代的細化。

在 OpenAI 的 ChatGPT 背景下，基於提示的學習有助於產生準確且與情境相關的回應。透過提供精心建構的提示並根據人工評估完善模型，ChatGPT 可以滿足從簡單到高技術性的各種查詢。這種方法減少了手動審查和編輯的需要，從而節省了實現預期結果的寶貴時間和精力。

破壞性影響

隨著即時工程的不斷發展，人們會發現自己與人工智慧驅動的系統進行交互，這些系統提供了更多與情境相關的回應。這項發展可以改善客戶服務、個人化內容和高效的資訊檢索。隨著人們越來越依賴人工智慧驅動的交互，他們可能需要更加敏銳地制定提示以實現期望的結果，從而提高他們的數位溝通技能。

對於公司而言，採用即時學習可以提高業務營運各個方面的效率。人工智慧驅動的聊天機器人和虛擬助理將更加擅長理解客戶的查詢，簡化客戶支援和參與。此外，可以在軟體開發中利用即時工程，自動執行編碼任務並減少手動工作。公司可能需要投資培訓及時工程師，以充分利用這項技術的潛力，而且他們可能還需要調整自己的策略，以適應生成人工智慧系統不斷發展的能力。

在政府方面，即時學習的長期影響可能體現在公共服務的改善上，特別是在醫療保健和網路安全方面。政府機構可以使用人工智慧系統來處理大量數據並提供更準確的見解和建議。此外，隨著人工智慧透過即時學習不斷發展，政府可能需要投資於人工智慧教育和研究，以保持在這項技術的前沿。