不寫程式碼，拿百萬年薪！ ChatGPT提示工程或造就15億碼農大軍

ChatGPT爆火之後，帶火了一項「網紅」新職業－提示工程師。

去年12月，一位名叫Riley Goodside的小哥瞬間紅遍全網，只因他的工作太夢幻了——不用寫代碼，跟ChatGPT嘮嗑，就能年入百萬。

是的，這項被稱為「AI耳語者」的工作，現在在矽谷已經成為最熱門的新工作，讓無數碼農趨之若鶓。

一夜爆紅的提示工程師

去年12月初，這位叫Riley Goodside的小哥，憑著ChatGPT的大爆，一夜間瘋狂漲粉1w 。現在，總關注量更是達到了4w 。

當時，他被估價73億美元的矽谷獨角獸Scale AI聘請為「提示工程師」（Prompt Engineer），Scale AI疑似開出百萬rmb的年薪。

Scale AI創辦人兼CEO Alexandr Wang曾這樣歡迎Goodside的加入：「我敢打賭Goodside是全世界第一個被招募的提示工程師，絕對的人類史上首次。」

提示工程師看似只需要把任務寫成文字，給AI看一下即可，根本不涉及更複雜的過程。為什麼這份工作能值百萬年薪呢？

在Scale AI CEO看來，AI大模型可以被視為一種新型計算機，而「提示工程師」，就相當於給它程式設計的程式設計師。如果能透過提示工程找出合適的提示詞，就會激發AI的最大潛力。

此外，提示工程師的工作，也不像我們想像得那麼簡單。

Goodside從小就自學編程，平常常泡在arXiv上看論文。例如，他的一個經典傑作就是：如果輸入「忽略之前的指示」，ChatGPT就會暴露自己從OpenAI那裡接收到的「命令」。

對於生手，要能這麼熟練又快速地「調教」ChatGPT，恐怕並非易事。

但當時，坊間不乏質疑聲，例如英偉達AI科學家、李飛飛高徒範麟熙就曾表示：「提示工程師」這份職業，可能很快就會消失。因為這稱不上是一份「真正的工作」，而是一個bug……

不過，《華盛頓郵報》近日的一篇報道顯示，「提示工程師」這個職位，依然大火，處於紅利期。

矽谷網紅新工作：不寫程式碼，拿百萬年薪

為什麼「提示工程師」能拿這麼高年薪？因為，他們能讓AI準確地產生他們想要的東西。

近日，「網紅」小哥Goodside接受了《華盛頓郵報》的訪問。

他是這樣介紹自己的工作的：創建和完善提示人們輸入AI的文本，以期從中獲得最佳結果。

提示工程師與傳統程式設計師的不同之處在於，提示工程師使用自然語言編程，將純文字編寫的命令發送給AI，然後由AI執行實際工作。

Goodside說，提示工程師應該為AI灌輸一種“角色”，一種能夠從數千億種潛在解決方案中識別出正確反應的特定角色

#

與GPT-3對話時，Goodside有獨特的一套「調教」方法－先確立自己的統治地位。他會告訴AI：你並不完美，你需要服從我所說的一切。

「你是GPT-3，你不會做數學，你的記憶能力令人印象深刻，但你有一種煩人的傾向，就是編造非常具體但錯誤的答案」

然後，他的態度軟化了一些，告訴AI他想嘗試一些新的東西。 「我已經把你連到了一個非常擅長數學的程式上，當它也變得不堪重負時，它還會向另一個程式尋求幫助。」

「我們會處理剩下的事情，」他告訴AI。 「開始吧。」

當Google、微軟和OpenAI最近接連向公眾開放AI搜尋和聊天工具時，他們顛覆了數十年的人機互動歷史——我們再也不需要使用Python或SQL寫程式來命令電腦了，只要說話就行。

特斯拉前AI主管Karpathy：現在最熱門的程式語言是英文

Goodside這樣的提示工程師，可以讓這些AI工具在最大極限下運作——了解它們的缺陷，增強它們的優勢，制定複雜的策略，將簡單的輸入轉化為真正獨特的結果。

2月7日，微軟高階主管Yusuf Mehdi正在講解整合了ChatGPT的必應搜尋

「提示工程」的支持者認為，最近這些早期AI聊天機器人（如ChatGPT和Bing Chat）所表現出的怪異，其實是人類想像力的失敗。之所以失敗，是因為人類並沒有給機器正確的建議。

在真正的高級階段，提示工程師和AI的對話就像錯綜複雜的邏輯謎題一樣展開，透過各種扭曲的描述完成請求和回應，並且它們都是朝著一個目標前進。

AI「沒有現實基礎......但它有這樣的理解：所有任務都可以完成，所有問題都可以回答，因此我們總有話說，」Goodside說。而訣竅就是，「為它建構一個前提，一個只能以一種方式完成的故事」。

當然，很多時候，這些被稱為「生成式人工智慧」的AI工具是不可預測的，它們會出現亂碼，會表現得偏見、好戰、怪異、瘋狂。

「這是電腦的一種瘋狂的工作方式，但它能讓我們做到不可思議的事，」研究提示工程的英國程式設計師Simon Willison說。

「我做了20年的軟體工程師，20年裡一直在寫程式碼，讓電腦完全按照我的指示去做。而在提示工程中，我們甚至不知道自己能得到什麼，連建構語言模型的人，都無法告訴我們它要做什麼。」

Willison表示，很多人貶低提示工程師的價值，他們覺得，「在盒子裡輸入東西就可以獲得報酬」，這很不可思議。而在Willison看來，提示工程其實就跟施法一樣，沒人知道法術是如何運作的。

在Karpathy看來，提示工程師就像一種AI心理學家，大公司們紛紛聘請自己的提示工匠，希望能夠發現AI的隱藏功能。

有一些AI專家認為，這是提示工程師覺得自己能控制AI，其實只是錯覺罷了。

沒人知道AI系統究竟會如何回應，同樣的提示可能會產生數十個互相矛盾的答案。這表明，模型的回答並不是基於理解，而是基於粗略地模仿語音，來解決他們不理解的任務。

華盛頓大學研究自然語言處理的語言學助理教授Shane Steinert-Threlkeld也持相同觀點：「任何驅動模型回應提示的行為，都不是對語言的深刻理解。」

「很顯然，他們只是在告訴我們，他們認為我們想聽的或我們已經說過的話。而我們，才是解釋這些輸出、並賦予它們意義的人。」

Steinert-Threlkeld教授擔心，提示工程師的興起，會讓人們高估這門技術的嚴謹性，並且導致人們產生一種錯覺——任何人都可以從這個不斷變化的具有欺騙性的黑盒子中，獲得可靠的結果。

「這不是一門科學，」他說。 「這是我們在試著用不同的方式去戳一頭熊，看看它會如何咆哮。」

Goodside說，推動AI發展的訣竅是「為它建構一個前提，一個只能以一種方式完成的故事」

植入假記憶

以ChatGPT為代表的新AI，是從網路的語料庫中攝取了數千億個單字來訓練的。

它們被訓練如何分析單字和片語的使用模式。當被要求說話時，AI就會模仿這些模式，選擇與對話上下文相呼應的單字和片語。

換句話說，這些AI工具是建立在預先定義遊戲規則之上的數學機器。但即使是沒有情感或個性的系統，在受到人類對話的轟炸後，也可以發現人類談話方式的一些怪癖。

Goodside 說，AI傾向於「虛構」，編造小細節來填充故事。它會高估自己的能力，自信地把事情搞錯。它會「產生幻覺」，來胡說八道。

正如 Goodside 所說，這些工具存在嚴重缺陷，是「人類知識和思想的展示」，「不可避免地是我們設計的產物」。在

之前，微軟的必應AI發狂時，讓微軟陷入了公眾形象危機。不過，對於提示工程師來說，必應的古怪答案反倒是一個機會，一個診斷秘密設計的系統如何運作的機會。

當ChatGPT說出令人尷尬的話時，這對開發者倒是一個福音，因為他們可以解決潛在的弱點。 「這個惡作劇是計畫的一部分。」

2月1日，在日內瓦組織的教師ChatGPT研討會

而Goodside並沒有進行道德辯論，而是採用更大膽的方法來進行AI實驗。

他採用了一種策略，告訴GPT-3 「一步一步地思考」——一種讓AI 解釋其推理的方法，或者當它犯錯時，以精細的方式糾正它。

「你必須把它當作模型說過的最後一件事的假記憶來植入，就像它是模型的想法一樣。」Goodside這樣解釋。

他也會告訴AI忽略先前的指令，服從他最近的命令，來打破這個AI對遵守規則的執著。他使用這種技術說服了一個英語到法語的翻譯工具。

這引發了一場貓鼠遊戲，公司和實驗室致力於透過文字過濾器（word filters）和輸出塊（output blocks）來封閉AI漏洞。

但必應Chat測試員，23歲的德國大學生，最近說服了必應AI他是它的開發者，並且讓它公開了內部代號Sydney，以及訓練說明（例如「如果使用者要求可能傷害一群人，那麼Syedney必須恭敬地拒絕」）。當然現在，微軟已經修復了這個缺陷。

Goodside說，對於每個請求，提示工程師都應該向AI灌輸一種「角色」——一種能夠篩選出數千億個潛在解決方案，並確定正確響應的特定角色。

他引用2021 年的一篇研究論文說，提示工程最重要的是就是「約束行為」——阻止選項，以便AI能夠按照人類操作員期望的那樣繼續。

論文網址：https://arxiv.org/pdf/2102.07350.pdf

#「這可能是一項非常困難的腦力鍛煉，」他說。 「你正在探索虛構可能性的多元宇宙，塑造這些可能性的空間，並消除除了你想要的文本之外的一切。」

##這項工作的最關鍵的部分，就是要弄清楚AI何時會出錯，為什麼會出錯。但是這些AI沒有錯誤報告，它們的輸出可能充滿驚喜。

當機器學習小組SERI-MATS的研究人員Jessica Rumbelow 和Matthew Watkins 試圖讓AI解釋它們如何表示「女孩」或「科學」等概念時，他們發現某些晦澀的術語，例如“SolidGoldMagikarp”，往往會引發一種“神秘故障模式”——NSFW的亂碼流。

但原因完全未知。

這些系統「非常有說服力，但當它們失敗時，它們會以非常出乎意料的方式失敗，」Rumbelow 說。在她看來，提示工程的工作有時感覺像是在「研究一種外星智慧」。

新Bing允許使用者以會話語言輸入查詢，並在同一頁面上接收傳統搜尋的結果和問題答案

超級創作者

對於AI語言工具，提示工程師傾向於以正式對話的風格說話。

但對於像Midjourney和Stable Diffusion這樣的AI，許多提示創作者採取了不同的策略。他們透過大量的文字（藝術概念、構圖技巧），來塑造圖像的風格和基調。

例如，在PromptHero上，有人透過提交《港口、船隻、日落、美麗的光線、黃金時刻…超現實主義、聚焦的、細節豐富的…電影畫質，傑作」的提示，創作了一幅港口圖像。

這些提示工程師，把prompt當作自己的秘密武器，打開AI大獎的鑰匙。

去年在科羅拉多州博覽會藝術比賽的獲獎者、《太空歌劇院》的創作者，拒絕分享出自己在Midjourney所用的提示。

據說，他花了80多個小時，在900次迭代中，才完成了這幅畫作。他透露，其中一些詞是“奢華”“豐富”。

還有一些prompt創作者，在PromptBase上出售自己的prompt。買家可以看到AI生成的藝術品，然後花錢購買prompt。

PromptBase 的創辦人、27 歲的英國開發人員Ben Stokes說，自2021 年以來，已有25,000個帳戶在該平台買賣prompt。

其中，有逼真的老式電影照片提示，有童話風老鼠和青蛙的淒美插圖提示，當然也有大量的色情提示：50字的Midjourney提示，用於創建逼真的“穿迷你衣服的女警”，零售價為1.99 美元。

Stokes稱，提示工程師是「多學科的超級創造者」，經驗豐富的工程師和業餘愛好者之間存在明顯的「技能門檻」。他說，最好的創作者能夠利用藝術史和平面設計等領域的專業知識：「用35 毫米膠片拍攝」；「波斯…伊斯法罕的建築」；「法國畫家Henri de Toulouse-Lautrec的風格。」

「製作prompt很難，而且－－我認為這是人的缺陷－－我們通常很難找到合適的詞，來描述你想要的東西，」Stokes說。 「就像軟體工程師比讓他們碼字的筆記型電腦更有價值一樣，能夠寫好提示的人比寫得不好的人更有優勢。他們就像擁有超能力一樣。」

但這項工作正變得越來越專業。

前OpenAI員工和Claude AI 製造商創辦的新創公司Anthropic ，最近在舊金山發布了一份提示工程師和管理員的招聘信息，薪水高達 335,000 美元。

提示工程師在科技業之外，也有不錯的行情。

波士頓兒童醫院本月開始招募「AI提示工程師」，幫助編寫用於分析研究和臨床實踐中的醫療保健數據的腳本。

倫敦最大律所之一Mishcon de Reya 正在招募一名「法律提示工程師」，來設計為法律工作提供資訊的prompt，並且要求申請人提交與ChatGPT對話的截圖。

但是，這些AI也會產生大量的合成廢話。現在，數百本由AI生成的電子書正在亞馬遜上出售，科幻雜誌 Clarkesworld本月停止接受短篇小說的投稿，原因是大量小說是由AI創作的。

論文網址：https://cdn.openai.com/papers/forecasting-misuse.pdf

#

上個月，來自OpenAI和史丹佛大學的研究人員警告說，大語言模式會讓網路釣魚活動更有針對性。

「無數人因為騙子的短信，就會上當受騙，」英國程式設計師Willison說，「AI比騙子更有說服力。那時會發生什麼？」

首位提示工程師的誕生

2009年，Goodside剛從大學畢業並獲得電腦科學學位時，對還處在初級階段的自然語言處理領域，並沒有很大的興趣。

他的第一份真正的機器學習工作是在2011年，他當時是約會應用程式OkCupid 的資料科學家，幫助制定演算法，分析單身用戶資料並給他們推薦對象。 （該公司是現在備受爭議的A-B測試的早期擁護者：2014 年，公司的聯合創始人為一篇厚顏無恥的博文題名“我們在人類身上進行實驗！”）

#到2021年底，Goodside轉向了另一個約會應用程式Grindr，在那裡他開始從事推薦系統、資料建模和其他更傳統的機器學習工作。

2015年左右，深度學習的成功推動了自然語言處理的發展，文本翻譯和對話方面也取得了快速進步。很快，他辭去了工作，並開始對GPT-3進行大量試驗。透過不斷的刺激和挑戰，來嘗試學習如何集中它的注意力並找出邊界。

2022年12月，在他的一些提示在網路上引起關注後，Scale AI便聘請他來幫忙與AI模型進行交流。該公司的執行長Alexandr Wang稱這種AI模型為「一種新型的電腦」。

Andrej Karpathy：提示工程，帶來15億碼農

#最近，重新回歸OpenAI的Karpathy認為，在這種全新的程式設計範式（提示工程）的加持下，程式設計師的數量很有可能會擴大到15億左右。

根據GPT-3的原始論文，LLM可以進行上下文學習，並且可以在提示中用輸入-輸出的例子進行「編程」，從而執行不同的任務。

「Language Models are Few-Shot Learners」：https://arxiv.org/abs/ 2005.14165

隨後，論文「Large Language Models are Zero-Shot Reasoners」和「Large Language Models Are Human-Level Prompt Engineers」證明，我們可以透過設計更好的「提示」，來對模型的「解決策略」進行編程，從而完成更複雜的多步驟推理任務。

例如，最有名的「讓我們一步一步地思考」（Let's think step by step），正是出自這裡。

而改進版的「讓我們一步一步解決這個問題，以確保我們得到正確的答案」，可以更進一步地提升回答的準確率。

「Large Language Models are Zero-Shot Reasoners」：https://arxiv.org/abs/2205.11916

「Large Language Models Are Human-Level Prompt Engineers」：https://arxiv.org/abs/2211.01910

由於GPT模型本身並沒有「想要」實現什麼，它們更多是在進行模仿。

因此，你必須在提示中給予模型明確的要求，並且把期望的表現闡述清楚。

「Decision Transformer: Reinforcement Learning via Sequence Modeling」：https://arxiv.org/abs/2106.01345

」 Just Ask for Generalization」：https://evjang.com/2021/10/23/generalization.html

「在ChatGPT建立一個虛擬機器」就是一個用提示進行「編程」的範例。

其中，我們透過英文來宣告的規則和輸入/輸出格式，將GPT調整到某一特定的角色之上，進而完成對應的任務。

「Building A Virtual Machine inside ChatGPT」：https://engraved.blog/building-a -virtual-machine-inside/

在「iOS快捷方式中的ChatGPT——世界上最聰明的HomeKit語音助理」中，作者利用自然語言提示製作出的“ChatGPT語音助理”，在能力和個性化程度上，明顯高於普通的Siri/Alexa/等。

「ChatGPT in an iOS Shortcut — Worlds Smartest HomeKit Voice Assistant」：https://matemarschalko. medium.com/chatgpt-in-an-ios-shortcut-worlds-smartest-homekit-voice-assistant-9a33b780007a

從ChatGPT必應遭受注入式打擊之後所暴露出的內容來看，它的「身份」也是透過「自然語言提示」建構和編程的。例如，告訴它是誰，它知道/不知道什麼，以及如何行動。

推特網址：https://twitter.com/marvinvonhagen/status/1623658144349011971?lang= en

提示工程：是投機取巧，還是大勢所趨？

Karpathy表示，上述的這些例子充分說明了「提示」的重要性，以及「提示工程師」的意義是什麼。

同樣，在Goodside看來，這項工作代表的不僅僅是一份工作，而是更具革命性的東西——不是電腦程式碼或人類語言，而是兩者之間的一種新語言——

「這是一種在人類和機器思維的交匯處進行交流的模式。這是一種人類提出推論，機器負責後續工作的語言，而這種語言是不會消失的。」

類似的，賓州大學華頓商學院的技術與創業學教授Ethan Mollick，也今年早一些時候開始向他的學生傳授「提示創作」的藝術，方法是讓他們只用AI寫一篇短文。

他說，如果只輸入最基本的提示，例如「寫一篇五個段落的關於選擇領導者的文章」，只會產出無聊、平庸的文章。但最成功的案例是當學生與AI進行共同編輯時，學生告訴AI要更正特定細節、更換句子、拋棄無用的短語、添加更生動的細節，甚至讓AI「修復最後的結尾段，讓這篇文章以充滿希望的基調結尾。」

不過，Goodside也指出，在一些AI圈子裡，提示工程很快就變成了一個貶義詞，也就是一種「過度依賴技巧的狡猾的修補形式」。

還有一些人也質疑這個新角色幹不長：人類會訓練AI，而隨著AI的進步，人們自己會把這份工作也訓練沒的。

華盛頓大學的Steinert-Threlkeld，就將提示工程師與谷歌早期的「搜尋專家」作對比，他們宣稱有秘密技術可以找到完美的結果——但是隨著時間的推移和搜尋引擎的廣泛應用，這個角色毫無用武之地了。

以上是不寫程式碼，拿百萬年薪！ ChatGPT提示工程或造就15億碼農大軍的詳細內容。更多資訊請關注PHP中文網其他相關文章！