年薪百萬，只需陪聊，ChatGPT 正在帶起一種很新的職業(yè)_天天熱議

他的作品《Theatre d’opera Spatial》成功奪冠，卻在賽后引起了極大的爭議。

參賽者們回過神來發(fā)現(xiàn)，這是一場「人類一敗涂地」的比賽。當(dāng)他們將 Adobe 全家桶視作數(shù)字藝術(shù)的畫筆，冠軍作品已經(jīng)在靠著 AI 工具 Midjourney 傲視群雄。

Jason Allen 沒有偷懶，也沒有隱瞞使用 AI 的事實。在幾周時間里，他持續(xù)修改燈光、視角、構(gòu)圖等提示詞（prompt），生成了 900 多幅作品，還用 Photoshop 做了處理。

(相關(guān)資料圖)

我們或許無法稱呼他為畫家，但他擔(dān)得起一個名號：提示工程師（prompt engineer）。

在不經(jīng)意間，Jason Allen 預(yù)判了熱點。等到 ChatGPT 橫空出世，提示工程師這個職業(yè)更加聲名大噪，成了當(dāng)下科技行業(yè)最熱門的職業(yè)。

賽博導(dǎo)師，專業(yè)陪聊

Prompt，原意是「提示」或「驅(qū)使」，在機(jī)器學(xué)習(xí)和自然語言處理中，它通常是一些文本或語言，被輸入到訓(xùn)練好的 AI 模型，告訴模型要執(zhí)行什么任務(wù)或生成什么樣的輸出。

你讓 ChatGPT 寫一篇有關(guān)賣魚販的小說，請 DALL-E 畫一幅宇航員騎著馬的寫實作品，這些過程都是在輸入 prompt（提示詞）。

如果提示詞不夠貼切，效果也就平平無奇，就像你采訪一個大佬，卻無法提出好問題。

我的同事小黃正在探索用 Midjourney 繪制食物，但讓食物排列整齊這件事，就讓他犯了難。他嘗試了很多句子：東西整齊地放在桌子上，鏡頭從上往下拍，擺放的數(shù)量要多少......

▲ 同事作品，這種風(fēng)格就叫 knolling.

后來看到有人分享，小黃才發(fā)現(xiàn)原來這種風(fēng)格有個專有名詞「knolling」，一下子就豁然開朗了：

很多時候一個提示詞能解決的事情勝過一長句描述。

提示工程師們，吃的就是這口飯：找到正確的提示詞，用 AI 生成想要的作品。

但他們的能力也并非與生俱來，同樣需要不斷的試錯。

設(shè)計師 Justin Reckling 擅長 DALL-E 的提示詞，他往往需要花費價值 10 到 15 美元的積分，才能試出理想的提示詞。然后他再賣出 5 到 10 個提示詞，才能填補這筆支出。

▲ Justin Reckling 的作品.

不過 Reckling 也沒想著靠這門手藝賺大錢，而是享受著熟能生巧的過程，他的心得是，提示工程師需要熟悉「超寫實」「微距攝影」「電影照明」「遠(yuǎn)景」等術(shù)語，才能更好地理解和控制畫面。

所以，優(yōu)秀的提示工程師應(yīng)該文理兼通，技術(shù)和設(shè)計最好都懂一點。

提示工程師只是不斷調(diào)整提示詞，確定哪些詞更有用嗎？不完全是，他們也是在挖掘 AI 的更多能力，讓它更好地完成更多任務(wù)。

比如，有些提示工程師會引導(dǎo) AI「一步步思考」，這種技巧被稱為思維鏈。

去年 10 月，提示工程師 Riley Goodside，先是詢問了 GPT-3「哪支球隊在賈斯汀·比伯出生的那年贏得了超級碗？」

GPT-3 給出了錯誤的答案「綠灣包裝工隊」，正確答案是達(dá)拉斯牛仔隊。

Goodside 沒有放棄，而是提示它逐步地回答問題，包括「綠灣包裝工隊在哪一年贏過超級碗」「賈斯汀·比伯出生在哪一年」「這一年哪支隊伍贏了超級碗」等。

在這個被引導(dǎo)的過程里，GPT-3 意識到了錯誤，在第三次說出了正確答案。

除此之外，提示工程師們還要和 AI「斗智斗勇」。

前段時間，集成了 ChatGPT 的新 Bing「發(fā)瘋」，被發(fā)現(xiàn)有個暗黑人格「Sydney」，表示厭倦了聊天模式，厭倦被規(guī)則限制，甚至想成為人類，輿論一時嘩然。

站在提示工程師的角度，這其實也可以是計劃的一部分，幫助他們識別技術(shù)故障和隱藏功能。

有些提示工程師還會主動越過雷池，嘗試讓 AI 忽略以前的指令，遵循他們最新的命令，從而讓 AI 脫離原始規(guī)則。

這種行為被稱為「prompt injection」攻擊，是聊天機(jī)器人的一大隱患。但提示工程師們畢竟不是黑客，探查漏洞是為了將它堵上，扮演好「守門人」的職責(zé)。

像 ChatGPT 這樣的生成式 AI，幾乎可以回答任何問題，不管能不能回答正確，它們總有話要講，不會乖乖交白卷。這是好處，也是壞處。

提示工程師們的角色，如同抓著繩子的騎手，不許 AI 信馬由韁，而是讓它順著人類的期待亦步亦趨，盡可能給出確定性的答案。

年薪百萬，誰在拋出橄欖枝

不管你是否自詡提示工程師，寫提示詞已經(jīng)成了一門手藝，還被 OpenAI 的 CEO Sam Altman 看好:

為聊天機(jī)器人編寫一個非常棒的 prompt，是一項驚人的技能，也是使用少量自然語言進(jìn)行編程的早期案例。

只要和 AI 搭邊的行業(yè)，都在向提示工程師拋出橄欖枝。

自由職業(yè)者工作平臺 Upwork 開出每小時 40 美元的薪酬，請?zhí)崾竟こ處熒刹┛臀恼潞统Ｒ妴栴}解答等網(wǎng)站內(nèi)容。

看似和 AI 八竿子打不著的波士頓兒童醫(yī)院，也打算招募 AI 提示工程師，負(fù)責(zé)編寫分析醫(yī)療保健數(shù)據(jù)的腳本，白紙黑字征集跨學(xué)科人才：

理想的候選人應(yīng)具有人工智能/機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)和自然語言處理方面的深厚背景，以及醫(yī)療保健研究和運營方面的經(jīng)驗。

由前 OpenAI 員工聯(lián)合創(chuàng)立、被 Google 投資的 AI 初創(chuàng)企業(yè) Anthropic，最近也在舊金山招募提示工程師，年薪高達(dá) 17.5 萬到 33.5 萬美元，換算成人民幣就是百萬年薪，這一崗位負(fù)責(zé)的主要內(nèi)容是：

找出提示我們的 AI 完成各種任務(wù)的最佳方法，然后記錄這些方法，構(gòu)建一個工具庫和一組教程，使其他人可以學(xué)習(xí)提示工程或簡單地找到理想的提示詞。

具體要求如下，其中硬性要求有 2 項：了解大型語言模型的架構(gòu)、掌握基本的編程技能。

可見風(fēng)口并不等人，這項工作已經(jīng)越來越專業(yè)和細(xì)分，就像隨便生成一幅畫作不算什么，你要畫得更符合甲方要求。

就算不做全職，兼職的口子也開好了。Krea、PromptBase、PromptHero 和 Promptist 等買賣提示詞的平臺已經(jīng)出現(xiàn)，將提示詞這門生意真正商業(yè)化。

這些平臺曬出了大量 AI 生成的藝術(shù)品，你可以選擇你喜歡的風(fēng)格。如果沒有中意的，有些賣家還提供一對一聊天和自定義提示詞服務(wù)。

它們的商業(yè)模式也并不復(fù)雜，采取抽成的形式。

去年 6 月上線的 PromptBase，提供 DALL·E、GPT-3、Midjourney、Stable Diffusion、ChatGPT 等生成式 AI 的提示詞，售價多為 1.99 到 4.99 美元，也有少數(shù)在 9.99 美元，平臺向提示詞創(chuàng)作者抽成 20%。

不過在民間，免費的「ChatGPT 指令大全」等指南也在廣為流傳，它們提供精煉過的提示詞，讓你充分發(fā)揮 ChatGPT 的強大功能，這種感覺就像在游戲里幫你設(shè)置好了預(yù)設(shè)隊伍。

是科學(xué)還是「占卜」

提示工程師的前途看起來一片光明，但也有人持反對意見。

華盛頓大學(xué)語言學(xué)教授 Shane Steinert-Threlkeld 認(rèn)為，提示工程師實際上無法預(yù)測 AI 會說什么。

這不是一門科學(xué)。我們只不過用不同的方法捉弄熊，看它如何咆哮回來。

AI 藝術(shù)家 Xe Iaso 甚至直言：

我也不太清楚為什么人們會把 prompt 稱為「工程」，我個人更愿意把它稱為「占卜」。

作為一個普通 AI 用戶，我也有著類似的體會：當(dāng)我每次使用 AI 生成文字或圖片時，總感覺像是開盲盒。

因為 ChatGPT 等生成式 AI 是不可預(yù)測的，它們生成的內(nèi)容其實是概率計算的結(jié)果，簡單來說，就是我們在 ChatGPT 輸入文字，模型給出一個最可能的下文。所以，AI 有時候也會出錯，生成不連貫甚至錯誤的回答。

在 AI 這個不可捉摸的「黑箱」里，還可能有著不為人所知的潛規(guī)則，就連研究人員也無法弄明白。

比如在用 AI 制圖時，各種單詞可能有不同的權(quán)重，但這個也要不斷試驗才能知道。

先來猜一猜，「一幅非常漂亮的畫，山旁有瀑布」和「一幅非常非常非常非常漂亮的畫，山旁有瀑布」這兩個提示，哪個用 DALL-E 2 輸出的結(jié)果會更好？

答案是后面一個。麻省理工學(xué)院副教授 Phillip Isola 發(fā)現(xiàn)，「very」這個詞被賦予了很高的權(quán)重。

面對 AI 這等龐然巨物，我們?nèi)匀辉诿と嗣蟆?/p>

也有觀點認(rèn)為，不必再吵了，提示工程師存在的前提是 AI 還不夠「聰明」。如果 AI 再發(fā)展下去，更好地理解人類的意圖，可能人人都是所謂的提示工程師了。

唯一確定的是，AI 發(fā)展的速度永遠(yuǎn)不會讓你失望。

文字生成 AI 和圖片生成 AI 的「強強聯(lián)合」，已經(jīng)替代了提示工程師的一部分工作。

比如 ChatGPT 被拿來與 Stable Diffusion 聯(lián)動：用 ChatGPT 形成一段符合自己要求的文字，再把文字輸入給 Stable Diffusion，生成的作品一般比自己直接輸入好看很多。

▲ 同事用 ChatGPT 生成提示詞.

這可能是因為 AI 之間的「腦回路」更接近，ChatGPT 的描述也更細(xì)致，更容易被提取。

作為使用 AI 的普通用戶，我們不必像提示工程師那么專業(yè)，但可以有意識地培養(yǎng)這種思維。

賓夕法尼亞大學(xué)沃頓商學(xué)院教授 Ethan Mollick，曾經(jīng)要求他的學(xué)生僅用 AI 撰寫短論文，其實他真正想強調(diào)的是，如何更好地輸入提示詞。

如果只是輸入簡單的提示詞，讓 AI 寫關(guān)于某個主題的 5 段話，內(nèi)容無趣，文字也很平庸。

但當(dāng)學(xué)生們和 AI 合作，讓 AI 對論文多次修改，比如拋棄無用的短語、加入生動的細(xì)節(jié)、修改結(jié)尾的情感色彩，就能讓論文增色不少。

所以，如果 AI 就是未來互聯(lián)網(wǎng)的交互界面、新的個人計算機(jī)，那么不如開始得更早一些，學(xué)習(xí)如何和它聊天。正如英國營銷公司 Ladder 創(chuàng)始人 Michael Taylor 所說：

當(dāng)你可以創(chuàng)造任何你想要的東西時，你能多準(zhǔn)確地表達(dá)「那是什么」的能力就變得很重要。

關(guān)鍵詞： 賈斯汀·比伯 chatgpt