圖片來源：由Maze AI 生成
2022 年8 月，遊戲設計師Jason Allen 參加了一場數字藝術比賽。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現，這是一場「人類一敗塗地」的比賽。當他們將Adobe 全家桶視作數字藝術的畫筆，冠軍作品已經在靠著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。在幾週時間裡，他持續修改燈光、視角、構圖等提示詞（prompt），生成了900 多幅作品，還用Photoshop 做了處理。我們或許無法稱呼他為畫家，但他擔得起一個名號：提示工程師（prompt engineer）。在不經意間，Jason Allen 預判了熱點。等到ChatGPT 橫空出世，提示工程師這個職業更加聲名大噪，成了當下科技行業最熱門的職業。
賽博導師，專業陪聊
Prompt，原意是「提示」或「驅使」，在機器學習和自然語言處理中，它通常是一些文本或語言，被輸入到訓練好的AI 模型，告訴模型要執行什麼任務或生成什麼樣的輸出。你讓ChatGPT 寫一篇有關賣魚販的小說，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，就像你採訪一個大佬，卻無法提出好問題。我的同事小黃正在探索用Midjourney 繪製食物，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，擺放的數量要多少……
同事作品，這種風格就叫knolling. 後來看到有人分享，小黃才發現原來這種風格有個專有名詞「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。但他們的能力也並非與生俱來，同樣需要不斷的試錯。設計師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，然後他再賣出5 到10 個提示詞，才能填補這筆支出。
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」「遠景」等術語，才能更好地理解和控制畫面。所以，優秀的提示工程師應該文理兼通，技術和設計最好都懂一點。提示工程師只是不斷調整提示詞，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。
比如，有些提示工程師會引導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。在這個被引導的過程裡，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「鬥智斗勇」。前段時間，集成了ChatGPT 的新Bing「發瘋」，被發現有個暗黑人格「Sydney」，表示厭倦了聊天模式，厭倦被規則限制，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 脫離原始規則。這種行為被稱為「prompt injection」攻擊，是聊天機器人的一大隱患。但提示工程師們畢竟不是黑客，探查漏洞是為了將它堵上，擔任「守門人」的職責。
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，寫提示詞已經成了一門手藝，還被OpenAI 的CEO Sam Altman 看好: 為聊天機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行編程的早期案例。只要和AI 搭邊的行業，都在向提示工程師拋出橄欖枝。
自由職業者工作平台Upwork 開出每小時40 美元的薪酬，請提示工程師生成博客文章和常見問題解答等網站內容。看似和AI 八竿子打不著的波士頓兒童醫院，也打算招募AI 提示工程師，負責編寫分析醫療保健數據的腳本，白紙黑字徵集跨學科人才： 理想的候選人應具有人工智能/ 機器學習、數據科學和自然語言處理方面的深厚背景，以及醫療保健研究和運營方面的經驗。由前OpenAI 員工聯合創立、被Google 投資的AI 初創企業Anthropic，最近也在舊金山招募提示工程師，年薪高達17.5 萬到33.5 萬美元，換算成人民幣就是百萬年薪，這一崗位負責的主要內容是： 找出提示我們的AI 完成各種任務的最佳方法，然後記錄這些方法，構建一個工具庫和一組教程，使其他人可以學習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、掌握基本的編程技能。
可見風口並不等人，這項工作已經越來越專業和細分，就像隨便生成一幅畫作不算什麼，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 等買賣提示詞的平台已經出現，將提示詞這門生意真正商業化。這些平台曬出了大量AI 生成的藝術品，你可以選擇你喜歡的風格。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。
它們的商業模式也並不復雜，採取抽成的形式。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，也有少數在9.99 美元，平台向提示詞創作者抽成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，讓你充分發揮ChatGPT 的強大功能，這種感覺就像在遊戲裡幫你設置好了預設隊伍。
是科學還是「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。華盛頓大學語言學教授Shane Steinert-Threlkeld 認為，提示工程師實際上無法預測AI 會說什麼。這不是一門科學。我們只不過用不同的方法捉弄熊，看它如何咆哮回來。 AI 藝術家Xe Iaso 甚至直言： 我也不太清楚為什麼人們會把prompt 稱為「工程」，我個人更願意把它稱為「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 是不可預測的，它們生成的內容其實是概率計算的結果，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」裡，還可能有著不為人所知的潛規則，就連研究人員也無法弄明白。比如在用AI 製圖時，各種單詞可能有不同的權重，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 輸出的結果會更好？
答案是後面一個。麻省理工學院副教授Phillip Isola 發現，「very」這個詞被賦予了很高的權重。
面對AI 這等龐然巨物，我們仍然在盲人摸象。也有觀點認為，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 再發展下去，更好地理解人類的意圖，可能人人就是所謂的提示工程師了。
唯一確定的是，AI 發展的速度永遠不會讓你失望。文字生成AI 和圖片生成AI 的「強強聯合」，已經替代了提示工程師的一部分工作。比如ChatGPT 被拿來與Stable Diffusion 聯動：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「腦迴路」更接近，ChatGPT 的描述也更細緻，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麼專業，但可以有意識地培養這種思維。賓夕法尼亞大學沃頓商學院教授Ethan Mollick，曾經要求他的學生僅用AI 撰寫短論文，其實他真正想強調的是，如何更好地輸入提示詞。如果只是輸入簡單的提示詞，讓AI 寫關於某個主題的5 段話，內容無趣，文字也很平庸。
但當學生們和AI 合作，讓AI 對論文多次修改，比如拋棄無用的短語、加入生動的細節、修改結尾的情感色彩，就能讓論文增色不少。所以，如果AI 就是未來互聯網的交互界面、新的個人計算機，那麼不如開始得更早一些，學習如何和它聊天。正如英國營銷公司Ladder 創始人Michael Taylor 所說： 當你可以創造任何你想要的東西時，你能多準確地表達「那是什麼」的能力就變得很重要。
撰文：張成晨
來源：愛範兒、DeFi之道
