什么是生成式 AI？

Prompt Engineering - 提示工程 - 什么是生成式 AI？

在本章中，我们将探索生成式 AI（Generative AI）这一引人入胜的世界及其在提示工程（Prompt Engineering）中的关键作用。生成式 AI 涵盖人工智能技术的一个分支，其重点在于创造全新的、原创性的数据——例如文本、图像、音频甚至代码——而不是仅仅分析或处理现有数据。

我们将研究生成式 AI 模型，特别是现代大语言模型（Large Language Models, LLMs），是如何成为提示工程的基础。我们还将探讨如何通过微调（fine-tuning）等技术，或者更常见的是通过复杂的提示策略（sophisticated prompting strategies），使这些模型适应广泛的自然语言处理（Natural Language Processing, NLP）任务。

生成式语言模型（LLMs）

生成式语言模型，如 OpenAI 的 GPT 系列（例如 GPT-3.5, GPT-4），Anthropic 的 Claude，Google 的 Gemini，以及 Llama 等开源替代方案，凭借其卓越的生成连贯、与上下文相关且常常达到人类质量文本的能力，彻底改变了 AI 领域。

这些 LLMs 是执行众多任务的多功能工具，包括创意文本生成、复杂问答、翻译、摘要、代码生成等等。它们构成了提示工程的核心引擎，使开发者和用户能够通过精心设计输入提示（input prompts）来引导模型产生特定的响应。

适配生成式语言模型

虽然预训练的 LLMs 开箱即用就已非常强大，但它们的行为可以进一步定制。过去，微调（fine-tuning）——即在规模较小、任务特定的数据集上进一步训练预训练模型——是一种常见的方法。虽然微调仍用于深度专业化，但现代提示工程常常仅通过上下文学习（in-context learning，在提示中提供示例）和复杂的提示结构就能实现显著的定制效果。

提示工程师可以有效地利用精心设计的提示来指导 LLMs，这些提示可能包含指令、示例（即少样本学习，few-shot learning）或上下文信息，从而在不改变模型底层权重的情况下创建高度专业化的行为。

通过提示定制模型响应

定制化提示：提示工程师设计具体的指令、问题或上下文片段，以引导 LLM 生成所需的输出。这包括指定响应的格式、语调、风格和内容。
动态和交互式交互：生成式 AI 模型促进动态对话。模型响应可以通过纳入用户反馈和调整后续提示来迭代优化，从而实现更具交互性和适应性的系统。

创意写作与故事叙述

多功能创意应用：LLMs 被广泛用于创意领域，例如生成诗歌、剧本、歌词、短篇故事，甚至协助开发交互式叙事。
与用户共同创作：通过精心设计的提示，用户可以与 LLMs 协作，使 AI 成为创意过程中的伙伴，进行头脑风暴，或克服写作障碍（writer’s block）。

语言翻译与理解

先进的多语言能力：现代 LLMs 展现出强大的多语言翻译和理解能力，通常只需一个指定目标语言和待翻译文本的提示即可完成。
实时翻译辅助：交互式提示可以提供即时翻译，使得 LLMs 在各种应用中对于跨越语言障碍的交流非常有价值。

多模态生成式 AI

集成不同数据类型：该领域正迅速朝着多模态模型（multimodal models）（例如 GPT-4V, Google 的 Gemini）发展，这些模型可以处理和生成跨越不同模态的信息，如文本、图像和音频。用户可以输入图像并以文本形式询问相关问题，或从文本描述生成图像。
增强的上下文理解和生成：多模态能力使 LLMs 能够对世界和用户请求建立更丰富的理解，从而产生更全面、更具上下文感知能力和更具创意的响应。

伦理考量

负责任的 AI 原则：与其他强大的技术一样，提示工程师必须高度关注伦理影响。这包括努力实现公平性、透明度、可追溯性，并减轻模型输出中潜在的偏见。
应对潜在风险：需要保持警惕，监测和减轻与生成式 AI 相关的风险，例如生成虚假信息、有害内容或固化刻板印象。负责任的部署实践至关重要。

未来方向

持续进步：生成式 AI 是一个高度活跃的研究领域。预计模型架构、推理能力、效率和训练技术将持续改进，从而产生更强大的系统。
AI 代理和工具使用的兴起：未来的 LLMs 可能具备更强的能力来使用外部工具、与软件交互，并作为自主代理完成复杂任务，所有这些都将通过复杂的提示来引导。
个性化和专业化：针对特定领域或个体用户需求的更强个性化和更容易的模型专业化将变得更加普遍。

结论

在本章中，我们看到生成式 AI，特别是通过先进的 LLMs，为提示工程提供了强大的基础。通过掌握设计有效提示的艺术，我们可以释放生成具有上下文感知能力和定制化响应的非凡潜力。

从创意共同创作和多语言交流到新兴的多模态交互，生成式 AI 是人机交互演变的核心。随着提示工程的成熟，它将继续塑造我们如何利用 AI 完成广泛的 NLP 应用及其他任务，这既需要技术技能，也需要伦理责任。