AI初级教程
介绍AI的价值，扫盲
一、理解AI的定义
在聊ChatGPT之前，应该先聊聊AI。我们先来界定下到底什么叫AI（Artificial Intelligence），也就是人工智能。维基百科对它的定义是一种模拟人类智能的计算机系统，这种系统能够理解、学习和适应环境，从而完成各种任务，包括语音识别、视觉识别、决策制定和自然语言处理等。这是个被讨论迭代过很多次的定义，没有一个字的废话，我们可以一个一个字拆解看这个定义意味着什么：
模拟人类智能：AI的目标是让计算机系统能够模拟人类的思维和行为，这意味着AI需要具备类似人类的认知和处理信息的能力。
计算机系统：AI依赖于计算机硬件和软件技术，通过编程和算法实现对人类智能的模拟。
理解、学习和适应环境：这些是AI系统的关键特征，使得它们能够在不断变化的环境中自主学习和改进。理解是指AI能够识别和处理输入数据；学习是指AI能够从数据中提取知识并优化其性能；适应是指AI能够根据环境变化调整自身策略和行为。
完成各种任务：AI的应用范围很广泛，包括语音识别、视觉识别、决策制定和自然语言处理等。这些任务通常需要复杂的信息处理和推理能力，而AI正是为了实现这些能力而设计的。
二、AI的 「人工智障」 历史
AI本质上不是什么新概念，它最早可以追溯到20世纪50年代。当时，艾伦·图灵提出了著名的图灵测试，这个测试被认为是一种评价机器是否具备人类智能的标准。随后，AI领域开始兴起，从最初的基于规则的专家系统，到后来的机器学习方法，再到近年的深度学习技术，AI的发展经历了几个重要阶段。但是之前的AI跟普通人没什么关系，用它的人主要是企业和政府，他们将其应用于特定的行业领域，如金融、医疗、制造业等。对于大多数人来说，AI还是一个遥不可及的概念，而并非生活中实实在在的工具。
在2022年之前，AI在消费级的产品上主要应用可能是“小爱同学”和“小度小度”、“siri”等，但是相比「人工智能」，他们更多被认为是「人工智障」。这类专门化的处理某一类人物的智能设备/智能助手始终距离可被使用很远，因为人的思维方式、表达方式、需求场景都太丰富了，只要稍稍超出他们的范畴，你就只能得到他们很愚蠢的感受。
在这几十年的时间里，AI的发展经历了所谓基于规则的专家系统，到后来的机器学习方法，再到近年的深度学习技术等，但实际成果却难以满足这些期望，限制AI能力的主要因素包括计算能力、数据量和算法效率等。
三、现在为什么不一样了
2022年AI应用的爆发可以认为主要得益于这三个限制的突破：
计算能力的提升：GPU（图形处理器）运算效率的提升和单位成本的降低，神经网络深度学习算法需要大规模的计算能力支撑，几个数据：2010年时GPU的平均价格每TeraFLOPS（每秒万亿次浮点运算）是约$1000美元，2019年这个数值是$3.5美元，2022年降低到了$1.5美元，也就是说12年内，算力的成本降低了99.85%，非常离谱的数据。现在训练大模型依然被认为只有大公司才有钱干的事，可以想象在10年前这件事根本就没有公司可以完成。
数据量的增长：互联网，尤其是移动设备和移动互联网的普及让AI得到了大量可用的数据，为AI的训练提供了丰富的素材。
算法的创新：神经网络深度学习等前沿技术的出现，让AI能够处理更复杂的任务，提高了性能。
这些因素一起把AI时代推到了我们眼前，你闭眼也没用，这股力量始终会冲向你，冲向每个人的，保持着开放的心态让它穿过，使用它的力量是唯一选择。
四.提升与AI对话能力的七个技巧
粗略估算，我与ChatGPT已经累计对话超过200万字了，有写文章/论文/小说/诗歌、写游戏/网站代码、定营销方案、翻译、制定旅行计划、生成MidJourney prompt关键词等数十种不同的使用场景。
在这个过程中，我发现在不同任务下都各自有一些特殊的prompt结构可以帮我获得更好的结果。但同时，我也总结了结构化的且普适的7个技巧，基本上无论在什么需求场景下，通过这些技巧（设定角色、明确问题、提供背景信息等），都可以提升获得满意答案的几率。
1. 设定用户角色
让 ChatGPT 了解你的角色可以使它为你提供更贴近你需求的答案，从而提高对话相关性和满意度。
正面案例: "我是一名软件工程师，请教你如何优化数据库性能？"
负面案例: "如何优化数据库性能？"
可能出现的问题: 答案可能不会针对软件工程师的技能和经验进行优化
2. 设定 ChatGPT 的角色
设定专业角色（如律师、医生、教练等）可以让 ChatGPT 为你提供更具专业性的意见和建议。
正面案例: "作为一名营养师，你能推荐一些健康的零食吗？"
负面案例: "推荐一些健康的零食"
可能出现的问题: 答案可能缺乏专业角度和建议
3. 明确问题
尽量让问题更具体和明确，这样 ChatGPT 可以为你提供更准确和相关的回答。
正面案例: "如何在 Python 中将字典转换为 JSON 字符串？"
负面案例: "如何处理字典？"
可能出现的问题: 答案可能包含与期望问题无关的信息
4. 提供背景信息
在提问时，提供一定的背景信息和上下文，可以帮助 ChatGPT 更好地理解你的问题和需求。
正面案例: "我正在为初学者编写一篇 Python 教程，如何解释变量？"
负面案例: "如何解释变量？"
可能出现的问题: 答案可能不符合初学者的需求和理解水平
5. 采用开放式问题
尝试使用开放式问题来引导对话，这将鼓励 ChatGPT 为你提供更丰富的信息和见解。
正面案例: "如何成为一名成功的企业家？"
负面案例: "成为企业家容易吗？"
可能出现的问题: 答案可能不会提供有关成功企业家所需的技能和策略
6. 分阶段提问
如果你有一个复杂的问题，可以先提一个简单的问题作为开端，然后逐步深入。
正面案例: "什么是机器学习？" -> "谈谈监督学习和非监督学习的区别"
负面案例: "机器学习是什么，监督学习和非监督学习的区别是什么？"
可能出现的问题: 答案可能在解释某一部分时显得仓促，导致理解不全面
7. 请求示例和解释
如果你对某个答案不太理解或需要更多信息，可以要求 ChatGPT 提供具体示例或进一步解释。
正面案例: "能否提供一个 Python 中使用 for 循环的示例？"
负面案例: "什么是 for 循环？"
可能出现的问题: 答案可能缺乏具体示例，导致难以理解
通过遵循上述 7 个技巧，你可以更有效地与 ChatGPT 交流，获得更满意的答案。
最后更新于