最近我對身為大學(xué)生的女兒說：如果你想從事工程領(lǐng)域的工作，除了學(xué)習(xí)傳統(tǒng)的工程課程，還應(yīng)當(dāng)專注于研習(xí)哲學(xué)。為什么呢？因?yàn)檫@會(huì)提升你的編程能力。

這話出自一名工程師之口，或許看似有悖常理。但圍繞你想要解決的問題構(gòu)建清晰的思維模型，以及在著手思考 “如何做” 之前先理解 “為何做”，這些能力正變得愈發(fā)關(guān)鍵，尤其是在人工智能時(shí)代。

編程是人工智能最擅長的領(lǐng)域之一。通常情況下，人工智能編寫的代碼質(zhì)量比人類更高，而且其能力還在迅速提升。要知道，計(jì)算機(jī)語言所使用的詞匯量遠(yuǎn)比人類語言有限。

然而，這里存在一個(gè)問題：人工智能生成的代碼在語法和語義上可能正確，但在功能上卻未必符合要求。也就是說，代碼可能運(yùn)行良好，但卻無法達(dá)成你預(yù)期的效果。模型的輸出對提示的表述方式極為敏感。提示一旦出錯(cuò)，人工智能生成的代碼往好里說是看似合理，往壞里說則是錯(cuò)誤百出且存在風(fēng)險(xiǎn)。

在新興的 “提示工程” 領(lǐng)域——現(xiàn)階段它更像是一門藝術(shù)而非科學(xué)——使用者要學(xué)習(xí)如何精心編寫簡潔、富有表現(xiàn)力且能有效讓人工智能達(dá)成自己預(yù)期的提示。目前存在多種技巧，比如少樣本提示，即使用者在提示前添加若干示例，引導(dǎo)人工智能找到正確方向，有時(shí)還會(huì)附上問題和答案。例如，在使用少樣本提示進(jìn)行情感分析時(shí)，使用者可能輸入這樣的提示：“分析財(cái)報(bào)電話會(huì)議中句子的情感傾向”，隨后附上諸如 “前景改善：積極” 或 “需求放緩：消極” 等具體示例，幫助人工智能理解模式和語境，從而依據(jù)這些示例生成準(zhǔn)確的情感分析。

在管理工程團(tuán)隊(duì)的數(shù)十年間，我學(xué)到的一項(xiàng)至關(guān)重要的技能就是提出恰當(dāng)?shù)膯栴}。這與使用人工智能并無太大差異：大型語言模型（LLM）的輸出質(zhì)量對提示的質(zhì)量極為敏感。模糊或表述不當(dāng)?shù)膯栴}會(huì)讓人工智能試圖猜測你真正想問的內(nèi)容，進(jìn)而增加得到不準(zhǔn)確甚至完全編造答案的概率（這種現(xiàn)象常被稱為“幻覺”）。正因如此，為了充分發(fā)揮人工智能的作用，人們首先必須掌握推理、邏輯和第一性原理思維——所有這些都是通過哲學(xué)訓(xùn)練培養(yǎng)出的基礎(chǔ)技能?！澳銜?huì)編程嗎？” 這個(gè)問題將演變?yōu)?“你能通過提出恰當(dāng)?shù)膯栴}，從人工智能那里獲取最佳代碼嗎？”

從更宏觀的角度來看，人工智能的表現(xiàn)依賴于使用者提示中所表達(dá)的思維模型的質(zhì)量，這意味著作者與讀者之間的關(guān)系，乃至我們與知識(shí)的關(guān)系，發(fā)生了根本性轉(zhuǎn)變。從某種程度上說，這類似于印刷機(jī)的發(fā)明，印刷機(jī)通過大規(guī)模生產(chǎn)書籍、創(chuàng)建圖書館和大學(xué)，實(shí)現(xiàn)了信息的普及。在印刷機(jī)出現(xiàn)之前，比如你若想學(xué)習(xí)數(shù)學(xué)，可能需要親自接觸數(shù)學(xué)家，或者獲取手抄文本，而這往往要花費(fèi)不菲。印刷書籍極大地降低了這一門檻，互聯(lián)網(wǎng)更是將其幾乎降至零。不過，作者與讀者之間的知識(shí)差距這一障礙依然存在。你可以獲取世界上的任何論文或書籍，但如果你無法理解，它們就毫無用處。

在使用人工智能時(shí)，這種關(guān)系以及創(chuàng)作的概念都發(fā)生了變化。大型語言模型會(huì)根據(jù)讀者的知識(shí)和理解水平調(diào)整內(nèi)容，從他們的提示中獲取線索。讀者的提示就像一顆種子，觸發(fā)人工智能生成內(nèi)容，它會(huì)借鑒訓(xùn)練數(shù)據(jù)中的作品，為該用戶量身打造一篇新文本——從某種意義上說，讀者既是消費(fèi)者也是創(chuàng)作者。以學(xué)習(xí)數(shù)學(xué)為例，如果你想理解微積分中的極限概念，可以找一本針對高中生或大學(xué)生的教科書，或者嘗試在互聯(lián)網(wǎng)上找到與你當(dāng)前理解水平相符的資料。而人工智能模型則可以根據(jù)你的理解水平和學(xué)習(xí)風(fēng)格，提供個(gè)性化、適應(yīng)性強(qiáng)的指導(dǎo)?；蛟S在未來，個(gè)性化輔導(dǎo)這一學(xué)習(xí)的黃金標(biāo)準(zhǔn)將惠及每一個(gè)人。其影響將難以想象。

生成式人工智能改變了我們與知識(shí)的關(guān)系，它不僅消除了獲取知識(shí)的障礙，還以定制化的方式對知識(shí)進(jìn)行解讀。它在你現(xiàn)有的知識(shí)水平與攻克特定主題所需的知識(shí)水平之間搭建了一個(gè)平緩的過渡。但是，獲取經(jīng)過恰當(dāng)定制，且更為關(guān)鍵的——準(zhǔn)確的知識(shí)，其能力的發(fā)揮始于用戶，也取決于用戶。隨著知識(shí)越來越容易獲取，推理變得愈發(fā)重要。然而，一旦你得到自認(rèn)為所需的輸出，這些哲學(xué)思維技能的運(yùn)用并未就此結(jié)束——任務(wù)尚未完成。如我們所知，人工智能可能會(huì)犯錯(cuò)，而且它們尤其擅長讓錯(cuò)誤的輸出看似合理，因此辨別真?zhèn)蔚哪芰Τ蔀榱硪豁?xiàng)極為重要的技能。為了以負(fù)責(zé)任的方式運(yùn)用這項(xiàng)技術(shù)，獲取我們想要的恰當(dāng)且準(zhǔn)確的信息，我們必須始終秉持哲學(xué)思維，保持適度的懷疑態(tài)度和常識(shí)。

曾經(jīng)有一段時(shí)間，為了創(chuàng)建一個(gè)計(jì)算機(jī)程序，我必須親自撥動(dòng)開關(guān)或在穿孔卡片上打孔。那時(shí)的創(chuàng)作過程直接涉及計(jì)算機(jī)內(nèi)存位數(shù)或寄存器的復(fù)雜細(xì)節(jié)。隨著計(jì)算機(jī)擁有數(shù)十億個(gè)晶體管和數(shù)萬億個(gè)存儲(chǔ)單元，我們的軟件開發(fā)過程借助計(jì)算機(jī)語言不斷提升層次，這些語言將底層硬件的復(fù)雜性抽象化，使開發(fā)者幾乎可以完全專注于算法質(zhì)量，而非二進(jìn)制的 0 和 1。

如今，我們正處于這樣一個(gè)階段：計(jì)算機(jī)（即人工智能）無需在我們所說的語言與它們能理解的語言之間進(jìn)行這種中間層面的轉(zhuǎn)換。我們可以拋開 “羅塞塔石碑”（在歷史上是破解古埃及象形文字的關(guān)鍵工具，起到了語言轉(zhuǎn)譯、溝通不同語言信息的作用），直接用英語與計(jì)算機(jī)交流。它們很可能像理解 Python 語言一樣理解英語。這隨即帶來了兩種選擇：我們可以變得懈怠，也可以提升我們的思維。

當(dāng)語言不再是障礙，我們可以運(yùn)用人類語言的全部表現(xiàn)力，以最簡潔有效的方式向人工智能傳達(dá)更高層次的概念和邏輯，這種方式是聲明式的（專注于我們想要獲得的結(jié)果），而非命令式的（專注于實(shí)現(xiàn)結(jié)果的步驟）。命令式表述：向左轉(zhuǎn)，然后直走，再向左轉(zhuǎn)，然后（重復(fù) 1000 次）。聲明式表述：帶我回家。我在社交媒體上看到，有人僅用幾條精心編寫的提示就創(chuàng)建出了完整的游戲，而就在不久前，這可能需要花費(fèi)數(shù)月時(shí)間來開發(fā)。

這又回到了我最初的觀點(diǎn)：圍繞一個(gè)問題構(gòu)建清晰的思維模型，能夠?qū)⑵浞纸鉃橐子谔幚淼牟襟E，具備完美的第一性原理思維，有時(shí)還要準(zhǔn)備好（并且有能力）與固執(zhí)的人工智能展開辯論——這些技能將造就未來的優(yōu)秀工程師，而且這一考量很可能同樣適用于許多職業(yè)。

我們不能失去在必要時(shí)深入探究并修正人工智能可能遺漏之處的能力，或者（至關(guān)重要的是）對人工智能的成果進(jìn)行審核的能力。這對人類來說將是一個(gè)真正的問題，而且我們不太可能讓這種情況發(fā)生——至少我們?nèi)匀恍枰_發(fā)人工智能。然而，這只能解決部分問題。將代碼創(chuàng)建的機(jī)制自動(dòng)化，并專注于我們的批判性思維能力，才能讓我們創(chuàng)造更多、更快，對世界產(chǎn)生巨大影響。讓人工智能幫助我們更具人性，而非更像計(jì)算機(jī)。

馬可·阿金蒂（Marco Argenti）| 文

馬可·阿金蒂是高盛集團(tuán)的首席信息官。

周強(qiáng) | 編校

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org