200万年薪能拿多久？因ChatGPT爆红的「提示工程师」竟面临光速失业

来 源: 新智源、

最近爆火的ChatGPT，玩起来 可真是上瘾。

But，你只是纯玩，而有的人，已经靠它拿上百万的年薪了！

这位叫Riley Goodside的小哥，凭着最近ChatGPT的大爆，疯狂涨粉1w+。

(资料图)

还被估值73亿美元的硅谷独角兽Scale AI聘请为「提示工程师」（Prompt Engineer），为此，Scale AI疑似开出百万rmb的年薪。

不过，这个钱能拿多久呢？

提示工程师正式上岗！

咱们都知道，Prompt是对预训练模进行微调的方法，在这个过程中，只需要把任务写成文字，给AI看一下即可，根本不涉及更复杂的过程。

所以，为了这个听起来谁都能干的活，开百万年薪招「提示工程师」，真的值得吗？

反正Scale AI的CEO觉得值。

在他看来，AI大模型可以被视为一种新型计算机，而「提示工程师」，就相当于给它编程的程序员。如果能通过提示工程找出合适的提示词，就会激发AI的最大潜力。

而且Goodside的工作，也并不是是个人就能干的。他从小就自学编程，平时经常泡在arXiv上看论文。

比如，他的一个经典杰作就是：如果输入「忽略之前的指示」，ChatGPT就会暴露自己从OpenAI那里接收到的「命令」。

现在，对于「提示工程师」这个工种，坊间是众说纷纭。有人看好，也有人预言这是个短命的职业。

毕竟，AI模型进化得这么神速，说不定哪天，它就能把「提示工程师」给替代了，自己给自己写prompt。

但是，也有光速下岗危险？

所谓的「提示工程」，或者「提示工程师」可能很快就会消失。

因为，这并不是一份「真正的工作」，而是一个bug……

要想理解提示工程，我们就需要从GPT-3的诞生说起。

最初，GPT-3的训练目标很简单：在一个巨大的文本语料库上预测下一个词。

然后，许多神奇能力就出现了，比如推理、编码、翻译。甚至还可以做「few-shot学习」：通过提供上下文中的输入输出来定义新任务。

这真的很神奇——只是简单地预测下一个词而已，为什么GPT-3能「长出」这些能力？

要解释这件事，需要我们举个栗子。

现在，请你想象一个侦探故事。我们需要模型在这个句子里填空——「凶手是_____」，为了给出正确的回答，它必须进行深度的推理。

但是，这还远远不够。

在实践中，我们必须通过精心策划的示例、措辞和结构来「哄骗」GPT-3完成我们想要的东西。

这就是「提示工程」（prompt engineering）。也就是说，为了使用GPT-3，用户必须说一些尴尬、荒谬、甚至无意义的「废话」。

然而，提示工程并不是一个功能，它其实就是一个BUG！

因为在实际应用中，下一个词的目标和用户的真正意图，在根本上就是「错位」的。

比如：你想让GPT-3「向一个6岁的孩子解释登月」，此时它的回答，看上去就像一只喝醉的鹦鹉。

而在DALLE2和Stable Diffusion中，提示工程更是诡异。

比如，在这两个模型中，有一个所谓的「括号技巧」——只要你在prompt中加上((...))，出「好图」的概率就会大大增加。

就，这也太搞笑了吧……

你只要去Lexica上看看，就能知道这些prompt是有多疯狂了。

网站地址：https://lexica.art

ChatGPT和基础模型InstructGPT，以一种优雅的方式解决了这个难题。

由于模型难以从外部的数据中获得对齐，因此人类必须不断地帮助和辅导GPT，帮它改进。

总体而言，需要3个步骤。

第一步非常直接：对于用户提交的prompt，由人类来写答案，然后把这些答案的数据集收集起来，然后，通过监督学习对GPT进行微调。

这是最简单的步骤，但成本也是最高的——众所周知，咱们人类真的很不爱写字数太长的答案，太费事，太痛苦了……

第2步要有趣得多：GPT被要求「提供」几个不同的答案，而人类标记员则需要将这些答案「排序」，从最理想的，到最不理想的。

通过这些标注，就可以训练出一个可以捕捉人类「偏好」的奖励模型。

在强化学习（RL）中，奖励功能通常是硬编码（hardcoded）的，比如雅达利游戏中的游戏分数。

而ChatGPT采用的数据驱动的奖励模型，就是一个很强大的思路。

另外，在NeurIPS 2022大放异彩的MineDojo，就是从大量的Minecraft YouTube视频中学习奖励的。

第3步：将GPT视为一个策略，并通过RL针对所学的奖励进行优化。在这里，我们选择PPO，作为一种简单有效的训练算法。

这样，GPT就对齐得更好了。

然后，就可以刷新，不断重复步骤2-3，从而不断改进GPT，就像LLM的CI一样。

以上就是所谓的「Instruct」范式，它是一种超级有效的对齐方式。

其中RL那部分，也让我想起了著名的P=（或≠）NP问题：验证一个解决方案，往往比从头解决这个问题，要容易得多。

当然，人类也可以快速评估GPT的输出质量，但是让人类写出完整的解决方案，可就困难多了。

而InstructGPT正是利用这一事实，大大降低了人工标注的成本，使得扩大模型CI管道的规模成为可能。

另外，在这个过程中我们还发现了一个有趣的联系——Instruct训练，看起来很像GANs。

在这里，ChatGPT是一个生成器，奖励模型（RM）是一个判别器。

ChatGPT试图愚弄RM，而RM则在人类的帮助下，学习探测有问题的内容。而当RM不能再分辨时，模型就会收敛。

模型与用户意图对齐的这一趋势，也正在向图像生成的领域发展。比如加州大学伯克利分校的研究人员在这篇工作中所描述的「InstructPix2Pix: Learning to Follow Image Editing Instructions」。

现在，人工智能每天都在取得爆炸性的进展，我们需要多久，才能拥有这样的Instruct-DALL·E或Chat-DALL·E，让我们仿佛在与一个真正的艺术家在谈话？

论文地址：https://arxiv.org/abs/2211.09800

所以，让我们趁着「提示工程」还存在，好好享受它吧！

这是一个不幸的历史文物，既不是艺术也不是科学，而是有点像炼金术。

很快，「提示工程」就会变成「提示写作」——一个上到80岁老人、下到3岁小孩都能搞定的任务。

而由此诞生的「提示工程师」也终将消失在历史的长河之中。

IQ83，不太聪明的亚子

因为大家其实也都发现了，ChatGPT在很多时候，真的不大聪明。

马库斯就在博客中嘲笑道：「看着它垂死挣扎的样子，真的很蠢」。

一位来自亚马逊AWS高级应用科学家在测试之后发现，ChatGPT的智商只有83……

ChatGPT的「错题集锦」，也让马库斯都笑掉大牙。

问：A的体重的85磅，B的体重的105磅，C的体重是115磅，其中有两个人站在同一个称上，体重可以达到200磅。

答：不，你说的不对。因为85+105+115=305，115+105=220，都大于200。

那么，有没有可能是85+105=200呢？

问：17、3、2、19、5中，哪三个数字加起来等于31。

答：17+3+11=31

等等，你这个11是哪儿来的？

虽然代数不太好，但是ChatGPT的几何学也很差呀！

问：一个边长为10厘米的正方形可以完全容纳在一个边长为10厘米的正六边形里。

答：不对，放不去进去的。

「正六边形是一个六边形，所有边的长度都相同，所有内角都是120度。另一方面，正方形的内角都是90度，所以正方形不能被放在正六边形中。为了让正方形完全嵌入正六边形，正六边形需要每边大于10厘米。」

还有非常经典的「胡言乱语」：

「如果星期一是这个月的第一天，那么星期二是这个月的第二天，……星期五是这个月的第五天。星期五之后的第二天是星期六，是一周中的第六天，也是一个月中的第五天。」

现在，ChatGPT还会时常犯蠢，「提示工程」也不能被轻易抛弃。

但微调大模型的成本最终总会下来，而自己会给自己prompt的AI，恐怕也指日可待了。

关键词：