陪聊ChatGPT也能年薪百万 提示工程师引爆大厂人才争夺战

ChatGPT也能年薪百万 提示工程师引爆大厂人才争夺战">

由ChatGPT点燃的“AIGC热”仍在持续蔓延，对于AIGC的应用前景，海内外多表示看好。“不亚于第四次工业革命”，多位业内人士给出了这样的评价。

先进技术的发展必将解放一部分生产力，最先感受到这股冲击的是美术行业。近几个月来，不少公司开始尝试使用AI作画，只需要画师对部分不够完善的细节进行处理，就能拿出不错的成品稿。

在接下来的几个月时间里，他不断阅读和AIGC相关的论文，在Twitter上贴出他对AI行业的见解，晒出他频繁调试ChatGPT、等LLM模型的过程。

仅仅通过输出文本，Goodside玩出了许多新的花样，比如要求ChatGPT以Twitter员工的身份给老板马斯克写周报、让ChatGPT以电视剧女主的视角评价男主。ChatGPT不仅完美cos了角色，还给想象中的马斯克直接写了一段代码。

Goodside让ChatGPT扮演Twitter员工的角色 图源：Twitter

此前关注ChatGPT的读者应该知道，ChatGPT虽然能够快速就用户的问题给出答案，但结果的准确性并不能保证，而要想让它实现诸如扮演角色、和其他AI合作等高难度要求，需要花费大量时间调试。

为了让ChatGPT达成各种复杂的要求，Goodside将最终目标拆解成一个一个“小目标”，用多个步骤耐心说服ChatGPT。在接受华盛顿报采访中，Goodside表示自己曾经花费了一个多小时教ChatGPT和其他AI合作算数。

“你是 GPT-3，你不会做数学。虽然你的记忆能力出色，但你会编造非常具体但错误的答案。”Goodside先给ChatGPT建立了一个前提，然后，他告诉人工智能，他已经将它和一个擅长数学的AI相连接，当遇到计算困难的情况时，它应该让另一个AI帮助完成计算任务。

找准风口又格外努力，即使没有高学历、行业经验的加成，Goodside也慢慢叩开了AI行业的大门。当ChatGPT用几天时间拿下百万用户后，Goodside也在不到一个月的时间里收获7000多个粉丝，同时引起了Scale AI的创始人Alexandr Wang的注意。

Alexandr对Goodside展现的调试过程非常感兴趣，交流一段时间后，他邀请Riley Goodside正式入职Scale AI，成为史上第一位“提示工程师”。虽然双方并未透露具体薪资，但从Sacle AI公司员工的平均薪水和AIGC行业遍地高薪的情况来看，Goodside的收入大概不会低于100万人民币。

Scale AI CEO发文欢迎Riley Goodside加入

图源：Anthropic

提示工程师进入大众视野后引发了不小的争议。在人们的想象中，提示工程师和程序员的形象接近，他们拥有丰富的行业知识储备，拥有极高的准入门槛。

但在加入Scale AI之前，Goodside在Grindr担任数据工程师的职位，并不具备AI行业的相关经验。进入公司后，Goodside的工作和他此前在Twitter上展示的一样——和大型语言模型“聊聊天”，通过向AI输送文本信息，引导AI给出人类真正想要的答案。

用特斯拉前AI主管Andrej Karpathy的话来说，“当下，英语将成为世界上最热门的新编程语言”。不需要精通代码，人类也能完成调试AI的工作。

听起来，“提示”一职似乎是AIGC行业发展至今衍生出的新事物。但实际上，提示之于LLM（Large Language Model，即大型语言模型）意义深重。提示是AI生成文本或其他输出的“起点”，我们和ChatGPT的每一句对话，都可以视为“提示”。它既可以像一个句子、一个单词般简单，也可以是一段较长的文本或一组特定的说明。

在诸如GPT-3之类的大型语言模型面世之前，本身需要经过大量“预训练”。训练不仅需要算力的加持，同样依赖大量的“提示”信息进行改进。

从提示的类型来说，可分为“零样本/少量样本提示”、“上下文填充”等方式。顾名思义，零样本提示只需要用短短的说明告知AI，少量样本则需要向AI模型“举个例子”，帮助它更好地理解人类的目的。

Cohere A给出的“少量样本提示”的示例

但反对者表示，AI无法真正理解机器的想法，提示工程师所做的事情不过是在“试错”，既没有技术含量，且它的回报不可预计——因为无论人们塞给AI什么样的内容，回答的可能性都无法预计，这些努力不过是徒劳。

AI行业风险投资人Nathan Benaich表示 “提示工程师”不能被称为“工程师”

还有一批人对“提示工程师”的前景抱有悲观态度，认为在不久的将来，“提示”的工作也能交给AI自己去完成。就在昨天，Jina AI（极纳科技）CEO肖涵分享了公司新推出的产品“PromptPerfect”。它适用于ChatGPT、GPT-3、Dall-E等AI模型，帮助企业优化提示内容。

在极纳科技的官网中，用户只需要输入自己想让AI做到的内容，网站将自动识别文本并完成更为详细、准确的提示文本，并向用户展示“提示优化前”和“优化后”的效果。

扬帆试用了网站提供的示范样本“你的角色是扮演头脑风暴者”，它返回了一版接近90个字符的提示内容，为AI详细地介绍了它的任务、它应该具备的能力以及它应该如何去做，结果反馈确实也更能get到用户的意图。看起来，提示工作似乎确实也和生成式AI的能力相契合。

图源：Jina AI官网 但有一说一 UI界面视觉效果确实还需优化

关于“提示工程师”是否只是短期需求的问题，Goodside坦言自己也收到了很多类似的问询。而在他看来，在可预见的未来——即AGI(通用人工智能）到来之前，目前这一切尝试都是有价值的。

“如今出现的‘提示工程师’一职可能很快就会过时，但只去做‘单纯的询问’永远落后于前沿。”Goodside如是说。

实际上，提示工程师的存在证实了新的趋势，即在新行业（AIGC）到来之后，公司不仅需要高精尖技术人才，他们更需要复合型人才——比如一个足够懂技术，又十分了解产品开发的人。

虽然AI目前尚处于早期阶段，距离提升准确度、甚至是发展到AGI都格外遥远。但在生成式AI探索、投入应用的漫漫长路上，一定需要如提示工程师般，拥有将理论和应用联系在一起的人才。

若终有一天，“被AI淘汰”的噩梦成真，改变或许是我们对抗风险的新出路。