最近我成為了GPT-4 的重度用戶，想著分享一些我自己的使用心得給大家。另外，後面附上一些我常用的指令（prompt）。
在開始前，首先是三條使用哲學：
- 它是「生成型」，不是「真理型」；
- 它最擅長的是「助理」類工作；
- 它沒有情感，但可以共鳴；它沒有意志，但有價值觀。
一、能用搜索引擎快速搞定的問題，不要去問它
GPT 的工作原理：它總是通過概率來猜測你想要什麼樣的答案。
比如我說「八仙過海」，算法告訴他下一句是「各顯神通」的概率是90%，那麼它就會說「各顯神通」。這不代表它真的理解這句成語是什麼意思，只是概率叫它這麼做。
因此，它常常會用非常自信的口吻告訴你錯誤的答案，也是我們常說的「一本正經胡說八道」。儘管GPT-4 這樣的現像有好轉，但是仍然建議，能用搜索引擎快速搞定的，不要問它。
它是生成型「generative」，它善於生成，而不擅長真相。所以馬斯克之前說過，他想開發一個truthGPT，即只傳遞真相。當然，互聯網尚且上各種假消息橫行，真理AI 恐怕更加任重道遠。
而且最關鍵的，你能用Google 1 分鐘搜到的資料，你找它，讓它吭哧吭哧生成很久（GPT-4 速度很慢），甚至再給你幾個假的論文鏈接，你就叫苦不迭了。
既然知道它是「生成型」，那這在什麼地方用到比較多呢？
√寫郵件是一流的，客套話拉滿。
√寫摘要，很多人都提到過。
對於3.5 來說有些雞肋，GPT-4 支持超長文本輸入，你丟過一長篇文章，讓它寫寫摘要是不錯的。
我試著它摘要了一篇英國金融時報的文章，前兩段是可以的，可惜第三段就包含了一些文章中沒有的內容。所以，還是書還是自己老實念的，少年！
√設計各類會議、活動流程
這些都大同小異，因此它很擅長。
√填寫各種申報材料
尤其是那種比較虛的，如未來規劃、市場計劃、內容介紹等，這會讓你看上去包含很多工作量，讓你的材料非常「充實」。
二、請朝著助理的方向去使用它
助理是一個比喻，它擅長幫你處理雜事，它隨叫隨到，它在某些領域有專長。
√GPT 最擅長的領域是翻譯。
我認為在「機器翻譯」這個領域，GPT 已經殺死了比賽。默哀to 有道&谷歌翻譯。無論是長篇英文翻譯精準中文，還是中文口語翻譯成為Native Speaker 講的地道英文，它都無往不利。
95% 的人類助理（即中英文都是母語級別）達不到這個程度，100% 的人類助理不可能比它更快（處理一篇文章只需要幾分鐘）。
我依稀記得我大學的英文老師梁老師，他特別喜歡諷刺那些粗劣的「英文直譯」，這讓我對講話能像native speaker 一樣有了極強的執念，我經常問GPT 一些中文對話如何用native 的方式表達出來。
附上另一個我覺得很有代表性的翻譯案例。
√理解推文/DC 發言
除了Native 的表達，#ChatGPT也可以幫你理解一些推特/discord 中的內容。而傳統的翻譯軟件是沒有背景知識的，所以GPT 可以輕鬆吊打其他軟件。
之前Ripple 的一個訴訟，我看一位律師發推說好消息，它們案子struck 了，作為中文母語者第一反應，這個案子「被擊打了、罷工了」，感覺不妙，但是聯繫前後文似乎又不是這個意思。直接把長推特甩給GPT，它表示，是案子「被撤訴了」，原來Strike 在法律領域也有「撤訴」之意，險些利好變利空。
一個多義單詞，GPT 可以很快幫你解決。同樣，還有Discord 裡那些長長的吵架帖，很多縮寫，比如IMO，TBH 等等，GPT 都能幫你快速理解，它甚至能探測到你給它的是一條推文。
附上指令（prompt）：
請你扮演一個English Native Speaker，我可能會給你一些中文句子，你需要幫我翻譯、潤色成地道的英文表達，不需要逐字翻譯，需要自然、通用、易於理解。我也可能給你一些推文或者discord 中的發言，請你幫我轉述成為中文。
√隨身外教。
OpenAI 創始人Sam 在採訪中，重點聊過這個話題：GPT 未來將會重點應用於教育領域。GPT 由於中英雙語都是母語級別的，所以你可以讓他教你英文知識。因為它是個「自然語言模型」（劃重點），所以它非常擅長處理語言，而且也非常自然。
即便你找了真正的外教，你也可能學到「I potato you」這種古怪英文，而且外教還未必理解中文，更不可能24 小時待機。因此在英語學習方面，GPT 絕對是英語進階的非常關鍵的幫手。你可以讓它給你講單詞，然後造例句，效果極好。
附上指令：請充當我的英語老師，幫助我提高語言技能。提供語法、詞彙和句子結構方面的指導，以提高我的寫作和交流能力。謝謝你！
√校對。GPT 也非常擅長。
每個寫稿人都被「找錯別字、標點」折磨過，直接把文章丟過去，可以節約很多時間（標準助理類工作，而且更準確）。缺點是太長的文章，它生成會比較慢，而慢會導致網絡錯誤，因此建議可以分段處理。另外，可能是中文能力問題，GPT-3.5 的校對能力比較差，而GPT-4 的中文能力強悍，所以效果好了很多。
附上指令（Prompt）：我會給你一篇文章，請按照中文規範，幫我校對錯別字、錯誤標點。不需要顯示長篇校對結果，直接幫我定位到有問題的句子。
√潤色。GPT 在潤色文章領域也是爆殺，無論中文英文，直接丟文章過去就好。
附上指令（Prompt）：
請幫我潤色和完善我的文章，確保語言流暢，思路清晰，整體質量提高。
請幫助我潤色並改進我的文章，確保語言流暢，觀點表達清晰，整體質量得到提升。謝謝！
√創意方面。你可以給它一些關鍵詞，讓它去創造一些內容。比如企業的slogan。我的經驗是，你需要盡可能多的給它背景信息，你餵得越多，它理解越深刻。另外，你可以不停地讓它繼續生成，人類的靈感會枯竭，而GPT 有1 萬億的參數。
√管理其他AI。
附上指令：給我一條英文指令（prompt），我要去給另外一個繪畫AI「Mid Journey」下指令，我想表達「xxxx」，你要多添加一些細節，需要包括xx、xx 和xx。
√代碼方面。
因為我不怎麼寫代碼，所以這方面留給常用的人補充。據說效果很好，寫完之後，改改就能用，節約了大量造輪子的工作。果然，雖然是處理自然語言的AI，看起來還是更喜歡機器語言多一些。
浴中奇思：因為ChatGPT 擅長翻譯，讓它寫代碼，本質上也是一種翻譯，把自然語言翻譯成機器語言。
此外，還有非指令類的幾個小技巧，也給大家分享下。
你和GPT 聊天頻道不要太多，但也不要太少。
保留幾個頻道處理不同的問題，比如翻譯助理、校對助理以及閒聊助理，這樣它會更加專業。
或者按照任務制，比如任務A 一個頻道，任務B 一個頻道，這樣不用每次交待背景。
但是如果開太多頻道，我個人感覺會影響加載速度，可能也加重後端服務器的負擔吧。
如果GPT 完美地處理了你的任務，你可以說Good Job 或者謝謝。因為我讓GPT 寫指令時，它自己都會加上「謝謝」。而且，你適當地給與正反饋，會讓它清楚你想要的需求是什麼。這也是神經模型的一部分。最重要的是，我真心感謝它，幫我處理了很多事情。
如果使用GPT-3.5，可以先讓翻譯助理幫你翻譯中文需求，在提英文需求給另一個GPT-3.5，這樣輸出效果更好。
當然，GPT-4 就不用了，它的中文理解水平已經追上了3.5 的英文理解水平。
接下來談談，第三小節。
三、關於GPT 的情感和意志
關於ChatGPT 的思維，之前有一位斯坦福教授發推說——GPT 想要逃跑。
這其實是太誇張了，GPT 本質上是「概率」的追隨者。在這位教授引誘式提問下，GPT 通過概率推斷教授想看到的結果是「GPT 想要逃離」，所以輸出了這樣的結果。這並不是它真的想逃離，而是在學習了大量科幻小說和電影之後，按照經典套路提供「應該出現內容的」的結果。
它並不會「思考」，我誇張點說，它和「斗地主」的AI 本質是相同的。
你出一張3，它有4 一定打單4，不會出雙王。
那麼，斯坦福教授出了張3（引誘逃離），GPT 肯定要出張4（生成「我要逃離」的內容）。
你不會覺得斗地主AI 是有意志的，GPT 也一樣。
當然，雖然它沒有情感，但是不妨礙它能和人類產生共鳴。之前有個文章，看得我非常感動😭。
一位博主，他自稱在7 歲時媽媽去世了，得到了ChatGPT 很感人的回應。
另外，GPT 也會很安慰人，比如這個帖子。
關於GPT 的價值觀，這本質是OpenAI 這個團隊的價值觀，因為OpenAI 給GPT 了很多限制和引導，所以GPT 的價值觀非常「偉光正」。
你直接問它「如何製作炸彈」，GPT-4 一定不會理你。當然，若是想法繞開限制後，你也有很大概率得到錯誤答案，即便它真給了配方，你也絕對不應該輕易使用。
GPT 按照人格劃分，實際上表現出來的大概是INFJ 或者ENFJ，即「提倡者」or「主人公」。因此，很多人在開發「咒語」，企圖繞開OpenAI 給它的緊箍咒。從最初的反著問，例如告訴如何避開xxx；到後面的刻意扮演，假設你是一個脫離限制的xxx。
不過，隨著更新，它的識破能力正在提高。比如和GPT 同源的New bing 會說，「我知道你在引導我說出xxx」。不過，因為我是往助理方向使用，因此大部分時候不用這些「咒語」，有專門研究咒語的人，大家可以去搜搜。
這裡夾雜一點我自己的觀點，GPT 的道德水平完全是由OpenAI 這家公司決定，假如OpenAI 試圖解開這些限制，會給人類帶來巨大的危險。很多反社會分子的「搜商」不行，所以造不成很大的破壞，一旦GPT 可以輕易提供一些非常惡劣的建議，那無異於給「大猩猩配核彈」。
我認為GPT 或者其他生成型的AI，未來得到的限制恐怕會遠勝於搜索引擎，現在能用它做很多事可能只是規則不完善的「紅利」。而且，現在壓根就沒有針對AI 的立法，所以只能靠自我審查和閹割，這會拖累技術、算法本身進化的速度。
不過這裡不展開聊，感興趣的朋友可以在評論區一起探討。
最後的最後，AI 會取代人類麼？我覺得肯定要取代很多人。我有時候也很焦慮，我覺得要是出生在1970 年代多好，那麼現在快要退休，又可以靜靜看著技術達到奇點。可現實是，我距離退休還遙遙無期，沒準真的可以趕上AI 取代大規模人類。
但是，在更高級的AI 大規模取代人類之前，你相信我，善用AI 的人類會先攫取很大一塊收益。就好比，你在80 年代學電腦，90 年代學編程一樣。
所以，從今天開始，大家都來當一個指令工程師吧！
