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!