直面挑戰(zhàn), 如何讓AI為自己賦能？

謝作如

圍棋被譽(yù)為“人類智慧最后的堡壘”。2016年，AlphaGo橫空出世擊敗人類圍棋冠軍李世石，大家才不得不承認(rèn)，AI必將在某些方面比人類“聰明”。現(xiàn)在，人們依靠智能導(dǎo)航出行，通過(guò)語(yǔ)音與機(jī)器互動(dòng)，應(yīng)用智能工具搜索各類信息，借助大模型生成文本和圖像……已在不知不覺(jué)間處于AI的各種應(yīng)用之中。

現(xiàn)在的AI大模型，已經(jīng)支持多模態(tài)，即多種感官融合，支持文本、圖像、聲音等，越來(lái)越像人。在這種情況下，我們需要學(xué)會(huì)駕馭AI，讓AI為我們賦能。怎樣做呢？我建議從“學(xué)AI” 和“用AI”入手。

要想掌握運(yùn)用生成式AI工具的技巧，首先要學(xué)會(huì)跟大模型有效對(duì)話。這里的“對(duì)話”專業(yè)名稱為“提示詞”。

對(duì)于AI繪圖來(lái)說(shuō)，優(yōu)質(zhì)的提示詞需要包含繪畫(huà)對(duì)象（畫(huà)什么）、清晰的對(duì)象描述詞（長(zhǎng)什么樣）和風(fēng)格修飾詞（怎么畫(huà)）三大元素。如果只提供“畫(huà)一位現(xiàn)代都市少年”，AI無(wú)法準(zhǔn)確理解你想要生成什么人物形象。這就需要添加更多細(xì)節(jié)詞匯，如繪畫(huà)對(duì)象的描述詞（肖像、色彩鮮明、動(dòng)漫少年、現(xiàn)代感等），繪畫(huà)背景的細(xì)節(jié)詞（城市、橘色天空、夕陽(yáng)、微風(fēng)等），提升繪畫(huà)質(zhì)感的關(guān)鍵詞（插畫(huà)風(fēng)格、鮮艷色彩運(yùn)用、調(diào)色盤(pán)、光線追蹤、照明等）。提示詞要體現(xiàn)三個(gè)要素：角色、目標(biāo)和任務(wù)分解，能給出范例更好。如果你不熟悉如何設(shè)計(jì)提示詞，可以試著讓AI幫你修改。

訓(xùn)練模型，用AI解決真實(shí)問(wèn)題

會(huì)使用各種大模型應(yīng)用，僅僅能讓你成為AI時(shí)代的合格用戶。只有掌握了讓機(jī)器從零到有得到某種“智能”的能力，才算是具備了駕馭AI的能力。

如何讓機(jī)器獲得智能？深度學(xué)習(xí)之父辛頓總結(jié)出AI研究的兩種范式，即基于邏輯啟發(fā)（設(shè)計(jì)派）和基于生物學(xué)啟發(fā)（學(xué)習(xí)派）的兩個(gè)方向。當(dāng)前主流的范式是后者，即機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。

數(shù)據(jù)、算法和算力是推動(dòng)AI發(fā)展的三駕馬車，“數(shù)據(jù)+算法+算力”可以得到AI模型。AI的強(qiáng)大能力一般是通過(guò)模型來(lái)呈現(xiàn)的。學(xué)習(xí)AI可以圍繞模型展開(kāi)，先體驗(yàn)?zāi)Ｐ停儆?xùn)練模型，最后應(yīng)用模型解決問(wèn)題。如果有一定的數(shù)學(xué)基礎(chǔ)，還可以去理解模型背后的原理。

體驗(yàn)常見(jiàn)模型功能

上海人工智能實(shí)驗(yàn)室推出了一個(gè)名叫“浦育”的青少年學(xué)習(xí)人工智能的公益平臺(tái)，你可以體驗(yàn)各種人工智能模型。

如果具備Python基礎(chǔ)，強(qiáng)烈建議你使用XEduHub。這個(gè)庫(kù)內(nèi)置了很多現(xiàn)成的AI模型，用幾行代碼就能體驗(yàn)多種模型功能。

學(xué)會(huì)訓(xùn)練一個(gè)模型

“浦育”也提供了簡(jiǎn)單的模型訓(xùn)練功能，如圖像分類、語(yǔ)音分類、姿態(tài)分類等。僅僅使用瀏覽器，你不需要寫(xiě)代碼就能訓(xùn)練出多個(gè)AI模型。假如你喜歡昆蟲(chóng)，可以使用一些昆蟲(chóng)的圖片訓(xùn)練出一個(gè)能識(shí)別常見(jiàn)昆蟲(chóng)的模型。

還有一個(gè)“開(kāi)箱即用”的計(jì)算機(jī)視覺(jué)訓(xùn)練工具M(jìn)MEdu。只要幾行代碼就可以訓(xùn)練計(jì)算機(jī)視覺(jué)模型，如圖像分類、目標(biāo)識(shí)別等。要訓(xùn)練模型，同樣需要找到大量的數(shù)據(jù)形成數(shù)據(jù)集，然后訓(xùn)練。機(jī)器學(xué)習(xí)這個(gè)詞聽(tīng)起來(lái)有些高深，其實(shí)操作起來(lái)并不復(fù)雜，其流程大致如圖所示。

如果你想訓(xùn)練更多模型，建議研究一下BaseML、BaseNN這些庫(kù)。BaseML可以訓(xùn)練各種經(jīng)典的機(jī)器學(xué)習(xí)的模型，BaseNN可以自己搭建各種深度神經(jīng)網(wǎng)絡(luò)。

使用模型解決問(wèn)題

訓(xùn)練好一個(gè)AI模型，最后一步是結(jié)合編程語(yǔ)言制作一個(gè)小應(yīng)用。在大語(yǔ)言模型和XEduHub的支持下，獨(dú)立完成一個(gè)簡(jiǎn)單的AI應(yīng)用并不難，你也能掌握并使用。

數(shù)據(jù)、算法和算力三要素中，最核心的是數(shù)據(jù)。AI科學(xué)家已經(jīng)設(shè)計(jì)了很多優(yōu)秀的算法，只要有數(shù)據(jù)，就能使用這些算法訓(xùn)練出模型。當(dāng)你理解了AI的工作原理，留意觀察生活中有哪些問(wèn)題可以用收集數(shù)據(jù)訓(xùn)練模型的方式來(lái)解決，然后嘗試去尋找現(xiàn)成的模型或者數(shù)據(jù)，或自己收集數(shù)據(jù)去訓(xùn)練模型，都可以。

現(xiàn)在，各個(gè)學(xué)科領(lǐng)域的發(fā)展都離不開(kāi)AI。AI for Science（科學(xué)智能，也稱 AI4S）就是近年來(lái)興起的一種將人工智能和科學(xué)相結(jié)合的趨勢(shì)，即通過(guò)利用機(jī)器學(xué)習(xí)或 AI 技術(shù)，解決科學(xué)研究中的問(wèn)題。未來(lái)，AI會(huì)更多地出現(xiàn)在我們學(xué)習(xí)、生活中，學(xué)習(xí)AI賦能自我，從現(xiàn)在做起吧！

作者單位 浙江省溫州科技高級(jí)中學(xué)