即時工程的消亡：用戶驅動的人工智能訓練的黎明

我對 2024 年的預測是，“即時工程師”這個短暫的角色將會消亡。他們消亡的根本原因是 Prompt Engineers。

某些關鍵時刻預示著變革性變革的開始。即時工程即將消亡無疑是其中。

GPT 和類似的大型語言模型的興起從根本上改變了我們與人工智能交互、甚至思考人工智能的方式。這些模型曾經嚴重依賴即時工程來實現響應，現在正在逐漸自我訓練，從每次 API 調用和 UI 輸入中汲取經驗。

展望 2024 年及以后，我們面臨的現實是，提示工程師的角色很可能會過時，而用戶在人工智能培訓的發(fā)展中發(fā)揮著更加重要的作用。

什么是即時工程？

為了了解潛在的未來，我們需要回顧過去，了解即時工程和即時工程師的重要性至關重要（如果這樣的事情確實存在；））。

在 GPT 和類似模型的早期，生成有意義的輸出并不像提出問題然后得到答案那么簡單。必須精心設計提示，以引導模型產生所需的響應。即時工程師是“熟練的工匠，他們會編織這些復雜的輸入，允許用戶從龐大的神經網絡中提取有價值的輸出”，也就是說，他們知道如何提出更好的問題......

用戶輸入：新運動鞋——而不是你腳上的運動鞋。

隨著時間的推移，情況發(fā)生了變化。每次用戶與這些模型交互時，都會發(fā)生兩件事：用戶獲得預期的響應，但模型也會從輸入中學習。這種由數百萬用戶推動的持續(xù)反饋循環(huán)使模型變得更好、更直觀。

在過去的幾年里，用戶交互的數量和多樣性使這些模型能夠以以前難以想象的方式查看模式、完善其輸出并理解上下文。因此，對精心設計的提示的需求已經減少。來自不同平臺和應用程序的用戶的輸入已經充分訓練了人工智能，使其更加通用。

進化反饋循環(huán)

思考這個過程如何反映生物進化是很有趣的。就像生物體根據所面臨的挑戰(zhàn)和反饋一代又一代地適應環(huán)境一樣，人工智能模型也在不斷適應它們所棲息的龐大數字生態(tài)系統。他們從每次互動中“學習”，無論是關于量子物理的問題還是對食譜的請求。

隨著越來越多的人將這些模型用于從學術研究到創(chuàng)意寫作的各種應用，人工智能成為人類查詢和交互的集體存儲庫。這種用戶驅動的反饋循環(huán)是一種強大的自我改進機制，提高了模型的準確性和效率。

沒有及時工程師的未來

那么，2024 年對于人工智能領域，特別是對于快速工程領域的技術人員來說，意味著什么？在我看來，他們的具體角色將變得不那么重要，呈指數下降。

2024 年及以后的模型可能會比以前的模型更加直觀和靈敏。這確實引發(fā)了更多問題，即這種持續(xù)的模型改進（或退化，這仍然是可能的）將影響什么樣的角色。

作為用戶，我們不僅是信息的被動消費者，而且是人工智能學習過程的積極參與者。我們的詢問、懷疑和互動將不斷塑造和重新定義人工智能的知識庫和響應機制。無論好壞，我相信我們已經到了無可挽回的地步，隨著時間的推移，垃圾填埋場將會變得越來越大。

即時工程的消亡并不是一個終結的故事，而是一個進化的故事，我們必須密切關注。

它標志著從人工智能是一種工具（使用精心設計的輸入進行操作）的階段，到人工智能是一個動態(tài)、不斷發(fā)展的實體、與用戶共同學習的時代的轉變。它強調了集體用戶交互在塑造技術未來方面的力量。隨著我們走向 2023 年底，以及 ChatGPT 和其他語言模型的泡沫，我們走向 2024 年，我們努力的潛??在現實可能會促使我們反思我們實際所做的事情。