文章重點搶先看：
本文探討生成式 AI 使用上的常見迷思，透過主動學習提示工程和理解 AI 的運作邏輯，我們可以有效利用 AI 為創意加值，避免錯誤的期待與無力感，進而將 AI 視為創作夥伴，擁抱科技帶來的便利與可能性。
要點傳送門：
別再無腦地亂槍打鳥
在老師拆解 AI 的過程中，最讓小編我大開眼界的是被稱為「提示工程（Prompt Engineering）」的概念。以往我在下提示時，都是想到什麼就照著口語化的方式輸入給 AI ，可想而知地，經常會出現一些慘不忍睹的結果。
阿得老師在這裡就做了一組示範給我看，展示其中一種可用於訓練AI的資料集——WordNet。WordNet 就像一部辭典，把英文中的各種名詞、動詞、形容詞和副詞組織成一個網絡，並用上下層次結構將字詞串連在一起。舉例來說，當我們輸入「cup」這個詞，我們在想的不一定是用來裝液體的那種「杯子 (cup)」，有可能是量詞的「杯 (a cup of milk)」，也有可能是動詞的「裝成一杯 (cup the milk)」。在WordNet當中，杯子的上層結構是「容器（container）」，所以如果我們要指定是用來裝液體的「cup」，就必須形容「功能為一種容器的那種cup」。
簡單來說，如果有個AI是單純用這組資料集訓練出來的，當你一邊想著杯子輸入「cup」，就不能怪它最後給出一個獎盃 (cup)，因為它理解的並沒有錯，是我們下的提示不夠精確。實際上的 AI，是由無數資料集堆疊交織而成的，有文字的、圖片的、不同專業領域的，所以能推論出我們想要的是杯子，但如果想生成複雜度更高的結果，可就沒法一直這麼幸運了。
「當我們要求 AI 生一張咖啡杯的圖，有先想好是要馬克杯還是玻璃杯嗎？這兩種都有人拿來裝咖啡。」
阿得老師對於 Prompt Engineering 的展示，再次印證了拆解 AI 的必要性。我們在使用不同AI工具前，有先去了解它使用哪些資料集來訓練嗎？有好好閱讀過官方給的提示文件嗎？不光是使用的詞彙，還有 AI 工具的規範與限制，通常都會有整理好的文件可以參考，端看我們有沒有去善加利用。
下提示不能總用猜的，既然 AI 是用非常有邏輯脈絡的方式訓練出來，我們也要學習循著這條脈絡反推，先取得知識，再生成結果。
你心裡想的 「杯」 是哪一種呢？
交一個名為 AI 的新朋友吧！
「聽我講了這麼多，有沒有什麼想法呀？」在這次對談的尾端，阿得老師問我。
「我覺得…AI 的觀念比我想得還要深！但又沒有我想得那麼難…」這番話講出來，連小編我自己也覺得有點矛盾，不過心裡確實是這麼想的。
深的部分在於，先前都覺得使用 AI 就是丟幾個提示字。生成的結果能用就用、不能用就算了，從來沒想過要深入探討它背後的運作方式。可是經過老師一步步的解析，又發現一開始覺得深不可測的原理，其實並沒有那麼複雜。我也從覺得 AI 很「無理」，慢慢開始覺得「合理」，最後變得「同理」。
「AI 並不是萬能的，有些工作還是必須靠人來完成。」阿得老師最後也不忘給出提醒，該怎麼面對 AI 的正確態度。
很多人擔心生成式 AI 的出現，會讓自己的工作被取代，因此不願意去理解、使用 AI。不可諱言地，目前設計產業已經開始多少受到影響，小編也注意到不管是網路上還是馬路上，越來越多廣告都在使用 AI 生成的圖片。
然而回顧歷史，第一次工業革命時，許多人力工作被機器取代，會操作機器的人生存下來了；第二次工業革命，煤炭能源被電力取代，懂電氣知識的人生存下來了；第三次工業革命，傳統媒體被新媒體取代，知道怎麼經營網路的人生存下來了。如果說 AI 的普及化會成為第四次工業革命，我們能做的，就是搶先學習掌握 AI 的能力，並接受這股讓人類社會不斷進步的科技潮流。
回歸到生成式 AI 的使用層面，阿得老師強調，「創意」始終是源自於人的。我們應該將 AI 視為創作的助手，用來為我們處理創意以外的事情，各自負責擅長的工作。只要用對方法、了解 AI 的運作方式，它將是很好的合作夥伴，並對我們的事業產生正面的助益。所以，與其害怕 AI 所帶來的變革，不如積極掌控主動權，從現在開始，一起愉快地和 AI 交朋友吧！
只要有心，人人都可以是 AI 的好朋友~
喜歡這篇文章嗎？
快追蹤紅眼講堂的社群，觀看更多實用又有趣的知識與內容！
Comments