圖片來源 @視覺中國
文 | Alter
在 ChatGPT、Midjourney、Stable Diffusion 等新事物的作用下，不少人或多或少聽說過 Prompt 的概念。
雖然 OpenAI 掀起的大模型浪潮再度刷新了人們對 AI 的認知，但現階段的 AI 終歸還不是強人工智能，大模型裏的 " 知識 " 存儲在一個隐性空間裏，需要輸給 AI 正确的指令，也就是過去幾個月中頻頻被讨論的 Prompt。
有人将 Prompt 翻譯成 " 提示詞 "，也有人翻譯爲 " 激發詞 "。再感性一些，就像童話故事裏的魔法一樣，Prompt 是 AI 時代的魔法，擁有它就擁有 " 巫師 " 一樣的能力。
01 Prompt 是什麽？
并不難理解 Prompt 的字面含義，可爲何會出現 Prompt 這個概念？既然是 ChatGPT 炒熱的新名詞，不妨讓 ChatGPT 自己來回答。
這個回答中規中矩，但還是可以提取到一些有價值的信息：一，Prompt 繼承了計算機編程裏的命令行提示符，可以理解爲控制 AI 的指令；二，在生成式 AI 的語境裏，Prompt 的價值在于引導，而非計算機裏的命令。
打個比方的話：大模型就像是人類的大腦，知識被存儲在神經元聯接中，隻有當你遇到具體的問題時，就像 " 你最喜歡的食物是什麽？" 大腦才會給出确切的答案，Prompt 等于是一個個具象的問題。由此産生了一種流行的說法，即提問比回答更重要。你使用 ChatGPT 所遇到的 " 邊界 "，實際上是你自己的 " 邊界 "。
但 Prompt 的價值體現，并不在于 ChatGPT 代表的對話機器人，而是 Midjourney 爲首的圖像生成類應用。
簡單來說，你要告訴 AI 想要什麽樣的圖，想要把自己腦海裏的東西變成肉眼可見的圖案，需要幾十個單詞作爲 Prompt。哪怕隻有一個提示詞的差異，AI 所生成的圖像都可能有着質的差别，怎麽正确地給 AI 投喂 Prompt，逐漸成了一門深奧的學問，并衍生出了提示語工程學（Prompt Engineering）的說法。
以至于在衡量大模型的能力時，出現了三個标準：一是大模型的預訓練水平；二是用來進行預訓練語料數量和質量；三是提示語的水平。直接的例子就是外界對文心一言文生圖的質疑，即使不考慮前兩個因素，單單在提示詞方面，就足以讓文心一言和 Midjourney 拉開幾條街的距離。
因爲在文心一言上想要生成圖片，普遍給的指令是：幫我生成一張 XXX（這也是百度官方的示例），解析爲 Prompt 時注定隻有幾個提示詞，遠不足以表達腦海裏想要的畫面；同樣的需求給 Midjourney，可能是十幾個乃至幾十個提示詞，大模型可以更準确地理解并輸出用戶想要圖案。
理解了這些差異，便不難讀懂 Prompt 走紅的原因。
目前大模型對算力的要求很高，以 OpenAI 的 DALL・E 爲例，生成一張圖片的收費約 0.02 美元，如果讓不懂 Prompt 的人去調用模型，大概率會浪費掉一次次算力。何況當前想要生成滿意的圖片，需要不斷重複調整，能否熟練運用 Prompt，直接左右了大模型所能釋放的生産力。
02 Prompt 還能賺錢？
利用信息差賺錢向來是最容易做的生意，生成式 AI 也不例外，Prompt 作爲 AI 時代的魔法，已然成了不少人用來 " 賺錢 " 的生産資料。
第一種：直接售賣 Prompt。
國外已經出現了 PromptBase 等明碼标價的平台，涉及 Midjourney、Stable Diffusion、DALL・E、GPT 等多個模型，而且适用的場景越來越細分，包括音樂創作、兒童插畫、油畫藝術、人物肖像等等，即便是不擅長整理提示詞的普通用戶，也可以直接複制 Prompt 生成相對不錯的作品。
其實國内也有類似的現象，一些商家早已在電商平台上兜售 Prompt，也有一些人将 Prompt 做成面向垂直任務場景的應用，比如 AI 寫評語、AI 寫郵件、AI 翻譯等等，吸引剛需用戶按月付費使用。
第二種：用 Prompt 換流量。
國内最早一批售賣 AI 課程的自媒體，多半将 Prompt 作爲吸引用戶付費的籌碼；小紅書等年輕人紮堆的平台上，早早出現了分享 Prompt 的筆記；B 站、抖音等視頻平台上，教用戶使用 Prompt 的教程已不可計數。
個中邏輯并不複雜。Prompt 是駕馭 AI 的 " 咒語 "，但提示詞本身并沒有版權效應，或許直接兜售 Prompt 可以快速變現，終歸是不長久的買賣。将 Prompt 作爲漲粉工具，趁機吸引到可觀的粉絲群體，在流量變相高度繁榮的互聯網江湖，無疑更符合市場規律，也是 Prompt 被廣泛讨論的另一重誘因。
第三種：靠 Prompt" 找工作 "
正如前面所提到的，正确使用 Prompt 已經是提升生産力的前提，不單單産生了提示語工程，還醞釀出了一批 " 提示詞工程師 "（Prompt Engineer）。
國外一位名叫 Riley Goodside 的小哥，靠 ChatGPT 的 Prompt 快速漲粉，然後被矽谷獨角獸 Scale AI 聘請爲 " 提示詞工程師 "，據說年薪高達百萬人民币；另一位名爲 Jason M. Allen 的藝術家，則使用 Midjourney 赢得了 Colorado State Fair 周年藝術比賽……如果說計算機時代的能力密碼是編程，在生成式 AI 席卷全球的當下，Prompt 正悄悄成爲數以萬計打工人 " 傍身 " 的工具。
至少就目前來看，程序員群體裏已經漸漸興起兩股風潮：一類人瞄準了 OpenAI 等大模型企業的 API，想要坐在人工智能的副駕駛上創業；另一類人打起了創造 Prompt 的主意，想要利用信息差賺到第一桶金。
倘若 ChatGPT 的出現當真是所謂的 iPhone 時刻，圍繞 Prompt 的生意其實才剛剛開場。
03 Prompt 隻是過渡？
相對應的一個問題是，Prompt 是否是人工智能大衆化不可或缺的一環？這個問題的答案直接影響着 Prompt 和 Prompt Engineer 的紅利周期。
Open AI 的 CEO Sam Altman 曾公開表示：五年後，就不再需要 Prompt Engineering。也許在接下來的一段時間裏，我們仍需要提示語，需要去創造 Prompt，但生成式 AI 的發展速度可能超乎想象，AI 對人類的理解力遠未觸達天花闆。
可以佐證的是，第一代 iPhone 上市時還沒有 App Store，僅預裝了浏覽器、iPod、郵件等少量應用，想要安裝其他應用，需要在電腦上安裝 iTunes，用 USB 線将 iPhone 連接到電腦……爲了解決用戶體驗上的局限性，越獄工具和第三方應用商店應運而生，但在蘋果引入 App Store 後，越獄工具漸漸被丢進了曆史的故紙堆。
同樣的問題詢問 ChatGPT，答案似乎客觀了許多。
想要不用特定 Prompt 就能和 AI 流暢對話，ChatGPT 認爲需要解決四個挑戰：
1、AI 需要更好地理解語境和連貫性，哪怕用戶像《大話西遊》裏的唐僧一樣喋喋不休，或者語無倫次，AI 也可以準确理解用戶的意圖，這樣就不需要精确的提示詞，用自然語言進行提問。
2、AI 需要有豐富的常識和推理能力，即根據特定的信息和場景做出合理的回應，而非像現在的模型那樣 " 對牛彈琴 "，比如中文裏的多義詞、不同場景下不同含義的語氣詞，非常考驗推理能力。
3、AI 需要理解和處理情感信息，這也是當前 AI 研究的重心所在。人的情感可以有很多種表達方式，文字隻是其中重要的一種。在大模型不斷向多模态演進時，視覺和聲音是否也可以傳遞信息？
4、AI 需要有主動學習和适應能力。主動學習是指 AI 系統在學習過程中，能夠主動選擇最具信息量的樣本進行學習，在數據稀缺的情況下做出更好的決策；适應能力是指 AI 在面臨新的任務、場景或環境變化時，能夠自我調整并優化其行爲。
按照 ChatGPT 的标準，在 Prompt 消失的時候，勢必已經進入到了強人工智能時代，目前還有很長一段距離。
Prompt 及其衍生機會的消亡是一種曆史必然，在時間上仍有很大的不确定性，也許會很快出現另一場技術爆炸；也許 AI 會進入新一輪的瓶頸期， Sam Altman 的五年預期不過是 " 盲目樂觀 "。
04 寫在最後
或許可以借用科技媒體《VentureBeat》的說法：現在已經到了 AI 藝術的轉折點，未來的藝術家無論是自學成才還是科班出身，都需要有創造 Prompt 的能力，需要理解和學習數據科學，以及大模型的工作原理。
進一步延伸的話，需要有這些能力的絕不隻是藝術家，任何職業、任何行業的工作都不可避免和 AI 協作，将人類的思考和需求注入給 AI，不斷更新、創造 Prompt，将是大多數人必須要掌握的一種技能，就像現在必須要用輸入法打字一樣。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
