报谈

裁剪：庸庸 乔杨

现有的LLM是否确凿有效？在使命中确凿使用LLM的场景都有哪些？谷歌DeepMind科学家属目共享了他是怎样「玩转」AI，匡助我方提质增效的。

Nicholas Carlini是谷歌DeepMind的一位筹备科学家，近日，他撰写了一篇长达8万字的著述，先容我方是奈何使用AI的。

他属目列举了我方普通使用AI的50个实例，而且说这些只是他统统AI应用的不到 2%。

著述地址：https://nicholas.carlini.com/writing/2024/how-i-use-ai.html

一开篇，Nicholas就亮出了我方的不雅点：「我不合计AI模子（LLM）被过度炒作了」。

他承认AI泡沫的存在——「许多公司可爱说我方『正在使用东谈主工智能』 ，就像他们以前说我方由『区块链』驱动一样」。

然而，Nicholas合计AI所得到的推崇可不单是是炒作。

因为在已往的一年里，他每玉成少花几个小时与各式妄言语模子进行交互，这些妄言语模子大要胜任越来越结巴的使命。

有了这些模子，Nicholas在筹备姿色和副业姿色中编写代码的速率至少提高了 50%。

以下等于Nicholas使用LLM的几个实例——

用他从未使用过的时刻构建通盘网罗应用要领 让模子教我怎样使用以前从未使用过的各式框架 将数十个要领自动调治为C话语或Rust话语，将性能提高10-100倍 缩减大型代码库，大幅简化姿色 为他昨年撰写的简直每一篇筹备论文编写驱动实际代码 将简直统统单调的任务或一次性剧本自动化 在匡助他缔造和树立新软件包或姿色时，它简直皆备取代了网罗搜索

约50%的网罗搜索被取代，以匡助他调试无理信息

Nicholas将这些例子分为了两大类，一类是「匡助我学习」，另一类是「自动化败兴的任务」。

这些应用可能并不花哨，因为它们都来自于Nicholas完成本色使命的需要，就像咱们一样——每天所作念的大部单干作并不迷东谈主。

但LLM的魔力正基于此：自动化完成那些使命中boring的部分。

作家布景

有小数很迫切，Nicholas卓绝写在了前边，他我方并不是一个乐于信托新时刻的东谈主。

尽管他阅历了十年前安全界的加密炒作，但他莫得写过对于区块链的任何一篇论文，也从未领有过比特币，「它们基本上莫得任何用途，除了赌博和诈骗」。

除此除外，Nicholas当作别称安全筹备员，近十年来，他的普通使命等于向东谈主们展示东谈主工智能模子在濒临未经教授的环境时会以何种形势惨遭失败。

他也曾解说，对机器学习模子的输入稍加扰动，就能让它们产生大错特错的输出。

或者，大多量机器学习模子都会记取教授数据集中的特定示例，并在你使用它们时访佛这些示例。

是以，他皆备聚合这些系统的局限性。

关联词，Nicholas审定毅然地声称「妄言语模子为我的使命效果创造了自互联网出身以来的最大擢升」。

怎样使用话语模子

构建完整的应用要领

昨年，Nicholas作念了一个「GPT-4才略臆测挑战赛」的小游戏，共缔造了28个由易到难任务，让东谈主们渐渐臆测GPT-4告捷处理它们的概率。

GPT-4才略臆测挑战赛

适度很受接待，页面浏览量跳动了一千万。你猜奈何着？通盘应用要领的驱动版块简直一起是GPT-4编写的。

Nicholas是通过一系列的问题来完成的，从磋商应用要领的基本结构早先，然后正经缔造各式功能。

这段对话所有长达3万字，真确突显了GPT-4 （那时起原进的）原始模子的才略。

话语模子擅所长理东谈主们以前处理过的问题，而这个考试99%的内容都是一些基本的HTML和Python网罗处事器后台，寰宇上任何东谈主都不错写出来。

这个考试之是以理由，东谈主们之是以可爱，并不是因为它背后的时刻，而是因为考试的内容。因此，将统统枯燥的部分自动化，让Nicholas制作这个考试变得十分容易。

Nicholas说，事实上，要是莫得话语模子的匡助，他可能就不会作念这个考试。因为他我方莫得兴趣兴趣花时间重新早先编写通盘网罗应用要领。

当作新时刻的导师

一个东谈主一天惟有这样多时间，而且由于使命原因，Nicholas大部分时间都花在了解最新的筹备推崇上，而不是Java框架。

这意味着，当需要在他的特定筹备鸿沟除外启动一个新姿色时，他频繁有两种可能的接收。

最初，不错诳骗也曾知谈的常识，这些常识时时已历程时一二十年，但要是姿色限度较小，时时也曾弥散。

或者，不错尝试学习新的（频繁是更好的）作念事措施。

这等于LLM的用武之地。

因为像Docker、Flexbox或React这样对Nicholas来说很新的框架/器用，对其他东谈主来说并不目生。

寰宇上可能稀奇以十万计的东谈主对这些东西都了如指掌，这也就意味着刻下的话语模子亦然如斯。

本年早些时候，Nicholas正在构建一个LLM评估框架，但愿大要在一个闭塞的环境中运行LLM生成的代码，这样它就不会粗放删除他电脑上的文献或类似的东西。

Docker是完成这项任务的完整器用，但他以前从未使用过。

迫切的是，这个姿色的办法并不是使用Docker，Docker只是兑现办法所需的器用。

Nicholas思要的只是了解他所需要的10%的 Docker，这样他就能服气我正大在以最基本的形势安全地使用它。

要是是在上世纪 90 年代作念这件事，Nicholas基本上只可买一册先容怎样从第一旨趣早先使用 Docker 的书，读完前几章，然后试着跳来跳去，找出怎样作念他思作念的事。

要是是在前十年，情况有所改善。他会在网上搜索一些先容怎样使用Docker的教程，并试着随着作念，然后在网上搜索他发现的任何无理信息，望望是否有东谈主遭逢过相同的问题。

但今天，「只需要请一个话语模子来教我Docker就好」。

由于篇幅所限，相关Nicholas使用LLM的更多示例，请移步到他的个东谈主网站（文末有参考不竭）。

论断

Nicholas称我方写稿这篇著述有两个动机，第一个是解说LLM也曾为他提供了许多价值。

第二个是为那些「很可爱使用LLM，但不知谈它们怎样帮我」的一又友提供一些示例。

在展示这些示例之后，他最常听到的反驳之一等于「但这些任务很纯粹！任何计较机科学专科的本科生都能学会！」

只须花几个小时四处搜索，本科生就能告诉你怎样正确会诊CUDA无理，以及不错再行装配哪些软件包。

一个本科生只须花几个小时，就能用C话语重写阿谁要领。

一个本科生只须花几个小时，就能筹备干系的教科书，教给你任何你思知谈的常识。

但痛苦的是，咱们莫得阿谁「神奇的本科生」，他会放下一切，回复你的任何问题。

但咱们有话语模子。虽然，话语模子还莫得好到不错处理要领职使命中最难也最理由的部分，当今的模子只可处理纯粹的任务。

五年前，LLM所能作念到的最佳的事情等于写出一段听起来像是英语的段落，但它们的本色服从皆备为零。

但如今，它们也曾让Nicholas在编程方面的使命效果平均提高了至少 50%，而况摒除了弥散多的繁琐使命，让他作念出了许多他从未始试过的东西。

是以，Nicholas才会判若曲直地反对「LLM只是炒作」的不雅点。

当作一个领有20年编程教育的科学家，Nicholas诳骗LLM显耀提高了我方的使命效果，他信托，其他东谈主也不错从中受益。

参考贵寓：

https://nicholas.carlini.com/writing/2024/how-i-use-ai.html

来源：https://www.top168.com/news/show-54573.html哥也色蝴蝶谷