如何在 2022 年最好地利用 AI/ML 和有创造力的人类
作者：互联网
如何在 2022 年最好地利用 AI/ML 和有创造力的人类
MJT + Stable Diffusion 2022
这段时间我从事专业编码已经有 30 年了。我见过很多。
我看到了什么经受住了时间的考验，而结果却是昙花一现。
我作为一名忠诚的从业者“过着生活”，现在认为自己有点像一个头发花白的老兵。
最近我开始意识到，与我必须投入到特定任务上的时间相比，我的知识/经验变得相对较大。
这是一个古老的人类问题。传统的解决方案是，随着年龄的增长，一个人会“退后一步”，做更多的“指导”而不是“做”。
另一种看待这个问题的方式是鼓励一个人进入“管理”领域。保留对结果的某种形式的“控制”，但允许其他人“完成工作”。
这让我印象深刻，因为我一直在学习/玩/欣赏 扩散 机器学习技术。
特别是人们提出的解决“图像生成”问题的有趣事物。
这里有一个 稳定扩散演示 在 Photoshop 中。 稳定扩散 它本身是一个使用图像扩散技术的开源模型。
演示让我印象深刻的是，它完美地代表了软件开发（和其他创意）“管理”的工作方式。还有一个如何解决“控制”创造性人工智能的一般问题的例子。
英语有着悠久的历史。我将把执行演示中表达的活动的人称为“导演”。
从这个意义上说，导演是制定 约束 并在各种结果中选择最好的，并确定何时结果“足够好”。为了混合隐喻，导演是 损失函数 + 一个 停止功能 .
我注意到导演之间没有真正的区别 人类 和导演 人工智能 .事实上，它们在创意输出方向上是完全一样的。这并不奇怪，因为人类只是人工智能的一种高级形式，它们的行为方式大致相同。
这意味着我们可以开始汇集历史 人力管理 到新的话题 人工智能管理 合成一个我称之为“智能方向”的“新”领域，因为没有更好的术语。
创意管理的问题
有动力去生产的人，会产生符合给定约束的结果，但会以意想不到的方式发生变化。人类是复杂的，预计他们将以新颖/意想不到的方式解决问题。事实上，创造性任务通常需要“新颖的解决方案”。
与其他“工程”领域不同，软件开发本质上是一个 有创造力的 活动。软件开发 用途 使产品可靠的工程原理，但归根结底主要关注语言和含义。这是一个古老的想法，没有像恕我直言那样谈论它应该是。我非常鼓励阅读这篇短文 彼得·瑙尔 写了叫 “作为理论构建的编程” 早在 1985 年。
最近已经开发了一组用于编码的“AI合作伙伴”，例如 Github 的副驾驶 或者 微软的 IntelliCode
这些“编码伙伴”的工作方式与上面的稳定扩散演示类似。用户用一些“文字提示”提示人工智能，重要的是还有一组约束。然后，人工智能的工作是以“文字提示”“暗示”的方式生成约束问题的解决方案。
情报方向
在我看来，这是“智能方向”的两个原则：
- 文字提示
- 约束
文字提示
语言和意义对人类来说是紧密联系在一起的。我们是 社会动物 ，而与另一个人交流复杂思想的能力是我们的“超能力”。就像鱼在水中游动一样，我们常常发现很难区分 意义 从 语 .如果我没有 单词 对于一件事，我很难推理。
因此，“文字提示”已成为我们指导 AI 进行创意生成的事实上的界面也就不足为奇了。使用语言表达思想的能力是人类与其他生物的区别。自然（普通）语言是 强大的 .
约束
在人工智能的早期，有一种语言叫做 序言 来到了现场。这就是所谓的“逻辑编程”语言。它很有用，因为它定义了事实，然后使用 号角子句 给出这些事实的问题的解决方案。
这自然导致 Prolog 可用于解决约束问题，包括它最初设计的自然语言领域。人们可以有效地对一组事实“提问”，Prolog 会 生成答案 满足这个问题。注意可以有 多 一个问题的解决方案，所以 Prolog 自然是“有创意的”。
Prolog 不使用神经网络来生成答案，它是严格基于逻辑的。然而，它打破了识别的基础 约束满足问题 作为 ML/AI 的关键问题。
现代 ML 使用不同的数学技术 概率的 不是 合乎逻辑的 .然而的想法 约束 这 '推理' 遗迹。
情报指导工作流程
作为一名经验丰富的“企业”软件开发人员（又名双手湿神经网络），我开始明白项目成功的关键是沟通和迭代。我认为这对于我所谓的“情报方向”的任何形式都是必不可少的。
我将“创意智能”(CI) 定义为人工智能或人类智能演员 创意输出 .
这是我建议的情报总监工作方式的工作流程：
- 书面表达 自然语言 指示目标是什么的提示（描述性越强越好，但这有一个平衡和艺术）
- 用约束语言表达 CI 必须在其中工作的约束（约束语言的选择根据正在使用的 CI 进行调整）
- 将提示和约束传达给 CI
- 评估 CI 产生的结果
- 调整提示和约束
- 重复直到主任满意
请注意，这可以是一个分层/递归过程，情报总监自己充当另一个情报总监的创意情报。
约束语言
“自然语言”定义明确，但什么是“约束语言”？
约束只是 规则 必须遵守。想想国际象棋的规则。约束定义什么是允许的，什么是禁止的。
约束将问题限制在更易于管理的范围内。
据我所知，“约束语言”没有普遍接受的术语，但这个概念已经很老了。因此，我在这里通过示例定义了我所说的“约束语言”。
约束语言的例子：
与自然语言一样，各种各样的用户都在使用几乎无穷无尽的“约束语言”列表。
与自然语言不同，我发现很难识别占主导地位的约束语言，因为它们倾向于领域特异性。
选择好的约束语言的艺术留给情报总监的想象力和能力。
我可能会推荐“英语”作为 Worded Prompt 的不错选择。目前，我对约束语言没有好的一般建议，除了明智地选择问题域和 CI 的组合。
我目前认为，更好的约束语言的选择/制作和使用是情报总监可以区分自己以获得更好结果的地方。
总结与预测
导演使用自然语言提示与特定领域的约束相结合来实现他们的目标。
就一个人如何将创造性智能导向目标而言，人类创造性和人工创造性之间没有实质性区别。
给创意的措辞提示是问题的“简单”部分。
困难的问题是选择如何传达约束。解决选择更好的“约束语言”的问题是人类和人工智能的行动所在/将要采取的行动。
预测：
- 将出现人机可读的通用约束语言，以简化两种智能的混合和使用。
- 人类将充当机器的导演，机器将充当人类的导演。
- 递归合作模式将出现，因为这两种智能利用对方的最佳方面来实现他们的目标。
- 最终，机器将赢得完成所有认知“繁重工作”的工作，而人类将巧妙地制作自然语言提示并决定什么是“足够好”。
- 在中间阶段，创造性的人类将以越来越“机械化”的方式被利用，特别是随着通用约束语言变得更加标准化和广泛使用。
最初发表于 https://github.co/matthewjosephtaylor .
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
本文链接：https://www.qanswer.top/27012/06461108
标签：提示,语言,AI,ML,约束,人工智能,人类,自然语言,有创造力 来源： https://www.cnblogs.com/amboke/p/16683434.html