相信很多大家對DeepMind科學(xué)家：LLM沒有過度炒作！親身分享50個AI用例讓工作效率飛升50%還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

Nicholas Carlini是谷歌DeepMind的一位研究科學(xué)家，近日，他撰寫了一篇長達(dá)8萬字的文章，介紹自己是怎么使用AI的。

他詳細(xì)列舉了自己日常使用AI的50個實例，而且說這些只是他所有AI應(yīng)用的不到2%。

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

一開篇，Nicholas就亮出了自己的觀點:「我不認(rèn)為AI模型（LLM）被過度炒作了」。

他承認(rèn)AI泡沫的存在——「許多公司喜歡說自己『正在使用人工智能』 ，就像他們以前說自己由『區(qū)塊鏈』驅(qū)動一樣」。

但是，Nicholas認(rèn)為AI所取得的進(jìn)展可不僅僅是炒作。

因為在過去的一年里，他每周至少花幾個小時與各種大語言模型進(jìn)行交互，這些大語言模型能夠勝任越來越困難的工作。

有了這些模型，Nicholas在研究項目和副業(yè)項目中編寫代碼的速度至少提高了50%。

以下就是Nicholas使用LLM的幾個實例——

用他從未使用過的技術(shù)構(gòu)建整個網(wǎng)絡(luò)應(yīng)用程序

讓模型教我如何使用以前從未使用過的各種框架

將數(shù)十個程序自動轉(zhuǎn)換為C語言或Rust語言，將性能提高10-100倍

縮減大型代碼庫，大幅簡化項目

為他去年撰寫的幾乎每一篇研究論文編寫初始實驗代碼

將幾乎所有單調(diào)的任務(wù)或一次性腳本自動化

在幫助他設(shè)置和配置新軟件包或項目時，它幾乎完全取代了網(wǎng)絡(luò)搜索

約50%的網(wǎng)絡(luò)搜索被取代，以幫助他調(diào)試錯誤信息

Nicholas將這些例子分為了兩大類，一類是「幫助我學(xué)習(xí)」，另一類是「自動化無聊的任務(wù)」。

這些應(yīng)用可能并不花哨，因為它們都來自于Nicholas完成實際工作的需要，就像我們一樣——每天所做的大部分工作并不迷人。

但LLM的魅力正基于此:自動化完成那些工作中boring的部分。

作者背景

有一點很重要，Nicholas特別寫在了前面，他自己并不是一個樂于相信新技術(shù)的人。

盡管他經(jīng)歷了十年前安全界的加密炒作，但他沒有寫過關(guān)于區(qū)塊鏈的任何一篇論文，也從未擁有過比特幣，「它們基本上沒有任何用途，除了賭博和欺詐」。

除此之外，Nicholas作為一名安全研究員，近十年來，他的日常工作就是向人們展示人工智能模型在面對未經(jīng)訓(xùn)練的環(huán)境時會以何種方式慘遭失敗。

他已經(jīng)證明，對機器學(xué)習(xí)模型的輸入稍加擾動，就能讓它們產(chǎn)生大錯特錯的輸出。

或者，大多數(shù)機器學(xué)習(xí)模型都會記住訓(xùn)練數(shù)據(jù)集中的特定示例，并在你使用它們時重復(fù)這些示例。

所以，他完全理解這些系統(tǒng)的局限性。

然而，Nicholas毅然決然地宣稱「大語言模型為我的工作效率創(chuàng)造了自互聯(lián)網(wǎng)誕生以來的最大提升」。

如何使用語言模型

去年，Nicholas做了一個「GPT-4能力預(yù)測挑戰(zhàn)賽」的小游戲，共設(shè)置了28個由易到難任務(wù)，讓人們逐步預(yù)測GPT-4成功解決它們的概率。

GPT-4能力預(yù)測挑戰(zhàn)賽

結(jié)果很受歡迎，頁面瀏覽量超過了一千萬。你猜怎么著?整個應(yīng)用程序的初始版本幾乎全部是GPT-4編寫的。

Nicholas是通過一系列的問題來完成的，從詢問應(yīng)用程序的基本結(jié)構(gòu)開始，然后慢慢建立各種功能。

這段對話總共長達(dá)3萬字，真正凸顯了GPT-4（當(dāng)時最先進(jìn)的）原始模型的能力。

語言模型擅長解決人們以前解決過的問題，而這個測驗99%的內(nèi)容都是一些基本的HTML和Python網(wǎng)絡(luò)服務(wù)器后臺，世界上任何人都可以寫出來。

這個測驗之所以有趣，人們之所以喜歡，并不是因為它背后的技術(shù)，而是因為測驗的內(nèi)容。因此，將所有枯燥的部分自動化，讓Nicholas制作這個測驗變得非常容易。

Nicholas說，事實上，如果沒有語言模型的幫助，他可能就不會做這個測驗。因為他自己沒有興趣花時間從頭開始編寫整個網(wǎng)絡(luò)應(yīng)用程序。

一個人一天只有這么多時間，而且由于工作原因，Nicholas大部分時間都花在了解最新的研究進(jìn)展上，而不是JavaScript框架。

這意味著，當(dāng)需要在他的特定研究領(lǐng)域之外啟動一個新項目時，他通常有兩種可能的選擇。

首先，可以利用已經(jīng)知道的知識，這些知識往往已經(jīng)過時一二十年，但如果項目規(guī)模較小，往往已經(jīng)足夠。

或者，可以嘗試學(xué)習(xí)新的（通常是更好的）做事方法。

這就是LLM的用武之地。

因為像Docker、Flexbox或React這樣對Nicholas來說很新的框架/工具，對其他人來說并不陌生。

世界上可能有數(shù)以十萬計的人對這些東西都了如指掌，這也就意味著當(dāng)前的語言模型也是如此。

今年早些時候，Nicholas正在構(gòu)建一個LLM評估框架，希望能夠在一個封閉的環(huán)境中運行LLM生成的代碼，這樣它就不會隨意刪除他電腦上的文件或類似的東西。

Docker是完成這項任務(wù)的完美工具，但他以前從未使用過。

重要的是，這個項目的目標(biāo)并不是使用Docker，Docker只是實現(xiàn)目標(biāo)所需的工具。

Nicholas想要的只是了解他所需要的10%的 Docker，這樣他就能確信自己正在以最基本的方式安全地使用它。

如果是在上世紀(jì)90年代做這件事，Nicholas基本上只能買一本介紹如何從第一原理開始使用 Docker 的書，讀完前幾章，然后試著跳來跳去，找出如何做他想做的事。

如果是在前十年，情況有所改善。他會在網(wǎng)上搜索一些介紹如何使用Docker的教程，并試著跟著做，然后在網(wǎng)上搜索他發(fā)現(xiàn)的任何錯誤信息，看看是否有人遇到過同樣的問題。

但今天，「只需要請一個語言模型來教我Docker就好」。

由于篇幅所限，有關(guān)Nicholas使用LLM的更多示例，請移步到他的個人網(wǎng)站（文末有參考鏈接）。

結(jié)論

Nicholas稱自己寫作這篇文章有兩個動機，第一個是證明LLM已經(jīng)為他提供了很多價值。

第二個是為那些「很喜歡使用LLM，但不知道它們?nèi)绾螏臀摇沟呐笥烟峁┮恍┦纠?/p>

在展示這些示例之后，他最常聽到的反駁之一就是「但這些任務(wù)很簡單!任何計算機科學(xué)專業(yè)的本科生都能學(xué)會!」

只要花幾個小時四處搜索，本科生就能告訴你如何正確診斷CUDA錯誤，以及可以重新安裝哪些軟件包。

一個本科生只要花幾個小時，就能用C語言重寫那個程序。

一個本科生只要花幾個小時，就能研究相關(guān)的教科書，教給你任何你想知道的知識。

但不幸的是，我們沒有那個「神奇的本科生」，他會放下一切，回答你的任何問題。

但我們有語言模型。當(dāng)然，語言模型還沒有好到可以解決程序員工作中最難也最有趣的部分，目前的模型只能解決簡單的任務(wù)。

五年前，LLM所能做到的最好的事情就是寫出一段聽起來像是英語的段落，但它們的實際效用完全為零。

但如今，它們已經(jīng)讓Nicholas在編程方面的工作效率平均提高了至少50%，并且消除了足夠多的繁瑣工作，讓他做出了許多他從未嘗試過的東西。

所以，Nicholas才會旗幟鮮明地反對「LLM只是炒作」的觀點。

作為一個擁有20年編程經(jīng)驗的科學(xué)家，Nicholas利用LLM顯著提高了自己的工作效率，他相信，其他人也可以從中受益。

以上就是關(guān)于【DeepMind科學(xué)家：LLM沒有過度炒作！親身分享50個AI用例讓工作效率飛升50%】的相關(guān)內(nèi)容，希望對大家有幫助！