提示词工程学的前世此生：Generative Pre-trained Transformer 到AIGC，再
人工智能（Artificial intelligence，AI）的演进已然变革了我们对于技术的理解以及应用方式。自最初的规则系统直至当下的深度学习，AI 在众多领域均彰显出了极为巨大的潜力。当中，生成式预训练模型（Generative Pre-trained Transformer，GPT）属于近些年来引发广泛瞩目标技术之一。而且基于这些技术，人工智能生成内容（AI-Generated Content, AIGC）获得了广泛的运用。而提词工程学（Prompt Engineering）作为与 AIGC 精密相连的新兴范畴，也逐步吸引了人们的关注。一、GPT的发展进程
GPT的核心是Transformer架构，它由Vaswani等人在2017年提出。Transformer通过自留意力机制（Self-Attention）来捕获序列中各个位置之间的关系。相比传统的循环神经网络（RNN）和卷积神经网络（CNN），Transformer在处理长序列时服从更高，性能更好。GPT接纳预训练-微调（Pre-training and Fine-tuning）的策略。在预训练阶段，模型在大规模未标注数据上举行训练，学习语言的基本结构和规律。微调阶段，模型在特定任务的数据集上举行调解，使其适应具体的应用场景。这个策略使得GPT能够在差别任务上体现出色。
2018年，OpenAI发布了GPT-1，这是第一个基于Transformer的生成预训练变换器模型。2019年，OpenAI推出了GPT-2，这一版本在参数目上有了明显的提升，从GPT-1的1.17亿参数增加到15亿参数。2020年，OpenAI发布了GPT-3，它的参数目达到了1750亿，是GPT-2的十倍多。
2023年，OpenAI发布了GPT-4，进一步提升了模型的本领和性能。GPT-4不但在参数目上有所增加，还在处理复杂语言任务、理解上下文、生成连贯文本等方面体现出色。2024年，OpenAI推出的“GPT-4o mini”迷你AI模型和SearchGPT原型，都是其致力于在“多模态”领域保持领先地位的一部分。所谓“多模态”，即在一个工具内部，提供多种类型的AI生成媒体，包括文本、图像、音频、视频以及搜刮功能。
二、GPT期间的AIGC
AIGC（AI-generated Content）即由人工智能所生成的内容，涵盖的范畴包括但不限于文本、图像、音频以及视频等等。AIGC 技术的关键核心在于生成模型，比方 GPT 之类，其依附对大量数据的学习从而生成高品格的内容。AIGC 的问世，给内容创作带来了全新的大概性以及挑战。
我们应当了解，AIGC 的发展进程能够追溯至 20 世纪 60 年代，彼时约瑟夫·魏岑鲍姆（Joseph Weizenbaum）研发出了 ELIZA，这属于早期的自然语言处理步调，其旨在模拟人类之间的对话。ELIZA 能够借助简单的模式匹配技术和用户睁开互动，尽管功能存在一定的局限性，然而它却彰显出计算机生成类人交互的潜力。不过，陪伴 OpenAI 的 GPT 系列的推出，这意味着 AIGC 迈入了一个至关紧张的里程碑阶段。由于 GPT 模型运用了 Transformer 架构，颠末大量数据的预训练，能够生成连贯且与上下文精密相干的文本，极为逼真地效仿人类的写作风格。不管是新闻报道、市场营销的相干内容，还是交际媒体的帖子，AI 均能够迅速生成高质量的文本内容。举例来说，GPT-3 被广泛运用于生成新闻文章、博客内容以及技术文档等等。这些成效都是以往的技术所无法达成的！
三、AIGC 的发展催生了提示词工程学
随着 ChatGPT 的问世和发展，一批以年轻人为主的群体开始热衷于探索大型语言模型和图像生成步调，实验让它们执行其开发者未曾预料乃至未曾设想的任务。然而，在这个过程中，也面临着诸多技术困难和伦理争议。很多创新公司可以雇佣具有对人工智能模型命令设计和优化的人士，因为他们可以通过设计复杂的提示词来发现模型的特点来来完成工作任务。但是，要找到真正夺目此道的人才并非易事，且相干本钱也较高。
所以，一门这样的技术就出现了！提示词工程学（Prompt Engineering）是指通过设计和优化输入提示词，来引导人工智能模型生成期望的输出。这一过程涉及对模型举动的风雅控制，以达到特定的目标或解决实际问题。提示词工程学不但包括简单的笔墨输入，还大概涉及到复杂的语言结构和上下文设置。
提示词工程学的关键技术包括提示词设计、模型调解和自动化提示词生成。提示词设计是基础，常见策略有示例驱动、格式化提示和上下文设置，分别通过提供示例、特定格式和配景信息资助模型理解任务。模型调解是提升性能的紧张本领，包含模型微调以提高特定任务适应性、参数调解优化性能、多轮对话提升输出质量。随着发展，自动化生成提示词技术渐渐成熟，涵盖遗传算法、强化学习和自动化工具，分别能自动生成和优化提示词、依据反馈优化、简化设计优化流程。
陪伴着各类 AIGC 模型不断增多，技术在多维度上的进步以及应用范围的拓展，提示词工程学必将发挥愈发关键的作用，为各行各业赋予崭新的时机与挑战。期望本文能够为您带来关于提示词工程学的开端认知。
https://i-blog.csdnimg.cn/direct/0f95d12c2d9540b0887e9c1f8a8bc3d5.jpeg
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]