摘要：与 AI 相关的概念有很多，容易让人混淆，其中最主要的是 GPT、文本类 AIGC、人工智能。由下图可知，这 4 个概念之间是逐层包含的关系。
GPT-4掀起AIGC应用狂潮，从技术到产品，再到普及应用，在这个过程中 AIGC完全配得上“爆发”这个词。
本文将从AI的局限性、以及如何正确调试AI入手，带你揭开AI的神秘面纱。
AI存在的局限性
与 AI 相关的概念有很多，容易让人混淆，其中最主要的是 GPT、文本类 AIGC、人工智能。由下图可知，这 4 个概念之间是逐层包含的关系。
首先要明确一点，AI只是时代赋予我们的新工具，AI并不“包治百病”，也存在很多局限性。
● 缺乏真正的创造性：AIGC 可以生成丰富的内容，但它只能根据已有的数据进行模式学习和内容生成，无法像人类一样进行真正意义上的从 0 到 1 的创造。
● 很可能出错：AIGC 非常强大，但它依旧会犯错，而且不可控。有些错误很明显，有些错误隐藏得很深。例如，AIGC 给出一个链接，这个链接可能是空的；AIGC 给出一个解释，但可能是错误的。这类问题，从原理上不可能完全解决。
● 存在文化甚至种族偏见：这类问题的根源是训练材料中隐藏着偏见，这个问题也很难从根本上解决。
● 版权风险：由于 AIGC 生成的内容是基于已有的数据进行学习后生成的，因此在使用这些数据时可能存在版权问题。另外，人类投入智力和精力生成的内容，很可能在我们不知情的情况下被服务商用作训练大模型的素材，这就会进一步加大版权风险。
● 隐私和安全风险：大多数情况下，我们都是通过远程的方式来使用 AIGC 服务商的服务的。服务商可以完全掌握我们提的问题、做的操作、生成的内容，这就会让隐私和商业秘密面临泄露的风险。
先了解它的局限性，才能更好地熟悉并掌握这个新工具，避免被AI生成的内容“欺骗”。
如何正确地使用AI？
“ AIGC 这么强，为什么我还要学怎么用？直接问它不就好了？”这是初学者经常存在的疑问。
AIGC 确实强大，甚至在某些方面已经超过了人类。
但是 AIGC 无论多么强大，都不可能直接掌握用户的独特信息和精确需求。我们当前需要什么，有什么具体要求，必须清晰地告诉 AIGC。如果没有清晰表达，AIGC 就只能去猜测或者用常规的需求来替代。
若是碰巧遇到了你想要的需求，那效果就很好，但若是没遇到那你的体验就会非常差。
怎么向AI准确描述你的需求，就是零基础小白学习AI知识和使用AI工具的有效第一步。
在这里，给初学者推荐SWIFT 雨燕法。
第一步，描述场景。描述场景是生成优质文本的前提。描述场景包括角色身份设定、环境描述等。
新手总是迫不及待地提出要求：“给我写一个营销计划”“给我列出本周的短视频选题”“给我做一个品牌传播方案”……却不知如果没有描述清楚场景，AIGC 根本无法给出合适的答案。
要初步掌握描述场景的方法，可以先做“一句话练习”。写这句话时，只提供场景信息，不提需要什么内容，最好能够结构化表达。告诉 AIGC 我是谁，我处于什么环境中，我有什么任务需要完成。
举个例子：我是公司的小红书账号运营人员，公司新推出了适合全天穿着的瑜伽裤，我需要在小红书上为新产品做宣传。
第二步，表达需求。完成场景描述后，我们就可以表达需求了，也就是向 AIGC工具明确提出我们需要什么样的文本。与描述场景一样，我们对需求的表达也要清楚、细致，包括性质、用途、篇幅、样式等多个维度的信息。
● 计划书、合同、小红书文章、短视频脚本、JavaScript 代码……这是性质。
● 用于某活动的宣传，这是用途。
● 2000 字左右、15 秒左右……这是篇幅。
● 加 上 序 列 号， 用 表 格 形 式 输 出， 用 Markdown 格式输出……这是样式。
这些词汇从不同角度描述了对内容的需求，帮 AIGC 充分理解我们需要什么。如果没有这些表述，AIGC 就会按自己的理解来“补齐”需求信息。
记住，AIGC 很可能犯错，有些错误很明显，有些错误隐藏很深。所以，对于验收成果，人永远不能放松警惕。经验告诉我们，只要你一放松检查，错误就可能发生。
第三步，进行验收。对生成的文本进行验收时，要根据我们的意图来判断生成内容的质量。验收之后，有 3 种情况：
1）内容符合预期。若是对 AIGC 生成的文本基本满意，就可以终止与 AIGC 的交互了。将文本导出，进入下一个工序。注意，这里所谓的“满意”是打一定折扣的，要想尽可能接近我们的终极要求，往往需要与 AIGC 进行多轮交互。如何精确地控制 AIGC 输出的结果，一直是一个难题。交互的次数太多会影响效率，但是太少又会影响质量。这时就需要我们有折中思想，有妥协意识。例如：我们用 GPT 生成一篇公众号文章，经过多轮交互，已经很接近我们的需求了，这时我们就可以认为已经达到了“理想”结果。将文本导到公众号文章编辑器里，再加上一个自己刚刚收集的案例，再调整几处措辞和小标题，就可以发布了。后面这些动作如果一定要让 GPT 来实现，反而会花费更多的时间。
2）方向不对，重新提问。有时我们会发现，AIGC 生成的文本和我们想要的方向完全对不上。此时我们可以直接放弃当前内容，重新提问。重新提问就是重新描述场景，重新提需求。刚开始使用文本类 AIGC 工具时，这种情况比较多。等到我们熟练了，掌握了更好的方法，大方向不对的情况就很少出现了。
3）方向正确，还想迭代。大方向是对的，但离理想的状况还有较大差距。这时我们要做的就是继续对话，根据需要补充或调整场景描述和需求描述，以便生成更优质的文本。
关于SWIFT 雨燕法的详尽使用办法，以及其他调试文本类、视觉类大模型方法，在《AIGC重塑营销》一书有详细表述，感兴趣的读者欢迎购书学习。
来源：机械工业出版社一点号