?

近年來，大型語言模型（LLM）在人工智能領域引起了巨大關注。有人認為它們是革命性的技術，將徹底改變我們的工作和生活方式，而另一些人則認為它們只是炒作，沒有實際價值。Google 技術專家 Nicholas Carlini 在文章《How I Use "AI"》中給出了他對 LLM 的看法，并展示它們如何幫助他提高工作效率。作者通過大量實例展示了 LLM 在各個方面的應用，包括構建應用程序、學習新技術、簡化代碼、處理單調任務、解釋概念、解決一次性任務和修復常見錯誤等。作者強調，盡管 LLM 存在局限性，但它們在解決特定類型任務方面已經非常有用，并且隨著時間推移，它們的能力只會變得更強。

作者在文中給出了豐富的使用實例展示自己是如何使用 LLM 工作的，包括：

1.構建完整的應用程序

我讓 LLM 為我編寫了一個流行的在線測驗的幾乎整個初始版本。通過一系列問題，我逐步構建了應用程序的各種功能，包括后端和前端。這讓我能夠快速啟動項目，而無需花費大量時間從頭開始編寫代碼。

2.作為新技術的導師

當我需要學習新技術（如 Docker）時，我不再依賴靜態教程，而是與 LLM 互動。我提出問題，它為我提供了解決方案和解釋。這讓我能夠快速掌握新技術，而無需深入研究。

3.開始新項目

LLM 幫助我克服了開始新項目的困難。例如，當我想要編寫 CUDA 代碼時，我讓 LLM 為我編寫了第一遍代碼。這為我提供了一個起點，讓我能夠繼續進行項目。

4.簡化代碼

我經常使用 LLM 來簡化復雜的代碼庫。例如，我將一個 500 行 C++代碼文件放入 LLM 中，并請求一個更短的文件來實現相同的功能。它完美地工作了，并為我節省了大量時間。

5.處理單調枯燥任務

LLM 幫助我自動化了許多單調枯燥的任務，例如將數據格式化為結構化格式、生成引用和創建圖表。這讓我能夠專注于更有意義的工作。

6.讓每個用戶成為“高級用戶”

LLM 為每個用戶提高了下限。即使您以前什么都做不了，現在您也可以做更多的事情。例如，我使用 LLM 來學習 Emacs 的復雜功能，而無需花費大量時間閱讀文檔。

7.作為 API 參考

我經常使用 LLM 作為 API 參考。例如，當我想要知道如何在 LaTeX 中使文本變為紅色時，我不再搜索或閱讀文檔，而是直接問模型。

8.搜索難以找到的東西

LLM 在搜索難以找到的信息方面也非常有用。例如，我使用它來查找有關 Python 元類中特殊字符的信息，而這在標準搜索引擎中很難找到。

9.解決一次性任務

我經常使用 LLM 來編寫一次性腳本，例如將數據轉換為不同格式或下載數據集。這讓我能夠快速完成任務，而無需花費大量時間。

10.為我解釋事情

LLM 還幫助我理解復雜的概念。例如，我使用它來了解電子學的基本知識，而無需閱讀整本書。

11.解決有已知解決方案的任務

LLM 在解決有已知解決方案的任務方面也非常有用。例如，我使用它來將 Python 代碼轉換為 C 代碼，以提高性能。

12.修復常見錯誤

我經常使用 LLM 來修復常見錯誤。例如，當我在使用 Docker Compose 時遇到問題時，我將錯誤信息粘貼到 LLM 中，并請求解決方案。

原文經典摘抄：

“在過去的一年里，我每周至少花幾個小時與各種大語言模型互動，并一直對它們解決我交給它們的越來越困難的任務的能力印象深刻。”

"這就是語言模型的用武之地。因為對我來說大多數新的框架/工具，如 Docker、Flexbox 或 React，對其他人來說并不新鮮。世界上可能有成千上萬的人完全理解這些東西。所以當前的語言模型也是如此。"

"把 500 行 C++代碼全部放入大語言模型中，并請求一個更短的文件來實現同樣的功能。它完美地工作了。然后我請求一個圍繞 C++代碼的 Python 包裝器。這也奏效了。"

"有很多我必須做的事情只是無聊，不需要任何思考，但需要完成。大語言模型極大地減輕了這種痛苦，讓我知道我只需要解決有趣的問題就可以更輕松地開始做某事。"

"我寫這篇文章有兩個動機。第一個是我在開頭說的：我想爭辯說大語言模型已經為我提供了很多價值。但還有：我看到很多人說‘我喜歡使用大語言模型的想法，但不知道它們如何能幫助我’。"

?

本文轉載自 ??AI工程化???，作者： ully

原文鏈接：??https://mp.weixin.qq.com/s/XB-4p4Vxb3cUx0AacjvFmg??