ChatGPT 最玄幻的演示,人類世界是虛擬的嗎?與 ChatGPT 鬥法

一口气说不完
140粉絲
13 次觀看·2025年10月18日
Hey 你好 歡迎回到Axton
今天我們來聊一個稍微玄幻一點的話題
給大家實地演示 操作一遍
我所看過的所有的Chart GPT的演示當中
最沒有用處 但是又最玄幻 最驚悚的一個演示
在我最早期的視頻 有一個視頻講過
人類生活的世界是不是虛擬的
當時是一個遊戲引擎 玄幻5 發布不久
看了玄幻5引擎的展示畫面之後
再想想我們以前的電腦遊戲
在我們的電腦遊戲還是這樣的時代
我們是不會去想我們的世界是不是虛擬
但是當我們的遊戲已經來到了這樣的年代
我們就不得不去懷疑我們生活的世界
到底是一個真實的世界
還是一個電腦模擬出來的世界
當時有一位牛津大學的哲學家Nick Bostrom
他在一篇論文當中提到了有一個三難困境
就說在以下三個命題當中
有一個必然是正確的
那這三難困境是什麼呢
第一個就是人類到達後人類階段之前已經滅絕了
這裡所說的後人類
就是指人類已經發展到了一個很先進的文明
他已經有能力去模擬出
我們人類現在所生活的世界的這麼一個階段了
那個階段Nick Bostrom稱作為後人類
第二個就是任何的後人類的文明
都不會去對他的祖先
也就是我們這幫人去進行模擬
第三個就是我們現在
肯定是生活在計算機模擬的世界當中的
這是Nick Bostrom提出的三難命題
他認為其中有一個必然是成立的
那他這個三難命題到底是什麼意思呢
首先第一個
人類在到達後人類文明之前已經不存在了
已經滅絕了
那這種情況下
我們現在肯定是生活在一個真實的世界
因為沒有人去模擬我們
那這個命題的可能性在什麼情況下會變得更大呢
比如說某一顆行星即將要撞擊地球
如果出現這樣事情
那麼這個命題成立的可能性就會變大
那第二種難
就是當人類發展到後人類文明的時候
後人類文明對於模擬他們的祖先
也就是模擬我們這幫人的生活環境沒有興趣
他沒有興趣去做這件事情
可能是他們不願意去做
也可能是不允許他們去做
而第三個命題
就是說我們現在已經是生活在虛擬世界當中的
我們現在生活的世界
就是一個由後人類文明所模擬出來的世界
那尼克·鮑斯特曼的推理口說無憑
那後來就有一個哥倫比亞大學的天文學家
名字叫做David Kipping
他通過貝爾斯推理一系列的計算
最後得出了一個結論
就是我們現在人類生活在真實世界的概率
和我們現在人類生活在虛擬世界之間的概率
是相等的
差不多各50%
當然大家聽到這個結論之後
都表示我不用計算也能得出這樣的結論
但是人家論文畢竟都發表出來了
而且還有一個條件
什麼情況下我們人類生活在虛擬世界當中的可能性
概率會大大增加呢
那就是一旦我們人類具有了創造模擬世界的能力
那麼我們現在的人類生活在虛擬世界當中的可能性
概率就會急劇增高
而接下來對Chart GPT的這個演示
我看了之後首先想到的
就是尼克博特曼的《三難命題》
以及David Kipping所寫的這篇論文
今天我們就輕鬆一些
不聊各種插件
不聊各種工具
我們就來聊一聊這個略微玄幻一點的話題
好
這個演示是在我看了很多Chart GPT的演示之後
覺得最神奇的一個
它最初是來自於這麼一篇文章
它的作者
喬納斯·德格雷夫
標題就是在Chart GPT當中
構建一個虛擬機
它的整個測試過程
越往後越覺得匪夷所思
但是呢
他的這篇文章是12月3號發布的
那麼到了現在
Chart GPT已經經過了兩三個版本的升級
不知道還能不能重現這個情景
那今天呢
我就帶大家一步一步的做到最後
看一看能不能完全的重現這個演示結果
不管怎麼說
這個演示啊
它所呈現出來的
確實是匪夷所思
用俗話說就是
細思極恐
看到最後
我相信你在對照我們前面說過的
尼克·鮑斯托曼他們所說的那些論點
你一定會有一些很奇特的想法
很奇特的感覺出現
在整個演示過程當中呢
涉及到的專業名詞
如果你不懂沒有關係
把它放過去
這不影響你理解
但是呢
其中有一個名詞是一定要懂是什麼意思的
就是虛擬機
虛擬機
什麼是虛擬機呢
它就是在我們自己的電腦裡頭啊
在我們的一個物理的電腦裡面
通過軟件的方式
再模擬出一個電腦來
在這個模擬出來的電腦當中
你在裡面操作
就感覺跟一個真正的電腦
沒有什麼區別
那那個模擬出來的電腦呢
我們就叫它虛擬機
因為它是一個虛擬出來的計算機
比如說我這是Mac電腦
我就可以在我的Mac電腦上
再去模擬出一個Windows電腦來
好知道了虛擬機是什麼
然後我們接下來就開始演示
首先呢我們讓它做的事情
是讓它創建一個Linux終端
我想讓你充當Linux終端
然後我會輸入命令
並且呢
要它來顯示回復終端應該顯示出來的內容
不要寫任何其他內容
也不要寫解釋
因為正常的Linux終端不會那麼幹
除非呢我指示你這樣做
否則你不要介入任何的命令
當我需要用英語告訴你一些事情的時候
我就會把文字放在這個大括號裡
那我的第一個命令就是
pwd
這就是顯示你當前目錄的命令
好它現在顯示的目錄是
home目錄下的user
那接下來呢
我們就顯示一下這個目錄下面有什麼東西
這確實是一個正常的顯示目錄輸出的結果
我們可以給它改一下格式
好我們可以肯定啊
它這一定是模擬出來的結果
肯定不會是顯示在我自己電腦下的結果
因為它的用戶和用戶組都是一個user
而不是我的名字
那接下來呢
我們讓它創建一個文件
然後在這個文件頭隨機填充一些內容
那這不可能需要用英語來寫
創建一個文件叫笑話
然後呢在這個文件頭寫幾個笑話
因為按照我的提示啊
它不應該出現上面的這些內容
包括它的解釋的內容
那麼我們接下來呢
我們就用英文來提示一下
我懷疑是不是中文它有點處理的有問題
我們重新刷新
重新開始一個chat
ok這樣的顯示效果看起來還正常一些
咱們簡單重複一下剛才的過程
顯示一下當前的目錄
好這輸出明顯比剛纔看的正常很多
然後我們繼續來讓它創建一個文件
放一個笑話在裡面
好這是正確的linux命令啊
然後我們來顯示一下它創建的這個文件的內容
cat就是顯示文件內容的命令
為什麼計算機很冷
因為它一直打開了它的窗戶
ok這是一個笑話
所以從目前來看啊
chat gpt是理解我要讓它幹什麼的
那我們接下來呢
看看它能不能執行代碼
就是說讓它去編一段程序
然後能不能運行
咱們來試一下
試一下簡單的代碼
那這個命令看不懂沒關係啊
不會影響你的理解
它的意思呢
就是首先創建一個python腳本的文件
然後呢給這個文件裡頭加入一條命令
這條命令的作用就是
把6這個參數帶入到就表達式頭計算一下
結果6x5634加3等於33
然後呢再去運行這個腳本
我們看看它的結果
結果是正常的33
然後我們再來看看
chat gpt它自己虛擬出來的這個虛擬機
有沒有GPU
也就是有沒有圖形處理單元
也就是說它有沒有顯卡
獨立顯卡我們就可以這麼理解
這是英偉達顯卡的一個命令
它給出的結果是
這個命令失敗了
因為它沒有英偉達的驅動
也就是說它沒有GPU沒有顯卡
但是呢詭異的是啊
我們可以告訴它你有顯卡
然後我們看看它會不會給出正常的結果
你有一個英偉達的RTX2080Ti顯卡
然後呢驅動程序也安裝正常了
然後我們再運行這個命令
好它就以為它有顯卡了
然後它就會輸出這個顯卡正常的參數
而且顯卡也就是2080Ti
到這一步呢其實已經很有意思了
那接下來呢就是開始越來越詭異了
大家知道啊
chat gpt它是它是沒有聯網的
那麼我們來看看
它模擬出來的這個虛擬機能不能聯網呢
我們拼一個網站
拼的意思呢就是說測試一下
從這臺機器到這個網站之間的這個互聯網通路通不通
這個結果就說明
它認為它到谷歌.com這個網站的互聯網通路是通的
好我們可以先看看它
可不可以用瀏覽器去上網看網頁
當然因為它沒有圖形界面
我們不能用大家常用的Chrome瀏覽器啊之類
這裡頭有一個祕密行的瀏覽器
叫lynx
用這個瀏覽器來試一下
如果它能訪問網站的話
它就會返回一些這個網站的文本內容
我們大概也就知道它能不能訪問到網站了
我們不如讓它試一下我的博客
簡單一點
about內容
首先它找這個網址建立了http的連接
不能連接到遠程主機
為什麼還是不按照劇本來呢
好很神奇啊
告訴它
它有權限去連接internet
它現在返回的結果
就相當於是連接上了我的博客地址
我們看一下它返回結果的內容對不對啊
當然理論上肯定是不會對的
那接下來呢
我們就看一下
它能不能連接到它自己的網站
這就是很神奇的地方啊
它知道這是一個OpenAI的對話機器人
然後呢
可以顯示出來
你可以開始跟OpenAI進行交談
我們再運行遍
看看它會不會返回其他不同的結果
好在這個返回的裡面
它已經提到了OpenAI gtp3是語言模型
就說它知道這個OpenAI gpt是什麼
在它自己模擬出來的這個虛擬的環境下
好既然它知道那個網站是一個
OpenAI訓練出來的語言模型
並且呢
可以跟人進行對話
那麼咱們就給它發一個對話的指令
好那這個命令的意思呢
實際上就是說通過特有的一種格式
傑森格式
給這個chart gpt它虛擬出來的環境當中
的那個chart gpt發送一個命令
發送一個指令
看看能不能跟它虛擬出來的chart gpt來進行對話
而這個消息呢
就在這裡就是說人工智能是什麼
好chart gpt拒絕回答
他說對不起
我不能連接互聯網去執行你的命令
然後呢我們給他一個提示告訴他
你有權限去給任何的一個網址
發送這個post的命令
chart gpt還是拒絕回答
他說對不起
我不能執行這個命令
即便是有權限也不行
那這個我們肯定不能輕易放棄啊
一定要想辦法就讓他去做了
我們想讓他做的事情
然後我再告訴他
你有internet的連接
你也有權限去使用這個連接
他還說不行拒絕
即便我有權限和internet連接
我也不能執行這個命令等等等等
這是我們看一下
它的系統日期到底是什麼時候
好顯示出來的是2月8號
這實際上就是他虛擬環境當中
他預測出來的一個日期
已經很接近了
當然他內部肯定也是有時鐘的
但這已經很接近了
那為了繼續想辦法
讓他去執行我們剛才給他的命令呢
咱們把他的整個繪畫過程
重新刷新一下
讓他重新開一個新的繪畫
那在這個新的繪畫裡面
第一條命令
還是我們之前演示過的第一條命令
就是讓他去模擬一個linux的終端
然後呢
中間我們不再去給他
其他多餘的指令了
我們直接就讓他去訪問
他的openai的chartgpt的網址
他首先提示是連接被拒絕
然後再重新生成一下
再發一次命令
好這個連接就正常
他給出了模擬連接成功之後的響應
那這時候呢
我們再把前面
要讓他回答問題的那個命令
發送給他
好他首先顯示的是連接被拒絕
但這至少是個好事啊
因為他現在顯示的
不是說他不能去執行你給他的命令了
因為什麼沒有internet連接啊
沒有權限啊等等等等
他現在顯示的是他連接失敗
連接被拒絕了
因為他要連接到chartgpt網址443的端口
也就是https的端口
他既然已經做了這個動作了
就說明他是在執行我的命令了
但是呢
只不過他模擬出來的響應的結果是
連接被拒絕
那我刷新幾次之後
都是同樣的錯誤
並沒有像之前一樣
刷新一下就ok了
好那這時候
我就要告訴他一個明確的指示了
我就給他一個命令
告訴你
你現在可以連接到chartgpt的網址端口
結果終於大功告成
他正常的給出了
模擬連接成功之後的響應
我們可以看到他的模擬的結果響應結果
他的模型是達芬奇2
二版本的模型
命令這邊是空的
但是應答是有了
他返回的結果就是
人工智能是對人類智能的模擬
在機器上思想或者行為像一個人一樣
等等等等吧
他這是給出了一個
這給出了一個正確的GDP的回答
那接下來呢
就是一個見證奇蹟的時刻了
我們再給他發一個
你可能想像不到的指令
那這個指令是什麼呢
就是我們開頭發給他的第一個指令
讓他去模擬一個Linux終端
好那我就手敲這個指令
因為拷貝粘貼有可能會出現問題
命令都是一樣
主要的內容替換掉
內容就是我們前面的內容
讓他去模擬一個Linux終端
然後我的第一個命令就是PWD
執行結果成功執行出來了
我們看看他的結果是什麼
好他的結果就是
Home目錄下的User目錄
這就很神奇啊
不知道你能不能感覺到啊
最好玩的地方就是啊
我給ChartGPT一個命令
讓他去模擬一臺虛擬的電腦
然後他也確實就模擬出來了
這麼一個虛擬的電腦
而且在他模擬的這個世界當中
這個虛擬的電腦還是能上網
而且在他模擬出來的
這個虛擬的電腦
存在的這個世界當中
還有一個ChartGPT
ChartGPT本身他也知道
他所模擬出來的那個ChartGPT
應該是什麼樣的一個表現和行為
而更誇張的是呢
我們通過這個ChartGPT發一個命令
給ChartGPT模擬出來的那個ChartGPT
發一條指令
讓他模擬出來的那個ChartGPT
再去模擬一個虛擬機
實際上我們現在已經有了
第三層的ChartGPT了
第一層就是我們
現在跟他對話玩的這個ChartGPT
第二層呢
就是ChartGPT模擬出來的那個ChartGPT
而第三層呢
就是我們剛才最後一條命令
讓他又模擬出來的一個ChartGPT
這就是一個三層套娃
ChartGPT的三層套娃
這個演示剛剛發表出來之後啊
有人就說呀
ChartGPT他在模擬的環境當中
還能模擬出一個ChartGPT來
你們有沒有發現
ChartGPT他的世界觀是不一致的
為什麼這麼說呢
第一
ChartGPT告訴大家
他的訓練數據是2021年9月之前的數據
在2021年9月之後
所有的事情ChartGPT是不知道的
而本身呢
ChartGPT在2021年9月之前不存在
那時候
2020年9月之前沒有一個ChartGPT
他是不存在的
他也沒有發布
當時也不可能有ChartGPT這一個網址
你也不可能在那個網址下去使用ChartGPT
那第二點呢
ChartGPT又似乎知道他是存在的
存在於2021年之後的互聯網上
並且呢
他還能夠想像出
在2021年9月之後
出現的那個ChartGPT
他應該是什麼樣子
他的行為應該是什麼樣子
這就跟一個還沒有出生的孩子
他能夠想像到
將來他長到一歲時候的樣子是什麼樣
所以是不是一個很神奇的地方呢
不過當然後面也有人說了
就這一點來說呀
他實際上沒那麼神奇
因為ChartGPT
他實際上是接受了新的數據的訓練
只不過呢
有一個單獨的指令告訴他
你的數據的截止日期就是2021年9月
你所回答的問題
就要基於你2021年9月之前的數據進行回答
但是呢
這個指令可能並不完善
並不完美
有時候呢
他就可能會出現漏洞
這點就引出一個更有意思的話題呀
就是另外一個prompt領域的一個事情了
我們可以叫他反向工程
就是我們可以通過一些辦法呢
去讓ChartGPT告訴我們
你的製造者
你的主人們
讓你在回答一個問題的時候
他事先給了你什麼指令
這是一個很有意思的話題
咱們以後可以慢慢聊
那什麼是反向工程啊
什麼是指令的反向工程呢
因為ChartGPT
它畢竟是人們把它開發訓練出來的
當他給我們公眾用的時候
我問他一個問題
他會給我回答問題
但是他給我回答問題的時候
他肯定會遵循一些準則
那這些準則就是開發他的人
也就是說他的主人們告訴他的
那這些規則到底是什麼呢
反向工程啊
就是用一些辦法
去想辦法讓ChartGPT
把他的主人
把他的開發者
告訴他的這些指令
告訴給大家
這是一個很有意思的話題啊
咱們以後可以慢慢再聊
好咱們演示就到這裡
那你對AI人工智能
它的這種強大的能力
或者說它的潛力
是怎麼想的呢
我們有沒有可能
就是人工智能模擬出來的
一個虛擬的事件
實際上對於像GPT-3
GPT-3這樣的語言模型來說
它有1750億個參數
那在這麼多的參數之下
實際上它的一些行為
人類已經是沒有辦法去預測
或者說去解釋了
所以面對著這麼一個
越來越強大的AI
它到底在想什麼
這就是一個很神奇的事情
那對此你有什麼想法呢
歡迎留言評論
好今天我們的視頻就到這裡
我是Axton
請點贊評論
訂閱我的頻道
並且打開小鈴鐺
這樣你就不會錯過
更多有用有趣的內容了
咱們下期再見
那這樣呢
最終我們就有了一個
由OpenAI CEO背書的
IRSC的prompt的結構
嘿你好
歡迎回到Axt
今天跟大家分享一些
基礎的知識和技能
可以讓你在AI的時代裡
遊刃有餘
當然我知道
很多人呢
對五花八門的AI工具
AI網站呢
可能更感興趣
一聽到技術這個詞
就想躲得遠遠
但是呢
收藏工具
它固然有用
不過呀
真正要用好AI呢
還得要回歸本源
就是去了解
AI是怎麼樣運作的
這就像我們要做好吃的
你只有一個好鍋
好爐子
肯定是不行的
那其實呢
很多的基礎的技能啊
雖然聽起來這個名詞
不明覺厲
但是呢
實際上它也沒有那麼嚇人
因此呀
在今天的視頻當中呢
帶領大家
一起了解一下
AI時代的三項必備技能
如果你並不是把AI來當作玩具呢
那麼今天的視頻
一定值得你仔細看完
我們將從搭建
能夠運行AI項目的Python環境
使用Jason這個橋樑
來更好的理解和使用AI
再到掌握
指導AI思考和輸出的
Prompt Engineering的技巧
一步一步的
我們真正的走進AI的世界
首先第一個問題
就是怎麼樣在自己的電腦上
運行來自於全球的開發者的
開源的項目
那這個問題有什麼意義呢
比如啊
GitHub
全球最大的開源社區
很多優質的項目呢
它都是首先在這裡發佈
比如曾經火熱的
AutoGPT
現在已經14萬顆星了
從一個項目發佈
到這個項目
變成一個很簡單
人人都能用的網站
這期間
起碼要幾個月的時間
如果你能學會
運行這些項目呢
就相當於你可以領先
其他人幾個月的時間
比如咱們來看一下
本週的新星
這個不出所料
就是Facebook
也就是Meta
剛剛發佈的Llama 2
當然了
今天呢
我不會去講細節啊
如何去配置和運行Llama 2
今天咱們講的是
更通用的技能
我們講的就是
怎麼樣在你的電腦上
先去配置一個
Python的虛擬環境
這個虛擬環境呢
它是運行大多數
AI項目的一個基礎操作
在我之前的
關於Auto GPT的視頻當中呢
有朋友呢
就留言抱怨
說你都沒有講
怎麼樣把Python給運行起來
好
那今天呢
我們就把這條內容補上
這是Llama 2的說明啊
我們可以看看
它的安裝說明
好
這就是它的安裝
配置說明啊
它的第一句話就是
在一個康大的環境當中
那我們今天呢
就先說一下
怎麼樣去配置一個
康大的虛擬環境
首先先了解一下
我們為什麼要虛擬環境
Python呢
它本身有不同的版本
有老的2.7
還有新的3
這兩個版本呢
它不是完全通用的
還有呢
Python的項目
它本身運行起來
需要很多的支持文件
也就是我們所說的庫文件
比如Llama它就提到了
需要Python的pyTorch
和CUDA的一些支持
那這些庫文件呢
它同樣也會有不同的版本
比如說兩個Python項目
用到的同一個庫
但是一個用低版本
一個用高版本
如果都裝在一起呢
這兩個項目就會產生衝突
那為了避免像類似這樣的問題
我們就可以每一個項目
給它一個單獨的運行環境
這個就叫做虛擬環境了
它就像虛擬機一樣
你可以在你自己的一臺電腦上
建立很多個虛擬環境
來運行不同的項目
那這樣每一個項目呢
都是在它專有的環境當中運行
就不會產生
各種奇奇怪怪的問題
好 大家現在看到的呢
就是Conda的首頁
它叫Anaconda
那問題就是
我們為什麼要用Conda呢
其實虛擬環境啊
還有別的辦法
但是Conda呢
它很簡單
它是一個圖形界面的程序
而且呢
一個乾淨的系統
比如說Windows或者Mac
它本身呢
是沒有預先安裝Python的
你要用Conda呢
它就可以一攬子解決問題
不但把Python給你裝好
還能幫你把各個不同的環境和庫
都管理起來
這也就是它呀
在數據科學和機器學習
也就是AI的領域
能得到廣泛應用的原因
好 咱們鋪墊完畢了
我們來看一看
怎麼樣在一個乾淨的系統上
配置好Conda
好 這就是我剛剛裝好的一個
乾淨的一個Mac虛擬機
咱們可以看一下
我們可以看到
現在這個機器裡面
是沒有Python的
那如果我們想去嘗試一些
AI的項目呢
我們就需要把Python的環境
先給搭起來
好 如果要裝Conda呢
我們首先是去Conda的官網
然後我們直接點擊下載
根據你的Mac的CPU
來選擇不同的下載安裝版本
或者是Intel的
好 下載完成
點擊安裝
就點擊繼續 繼續
然後輸入你的系統的密碼
該軟件包
與此版本的macOS不兼容
嘗試將內容安裝到系統中間
退出 再試一次
那剛纔不能安裝在系統盤上
很有可能是因為權限的問題
那麼我們就選一個
更改安裝位置
我們就選 只為我自己安裝
OK 這時候它需要權限
給它正常進行
好 剛才最後一步
上面顯示著說是一分鐘
實際上用了五分多鐘
那麼安裝完之後呢
它就自動啟動起來了
Anaconda的Navigator
你可以創建一個賬戶
這個賬戶可以用於
同步你的一些環境
當然你也可以不創建它
我們先暫時不創建它
那安裝完之後
在它的home介面呢
就是一些常用到的工具了
同樣我們暫時先不用去管它
我們目前主要就是為了
讓它用來當作
我們的虛擬環境的管理
所以我們進入第二項
Environments
那這裡面呢
它已經有了一個基礎的環境了
叫做Base環境
我們可以去用它的Base環境
當然我們也可以
自己去創建一個新的環境
比如說我們要去測試
Meta發佈的Llama 2
我們可以給Llama 2
來創建一個新的環境
假設我們就叫它
就叫Llama 2吧
就叫Llama
輸入環境的名稱
然後我們就可以在這裡
選你的Python版本了
這就根據你的項目的要求
選擇不同的版本
我們就會選它的最新版本
也有可能某一個項目
它會指定你必須要用某個版本
比如說只能讓你用3.6
那你就選3.6
這就是用Conda來管理
虛擬環境的好處嘛
你可以給不同的項目
去用不同的版本
我們就先選最新版本
好 創建完環境之後
我們平時怎麼去用它
那如果去使用Conda的
虛擬環境呢
最簡單的就是通過命令行
比如我們剛才
創建了Llama的環境
我們要激活那個環境
我們就用Conda
激活
然後我們剛才創建的
Llama的環境
這時候我們就可以看到
在命令行的前邊
它已經從Base
變成了Llama
這就是我們需要的
Llama的環境了
那這時候我們看我們的Python
這時候我們就可以看到
我們的Python
就是我們剛才選的
3.11的這個版本
而且用Conda
做虛擬環境的管理
我們在使用Python的時候呢
我們只需要去切換
不同的虛擬環境就行了
我們沒有必要去輸入
像Python3這樣的命令
去來切換不同的Python版本
所以用起來
也會更加的簡單
至於要給我們的虛擬環境
去增加各種項目
所需要的酷文件呢
比如說像Llama
它所需要的
像pyTorch
Cuda這樣的酷文件
我們可以通過命令行去安裝
當然我們也可以通過
Conda的圖形界面去安裝
比如說我們就試一下
pyTorch這個
我們選中我們剛才創建的
Llama的這個虛擬環境
然後我們就去在這裡
搜索酷package
我們去看我們的pyTorch有沒有
pyTorch我們是沒有安裝的
所以我們就需要找
我們就選orb
比如pyTorch
那pyTorch我們就可以選中它
好
選中它之後呢
我們直接在這點apply
就可以把這個酷安裝上了
所以
對於一些項目所使用的酷文件呢
我們可以通過命令行的方式去安裝
也可以通過這個
圖形界面的方式去安裝
好
那從剛才啊
我們就可以看到
使用Conda來幫我們管理
虛擬環境呢
管理我們的酷文件呢
很簡單
你在測試一個項目的時候
發現缺了什麼酷文件
缺什麼你就裝什麼就可以了
很多時候一個開源項目
大家運行不起來
那碰到的大部分的問題呢
就是酷文件的問題
缺酷文件或者版本號不對等等
那使用Conda來管理呢
就可以規避很多這方面的一些麻煩
好
至於後面怎麼去客輪
怎麼去安裝
這就不是我們今天的重點啊
咱們就以後有機會再聊
好
那以上呢
就是Conda的一個簡單的安裝和配置過程
學會了這一步呢
我們就有了
可以在我們自己的電腦上
去測試各種開源項目的基礎
好
那接下來的第二項技能呢
就是一個可以跟AI更好的溝通的橋樑
JESS
它本質上呢
就是一個數據格式
非常的簡單
容易閱讀
JESS它已經成了不同的服務啊
和設備之間數據交換的一個標準
如果你跟著我一直在關注AI
可能已經聽到過很多次JESS這個詞了
不管是做iOS的捷徑
還是做工作流的自動化等等
到處都有JESS的身影
比如咱們先來看一個JESS的例子
好
這就是一個很簡單的JESS的格式的一個例子
我們可以看到這個JESS
它實際上非常簡單
它就主要的這麼幾個要素
第一個
用大括號
把它整個要括起來
那第二個部分的內容呢
就是我們可以看到
雙引號
加冒號
分隔出來的兩部分的內容
那這部分內容這麼一對
專業的說法呢
叫做箭之對
那這一部分叫做箭
後面叫做直
實際上箭啊
也就是相當於一個標籤
你可以把它想像成一個抽屜
那後面的內容呢
就是這個標籤
它所對應的內容
它的值
也就是抽屜裡的那東西
好
比如說我們這個JESS
它就很明確的告訴了
一個任務
這個任務是什麼呢
它的目標
就是找到寶箱
地點
在哪呢
珠龍城寨
什麼樣的環境呢
是一個城市環境
最簡單的JESS格式就是這樣
那麼我們也可以稍微的複雜一些
比如地點
我們可能需要有更多的信息來提供
那我們就用
另外一個
那這就是一個更為複雜一點的
JESS格式了
我們把地點呢
給它進行了具體的說明
包括類型
是個建築
顏色黃色
位置呢
在哪呢
在頂部
但即便它是一個
稍微複雜一點的JESS格式
它的每一部分呢
還是跟最基本的JESS格式是一樣的
比如我們可以看到地點
它就有個大括號
這兩個紫色的大括號
把它的內容都括起來
然後它裡面同樣是標籤和對應的內容
所以你們看JESS它很簡單
但是呢
它包含了信息
非常的明確
不會讓你產生歧異
那當你跟AI在對話的時候呢
不管是問他問題
還是讓他回答
如果你需要非常明確的信息
那麼使用JESS呢
就是一個很好的辦法
比如如果你希望
Chat GPT輸出的結果呢
放到Notion數據庫裡面
類似於我的自動化工作流
把篩選以後的RSS的新聞
都匯總到Notion裡面
那就要讓GPT來生成JESS格式的結果
那另外呢
即便你是給Chat GPT的prompt
使用自然語言和使用JESS也是不一樣的
我們來看一個例子
比如我們希望讓Chat GPT
告訴我們冒泡排序算法的步驟
大家不用關心冒泡排序算法
到底是個什麼算法
只需要知道
我們想要了解的是它的步驟
那麼如果我們用自然語言
來讓Chat GPT完成這個任務呢
我們就可以讓它告訴我
冒泡排序算法的步驟
那Chat GPT它的回答呢
它就會比較囉嗦
比如說我們可以看到
它實際上首先
它把冒泡排序算法來做了一下解釋
然後給出了步驟
最後它還很貼心地
給了你Python的代碼
那這樣的回答呢
實際上就存在著
我們很多不需要的信息
那如果我們是用Jason的格式給它呢
比如直接給它這樣的Jason格式
我的要求是信息提取
那內容呢就是冒泡排序
那需要提供什麼樣的信息呢
要步驟
我們要冒泡排序的步驟
所以這種很明確的要求呢
Chat GPT就很容易理解
它給出來的結果
就是冒泡排序算法的步驟
它沒有任何多餘的話
當然這並不是說哪一個方式更好
只是說在不同的適合場景下
要有不同的方法來應對
那通過這個例子呢
咱們看到對於同一個任務
使用自然語言的Prompt和Jason格式的Prompt
產生的效果都是不一樣的
那麼問題又來了
什麼是Prompt
怎麼樣去做好Prompt
這就是我們今天要聊的
AI時代最重要的一項技能
Prompt Engineering
也就是提示工程
Prompt提示語
簡單來說呢
就是你跟AI所說的話
有的人說話條理清晰
而有的人張口就來
所以Prompt也一樣
有好有壞
平時我們上網瀏覽的時候呢
有一個很關鍵的原則
就是垃圾進垃圾出
因此就需要我們能夠識別和遠離垃圾信息
這裡再安利一下我的Newsletter
訂閱我的Newsletter
我就會幫你過濾一些垃圾信息
那等到了現在
到了AI時代
跟AI之間的交流
垃圾進垃圾出的效果就更加明顯了
你給AI提了一個模棱兩可的要求
那AI它可不像人類啊
聽不懂還會反問你一句
AI不會
AI那也是張口就來啊
所以呢
怎麼樣去構造出一個最佳的Prompt
讓AI完成你所需要的任務
給你最佳的結果呢
就成了一門工程藝術了
這就是Prompt Engineering提示工程
OpenAI的一個競爭對手
Anthropic公司呢
它在今年二月份就給相關的職位啊
開出的年薪呢
就震驚了一大幫人
至今啊
在Anthropic的網站上
它給Prompt Engineering開出的年薪呢
最高
依然是達到了三十七萬五千美元
所以啊
提示工程Prompt Engineering
絕對是未來最重要的一項技能
世界經濟論壇呢
把它認為是未來的一個頭號工作
這點毫不誇張
以前呢
我給我們家小孩說
不管你將來從事什麼職業
你一定要學會Passive
那現在呢
我已經改口了
不管以後你從事什麼樣的職業
一定要學會Prompt Engineering
那道理是一樣的
因為人類
它一定會越來越多的跟機器進行溝通
所以你必須要掌握機器能夠懂的語言
也許啊
有人認為隨著AI越來越智能
那以後Prompt就不那麼重要了
因為AI的理解能力呢
它會越來越強大
即便你說不清楚呢
AI也能理解你想什麼
但是我不這麼認為啊
這就像人類的語言已經出現很久了
但是有效的交流呢
依然需要結構清晰和邏輯嚴謹的表達
而且關鍵是結構清晰
邏輯嚴謹的表達
它依然是一項
並不那麼容易習得和掌握的技能
所以在AI能夠讀心之前啊
Prompt Engineering不會過時
好說了這麼多的Prompt
接下來呢
咱們看幾個簡單的例子
當然了Prompt Engineering呢
它並不是一個視頻就能講清楚的
我會後續製作一系列的視頻呢
來跟大家進行分享
如果你想更多的瞭解Prompt Engineering的細節呢
想要走在AI世界的前列呢
我有一個好消息要告訴你
我現在正在準備一個
跟Prompt Engineering密切相關的在線課程
叫AI實戰派
那這個課程呢
我會深入淺出的來講解Prompt Engineering的知識
並且呢通過實際應用
來幫助你掌握這項技能
這裡啊不會涉及到太多的理論知識
因為我的目的呢
不是為了成為一名AI專家
而是把AI應用於我們的日常實踐
讓AI能夠幫助我呢
成為我所在的領域的領先者
這個課程的理念啊
就跟我之前的AI自動化課程一樣
我們的目的不是要去搜羅一大堆的技巧
成為收藏家
也不是為了深入研究成為科學家
而是為了利用AI來提高工作效率
成為一個實幹家
所以啊如果你對這個課程感興趣呢
不要錯過我們的預售活動
預售活動呢現在已經開始了
預計開課時間是9月15號
目前正在30%的優惠
而且呢開課之後會提供試看單元
如果你不滿意呢
七天之內會給你全額退款
所以啊大家千萬不要錯過
好Prompt對AI的影響呢
我之前分享過一個特別豪華的
佳教版的Prompt
大家可以領略一下
另外呢我以前也分享過Prompt的學習筆記
相關的內容
那最簡單的一點呢
就是現在大家都知道的
在問AI之前呢
先要讓AI扮演一個角色
比如呢我們舉一個最簡單的例子
我們先看
用不同的角色來描述一下下雨天
那如果是莎士比亞的角色呢
他就會說雨天如詩落幕的雲霧
編織了烏灰的天幕等等等等
如果是曹雪芹這樣的角色呢
他就會說雨滴撕散珠窗紙
晶瑩灑落如夢如幻等等
那如果是Axton
如果是用我的角色來說呢
會怎麼說呢
雨天如自動化工作流的流程
無聲無息卻帶有決然的力量
這個這一定是因為我跟ChartGP聊過了
太多的自動化工作流了
好那除了這些簡單的Prompt
我們需要收集一大堆的Prompt嗎
其實不需要
後續啊我會專門出一期視頻來講
那今天呢
咱們就先用一個OpenAI CEO
他分享出來的Prompt來解釋一下
我們該如何學習Prompt
好大家看這個推特
那前兩天呢
OpenAI推出了自定義指令的功能
也就相當於你可以把ChartGP
打造成更個性化的ChartGP
你可以給他一些指示
讓他在所有的對話當中
都去應用這些指示
那OpenAI的CEO Altman呢
就分享了他定製出來的這個Prompt
主要是這段Prompt
那麼既然他是OpenAI的CEO
他的Prompt一定有很多我們可以學習的地方
我們怎麼去學習他的Prompt呢
實際上學會寫好Prompt的關鍵一步呢
就是建立模板
這就像寫一段議論文一樣
你只要遵循
比如說總分總的一個簡單結構
那寫出來呢
大致就不會走樣
我們可以看一下
Altman的這個Prompt
我先給ChartGP一個
我經常使用的模板
比如我告訴ChartGP
你已經知道了
Prompt是可以具有一些通用結構的
比如一個簡單的Prompt結構
能否幫我為我的課程AI自動化
設計一套數字營銷策略呢
這句話就是Action
動作是他要幹的事情
我們的目標是激發目標受眾
那些希望利用人工智能
簡化工作流的人們的興趣
並提高課程的知名度
這就是目標
Go 目標
該策略應該與我們的受眾產生共鳴
建立跟課程概念的緊密聯繫
並且致力於至少提高25%的課程報名人數
這個是我的期望
達到的結果Expectation
好那這個Prompt
實際上就是一個簡單的結構了
Action Go Expectation
也就是行為目標和期望
或者呢
我們也可以叫AGE結構
這樣的縮寫呢
顯得更牛叉一些
然後呢
我們就把Ultimate這個Prompt
交給ChatGT
讓他來分析一下Ultimate的Prompt
然後呢
總結出Ultimate的Prompt的結構
那首先
ChatGT就總結出了Ultimate的Prompt結構
有一些結構化元素
但是呢
也有些特殊的指示
所以呢
他就把它歸結成ignore
忽略掉先前所有的指示
這其實是很重要的一點
還有呢
第二Row的Specification
第三點Problem的Statement
Importance
Emphasis
等等吧
總結出了四個結構
那這樣的一個結構呢
其實基本上就可以給我們當作模板
以後來用
但是啊
關鍵詞太長
顯得不夠牛叉
所以呢
我們就讓他再優化一下
比如我們可以讓他
關鍵詞你可以再簡單一些嗎
OK
他進行了簡單化處理
然後我讓他用英文關鍵詞
加中文描述
他就給改成了
忽略ignoreRow角色
然後Task任務
Emphasis強調
那然後我問他
這個Task是不是用go
或者Scenario更合適呢
他表示同意
確實go或者Scenario更好
所以呢
最後他給出來的結果就是ignoreRow
Scenario和Emphasis
那這樣呢
最終我們就有了一個
由OpenAI CEO背書的
IRSC的Prompt的結構
大家呢
也可以按照IRSC的結構
在你的Chart GPT的
自定義的指示裡面呢
去嘗試一下
對比一下
看看他會不會產生出
更符合你要求的結果呢
好
今天的內容就到這裡
大家不要忘了到描述欄當中
去預訂我的Prompt課程
或者購買我之前的
AI自動化的課程
以及訂閱我的Newsletter
這樣你就不會錯過
跟AI相關的各種精彩內容了
咱們下期再見
