視頻+PDF【SSP閱讀理解精講】上海學生英文版SSP高中階段閱讀理解 基礎版+進階版+高階版 P16 - 第16篇 training AI

同學們好,歡迎來到SSP英語外刊閱讀語篇精選基礎版的錄播課, 現在我們開始上課。 今天我們要上的文章是Training AI, 它是一篇專題報道,詞數爲365個字,難度爲6.9, 對應的主題語境是人與社會下面的科學與技術。 下面我們開始上課,我們先來看課文的標題, 課文的標題叫做Training AI, 那Training的話我們都知道是訓練的意思, 那AI的話它是Artificial Intelligence的縮寫。 Artificial Intelligence也就是人工智能, 現在最火的一個概念,人工智能。 There's a new kind of AI jobs, 那麼它說這個有一個新的kind, 這個kind指的是種類, 也就是出現了一種新的人工智能工作, It pays six-figure salaries, 那麼這裏比較難理解的就是這裏的six-figure salaries, Salary大家知道是薪水, 那麼six-figure的話指的就是六位數, 那我們知道六位數的話對應的就是十萬, 那麼也就是說它提供的薪水是六位數的薪水, 也就是十萬美元以上的薪水, And it doesn't require a degree in computer engineering coding, 那麼它不需要一個degree, 那麼什麼是degree呢? 也就是學位,在這裏的degree指的是學位, 什麼方面的學位? Computer Engineering Coding, 也就是計算機工程編程的學位, 它這個工作是不需要的。 Companies are looking for, be looking for就是尋找的意思, 那麼公司正在尋找people, 來尋找人,尋找人幹什麼呢? 後面是to,來表達尋找人的目的, 那麼這個地方要稍微給大家說一下 這個工作到底是來幹什麼的, 那麼它是要craft prompts, 那麼craft prompts就是撰寫,撰寫prompt, 在這裏的prompt指的是 給人工智能工具的這樣的詞或者提示, 也就是說如果你要, 比如說你要生成一篇寫得比較好的文章, 比如說你要寫一篇作文吧, 那你怎麼樣告訴AI說 請你給我寫一篇作文呢? 你用什麼樣的提詞語告訴它 我需要一篇怎麼樣的作文? 好,那麼是這些, 類似這樣的工作就是這些人在做的。 好,那麼就是他們說他們正在找這些人, 然後這些人要寫這個提詞, 然後這些提詞是什麼呢? 好,那麼寫這些提詞, 那麼這些提詞是可以來訓練人工智能的, 那麼他們就在找這樣的人, 可以寫這些提詞的人。 那麼這些人就被稱爲提詞工程師。 好,那麼大家比較熟悉的就是ChatGPT, 所以他就舉例子就用了ChatGPT。 那麼ChatGPT這些都叫做什麼呢? 那麼也就是說他們是生成式人工智能, 後面馬上就告訴你了, 什麼是生成式人工智能, 大家彆着急。 好,那麼我們看到底什麼是生成式人工智能呢? 好,那麼首先告訴你, 這就是一種AI, 什麼樣的AI? 是可以生成內容的AI。 那麼生成的內容包括什麼呢? Such as,給你舉例子了,對吧? 包括什麼?比如說什麼? 比如說文本,Test, Audio是音頻, Video是視頻, and Images就是圖像。 比如說生成了這些東西, 就有下面的這些選擇。 In response to,這個大家可以劃一下。 In response to表示的是, 按照誰是誰的請求。 那麼按照誰的請求呢? A user's request, 就是用戶的請求。 他們是根據用戶的請求可以生成, 可以生成這些內容的, 這樣的一個AI, 就被叫做生成式, or generative artificial intelligence. Prompt engineers train AI to deliver better response. 好,那麼這個他就告訴你說, 那麼prompt engineers, 也就是我們的這些提詞工程師, 他們要訓練, 這裏的train還是訓練, 訓練AI來後能夠提供更好的回應。 好,這個就是prompt engineer的工作, 先告訴了你。 Anne Bernstein, a prompt engineer at Koku AI, writes prompts and feeds them into AI tools. 好,那麼接下去給你介紹了這樣的一個人, 就Anne Bernstein, 那麼這樣的人, 然後後面用了一個同位語, 來告訴你她的身份, 她的身份就是a prompt engineer, 那麼她就是一個提詞工程師, 那麼在哪裏工作的呢? 就在Kopi.ai, 就是在這個公司工作的。 好,那麼這個公司的話, 在這個公司工作, 她的工作是什麼? Writes prompts, 那麼她的工作就是來寫提詞詞, 並且feeds them into AI tools, 這的feed, 其實就是把她寫的提詞輸入進去, 那麼把她的提詞, 這裏的dum指的是prompts, 這裏的dum指的是前面說到的這個prompts, 然後她寫了這些提詞, 並且把這些提詞呢, 把它輸入到AI的工具當中, This helps the AI generate tests, such as a blog post or email, 好,那麼this指的是前面她做的這件事情, 就可以幫助AI來生成文本, 那麼什麼是文本呢? 其實就是文字, AI就會反饋你還是文字, 後面就是such as給你舉例子, 比如說什麼呢? A blog post, 那麼這裏的blog post指的是博客的文章, 就類似於我們大家比較熟悉的公衆號的文章, 那麼是個人, 一般都是由個人或者由一個公司自己生成的自媒體文章, or email, email大家都知道是電子郵件, 那麼如果你給她打進去, 想要的文本的要求, 她就可以給你反饋一篇文章, 那麼這個文章還沒有結束, 那麼generate test, 什麼樣的test? 好, 那麼她就是用這個戒指短語來修飾這個文本, 那麼說這個文本具有準確的信息和恰當的語氣, 那麼accurate information, 這個比較好理解, 準確的信息也就是說, 你跟她說, 比如說你給我寫一個郵件, 給老師請個假, 那麼她很快就給你寫出來的, 那麼什麼叫做proper tone呢? 這個tone到底是什麼這個語氣啊? 那就比如說, 你給老師寫了一個郵件, 說老師我比如說肚子疼啊, 我能不能check什麼游泳課請假, 對嗎? 好, 那麼你肯定是不能用命令式的口氣寫, 就我肚子疼, 你一定要給我請假, 對吧? 這個就雖然information是對的, 但是這個tone是不對的, 好, 大家明白了啊, 這個就是要有一個proper tone, she doesn't need to write code to do this, 那麼她說呢, 她是不需要來寫什麼code, 那麼在這裏的code, 在計算機的這個領域當中, 這個code就是代碼的意思, 她不需要懂得怎麼樣計算機編程啊, 怎麼樣寫代碼, 她不需要的, 她不需要寫代碼啊, 然後she simply types instructions, 她只需要簡單的輸入指令就可以了, 就可以獲得這樣的反饋, 好, 那麼這個是說她在什麼時候開始參加這個工作的, 對吧? 就是2021年的9月份, 好, 那麼這個時候, 當時的時候, 對吧? 這個全部都是引用她說的話啊, 當時的時候, 她說這個還沒有很多, 我們當時我們提詞工程師不多, 好, 這個大家首先可以劃一下, 就是很長一段時間以來, 感覺什麼呢? 感覺好像只有我, just me, 只有我一個人一樣, 好, 那麼這個時候呢, 她說了這個是什麼時, 是什麼時候啊? 是一年之前, 對吧? 這個大約是chart GPT爆紅前的一年, 好, 那麼這裏有一個短語叫做when went viral, 對吧? 那麼went viral啊, 就是這個這裏指的就是爆火, 因爲viral啊, 這個詞就是像病毒一樣的, 那麼其實在這個語境下面就指的像病毒一樣的快速傳播出去, went viral啊, 那麼比較比較說的說的時髦一點, 就是活起來了, 對吧? 好, 就活起來了啊, 好, 那麼就是在chart GPT活起來前一年, 對吧? 那麼爲什麼chart GPT會活起來呢? 不, 就告訴你它的原因啊, 那麼因爲什麼活起來呢? 因爲its ability to generate writing and answer questions, 因爲它生成文本和回答問題的能力, 說明它的能力非常好, 所以就爆火了, 對吧? chart GPT就爆火了, Trump engineering is now one of the hottest tech jobs, 好, 他說其子工程師現在是最熱門的科技職業之一, 這裏的tech就是technology, job search, 好, 這個job search啊, 就是職位激增, 也就是說很多很多人都要來做這個工作, AI tools need training, 這個是一個成數據, 沒問題, 說的是人工智能工具需要訓練, at the moment, 那麼at the moment, 這個大家可以劃一下啊, 就是at the moment, 就是目前, they provide results that are not always correct or proper, 那麼他們提供的, 他們可以給我們提供results, 就是他們給我們提供的結果, 什麼樣的結果呢? not always correct or proper, 那麼提供什麼樣的結果啊? 這裏是一個從據結構來修飾result, 是不一直是準確或者是合適的, 這樣的結果, that's why companies are looking for prompt engineers, are look for, they look for, 這個就是在尋找, 這就是爲什麼公司要在尋找題詞工程師, advertising a prompt engineer and librarian, 那麼就給你舉了一個例子啊, 那麼有一個叫做anthropic的科技公司, 他們正在招聘要一個題詞工作, 題詞工程師和圖書館理員, 那麼有什麼要求呢? 後面說了applicant, 那麼這裏的applicant指的是來申請工作的申請者, must love solving puzzles, 必須喜愛解謎, 那麼在這個地方全部都加上引號, 也就是說這個地方應該是引用了公司的advertisement, 就是他的招聘廣告, in Massachusetts, 那麼就是在馬薩諸塞州, 美國的馬薩諸塞州也叫做麻省, Boston Children's Hospital is advertising for a prompt engineer too, 那麼這個其實是一個比較有名的地方, 就是Boston Children's Hospital, 那麼這個是波士頓兒童醫院, 他們也在招聘一個題詞工程師, 後面這個人叫做Bob Lennon is an expert on the topic, 說Bob Lennon是一個專家, 那麼什麼樣的專家是on this topic, 也就是是這個領域的專家, 那麼他教授人們技能, 什麼樣的技能,這裏還是有一個後製定語, needed for the job, 是他們所需要的這樣的技能, 這個工作所需要的技能, 那麼這裏的as of是指截止什麼時候, 截止到四月份的時候, 那麼截止到四月份的時候, 大概有兩千名學生參加了他的兩門在線課程, online courses指的是在線課程, 現在大家都比較熟悉了, 就是線上上課的課程, 那麼他說他這個是說的是, 這個說的是也是他的這個話裏面截下來的, 所以是他的直接英語, 所以在這裏的話還是會有一個引號, 會有一個引號, 那麼他就說什麼呢, 他說的是人們正在大量的, 大聲的要求, 就是clamor這個詞原來是指大聲要求, to ask for something in a loud way, 那在這裏的clamor, 應該指的就是人們就是非常強烈的要求這些知識, 對吧, 人們強烈的要求獲取這樣的知識, 好,最後一個小標題裏面就討論的是, 這個工作會不會持續呢, 就是這樣的這麼熱的這個工作會不會持續, 這個職業會不會持續, 好,那麼some say說的是有人說, 有人說什麼, 也就是對於這份工作的需求, burn out的話指的原來是指蠟燭燒完了, 那麼在這裏的話就指的是, 就是這個工作的需求會消失的, 會逐漸消失的, 好,先介紹了這個人, 他的職位是an associate professor, 那麼associate professor指的是副教授, 那麼他是賓夕法尼亞大學的副教授, 現在開始引用權威專家的觀點了, 他說的是, 好,it's not clear, 也就是什麼東西是不清楚的, 不清楚的是什麼呢, 就是題詞工程師是否會重要, going to matter, 這裏的matter是重要, long term的話指的是長期, 那麼是在長期內他們是不是還是很重要的, 就這個事情是不明確的, 後面就給了原因了, 爲什麼這些題詞工程師在長期不一定是會重要呢, 不一定會就是大家會需要這些trump engineers呢, 是因爲AI program本身對吧, 他就是在預測用戶的需求的時候就變得更好了, 這裏是getting better at, 就是在什麼什麼方面更好了, 那麼是在預測用戶的需求方面, user need還是一個名次性的衝擊, 那麼說的是高薪可能也不會持續, 這裏的last是指持續, 那麼他說這些工作目前可能只有500個人可以做, 那麼他說在6個月以後, 那麼就是就會有5萬人能夠勝任這些工作了, 這句話稍微有點難, 那麼他的主語是value, 也就是這種知識的價值, 那麼在這裏有一個比較, 就是今天他的價值會比明天他的價值要更高, 那麼也就是說隨着題詞工程師的技能的普及, 未來這個職業的競爭性和高薪待遇可能會減弱, 那麼也就是可能今天這個價值比明天大, 今天的需求不代表明天還需要這麼多人, 所以這個就是我們對文章的分析, 那麼這篇文章講的就是題詞工程師, 先告訴你他們是幹什麼的, 然後告訴你現在他們是很缺的, 但是以後就不一定了, 好,我們來看題目, 第一個部分, 好,那麼這個地方先問的是, 你能幫我怎麼樣這個棘手的難題, 我們知道這裏還是缺一個動詞, 那麼在這裏的動詞我們填什麼呢? 難題嘛,一般就是要去解難題, 解難題怎麼說? 好,第二題啊, 這個登錄電腦, 你需要一個,對吧? 他說教練會什麼水和零食, 比賽結束以後, 那麼 will do something, 還是缺一個動詞, 那麼我們就說教練會什麼提供, 對吧? 好,第四題啊, 好,那麼他說股幣收集, 對我的祖父來說是非常怎麼樣, 那麼在這裏very怎麼樣, 那麼這裏應該填一個什麼? 應該填一個形容詞, 對吧? 對他來說是什麼? 對他來說是很重要的, 很有價值的, 好,然後我們來看後面一題啊, 那麼我們發現了很多什麼東西, 在我們的科學書上面, 就是關於太空的, 我們找到了很多, 那麼這裏應該填一個名字, 對不對? 這裏填一個information, 指的是信息, 好,你應該怎麼樣, 學校的美術比賽, 如果你喜歡, 那你就是應該是要去參加嘛, 對吧? 後面還是填一個動詞原型啊, apply for就是申請參加, 申請參加學校的美術比賽, 好,他說我們在外面或在裏面, 這個是怎麼樣, 我們還是會玩得很開心的, 所以就是沒關係嘛, 好,最後一題啊, 好,什麼to, 這裏就是be able to, 對吧? 就是他能夠記住每一個細節啊, 他讀過的書中的每一個細節, 好,我們來看reading comprehension的部分, reading comprehension, 第一題, 那麼題詞工程師, 他是幹什麼的? 就是他的作用是什麼? 那麼他的作用是什麼? 我們來看, 在前面就是介紹題詞工程師的時候, 跟你講的他的作用, 對吧? 他的作用在這兒啊, 那麼這群人就被叫做什麼? 所以他的工作就是 好,我們去看答案啊, 我們答案裏面選一個差不多的意思, 那麼第一個是 在這裏明確說過了, 他們不需要學會怎麼樣寫, 怎麼樣寫代碼,對嗎? 第二個, 來分析AI生成的這些內容, 他們是幫助AI去生成內容, 而不是分析哈, 然後C答案, 好,那麼是幫助公司, 幫助公司管理AI, 管理數據庫, 那不是幫助公司管理數據庫, 對吧? 最後一個, 好,那麼這個就對了, 對嗎? 這個通過製作提示來訓練人工智能程序, 第二題, 好,那麼就是, 如果你在Copy AI工作的話, 這個提示工程師的主要職責是什麼? 我們來看一下, 這個有一個人在這裏工作的, 對吧? 就是他, 他是不是就在這裏工作的? 對吧? 好,那麼他就在這裏工作的, 那麼他說, 他在這裏工作的是什麼? 然後這個工作是, 對嗎? 好,所以這個就是他要做的這個事情, 我們來看一下選項, 第一個, 這個又再次說了, 他是不需要寫, 他是不需要來寫, 寫代碼的, 好,第二個是, 就是給AI的用戶提供客戶支持, 他跟客戶支持沒有關係, 他不接觸客戶的。 好,這裏的問題出在, 他並不是爲了AI的用戶來generate, 對嗎? 他不是爲了用戶。 這個就對了吧? 輸入指令幫助AI生成準確的內容, 這個就OK了。 好,我們來看第三題, 好,那麼他們爲什麼要, 尋找這樣的, 提詞工作室呢? 提詞工程師呢? 第一個是, 那麼這裏其實並沒有提到, 第二個答案, 給提供技術支持, 並不是技術支持。 好,後面是, 這個就對了,對嗎? 因爲我們在前面的, 這個文章分析裏面, 我們也講了, 就是他說是什麼, 要最後能夠generate test with accurate information, 對嗎? 所以他的工作就是讓他能夠 提供準確的 內容。 好,讓我們看第答案, 減少人們正在使用的AI的 人工智能的程序的數量, 就更加的不對了。 第四題, 我們得先找到這個人, 這個人在這個位置, 所以他對長期而言, 他對這個工作是 持悲觀態度的, 因爲他覺得說, 這個不明朗,對嗎? 不明朗,就是是否是必要的, 其實還是不知道的, 長期而言。 好,那麼來找一個差不多的意思。 第一個, 那不是說會隨着 時間的推移而 改進, 這個和改進沒有關係,對吧? 好,他也不關心他們的 錢是不是還是能拿到高薪。 這個就對了,對嗎? 就是長期而言的話, 他們工作是不是還是重要的, 他用的是matter這個詞。 就是是否啊, 就是這些提詞工程師 會產生 更準確的內容, 那其實不是提詞工程師 來提供內容的, 來產生內容的,對嗎? 所以D選項完全就是錯了。 最後我們來看 Translation的部分。 然後先告訴你 這是一種AI, 什麼樣的AI,對嗎? 然後後面用一個BAT的從句, 然後告訴你什麼AI。 好,那麼這個 這個AI就是 能夠生成 文本這樣的AI, 對嗎? 舉例子,比如說這些東西。 然後後面是 In response to, 那麼這個是根據 用戶的要求 來生成這些文本。 然後來生成這些文本。 好,那麼我們 把這句話我們整理一下。 這是人工智能, 這種人工智能 可以根據用戶的請求 創建文本、音頻、視頻和圖像的內容。 那麼也就是說 前一年,對嗎? 在他爆火前的 前一年, 前面我們說的就是爆紅或者爆火。 然後for是爲什麼? 它的原因是什麼? 好,那麼我們把這句話整理一下。 那是Chat GPT 因其生成文本 和回答問題的能力 而爆紅前一年的情況。 好,這就是 我們今天上課的所有內容。 如果大家對課程還有什麼 要求的話,歡迎 客戶和我們聯繫。