直面挑戰, 如何讓AI為自己賦能？

謝作如

圍棋被譽為“人類智慧最后的堡壘”。2016年，AlphaGo橫空出世擊敗人類圍棋冠軍李世石，大家才不得不承認，AI必將在某些方面比人類“聰明”。現在，人們依靠智能導航出行，通過語音與機器互動，應用智能工具搜索各類信息，借助大模型生成文本和圖像……已在不知不覺間處于AI的各種應用之中。

現在的AI大模型，已經支持多模態，即多種感官融合，支持文本、圖像、聲音等，越來越像人。在這種情況下，我們需要學會駕馭AI，讓AI為我們賦能。怎樣做呢？我建議從“學AI” 和“用AI”入手。

要想掌握運用生成式AI工具的技巧，首先要學會跟大模型有效對話。這里的“對話”專業名稱為“提示詞”。

對于AI繪圖來說，優質的提示詞需要包含繪畫對象（畫什么）、清晰的對象描述詞（長什么樣）和風格修飾詞（怎么畫）三大元素。如果只提供“畫一位現代都市少年”，AI無法準確理解你想要生成什么人物形象。這就需要添加更多細節詞匯，如繪畫對象的描述詞（肖像、色彩鮮明、動漫少年、現代感等），繪畫背景的細節詞（城市、橘色天空、夕陽、微風等），提升繪畫質感的關鍵詞（插畫風格、鮮艷色彩運用、調色盤、光線追蹤、照明等）。提示詞要體現三個要素：角色、目標和任務分解，能給出范例更好。如果你不熟悉如何設計提示詞，可以試著讓AI幫你修改。

訓練模型，用AI解決真實問題

會使用各種大模型應用，僅僅能讓你成為AI時代的合格用戶。只有掌握了讓機器從零到有得到某種“智能”的能力，才算是具備了駕馭AI的能力。

如何讓機器獲得智能？深度學習之父辛頓總結出AI研究的兩種范式，即基于邏輯啟發（設計派）和基于生物學啟發（學習派）的兩個方向。當前主流的范式是后者，即機器學習和深度學習。

數據、算法和算力是推動AI發展的三駕馬車，“數據+算法+算力”可以得到AI模型。AI的強大能力一般是通過模型來呈現的。學習AI可以圍繞模型展開，先體驗模型，再訓練模型，最后應用模型解決問題。如果有一定的數學基礎，還可以去理解模型背后的原理。

體驗常見模型功能

上海人工智能實驗室推出了一個名叫“浦育”的青少年學習人工智能的公益平臺，你可以體驗各種人工智能模型。

如果具備Python基礎，強烈建議你使用XEduHub。這個庫內置了很多現成的AI模型，用幾行代碼就能體驗多種模型功能。

學會訓練一個模型

“浦育”也提供了簡單的模型訓練功能，如圖像分類、語音分類、姿態分類等。僅僅使用瀏覽器，你不需要寫代碼就能訓練出多個AI模型。假如你喜歡昆蟲，可以使用一些昆蟲的圖片訓練出一個能識別常見昆蟲的模型。

還有一個“開箱即用”的計算機視覺訓練工具MMEdu。只要幾行代碼就可以訓練計算機視覺模型，如圖像分類、目標識別等。要訓練模型，同樣需要找到大量的數據形成數據集，然后訓練。機器學習這個詞聽起來有些高深，其實操作起來并不復雜，其流程大致如圖所示。

如果你想訓練更多模型，建議研究一下BaseML、BaseNN這些庫。BaseML可以訓練各種經典的機器學習的模型，BaseNN可以自己搭建各種深度神經網絡。

使用模型解決問題

訓練好一個AI模型，最后一步是結合編程語言制作一個小應用。在大語言模型和XEduHub的支持下，獨立完成一個簡單的AI應用并不難，你也能掌握并使用。

數據、算法和算力三要素中，最核心的是數據。AI科學家已經設計了很多優秀的算法，只要有數據，就能使用這些算法訓練出模型。當你理解了AI的工作原理，留意觀察生活中有哪些問題可以用收集數據訓練模型的方式來解決，然后嘗試去尋找現成的模型或者數據，或自己收集數據去訓練模型，都可以。

現在，各個學科領域的發展都離不開AI。AI for Science（科學智能，也稱 AI4S）就是近年來興起的一種將人工智能和科學相結合的趨勢，即通過利用機器學習或 AI 技術，解決科學研究中的問題。未來，AI會更多地出現在我們學習、生活中，學習AI賦能自我，從現在做起吧！

作者單位 浙江省溫州科技高級中學