实战生成式(Generative)AI
最近在公司内部分享了一些关于生成式AI的日常使用场景，在这里跟小伙伴们分享一下。
首先生成式AI(Generative AI)是人工智能领域的一个分支，由于ChatGPT的大火，带动了整个行业的大火。我们对生成式AI最直观的感受是可以根据提示或现有数据创建新的书面、视觉和听觉内容。那么对于我们普通用户来说，怎么利用好这个工具呢？
首先，我们要学会提问(Prompt)，这里有几个原则，我们以制定一款健康饮品的营销计划为例来说明
- 具体化：说出你的具体要求，而不是简单笼统的提问。比如目标人群是中国一二线城市的年轻白领。
- 设定约束或条件:比如每月预算是100万人民币。
- 要求结构化输出：比如总结为5个要点，并附上简要说明。
- 鼓励创造力：为了避免与以往的方案重复。比如提出独特性的社交媒体互动活动。
- 利用上下文信息：简单来说就是给AI一点背景信息。比如主要竞争对手是元气森林和喜茶。这样有助于AI给出针对性的方案。
- 使用角色扮演：比如假设是一位健康饮品的市场顾问。
- 使用渐进式的提问：如果一次提问的回答不能让你满意，可以尝试细化问题，继续提问。
简而言之是为了使生成式AI回答的准确，那么提问必须详细。
我大致总结了生成式AI使用场景的类别
- 知识学习：根据现有知识提供答案，例如事实信息、历史数据或常识。包括一些日常windows和office软件的使用问题都可以向AI提问，对于一些非常专业的问题，可以要求AI以通俗易懂的方式来回答，这也降低了学习的门槛。对于M365 Copilot，还可以查找公司内部以及自己的信息。
- 总结提炼：从各种输入中总结信息，例如文本、图像或音频。包括总结一些复杂、专业的文件，对比文件，对比文件有个典型的应用场景是对比招聘简章和简历，选择出最佳的简历。还有通过启用Teams中的transcription功能，可以通过M365 Copilot直接生成Minutes of Meeting。M365 Copilot还支持总结邮件。
- 头脑风暴、创意：基于提示生成新的创意或输出，例如创建文本、图像、代码或音频。包括创建PPT，M365 Copilot、通义千问、KIMI等都支持。对于特定主题的想法，比如要组织一场活动的策划等。对于编程的支持，最近大火的Cursor是王炸，大部分AI也支持生成代码。ChatGPT还支持调用其他AI模型，比如XGBoost。
总体来讲，生成式AI的优缺点非常明显，生成式AI非常适合文本类的产生和总结，当然我们需要对结果加以甄别，生成式AI不太适合对大数据的分析。