直面挑战, 如何让AI为自己赋能？

谢作如

围棋被誉为“人类智慧最后的堡垒”。2016年，AlphaGo横空出世击败人类围棋冠军李世石，大家才不得不承认，AI必将在某些方面比人类“聪明”。现在，人们依靠智能导航出行，通过语音与机器互动，应用智能工具搜索各类信息，借助大模型生成文本和图像……已在不知不觉间处于AI的各种应用之中。

现在的AI大模型，已经支持多模态，即多种感官融合，支持文本、图像、声音等，越来越像人。在这种情况下，我们需要学会驾驭AI，让AI为我们赋能。怎样做呢？我建议从“学AI” 和“用AI”入手。

要想掌握运用生成式AI工具的技巧，首先要学会跟大模型有效对话。这里的“对话”专业名称为“提示词”。

对于AI绘图来说，优质的提示词需要包含绘画对象（画什么）、清晰的对象描述词（长什么样）和风格修饰词（怎么画）三大元素。如果只提供“画一位现代都市少年”，AI无法准确理解你想要生成什么人物形象。这就需要添加更多细节词汇，如绘画对象的描述词（肖像、色彩鲜明、动漫少年、现代感等），绘画背景的细节词（城市、橘色天空、夕阳、微风等），提升绘画质感的关键词（插画风格、鲜艳色彩运用、调色盘、光线追踪、照明等）。提示词要体现三个要素：角色、目标和任务分解，能给出范例更好。如果你不熟悉如何设计提示词，可以试着让AI帮你修改。

训练模型，用AI解决真实问题

会使用各种大模型应用，仅仅能让你成为AI时代的合格用户。只有掌握了让机器从零到有得到某种“智能”的能力，才算是具备了驾驭AI的能力。

如何让机器获得智能？深度学习之父辛顿总结出AI研究的两种范式，即基于逻辑启发（设计派）和基于生物学启发（学习派）的两个方向。当前主流的范式是后者，即机器学习和深度学习。

数据、算法和算力是推动AI发展的三驾马车，“数据+算法+算力”可以得到AI模型。AI的强大能力一般是通过模型来呈现的。学习AI可以围绕模型展开，先体验模型，再训练模型，最后应用模型解决问题。如果有一定的数学基础，还可以去理解模型背后的原理。

体验常见模型功能

上海人工智能实验室推出了一个名叫“浦育”的青少年学习人工智能的公益平台，你可以体验各种人工智能模型。

如果具备Python基础，强烈建议你使用XEduHub。这个库内置了很多现成的AI模型，用几行代码就能体验多种模型功能。

学会训练一个模型

“浦育”也提供了简单的模型训练功能，如图像分类、语音分类、姿态分类等。仅仅使用浏览器，你不需要写代码就能训练出多个AI模型。假如你喜欢昆虫，可以使用一些昆虫的图片训练出一个能识别常见昆虫的模型。

还有一个“开箱即用”的计算机视觉训练工具MMEdu。只要几行代码就可以训练计算机视觉模型，如图像分类、目标识别等。要训练模型，同样需要找到大量的数据形成数据集，然后训练。机器学习这个词听起来有些高深，其实操作起来并不复杂，其流程大致如图所示。

如果你想训练更多模型，建议研究一下BaseML、BaseNN这些库。BaseML可以训练各种经典的机器学习的模型，BaseNN可以自己搭建各种深度神经网络。

使用模型解决问题

训练好一个AI模型，最后一步是结合编程语言制作一个小应用。在大语言模型和XEduHub的支持下，独立完成一个简单的AI应用并不难，你也能掌握并使用。

数据、算法和算力三要素中，最核心的是数据。AI科学家已经设计了很多优秀的算法，只要有数据，就能使用这些算法训练出模型。当你理解了AI的工作原理，留意观察生活中有哪些问题可以用收集数据训练模型的方式来解决，然后尝试去寻找现成的模型或者数据，或自己收集数据去训练模型，都可以。

现在，各个学科领域的发展都离不开AI。AI for Science（科学智能，也称 AI4S）就是近年来兴起的一种将人工智能和科学相结合的趋势，即通过利用机器学习或 AI 技术，解决科学研究中的问题。未来，AI会更多地出现在我们学习、生活中，学习AI赋能自我，从现在做起吧！

作者单位 浙江省温州科技高级中学