調教AIGPT之獎懲指令(有監(jiān)督學習)的技巧

其實這個所謂“獎懲指令(有監(jiān)督學習)”的作用和調教原理很好理解，它就像是我們教育孩子一樣。

如果你希望孩子達到你理想的行為標準，那么你就需要對他進行教育，如果孩子做得好，我們就需要及時的夸獎，鼓勵他變得更好，

而如果孩子做的差勁，我們就需要對他進行懲罰，讓孩子知道你的底線。

于是就是通過這樣不斷的棒槌 + 獎勵的反復糾正下，孩子自然就會形成一套我們所期望的行為標準。

所以，既然基于神經網(wǎng)絡的 AI 具備思維鏈的能力，那么我們當然也可以按照教育孩子的這種思路，讓 AI 變得越來越聽話。

至于這個獎懲指令的實操思路很簡單，這里不妨拿我訓練的【出題小助手】舉例子~

這一點我成長圈社群的同學應該都知道，每個周我都會給我社群的同學出一道思考題~

所以，在ChatGPT出現(xiàn)之后，我就在思考，能不能讓 AI 自動或者輔助我生成思維題，以分擔掉我這部分的工作負擔。

于是，在這種目標的指引下，我就開啟了對AI的調教....

調教思路很簡單：

首先，先投喂我之前的思維題，然后讓它學習和分析我出題的格式，然后讓它生成答案模式。

對于這些AI生成的內容，如果碰到符合我要求的地方，我就會用肯定詞匯，比如：非常好，請繼續(xù)保持這種形式。

對于不符合我要求的地方，我就會用否定詞匯，比方說：不對，你錯了，請重新，要求 XXX。

(一般 GPT 馬上會向你道歉，并糾正其錯誤)

類似于你看到的這樣.....

所以，不妨思考下你工作中場景，看看有哪些是比較偏模式化的任務，對于這些比較模式化的目標，你都可以通過【獎懲指令】對 AI 進行訓練~

在訓練的過程中，對于那些符合你要求的地方進行鼓勵，對于不符合要求的地方進行懲罰。

最后通過這樣來回的獎懲之中，AI 就會達到你理想的行為標準，生成你符合你想要內容的能力，成為你工作中某個場景下的長期助手。

好了，到這里我們就講完了關于【訓練 AI 技術面】的方法了~

但是我們也都知道，無論是知識還是技術，還是工具，它們最終的目的都是為了幫助我們創(chuàng)造實際的生存力所存在的。

如果達不成這個目標，那么即使你掌握了屠龍術，但是沒有龍可屠，那么這個屠龍術也是和你沒有毛關系的。

我們很多同學之所以拿到了 GPT，也掌握了 GPT 的使用方法，卻仍然使用的頻次很低，甚至完全用不起來的核心原因，就是因為你沒有把 AI 與你所需要的應用場景關聯(lián)起來。