名人推薦：【前言】

隨著人工智慧（Artificial Intelligence，AI）的發展，「大型語言模型」這種創新技術也跟著登場，在自然語言領域掀起了全面改革。尤其OpenAI在2022年發表的ChatGPT，更是讓人類與電腦自然對話這件事成為現實，語言處理學會也因此以「ChatGPT是否將終結自然語言處理？」為題召開小組討論。這種讓某個學術領域害怕自己突然消失的創新，不是那麼容易了解的事情。

有鑑於技術出現了突破性的發展，本書將焦點放在我們必須具備的新技巧「提問力」。大型語言模型的確會對我們的各種問題提供再自然不過的回答，但箇中原理...

工作會隨著AI改變嗎？
剛剛解說了三種引領AI風潮的核心技術。了解這些技術，應該就能明白ChatGPT是專為對話設計的模型，也是為了特定目的學習的模型才對，所以也能利用公司的業務資料訓練成專門處理業務的模型。比方說，可以訓練處理會計、法律、醫學、教育以及其他領域的模型。
AI對工作的影響
如此說來，大部分與語言有關的工作都應該會受到大型語言模型的影響才對。其實OpenAI與賓州大學於2023年的研究指出，80%的美國勞工至少會受到10%的影響，每五個人就有一個人的日常工作會有一半受到影響。
換句話說，許多工作會受到影響是肯定的。如果工作肯定會受到影響，那麼AI會如何改變工作呢？
AI改變的產值
最先被改變的莫過於工作產值。當生成式AI能於業務應用，產值會產生什麼變化呢？
最早將生成式AI的技術引入業務之中的業界就是開發軟體的電腦業界。觀察AI對於這個業界與工作的影響，或許就能一窺AI將在其他領域造成多少影響。讓我們以程式設計輔助工具GitHub Copilot為例，程式設計師在撰寫程式時，這套工具能夠即時提供提示詞建議，所以程式設計師能省去不少撰寫程式的麻煩，而且提示想撰寫的程式碼，Copilot還會提出程式碼的方案。只要正確地提示想撰寫的內容，有可能只需要輸入提示詞，就能寫出需要的程式碼。
一如Copilot的意思為「副駕駛」，指的是Copilot可提供與AI一起撰寫程式的體驗。所謂的結對開發（Pair programming）是指兩位程式設計師於同一台電腦輪流寫程式，一邊審閱彼此的程式碼，一邊進行開發的手法。如果使用Copilot，就等於與AI組隊寫程式。實際使用Copilot就會發現，Copilot真的是非常優秀的工具，會讓人覺得少了它就不想寫程式。在過去，寫程式都必須不斷地在網路搜尋相關的文法與使用方法，但Copilot問世後，再也不需要這麼麻煩，只需要在編輯器就能完成相關的工作。此外，程式設計師只需要先輸入提示詞，再檢閱Copilot產生的程式碼，這等於是從第三者的角度檢視程式碼的正確性，這讓人不禁覺得，這樣應該不大會出現錯誤的程式碼，這也是結對開發的效果。

AI可提升初學者的產值
到底使用Copilot可以提升多少工作效率呢？目前已有量化的評估方式。微軟研究院這類研究團隊曾透過實驗測量使用了Copilot的組別，以及未使用Copilot的組別各自花了多少時間完成工作，以及比較了兩者的工作完成度，結果發現，使用了Copilot的組別比未使用Copilot的組別快了40%的時間。這兩個組別的工作是利用JavaScript這種程式語言撰寫HTTP伺服器，所以也評估了伺服器的性能。結果發現，使用Copilot撰寫的伺服器，不僅比沒有使用Copilot撰寫的伺服器來得更省時間，性能也差不多。
這項實驗找來了95位接案的程式設計師為實驗對象，而實驗結果指出，年資愈淺的程式設計師愈能感受使用Copilot的優點。年資尚淺的程式設計師常常花很多時間確認函數的內容，而且也得花不少時間思考該使用哪些函數，但是當Copilot提出建議，就大幅縮減了查詢函數的時間，而且還能像是使用Copilot Chat一樣，一邊與Copilot對話，一邊開發需要的功能。如果這類功能變得更加實用，或許就能提升開發速度與開發品質。儘管這項實驗沒有出現統計的顯著差異， 但使用Copilot的程式設計師都表示，使用這項工具可減少 錯誤。

在困難的工作應用Copilot可提升資深程式設計師的能力
雖然Copilot的實驗結果指出，資淺的程式設計師的確受惠於Copilot的幫助，但是對資深的程式設計師又會造成什麼影響呢？一般認為，工作愈是困難，生成式AI對於資深程式設計師的影響應該愈大。就建置HTTP伺服器這項工作而言，從開始建置到結束建置的規格相當明確，該完成的部分也十分清楚，所以只要依照規格細心地撰寫每一項功能，就能完成工作，不大需要執行複雜的除錯步驟。
一如下圍棋時，我們必須依照對手的棋路調整自己的下一步，如果是看不見終點的工作，應該連資深程式設計師也會感受到Copilot的威力才對。下圖是圍棋棋手利用AI學習之後，棋力提升多少的圖表。從這張圖表可以得知，開始與AI對弈之後，棋手的棋路突然大增，下錯的次數也減少，下出好棋的機率也大幅提升。
這個傾向也會在資淺棋手或是年輕棋手身上看到，但是在經驗豐富的棋手或是年老的棋手身上更加顯著。這或許是因為愈是經驗豐富的棋手，愈明白AI提出的新棋路有多少價值，也能體會這些新棋路的用意。圍棋名人曾說，利用AI學習之後，讓他跳脫了舊有的框架，學到新的手法與路數，也讓他擁有更多精湛的棋路。利用大量資料學習的AI的確擁有更多知識，而要從這些知識找出有用的知識，當然需要擁有更多該領域的知識。愈了解該領域的知識，就愈能應用這類進階的工具，這就是大型語言模型這類生成式AI與古典的機械學習模型最明顯的差異，愈是懂得使用的人，愈能夠從模型引用更多不同的知識。
由此可知，不管是初學者還是專家，都能透過AI讓自己的能力出現明顯的成長。一如將棋的世界出現了藤井聰太這種天才棋手，任何領域或許都能在AI的輔助之下誕生天才。
人們的態度與期待的變化
如果初學者與專家的能力都因為生成式AI大幅提升，那麼會發生什麼事情呢？人們有可能會對工作成果抱以不同的期待，也就是說，人們會希望在短時間之內得到高品質的工作成果。比方說，除了希望專案早點完成，而且還會希望軟體的錯誤更少，或是想要取得更詳細的資料分析報告。
其實過去也發生過新技術普及後，社會產生變化的情況。比方說，網路剛普及時，來不及適應的企業便失去了大部分的市場。美國影視娛樂提供商百視達未能預測網路影片串流服務的崛起，尤其未能因應Netflix的成功而流失了大部分的市場。無獨有偶，銷售音樂的HMV也因為數位音樂的普及以及網路銷售模式的崛起失去了地位。至於日本，隨著數位相機的普及以及線上照片服務的崛起，相機專賣店KITAMURA以及其他的膠捲零售業的商業模式都受到威脅。從這些例子可以得知，未能適應新技術的風險有多大。如今，生成式AI普及的速度比前例的新技術還快，影響範圍也更大，如果組織或個人未能妥善應用AI，恐怕將會失去競爭力。
以下圖表清楚地列出AI的進化速度。縱軸是正確完成文字辨識、語言處理、影像處理這類工作的分數，從中可以發現，AI的分數一年比一年更高。最值得注意的部分在於2016年之後，AI的效能超過了人腦的效能，在閱讀能力、常識、數學、撰寫程式碼這類新工作方面，分數也出現驚人的成長。這些原本都是人類比較擅長的工作，沒想到AI瞬間就追上了人類，甚至超越了人類。
原本由我們負責的工作，或許會在不久的將來由A取代。
哪些工作會被AI取代呢？
AI帶來的自動化流程
哪些工作會被AI取代呢？
美國未來主義者馬丁‧福特（Martin Ford）提供了分析這個問題的方法。據他所述，「某個人看了你的工作紀錄之後，是否就能了解你的工作該如何進行呢？」如果這個問題的答案是「對」，這種工作很可能就會被取代。
隨著IT技術愈來愈進步，人類的工作的一部分也開始自動化。例如，導入自動出納系統之後，原本負責結帳的人就只需要負責回答問題，或是解決機械的疑難雜症。管理顧問公司麥肯錫（McKinsey & Company）的報告指出，當智慧機械或是軟體於職場扮演要角，人類與機械一同工作的工作流程或是工作空間就會不斷進化。以Amazon的倉庫為例，原本負責讓貨物上架的作業員現在只需要擔任機器人操作員的工作，負責監控自動化機械手臂，以及解決物流中斷的問題。
此外，隨著AI進化與普及，許多工作與作業也會自動化，能透過AI快速完成的工作愈來愈多，由人類負責的部分作業被AI取代的時代也終將到來。

教育服務業的變化
讓我們試著思考教師這個職業。在教師的工作之中，佔比最重的莫過於「教學」這個部分，也就是在學生應該學習的時期，將國語、算術、理科、社會這些資訊提供給學生。大學也一樣會根據各專業領域的課程安排提供學生必須知道的資訊。筆者自己也在大學教大學一年級學生微積分與資料科學，但是就算每年都面對新學生，教學內容幾乎每年相同。只要把講義交出去，然後看幾遍教學影片，有可能該領域的研究生就能上台教課。由此可知，提供資訊的這個角色很有可能被AI取代。
此外，回答學生問題的這個工作也很有可能被AI取代，因為只需要記錄學生在每堂課問了哪些問題以及答案即可。大型語言模型很有可能根據學生的背景、興趣、專業提供更簡單易懂的答案。
即使在技術上可行，但有些人或許還是覺得由人類擔任老師比較好，不過，調查以ChatGPT擔任家庭教師的例子，或許就會發現情況與想像的不一樣。
線上教育雜誌Intelligent.com於2023年6月發表的調查結果指出，85%的高中生與大學生，以及小孩正處於學齡期的父母親有96%都回答「ChatGPT比人類更能勝任家庭教師一職」，在高中生與大學生的回答者之中，高達39%讓ChatGPT完全取代了家庭教師這個角色。也有95%回答，將家庭教師換成ChatGPT之後成績提升了。
從這個調查結果來看，在不久的將來，負責提供知識與回答問題這類屬於老師的角色，很有可能被AI取代。其他的職業也很有可能發生相同的變化。
那麼，我們該如何因應呢？

工作會隨著AI改變嗎？
剛剛解說了三種引領AI風潮的核心技術。了解這些技術，應該就能明白ChatGPT是專為對話設計的模型，也是為了特定目的學習的模型才對，所以也能利用公司的業務資料訓練成專門處理業務的模型。比方說，可以訓練處理會計、法律、醫學、教育以及其他領域的模型。
AI對工作的影響
如此說來，大部分與語言有關的工作都應該會受到大型語言模型的影響才對。其實OpenAI與賓州大學於2023年的研究指出，80%的美國勞工至少會受到10%的影響，每五個人就有一個人的日常工作會有一半受到影響。
換句話說，許多工作會受到影響是肯定...

前言
第1章 大型語言模型登場
　1-1 蔚為社會現象的ChatGPT
　1-2 工作會隨著AI改變嗎？
　1-3 與AI共存的必要性

第2章 提示工程
　2-1 什麼是提示詞
　2-2 輸入提示詞的注意事項
　2-3 馴服大型語言模型

第3章 提示模式
　3-1 人物誌模式
　3-2 受眾人物誌模式
　3-3 精緻化詢問
　3-4 認知驗證模式
　3-5 翻轉互動模式
　3-6 少量樣本提示模式

第4章 觸發式提示的威力
　4-1 Chain-of-Thought模式
　4-2 Chain-of-Verification模式
　4-3 退一步提示模式
　4-4 後設認知提示模式

第5章 進階發展的技術
　5-1 自我一致性模式
　5-2 ReAct模式
　5-3 RAG（搜尋增強生成）
　5-4 LLM-as-Agent

第6章 AI代理人和社會
　6-1 AI代理人的自律性
　6-2 AI代理人的社會性
　6-3 嶄新的資訊生態系

結語

前言
第1章 大型語言模型登場
　1-1 蔚為社會現象的ChatGPT
　1-2 工作會隨著AI改變嗎？
　1-3 與AI共存的必要性

第2章 提示工程
　2-1 什麼是提示詞
　2-2 輸入提示詞的注意事項
　2-3 馴服大型語言模型

第3章 提示模式
　3-1 人物誌模式
　3-2 受眾人物誌模式
　3-3 精緻化詢問
　3-4 認知驗證模式
　3-5 翻轉互動模式
　3-6 少量樣本提示模式

第4章 觸發式提示的威力
　4-1 Chain-of-Thought模式
　4-2 Chain-of-Verification模式
　4-3 退一步提示模式
　4-4 後設認知提示模式

...