现存的大语言模型(LLM)确实有很多实用价值。谷歌DeepMind的研究科学家Nicholas Carlini详细分享了他在工作中使用LLM的50多个实例,涵盖了编程、写作、学习新技术等多个方面。
Nicholas认为LLM并没有被过度炒作,因为它们确实能够胜任越来越困难的工作。在过去一年里,他每周至少花几个小时与各种LLM交互,这些模型帮助他在研究项目和副业项目中编写代码的速度至少提高了50%。
Nicholas列举了使用LLM的一些具体例子:
- 用从未使用过的技术构建整个网络应用程序
- 学习使用新的框架和工具
- 将程序自动转换为C或Rust以提高性能
- 简化和缩减大型代码库
- 为研究论文编写初始实验代码
- 自动化单调的任务和一次性脚本
- 替代网络搜索来设置和配置新软件
- 帮助调试错误信息
Nicholas将这些应用分为两类:帮助学习和自动化无聊任务。虽然这些应用看起来不够花哨,但它们都来自于实际工作需求,体现了LLM自动化完成工作中枯燥部分的价值。
作为一名安全研究员,Nicholas过去十年的工作就是展示AI模型在未知环境中可能失败的方式。他完全理解这些系统的局限性。但他仍然认为,LLM为他的工作效率带来了自互联网诞生以来最大的提升。
Nicholas详细介绍了如何使用LLM来构建完整的应用程序和学习新技术。例如,他用GPT-4编写了一个"GPT-4能力预测挑战赛"的小游戏,整个应用的初始版本几乎全部由GPT-4完成。
在学习新技术方面,Nicholas举例说明了如何使用LLM作为导师来学习Docker等新工具。相比传统的学习方式,直接让LLM教授所需的知识要高效得多。
Nicholas写这篇文章的目的是证明LLM已经为他提供了很多价值,并为那些不知道如何使用LLM的人提供一些示例。他承认LLM目前还不能解决程序员工作中最难也最有趣的部分,但它们已经能够很好地处理简单任务,大大提高了工作效率。
五年前,LLM最多只能写出看似通顺但毫无实际用处的文字。而如今,它们已经能让Nicholas的编程效率平均提高50%。这种进步令人印象深刻,也预示着LLM未来可能带来更大的变革。