現存的大語言模型(LLM)確實有很多實用價值。谷歌DeepMind的研究科學家Nicholas Carlini詳細分享了他在工作中使用LLM的50多個實例,涵蓋了編程、寫作、學習新技術等多個方面。
Nicholas認為LLM並沒有被過度炒作,因為它們確實能夠勝任越來越困難的工作。在過去一年裡,他每週至少花幾個小時與各種LLM交互,這些模型幫助他在研究項目和副業項目中編寫代碼的速度至少提高了50%。
Nicholas列舉了使用LLM的一些具體例子:
- 用從未使用過的技術構建整個網絡應用程序
- 學習使用新的框架和工具
- 將程序自動轉換為C或Rust以提高性能
- 簡化和縮減大型代碼庫
- 為研究論文編寫初始實驗代碼
- 自動化單調的任務和一次性腳本
- 替代網絡搜索來設置和配置新軟件
- 幫助調試錯誤信息
Nicholas將這些應用分為兩類:幫助學習和自動化無聊任務。雖然這些應用看起來不夠花哨,但它們都來自於實際工作需求,體現了LLM自動化完成工作中枯燥部分的價值。
作為一名安全研究員,Nicholas過去十年的工作就是展示AI模型在未知環境中可能失敗的方式。他完全理解這些系統的局限性。但他仍然認為,LLM為他的工作效率帶來了自互聯網誕生以來最大的提升。
Nicholas詳細介紹了如何使用LLM來構建完整的應用程序和學習新技術。例如,他用GPT-4編寫了一個"GPT-4能力預測挑戰賽"的小遊戲,整個應用的初始版本幾乎全部由GPT-4完成。
在學習新技術方面,Nicholas舉例說明了如何使用LLM作為導師來學習Docker等新工具。相比傳統的學習方式,直接讓LLM教授所需的知識要高效得多。
Nicholas寫這篇文章的目的是證明LLM已經為他提供了很多價值,並為那些不知道如何使用LLM的人提供一些示例。他承認LLM目前還不能解決程序員工作中最難也最有趣的部分,但它們已經能夠很好地處理簡單任務,大大提高了工作效率。
五年前,LLM最多只能寫出看似通順但毫無實際用處的文字。而如今,它們已經能讓Nicholas的編程效率平均提高50%。這種進步令人印象深刻,也預示著LLM未來可能帶來更大的變革。