AI提示工程师如何在金融、医疗或法律领域惊人地赚取超过30万美元

AI提示工程师是当下的热门话题，个人可以每年赚取高达335,000美元——无需计算机工程学位或高级编码技能。像ChatGPT和Bard这样的大型语言模型（LLM）功能强大，但它们的威力最好由了解其工作原理的专家来驾驭。“就像生活中的任何事情一样，”一位职位申请者打趣道。大公司正在招聘人员来理解LLM，并从AI技术中获得最大收益。这些职位可能是针对具有通用经验的提示工程师，或者是具有更领域特定技能的人员，例如在金融、医疗或法律领域。以下是给申请者的关键提示。

斯坦福大学与加州大学伯克利分校和研究公司Samaya AI合作发表的一篇最新研究论文强调了提示工程在增强AI模型性能方面的重要性。该研究揭示，提供给AI模型的提示长度会显著影响其准确执行命令的能力。了解这一关键信息可以导致与AI更有效的互动，特别是在金融行业，主要金融机构聘请AI研究人员，年薪超过30万美元，以探索AI机器人的能力。

提示长度对AI模型的挑战

研究指出，主要基于Transformer的语言模型在处理长序列方面存在困难，导致处理长提示时遇到困难。语言模型的“上下文窗口”在生成响应时考虑关键术语周围的单词，在此背景下至关重要。该研究确定了语言模型准确性的“独特U型曲线”，其中靠近提示中间的信息往往被忽视，从而影响模型性能。这意味着虽然提示开头和结尾的信息仍然有用，但中间的关键数据可能会被忽视。

克服 Transformer 的局限性

Transformer 在处理长序列时扩展性较差，这给提示工程带来了挑战。增加上下文窗口大小似乎是一个解决方案，Meta 科学家曾通过位置插值（Position Interpolation）对此进行过探索。然而，斯坦福大学的研究显示，当完整提示超出窗口容量时，结果呈现出“几乎重叠”的曲线，表明模型性能的提升有限。

金融机构利用 AI 研究

除了学术界，领先的金融机构也在积极投资 AI 研究，以探索 AI 机器人在其运营中的能力。彭博社（Bloomberg）目前正在开发 BloombergGPT，并聘请多名年薪超过 30 万美元的高级 AI 研究人员。摩根大通（JPMorgan）也在大幅增加 AI 相关人员的招聘，涵盖生产和研究岗位，特别强调开发其金融建议机器人 IndexGPT。要在这些职位上取得成功，候选人必须理解提示工程的重要性及其对 AI 模型性能的影响。

AI 提示工程师在金融领域的角色

提示工程在金融行业具有巨大潜力，AI 机器人可以显著影响工作流程、风险管理和客户服务。通过优化提示结构，金融机构可以增强 AI 机器人准确分析和处理数据的能力，从而做出更明智的决策并提供更好的客户体验。

利用子标题进行有力的提示工程

1. 理解提示长度的影响：斯坦福大学的研究揭示了提示如何影响AI模型性能，敦促提示工程师在相关信息和提示简洁性之间取得平衡。

2. 变压器和上下文窗口的挑战：Transformer在处理长序列方面的局限性给提示工程带来了重大挑战，因此优化上下文窗口大小对于有效的AI交互至关重要。

3. U型曲线现象：研究揭示了语言模型准确性的U型曲线模式，强调需要将关键信息置于提示的中间部分之外，以增强AI性能。

4. 克服变压器困境：虽然增加上下文窗口大小看起来很有希望，但该研究强调了当提示超过窗口容量时的潜在局限性， necessitating创新性的提示工程方法。

5. 金融行业的AI研究：金融机构正在拥抱AI研究，并聘请高薪的高级AI研究人员来探索AI机器人的能力，特别是在改善财务建议和风险管理方面。

6. 释放AI的潜力：通过采用有效的提示工程，金融行业可以利用AI机器人简化工作流程，优化风险评估，并增强客户服务，从而提高效率和竞争力。

提示工程是 AI 交互的关键方面，对语言模型的性能有重大影响。随着金融机构继续投资 AI 研究，优化提示结构对于释放 AI 机器人的全部潜力变得愈发重要。专业人士可以通过理解提示工程中的挑战和机遇，利用 AI 技术变革金融行业，并在快速变化的数字环境中取得更大的成功。

谨慎之言

考虑在学位中途转换课程？有人警告说，现在判断提示工程师职位是否具有持久力和长期潜力还为时过早。还记得不久前硅谷每个人都从“传统”科技工作跳槽到加密货币、NFT、Web 3.0和元宇宙吗？其中许多工作并没有取得成果，提示工程师工作也可能以同样的方式结束。随着AI开发人员对AI进行微调，AI正变得越来越聪明，将来将能够自我提示，从而消除大量人类提示的需求。AutoGPT已经朝着这个方向发展。

随着时间的推移，提示工程可能会失去其新颖性，使得我们不再需要该领域的“专家”。同样有可能的是，整个 AI 行业会产生害群之马——正如所有竞争激烈且高风险的事物一样——并导致其自身崩溃。 因此，请慎重考虑你的人生选择。