如何通过提升你的核心竞争力
宗恒
嘉宾介绍
13年跨境电商行业经验，技术实战型卖家+知识博主。跨境电商独立站、亚马逊平台优质卖家。行业发展和运营实战探索者和分享者，先后创建广告交流平台、亚马逊运维交流平台。
一、一个关于概率的游戏
首先我们先理解一个概念，AI和人脑的思维不是同一个东西，在某种程度上，我们可以将AI理解为是一个概率的游戏。即使用AI生成内容的主要原理是让其理解诊断我们提出需求的每一个字，然后统一去计算应该生成每一个字的概率。
在AI的基础逻辑方面，我们可以说所有知识都会转化为概率，这些概率或大或小，依据的是亲身经历中自己的理解有多正确或者多错误，以及问题有多简单或者多复杂。在这里我们可以借助香农熵来理解。
香农熵的概念：
香农熵是一种衡量信息”混乱程度”的方法，就像我们会用体重来衡量一个人的胖瘦一样。具体来说，如果一个信息非常有规律、有序，那么它的香农熵就会很低。反之如果一个信息非常杂乱、无序，那么它的香农熵就会很高。比如把一个小球放在骑士车上，它就不会动。如果把小球乱扔一通，它就会在车上滚来滚去，这就是香农熵高的例子。所以我们在认识GPT前，需要理解其实使用GPT的目的就在于减熵，而减熵的目的在于降低不确定性。
二、为什么优于其他大语言模型
投入时间和资金多
由于GPT前期靠预训练，后期完全靠机器无监督学习，因此后期的训练只需要大量丢给它足够多的文本，GPT就会自动训练。由于投入的最早，训练样本最多，使得的是目前最安全，知识面最全的的GPT工具。
GPT3和GPT4的对比数据
解决了机器学习遇到的两个大问题
（1）欠拟合
欠拟合是一种错误类型，当模型无法确定输入数据和输出数据之间是否存在有意义的关系时就会发生这种错误。如果模型没有在大量数据点上进行适当时长的训练，则会获得欠拟合模型。通俗地讲就是学渣还没学明白。
（2）过拟合
当机器学习模型为训练数据提供准确的预测而不是新数据时，就会发生这种行为。当数据科学家使用机器学习模型进行预测时，他们首先在已知数据集上训练模型。然后根据这些信息，该模型尝试预测新数据集的结果。过度拟合模型可能给出不准确的预测，并且无法对所有类型的新数据表现良好。
例如，在一个使用案例中，机器学习模型必须分析照片并识别其中包含狗的照片，如果机器学习模型在数据集上进行训练，该数据集主要包含显示室外公园内狗的照片，则该模型可能学习使用草作为分类特征，并且可能无法识别室内的狗。通俗地可以将其理解为书呆子。
GPT即产生了涌现效应
涌现()效应是指在复杂数学或科学系统中，一些新的、未预期的行为或特性自然产生。这些行为或特性不是系统各部分单独具有的，而是整个系统在相互作用中表现出来的。
涌现效应有以下的特点：
（1）”不存在于小模型中但存在于大模型中”的能力。
（2）不在训练集中出现，但是可以通过多个范围能出现。
（3）大语言模型的训练数据质量和准确性越高，训练量越大，越有可能诞生涌现效应的成果。
GPT对企业的影响
美国《财富》杂志网站近日报道，本月早些时候，一家提供就业服务的平台对1000家企业进行了调查。结果显示近50%的企业表示，已经在使用，30%的企业表示，有计划使用。而在已经使用的企业中，48%的企业已经让其代替员工去工作。的具体职责包括：客服、代码编写、招聘信息撰写、文案和内容创作、会议记录和文件摘要等。
目前来看，的工作得到了公司的普遍认可。55%给出了”优秀”的评价，34%认为”非常好”。除了工作能力不俗以外，还为企业节省了成本。48%的受访企业称，自使用这款人工智能聊天程序以来，公司节省了超过5万美元的费用。11%表示节省下来的费用高达10多万美元。
GPT是真正意义上第一个能理解人类语言的AI语言模型
在人类基本语言逻辑中，语意泛指字面意思，也就是我们说了什么。语旨指的是语句所表达的根本目的，也就是语句的动机。语效指的是该语句导致的最终结果。而判断一个大语言模型的好坏在于其能否真正理解人类的语旨。例如在以下案例中，GPT可以根据我们稍微改动后的的语言去理解语旨，输出不同的回答。
三、撰写逻辑
在上述的逻辑过程中，最终会导致三种情况：
1、解决目标问题所需知识完全在GPT的通识知识库中
在这种情况下，GPT能完成部分任务，但是几乎不减熵。也就是说GPT虽然完成了我们的任务，但是这些任务都过于简单，得到的答案一般是太过宽泛，没有做到减熵，所以我们觉得效果不好。
另外当我们写一些过于罕见的问题和逻辑链的时候，GPT的通识知识无法匹配我们想要的目标效果。例如在一些常见的问题中，只要我们稍微修改条件，GPT就无法正确回答我们的问题，导致过拟合，因为GPT此时是通过概率推算出内容，而不是基于逻辑输出内容。
2、解决目标问题所需要的知识大部分在GPT通识知识库中
在这种情况下，GPT可能会陷入循环问答，无法解决问题。例如我们更改刚刚的问题。
所以在这种情况下，需要我们明确下面的问题：
（1）在现有GPT知识库中的比例问题，如果比例较高，那么减熵较少，但是如果比例较低，可能出现欠拟合的问题。
（2）要明白使用GPT最终的目的是解决问题也就是减熵，而不是得到一个没有价值的答案，所以思考我们的问题很关键。
（3）提示词尽可能降低解决的问题的逻辑复杂性，或者减少要解决问题的逻辑复杂性，这样会让GPT生成更匹配的文本。
（4）这类问题中，有时候真正减熵的是提问者，仅作为我们的提示者，通过互动让我们自己思考真正的答案。
（5）考虑编程把语言问题转换为符合机器理解的逻辑问题去求解。
3、解决目标问题所需的知识极少量在GPT的通识知识库中
这种情况可能产生的问题：
（1）受制于单次的文本数量限制，无法提供足够的所需知识，因此GPT无法归纳并完成我们的目标。
（2）所需知识中逻辑链过于强而复杂，大语言模型的通识知识库中无法找到对应的匹配数据，无法理解。
（3）目标问题所需知识较复杂(比如一门完全没有经过训练的的语言)，之前训练的通识知识无法解释目标问题，导致无法完成任务。
4、优化提示词需要掌握的概念和方法
（1）One-shot/Few Shot 的优化
方法1：背景描述
提供一些GPT不知道的知识，并且举例这些知识与知识之间的关系，尝试让其举一反三。举例：如果我们遇到FCC认证审核的问题，可以先看GPT知识库是否有这些相关内容，如果没有，那么就把帮助文档复制给它，尝试让它解读并要求解读后输出对应的Case回复解决现有的问题。
另一种情况是某些知识可能在其原始训练的数据中有包含，但是已经过时了，所以需要提醒GPT更新这段知识。举例：”你是否知道2023年法国包装法的政策。”找到信息源提供给GPT，让它总结归纳并输出。
此外，我们还可以使用相同的提示词，根据答案准确度去优化提示词。举例：“对一个文案的优劣进行打分。”对于这个具体目的的任务我们要进行背景描述和信息补充，不同的得到的结果不同，通过不同的结果反馈，我们可以知道怎么去优化我们的。
方法2：代入人设
人设目的是为了省去大量的背景描述。举例：“请你作为一个10年经验的亚马逊运营，请列举一些你所知道的运营技巧。”如果GPT回答正确或者超过我们的预期，那么就可以使用人设去简化背景知识。如果实际数据库并不包含这个人设，或者针对这个人设所做的训练过少，那么人设的价值并没有那么高。
（2）Flow 的优化
Flow 的逻辑是通过一句的对话形式，把一个问题题反复说清楚，并在这个过程中提供给与GPT One-Shot 无法提供的更多的信息。具体的步骤为：
A.列出大纲
一般来说，对于较为复杂的问题，先让GPT列出大纲，然后根据大纲一段段输出结果。举例：“我应该如何在上开店，请帮我列出大纲。”
B.分段反复提问
分段的对一个问题进行反复推敲和讨论，然后让他提炼精华、汇总、反推、生成。也就是为了提高获取答案的精准度，我们可以不断地对GPT循环反问。
C.优化链路
可以修改我们前面提到的问题，这样会覆盖后面的问题，但是可以用于优化整段对话，减少对话的链路。
（3）小样本学习
GPT 3已经在来自开放互联网的大量文本上进行了预训练。当给出仅包含几个示例的提示时，它通常可以凭直觉判断出我们要执行的任务并生成合理的完成。这通常称为”小样本学习。”小样本学习在GPT模型领域的含义是使用各种技术和方法来克服数据稀缺的的问题，从而实现高效和准确的文本生成。给到一部分例子给GPT，通常在两到五个之间，以便他能快速理解我们提供的示例。然后让它根据我们提供的示例回复结果。
Meta-是一种小样本学习的技术，通常是使用一个学习器来学习从少量的样本中的知识，并将其应用于解决新问题。在GPT模型中，Meta-可以通过学习语言理解和生成的知识来提高模型的性能。
（4）思维链（COT）
思维链(Chain of ，COT)是一种语言学习和记忆技术，通过将概念和思想链接形成一个有机的”思维链”，来帮助人们更好地理解和记忆信息。这种技术基于认知心理学的研究，认为将信息连接成一个整体可以提高信息的记忆效果，类似于记忆宫殿法和心理图谱。
GPT模型在自然语言生成领域取得了很好的成果，其中一个重要的原理就是通过长期短期记忆模型(LSTM)或框架来建立输入文本的语境，并通过不断预测下一个最可能的单词来生成新的文本。而和思维链(GOT)的联系就在于，类似COT的思想，GPT通过将输入文本的上下文与一系列概念和知识点进行链接，从而生成具备语境和连贯性的文本。类似于COT的思路，GPT中的每个单词和短语都被视为一个节点，这些节点是通过某种方式相互连接形成一个有机整体的”思维链”。
（5）Zero-Shot
当你在普通的提示词中加上，”let’ by step”或者” aloud”这类词的时候，GPT生成的质量要远超过不加这些句子的时候。
可能的原理(学术界暂无定论)：COT思维链让GPT进行类似人类的把问题分步骤拆分的去思考，从而得到更优质的结果。
优质训练样本猜想：在训练GPT的时候，遇到了一些优秀的案例中包含某些向量数据，从而让GPT学会分辨优秀和普通的区别。因此加上Zero-Shop 的时候，优质的例子中获取的结果，会导致有更好的数据。
5、撰写时需要思考的内容
（1）更精准的描述问题
将有复杂逻辑的问题拆分为简化逻辑的问题，充分理解和解释我们所提问的问题背后的逻辑和相关关键词的含义，一旦发现回复不合理的时候，反思自己的问题是否有做到让GPT理解。另外，提问描述的是目标而不是过程，使用有意义且描述明确的目标，概括我们的问题主旨，避免GPT不明白核心目的。
（2）减少使用模糊词
精确地描述我们提问的问题内容，使用清晰、正确、精准且合乎语法的语句，思考用什么样的单词能提高句子的精准性。例如以下案例。
差问题：怎么抓住AI的机会，让我一夜暴富？
更好的问题：假设你参加一个1万元创业的节目，节目组给到我只有1万人民币币，利用一个月时间来测试谁能赚到更多的钱。你的目的是利用一个月时间，教会我快速赚到最多的钱，我选择的项目是做跨境电商，其中1000人民币用来开设账户，剩余的6000元用来备货，4000元作为营销成本，我选定的品类是个性化衬衫，那么我应该怎么利用好这些钱，请给我一个1个月赚到1万元的计划，包含每周需要做的事情，现金的如何利用以及需要完成的结果。请一步一步分开思考。
四、GPT的核心工具
1、优势工具
（1）对比，可以在对话中进行各种对比，例如比较产品或服务的优缺点、比较不同的方案或策略等。例如：“请对比两款商品的核心卖点。”
（2）汇总，可以根据给定的信息或条件，汇总并呈现出相应的结果或结论，在商业决策、数据分析等方面有广泛应用。例如：“请汇总这个产品的核心卖点。”
（3）分类，可以根据给定的标准或特征，将事物或信息进行分类和归类，例如将商品按价格或类别进行分类。例如：“请针对下面这个产品，对于有充电功能的和无充电功能的特征进行分类。”
（4）提炼，能够根据用户提供的信息，提取相应的核心内容以便于用户理解和使用。例如：“请提炼下面10个产品中，关于介绍太阳能充电的信息，并进行对比。”
（5）解释，可以根据用户的需求，解释相关的概念、术语或知识，帮助用户理解和掌握相应的知识。
（6）文本翻译，可以将不同语言之间的文本进行翻译，为用户提供跨语言首沟通的服务。
（7）撰写不同风格的文本，基于Few-shot ，从长期来看，Fine 后效果会更好。
2、GPT暂时的弱势能力
包括计算、问答和知识查询（基于老的数据）、语音合成、音频转写、图像识别和生成。
3、有待提升的能力
（1）查询，可以根据用户提供的关键词或问题，从相应的数据库和知识库中查询相关信息并进行回答。
（2）推论/推理，可以通过对已有信息的分析和推测，得出相应的结论并为用户提供参考。目前的推理能力基本来自涌现的效应。
（3）撰写代码(复杂语文转换)，可以根据用户提供的语言描述，自动生成相应的代码段或程序，并进行一些复杂的语义转换和处理，如自然语言转SOL、图像描述转生成图像等。例如可以根据用户输入的自然语言描述，快速生成相应的机器学习模型训练流程代码段。
（4）搜索，联网后解锁的能力，如、等是基于联网后的拓展应用。
五、的资讯来源
1、关注人工智能相关核心人员的。
2、优质的，以行业开发者为核心的社区。例如的开源项目、.co、、 群组和群组。
六、如何通过AI提升自己的核心竞争力
掌握一门编程语言。
通过GPT学习多门外语，学习了解不同语言之间的优美之处。
学习一些复杂难懂的书和概念。
提高自己学习和工作的效率。例如让GPT快速列出一个我们要解决的任务的清单，减少我们去解决这个任务的压力。
学习数据分析的逻辑。学习如何通过数据分析工具和技术，对海量的数据进行处理、分析、评估。这样可以让我们针对不同的数据类型，能够专业地做出数据分析并提出解决方案，以帮助公司决策制定和优化业务战略。
基于个人兴趣和特长，如果我们能找到自己喜欢的领域并且擅长这方面的技能，那么利用GPT的语言生成功能可以自己编写关于该领域的文章和教程内容，同时在相应的平台上分享，从而吸引更多关注和交流，并且提高自己的声誉和知名度。
七、假设我是一位3年以上经验的亚马逊卖家，如何通过去优化亚马逊工作？
产品研发方面，GPT暂时解决不了堆功能、堆型号和堆方案的工作。
运营工作方面，目前GPT可以替代运营一部分的工作，例如提高人均产出、提高撰写和提高调研市场的效率。暂时替代不了钻行业漏洞和特别刁钻的操作。
客服工作方面，GPT基本可以搞定95%的客服文案，未来可能可以做到全自动邮件回复。
品牌打造方面，GPT可以替代大部分的优质文案、拍摄脚本的编写、独立站建站的工作。几乎完全替代网站SEO、博文撰写和联系红人的工作，未来即将替代深度调研分析的工作。
此外，我们还可以使用GPT去破解某些人们认为是玄乎其玄的领域。例如独立站运营、广告文案的编写和优化、博客建设、联盟营销等领域。在视频拍摄和渲染方面，我们可以通过询问GPT优化这部分的工作。例如询问GPT“如何拍摄营销视频”、“如何做短视频”、“如何设计一个适合的场景”、“如何做简单的渲染”等等。
八、建议
放弃利用GPT快速求成，急功近利的想法。
作为老板，应该踏踏实实自己从撰写开始用好GPT。
不要买一堆课程不去学，GPT的知识，99%的内容都是公开免费的，只是需要我们花时间去找去学，最好的学习方式是直接使用。
先尝试找一个我们最需要填补空缺知识的领域，用好它帮助我们提升。
滑到底部点“在看”
腾讯公众号算法才会及时推送最新文章到您的订阅列表
相关文章
