Перефразируя классическую шутку “ИИ как подростковый секс - все о нём говорят, но никто не занимается”.

У Итана Моллика в LN вчера развернулась интересная беседа вокруг его поста о том, что в то время, когда все пытаются разобраться с тем, как работают модели и учатся промптингу, мало кто на самом деле понимает, что:
“AI skills are basically the skills of good managers - delegation, clear explanations, getting a sense of individual strengths & weaknesses, division of labor, project management, clear feedback”.

Вспомнил забавную цитату с реддита в теме о том, как писать эффективные промпты, ниже мой вольный перевод:
-Самый важный навык, который принесёт вам пользу в работе с ИИ это способность ясно объяснять другому человеку чего же на самом деле вы хотите.
-Даааа, иногда когда я вижу чужие промпты, то задумываюсь, как же они вообще с такими навыками общения дожили до своих лет? )

Вот, к примеру, что инженеры из Anthropic говорят про то, как делать правильный промптинг. Среди них Аманда Аскелл, моя one love из мира ИИ. До того, как заняться alignment (так называется приведение поведения бездушных моделей в соответствие с общечеловеческими ценностями) в компании, которая делает Claude, она занималась философией. В видео она как раз говорит, что именно то, как её учили писать философские тексты во многом определило её стиль промптинга. Кстати, именно её команда делает Claude таким человечным :)

Вольный перевод её цитаты: “Ваш стиль письма должен быть инструментом против буллшита. Если вашу статью будет читать образованный неспециалист - ему должно быть всё понятно… Когда вы пишете промпт, все концепции должны быть определены - никаких “красивый график” или “хороший текст”. С интересом прослушал беседу, выписал пяток надёжных способов улучшить собственный промптинг:
[https://www.youtube.com/watch?v=T9aRN5JkmL8](https://www.youtube.com/watch?v=T9aRN5JkmL8)

Кстати, я думаю что именно для мультипотенциалов работа с ИИ может принести наибольший результат. Поясню на собственном примере - для меня гораздо интереснее обладать базовыми знаниями в многих интересующих меня областях, чем оттачивать мастерство в одной-двух.

Если тема мне интересна - я могу без труда обсуждать её с экспертами и ставить задачу мастерам. И у такого подхода есть своё преимущество, во-первых, это позволяет мне использовать предыдущий опыт из других сфер деятельности, а во-вторых, работать в мультидисциплинарном режиме, где, как известно, случаются самые интересные прорывы. Специалисты такого быстрого переключения между областями себе позволить не могут.

Чем же это качество полезно при использования искусственного интеллекта? Да тем, что во многих областях, где результат определяется формальной логикой - математике, программировании, аналитике, везде, где можно ясно описать какой результат является верным, при помощи моделей, которые работают как исполнительные и не устающие ассистенты можно не только ускорять свою работу в разы - можно решать задачи, которые раньше были просто невозможны.

К примеру, если раньше для решения любой аналитической задачи вы либо покупали готовые отчёты, либо шли по долгому пути, когда сначала искали данные, потом разбирались с их форматом, просили помощь у инженеров для того, чтобы превратить их в подходящий вашему инструменту формат, то теперь всё стало гораздо проще.