多年來，大型語言模型（LLM）的興起要求用戶學(xué)習(xí)一種新技能：提示工程。為了得到人工智能有用的回應(yīng)，人們不得不精心設(shè)計他們的查詢問題，學(xué)習(xí)人工智能如何理解語言的細(xì)微差別。但這種情況可能正在發(fā)生變化。隨著自然語言處理（NLP）和多模態(tài)人工智能的進(jìn)步，系統(tǒng)正在進(jìn)化為更自然地與人類交互，從而消除了用戶需要強(qiáng)制塑造高精度輸入的要求。

Unisys副總裁兼全球人工智能實踐負(fù)責(zé)人Brett Barton最近在接受媒體采訪時討論了這一轉(zhuǎn)變，并指出了該公司最近的報告《2025年最佳IT見解：引領(lǐng)技術(shù)和商業(yè)的未來》中的發(fā)現(xiàn)。該報告強(qiáng)調(diào)了一種趨勢，即人工智能正在被訓(xùn)練以適應(yīng)人類，而不是人類正在被訓(xùn)練來適應(yīng)人工智能。Barton表示，這一轉(zhuǎn)變可能預(yù)示著提示工程作為一項關(guān)鍵技能的衰落。

提示工程：過時？

對于從制造業(yè)到醫(yī)療保健等行業(yè)的許多企業(yè)應(yīng)用程序，用戶需要人工智能在其環(huán)境中無縫運行，特別是在不可預(yù)測的條件下。制作長而詳細(xì)的提示和回復(fù)也許是不可能的。

Barton說：“在制造業(yè)，員工處于一個瘋狂、嘈雜、通常光線不足的環(huán)境中，他們試圖創(chuàng)造一個能產(chǎn)生可用甚至有用反應(yīng)的提示。”“我們發(fā)現(xiàn)，當(dāng)你與ChatGPT或Claude等交互時，如果你沒有給它足夠的信息來具體關(guān)聯(lián)并提取一些數(shù)據(jù)，你就處于一種模糊的中間狀態(tài)，很難從中獲得任何有價值的東西?！?/span>

這在很大程度上取決于LLM從其訓(xùn)練數(shù)據(jù)或外部來源檢索相關(guān)和上下文信息的能力。如果沒有足夠的背景，人工智能很難產(chǎn)生有意義的反應(yīng)，往往會產(chǎn)生模糊或不準(zhǔn)確的結(jié)果。提示工程側(cè)重于制作詳細(xì)而精確的提示，使模型能夠?qū)⒉樵兣c現(xiàn)有知識相匹配，提取相關(guān)細(xì)節(jié)，并生成符合用戶需求的響應(yīng)。

然而，隨著NLP的進(jìn)步，人工智能系統(tǒng)越來越擅長處理不精確的輸入，使用戶能夠與人工智能進(jìn)行更自然的對話。這些發(fā)展使人工智能能夠從結(jié)構(gòu)化程度較低的用戶輸入中推斷上下文，從而減輕用戶以高度具體的方式表達(dá)請求的負(fù)擔(dān)。

NLP和多模態(tài)AI如何推動這一演變

隨著NLP的不斷進(jìn)步，它與其他AI模式的集成正在創(chuàng)造更直觀的用戶體驗。人工智能正在進(jìn)化，以解釋和響應(yīng)從語音命令到視覺的多種形式的輸入，而不僅僅依賴于基于文本的交互。Barton表示，這些發(fā)展正在為人工智能交互變得更加自然和自適應(yīng)的未來奠定基礎(chǔ)。

他說：“我看到NLP與多模態(tài)AI和GenAI相互作用，并表現(xiàn)良好?！薄拔覀儾粌H看到了語音識別組件的進(jìn)步，而且還看到了語言翻譯的實時進(jìn)步。此外，我們開始看到更準(zhǔn)確的攝像頭，處理速度更快，我們還有手勢檢測。我們即將看到一些相對準(zhǔn)確的預(yù)測性人工智能，以實現(xiàn)更直觀、更自然的用戶交互?！?/span>

他補(bǔ)充道：“沒有人會因為不必提出問題而感到沮喪。”他提到，這些改進(jìn)將使我們能夠超越鍵盤，在移動設(shè)備、自動駕駛汽車或其他任何尚未部署生成式人工智能的地方與人工智能進(jìn)行交互。

Barton表示，NLP的成熟將帶來更直觀的人工智能應(yīng)用程序，也將提高用戶滿意度。這對于傳統(tǒng)的基于文本的交互不實用的行業(yè)尤其重要。例如，在醫(yī)療保健領(lǐng)域，醫(yī)生經(jīng)常口述筆記，而不是打字。使用NLP的人工智能系統(tǒng)可以監(jiān)聽、提取關(guān)鍵細(xì)節(jié)，并啟動工作流程，如自動調(diào)用處方、安排隨訪和標(biāo)記潛在的健康問題。目標(biāo)是讓人工智能作為幕后助手運行，預(yù)測需求，而不是要求用戶不斷改進(jìn)。

如果提示工程師消失了，誰來接替他們的位置？

隨著人工智能承擔(dān)起更多有效溝通的責(zé)任，使用這些系統(tǒng)所需的技能無疑會發(fā)生變化。Barton預(yù)測，對語言學(xué)家和其他專家的需求將會增加，他們可以提高人工智能解釋和生成自然人類語言的能力。Barton說：“我認(rèn)為，你會看到來自語言領(lǐng)域的人真正幫助這些系統(tǒng)根據(jù)口頭請求或提示實現(xiàn)更高水平的效率和功效?！?/span>

另一個關(guān)鍵的轉(zhuǎn)變將是人工智能架構(gòu)，它需要進(jìn)化以支持快速的來回交互，而不是改進(jìn)書面提示的較慢過程。他解釋說：“你還必須考慮架構(gòu)，因為如果系統(tǒng)沒有生成他們第一次尋求的信息，人們能夠更快地說話，更快地處理另一個請求?！?/span>

確保人工智能能夠跟上自然語音和實時交互的步伐將需要協(xié)作。人工智能和云架構(gòu)師需要設(shè)計可擴(kuò)展的基礎(chǔ)設(shè)施，能夠處理語音驅(qū)動人工智能增加的數(shù)據(jù)流和計算需求。軟件工程師和NLP專家將專注于優(yōu)化模型，以加快響應(yīng)時間，減少延遲，并提高交互中的上下文保留率。

部署語音驅(qū)動人工智能的挑戰(zhàn)

隨著人工智能轉(zhuǎn)向語音驅(qū)動的交互，組織將需要解決幾個挑戰(zhàn)，包括安全和治理問題。經(jīng)過訓(xùn)練以識別語音的人工智能模型必須在不同的環(huán)境中運行，處理背景噪聲、加密以及如何安全地處理數(shù)據(jù)。設(shè)備兼容性也值得注意，因為許多工作場所允許員工使用個人設(shè)備，但人工智能驅(qū)動的交互引發(fā)了關(guān)于安全性和數(shù)據(jù)所有權(quán)的問題。

隨著人工智能驅(qū)動的語音交互變得越來越普遍，治理和合規(guī)框架對于確保這些系統(tǒng)在法律和道德界限內(nèi)運行也至關(guān)重要。醫(yī)療保健中的HIPAA等法規(guī)對如何收集、處理和存儲患者記錄等敏感數(shù)據(jù)提出了嚴(yán)格要求。Barton說，部署基于語音的人工智能的組織將需要實施強(qiáng)大的安全措施，如加密和訪問控制，以防止未經(jīng)授權(quán)的訪問或違規(guī)。

此外，處理財務(wù)或個人數(shù)據(jù)的行業(yè)必須遵守歐盟GDPR等法規(guī)，該法規(guī)要求人工智能決策和用戶數(shù)據(jù)的透明度。除了遵守法律，組織還需要制定內(nèi)部治理政策，以解決人工智能偏見，并確保這些人工智能互動符合道德標(biāo)準(zhǔn)。

人工智能是一個不斷發(fā)展的進(jìn)程項目，而不是一次性項目

向理解人類的人工智能轉(zhuǎn)變，而不是相反，代表了NLP和生成式人工智能進(jìn)化的重大轉(zhuǎn)變。隨著這些系統(tǒng)變得更加直觀，提示工程的僵化世界可能會成為過去的遺跡。

Barton說，成功的人工智能部署依賴于三個關(guān)鍵支柱：數(shù)據(jù)質(zhì)量、安全性和組織變革管理。

高質(zhì)量、結(jié)構(gòu)化的數(shù)據(jù)是基礎(chǔ)，因為人工智能系統(tǒng)只能與它們處理的信息一樣有效。與低數(shù)據(jù)質(zhì)量作斗爭的組織通常會轉(zhuǎn)向生成性人工智能用例，而不是傳統(tǒng)的人工智能，但擴(kuò)散策略等新興技術(shù)正在幫助清理和驗證遺留數(shù)據(jù)。

第二個支柱是安全性，確保人工智能驅(qū)動的查詢快速安全地返回結(jié)果，需要強(qiáng)大的基礎(chǔ)設(shè)施來處理高速數(shù)據(jù)流，而不會出現(xiàn)延遲問題。

最后，組織變革管理在采用中起著至關(guān)重要的作用。如果沒有適當(dāng)?shù)呐嘤?xùn)和用戶指導(dǎo)，即使是最先進(jìn)的人工智能解決方案也無法實現(xiàn)投資回報率。

Barton說：“這不是一個項目。它沒有終點。這是一個計劃。就像孩子一樣，它需要不斷的照顧和喂養(yǎng)，否則它提供的價值就會開始下降?！彼a(bǔ)充說，組織不應(yīng)該被未來的挑戰(zhàn)所嚇倒。

他總結(jié)道：“讓我們確保我們知道需要做什么來構(gòu)建一個功能齊全的人工智能應(yīng)用程序，以滿足您的需求，該應(yīng)用程序足夠靈活，可以與您一起擴(kuò)展，但也有助于您的員工了解如何最好地使用它，以便他們獲得好處?！?/span>