调教AIGPT之奖惩指令(有监督学习)的技巧

其实这个所谓“奖惩指令(有监督学习)”的作用和调教原理很好理解，它就像是我们教育孩子一样。

如果你希望孩子达到你理想的行为标准，那么你就需要对他进行教育，如果孩子做得好，我们就需要及时的夸奖，鼓励他变得更好，

而如果孩子做的差劲，我们就需要对他进行惩罚，让孩子知道你的底线。

于是就是通过这样不断的棒槌 + 奖励的反复纠正下，孩子自然就会形成一套我们所期望的行为标准。

所以，既然基于神经网络的 AI 具备思维链的能力，那么我们当然也可以按照教育孩子的这种思路，让 AI 变得越来越听话。

至于这个奖惩指令的实操思路很简单，这里不妨拿我训练的【出题小助手】举例子~

这一点我成长圈社群的同学应该都知道，每个周我都会给我社群的同学出一道思考题~

所以，在ChatGPT出现之后，我就在思考，能不能让 AI 自动或者辅助我生成思维题，以分担掉我这部分的工作负担。

于是，在这种目标的指引下，我就开启了对AI的调教....

调教思路很简单：

首先，先投喂我之前的思维题，然后让它学习和分析我出题的格式，然后让它生成答案模式。

对于这些AI生成的内容，如果碰到符合我要求的地方，我就会用肯定词汇，比如：非常好，请继续保持这种形式。

对于不符合我要求的地方，我就会用否定词汇，比方说：不对，你错了，请重新，要求 XXX。

(一般 GPT 马上会向你道歉，并纠正其错误)

类似于你看到的这样.....

所以，不妨思考下你工作中场景，看看有哪些是比较偏模式化的任务，对于这些比较模式化的目标，你都可以通过【奖惩指令】对 AI 进行训练~

在训练的过程中，对于那些符合你要求的地方进行鼓励，对于不符合要求的地方进行惩罚。

最后通过这样来回的奖惩之中，AI 就会达到你理想的行为标准，生成你符合你想要内容的能力，成为你工作中某个场景下的长期助手。

好了，到这里我们就讲完了关于【训练 AI 技术面】的方法了~

但是我们也都知道，无论是知识还是技术，还是工具，它们最终的目的都是为了帮助我们创造实际的生存力所存在的。

如果达不成这个目标，那么即使你掌握了屠龙术，但是没有龙可屠，那么这个屠龙术也是和你没有毛关系的。

我们很多同学之所以拿到了 GPT，也掌握了 GPT 的使用方法，却仍然使用的频次很低，甚至完全用不起来的核心原因，就是因为你没有把 AI 与你所需要的应用场景关联起来。