#68 The Intersection between AI and Design with Emily Campbell
40:37 Share

您好，欢迎收听我们播客的另一期节目，《用户体验的未来》，我们将深入探讨用户体验和产品设计的迷人世界。今天，我非常高兴地邀请到 Emily Campbell。她是设计和人工智能领域的真正领导者。Emily 一直在开创一个名为“人工智能的形状”的项目，探索人工智能和设计的交叉点。

我个人必须承认，我很高兴 Emily 能来到这里。她是一位非常聪明的人，我非常喜欢她在领英和其他社交媒体平台上的贡献。我认为她非常鼓舞人心。

我认为真正让 Emily 与众不同的是她对学习旅程的坦诚。她并没有声称自己无所不知，而是分享了自己的见解和发现，这简直太棒了。正如您所听到的，我是她的忠实粉丝，我发现我们的谈话非常鼓舞人心。老实说，我……

是的，我觉得这场谈话可以永远持续下去。敬请期待。您一定不想错过与 Emily Kemper 的这期精彩节目。请欣赏。嗨，Emily。欢迎来到用户体验的未来。嗨，非常感谢您的邀请。

当然，我很高兴您能抽出时间。非常高兴能与您讨论人工智能。在我们深入探讨主题之前，请您做一个简短的自我介绍，谈谈您自己以及您是谁。

当然，绝对可以。我是一位拥有大约 15 年科技行业经验的老兵。我领导设计团队已经有一段时间了，目前担任兼职设计领导者，帮助设计团队提高成熟度，开始弄清楚如何在人工智能的世界中处理我们的工作，当然，也帮助公司整体提高设计在其公司中的影响力。嗯哼。

太棒了。而且您也非常关注人工智能，对吧？您分享了很多关于这个主题的文章。您对这些主题有很多非常有趣的看法。我认为，尤其是在当下，让设计领导者分享关于这些主题的专业知识和想法非常重要。所以也许您可以向听众介绍一下您在人工智能领域所做的事情。

当然，绝对可以。大约一年半前，我开始与一个专注于人工智能产品的团队合作。我与我们的数据科学主管、工程领导者和工程师密切合作。

并开始探索这项技术的工作原理以及哪些用例可能对我们的用户群有意义。这是我在 Bender 领导设计和研究工作时的事情。这本身就是一个令人着迷的机会，让我以开放的心态、创造性的思维方式来接触这项技术，并思考其价值所在以及它的工作原理。

然后，当我进入今年的时候，我的好奇心持续增长，并开始引发我更多的问题，例如：我还没有看到哪些其他用例？我们作为设计师和构建这些软件工具的人员的实践需要如何随着技术的发展而发展？

这项技术，以及为这项技术？我们已经看到了什么？因为我们正处于一个变化非常迅速的时刻，而我们对它的理解，更不用说规划了，只是稍微落后了一点。因此，这成为了我“人工智能的形状”项目、我的一些写作以及我与我合作的团队所做的工作的动力。

太棒了。您能谈谈您获得的结果吗？您谈到了所有这些问题。那么，您从中获得的一些见解是什么？我知道当然没有最终答案，但您在过程中的一些学习是什么？当然。就整体采用和整体空间而言，我看到了一些事情。首先，人工智能正在不断发展。

当然，当我们今天谈论人工智能时，我们许多人都在考虑从 Transformer、GPT 和自然语言处理中出现的技术。但当然，人工智能已经存在了几十年了。大多数人不知道他们每天都在使用人工智能。所以一个有趣的发现是，自我报告使用并与人工智能互动的人数。用户的感知与现实并不一致。此外，

另一方面，也许我们看到的是，大多数生成式人工智能的实现往往是，我只能称之为表面层次的，几乎是噱头。我们看到很多，我想向你展示我的公司在做人工智能，所以我把它放在那里。我用过一个比较，如果你看过《波特兰迪亚》这个节目，他们会说，在上面放一只鸟。这会让它很酷。我们在业界迎来了“在上面放人工智能”的时刻。哦，是的。

所以我们拥有这样一个世界：一方面，人们正在以一种舒适和有用的方式与这项技术互动。然而，我们正在构建的解决方案并不一定有用或具有明显的价值。这里存在差距。因此，我认为作为设计师，我在我们正在使用的模式和我们在界面中引入这些模式的方式中发现的是

我们仍然有动力去追求噱头，只是把它放在那里。我没有看到那么多……

这种情况正在迅速改变，但我还没有看到很多例子，其中人工智能的实现似乎与用户旅程非常整合。我相信我们会讨论我一直在观察和记录的一些模式，但我认为最大的收获是这里存在一个明确的机会。当人们意识到这一点时，他们会理解这项技术可以为他们的生活带来价值。

但是我们以更可观察的方式引入它的方式可能还不太到位。所以我真的不知道该怎么看待这个问题，但这绝对是工作场所产品和家庭前沿中我看到的一个相当普遍的模式。你认为这是为什么呢？天哪，有很多原因。当我开始关注这个问题时，我使用了这个术语“人工智能的形状”，

作为我项目的名字，只是开始为我们看到的界面级别的不同模式命名。我从界面开始，因为它对我们来说是最明显的。但这些反映了业务层面、激励层面和市场层面的模式。所以……

为了回答你为什么我认为是这样的问题，首先，投资者更看重那些引入生成式人工智能的公司，而不是那些没有引入的公司。现在绝对存在乘数效应，而我们才刚刚开始看到这个泡沫开始破裂。我们看到收益报告低于预期。我们看到一些大公司……

开始收回他们与人工智能相关的部分收入目标。所以我认为我们正走出这个炒作周期，在这个周期中，公司希望通过展示人工智能，使其在界面中非常显眼来脱颖而出或至少与竞争对手抗衡。

当这种激励驱动你的决策时，你考虑的更少的是使用该产品的人以及他们实际想要完成的事情以及这项技术如何帮助他们完成这些事情。相反，你几乎是从营销的角度来考虑人工智能。但我认为，随着这个泡沫破裂，我们将看到这波浪潮席卷而来，我们将看到越来越多的 AI 作为增值服务。当你查看数据中的数字时，它

皮尤研究中心上个月，也就是三月份发布的一项调查，调查了使用过人工智能的人们，他们的采用模式是如何变化的。我们已经看到，人们将生成式人工智能应用到他们的工作流程中，尤其是在工作中，已经出现了大幅跃升，从高个位数到低两位数的增长。

有数据，Ethan Mollick 最近在推特上分享了一些关于这两篇论文的数据，这些论文显示，在写作中使用人工智能的人，在代码类型任务中使用人工智能的人，任何这种重复性任务的人，

在这些功能的理想性和可用性方面都有很大的提高。所以我认为我们才刚刚开始看到市场放缓。这对我们作为设计师来说是一个有趣的时刻，因为我们正来到这样一个时刻，公司将意识到，如果我们真的要

摆脱竞争。如果我们真的要让它成为人们想要的东西，我们必须关注人，而不是技术，而不是口号，而是坚持最佳实践，你知道，改变游戏规则的，哦，我的天哪，以人为本的设计。但我认为我们将看到这再次成为优先事项和重点。太棒了。对我们用户体验设计师来说是好事。正是公司需要的技能。

回到用户，回到客户，了解需求、痛点、目标，然后考虑人工智能是否真的有意义。你仍然可以拥有吸引投资者的花哨功能，也许在这里和那里，但如果它改变了整个体验，可能不行。如果它没有以最佳方式改变它，那么它可能不是一个好的解决方案，对吧？

是的，我们的产品。是的，我认为还将有一个有趣的时刻，我们必须了解向那些迟来者介绍这项技术的正确方法，因为对采用这项技术存在很多犹豫

人工智能，存在恐惧。其中一些恐惧非常有根据，因为它会发生在你身上数据以及这些模型的训练信息。一些恐惧可能是被误导的，或者与它将如何影响我和我的工作相一致。如果我使用它，我是否正在促成消除我工作的系统？还有许多消费者模式、消费者抵制和反应也会影响这些产品的外观。

我认为我们将看到的是，对于那些对这项技术是什么、它为什么在这里以及它如何帮助我的生活没有任何期望的人来说，我们将继续看到那些表面层次的东西，你今天在找什么？跟我谈谈，告诉我你在想什么。但我认为，我们已经在微软 Copilot 中看到了这一点，我们已经在将人工智能深度集成到财务建模工具和业务工具中看到了这一点。我们还在其他 Copilot 工具（如 GitHub）中看到了这一点，其中

当人工智能可以帮助你完成你已经必须完成的任务时，它会更快，更准确，现在你可以继续做你一天中的其他事情，你不仅仅是在做繁琐的工作，这是一个“啊哈”时刻。那时人们会说，哦，哦，我明白了。这不仅仅是一个噱头。它实际上是为了改善我的日常生活。因此，人们体验到这些“啊哈”时刻越多，我们就越会开始看到这些激励模式发生转变。

我认为这非常吸引人，对吧？因为其中一些事情可能会在后台发生。你并没有真正注意到这是人工智能。你只是意识到，哦，正在发生一些事情正在帮助我。你感觉像是被启发了，但你并不真正知道这是人工智能。我认为这最终会发生。目前，你到处都能看到典型的 AI 表情符号图标，上面有小火花。

只是为了表明这是人工智能，但你并不真正需要它，对吧？所以最终，一切都是关于用户创造的结果。是的，我认为非常有趣。但是当谈到模式和设计人工智能产品时，我的意思是，你在过去的几分钟里已经提到了一些模式，但是作为设计师，有哪些常用的模式？

它与您作为设计师所熟悉的传统设计模式或设计用户体验角色有何不同？是的，绝对的。当我再次谈到人工智能时，我将关注这种新层次的人工智能。因此，生成式人工智能与传统事物（如深度学习、机器学习）相结合，你知道，所有这些都完全包含人工智能。

但是现在，由于能够通过自然语言处理直接与模型进行通信，并且再次，我们能够使用这些协同驾驶员和 Transformer 模型，这就是我们看到变化的地方。因此，让我首先描述这些产品如何改变用户交互，然后这就是它如何影响界面级别。直到最近，我们任何在过去十年中一直在做这件事的人

我们都知道我们用来评估设计性能的东西。例如，有人需要点击多少次才能获得一些结果，对吧？因此，我们在信息架构、层次结构和交互设计方面的大量工作都导致了这种中心辐射模型。我，作为用户，去导航。我做这件事，它带我去另一件事，让我得到我想要的东西。

但是有了这个新的生成处理层，这个框架就发生了变化。我不再需要多次点击才能得到我想要的东西。我必须询问机器我想要什么，然后看看我问得有多好才能得到我真正想要的回应。有时这是非常明确的，就像在聊天机器人场景中一样。有时它更隐含，我可能会使用模型本身的建议，使其更短，改变语气。

但它仍然是我们正在转向的感知和响应模型。因此，当我开始思考如何解释我们看到的模式时，这就是我脑海中的想法。我作为用户需要使用多少输入才能获得满足我的需求、我信任的、准确的并且我可以继续进行我接下来想要做的任何事情的结果？所以

当我列出我自己的关于我观察到的模式的小型模式语言时，这就是我所遵循的。所以首先，我需要确定如何……

如何 ping 模型，如何介绍我的提示。也许是你提到的闪闪发光的表情符号。哦，这里有人工智能。我可以做一些不同的事情。也许是巨大的“你今天在找什么”输入栏。或者它可能像图标或一些触发器一样微妙，它允许我总结一些数据表，例如。所以我需要识别它。然后我需要能够输入我的数据。

我的提示，我将再次使用“提示”来涵盖用户向模型、系统、程序建议他们想要某些东西的任何内容。

我需要确保它很可能让我得到我想要的东西。所以我们有这些模式来引导人们获得良好的回应，建议你可能提出的问题，句子的开头，这样你就可以完成它们。你不必思考。如果你只是面对一个空白页面，你就不会遇到那个空白画布问题。然后我必须能够得到一些反馈。这些结果是什么样的？我如何解释它们？我如何知道它们准确的可能性有多大？

然后我需要能够调整它。所以我有一套我称之为“调谐器”的模式。好的，我得到了一个回应，但我如何改变它？我甚至知道我可以改变它吗？如果我不喜欢这个回应，

它不是唯一可用的东西，不是竖起大拇指。我可以说这是不对的。这不是我想要的。你考虑错了。你没有按照我要求的方式把它还给我。最后，我需要知道我是否可以信任结果，不仅是在准确性方面，以及我如何处理幻觉之类的事情，还在于你接受了什么训练？这是否包含专有信息？如果我在工作中使用它，我会惹上麻烦吗？

所以这就是这种，我的意思是，我线性地把它列出来了，但这实际上就像一个系统动力学。我作为用户正在与系统互动。然后当然，我们必须认识到大多数人

他们不是技术人员，他们不是同一水平的系统思想家。所以最后回答你关于这与现有模式有何关系的问题：这不是对用户体验的彻底反思。这是利用我们已经知道的作为用户体验最佳实践的东西，并在其之上应用这种几乎是服务设计的级别。某人试图完成什么，我们如何才能给他们更好的线索、更多细节和更多控制权，让他们感觉自己正在驱动系统？

太棒了。所以稍微往外移一点，从外部观察一切，基本上非常有趣，非常鼓舞人心。你是如何做到，你是如何做到，基本上对于这些事情来说，研究看起来是否不同？或者你做定性访谈，或者它是什么样的？

我认为根据你所确定的机会，可能会有不同类型的研究思维。我已经开始分享一个框架，说明人工智能是如何叠加在我们体验之上的。所以有一些人工智能的实现是自适应的。他们

他们采用现有系统，并允许你以你以前可能无法控制的方式调整它。你知道，我可以拿一个……

例如，一个数据集或一个 gong 录音。我可以说，以不同的模式给我这个，以摘要的形式给我这个，或者如果有一些课程，以不同的类型、不同的模式给我这个。我没有能够阅读文本的位置，以视频的形式给我这个。

因此，他们正在了解人们可能想要以与他们目前可以做到的方式不同的方式与系统、界面和内容互动的方式。这是一个类别。我会触及这些，然后我会深入一点。然后我们有分析。

不是自适应的，而是以增强体验的方式使用人工智能。所以有点不同。它不像“让我以不同的方式看待这个”。而是“让我做一些我甚至不知道自己可以做的事情”。例如，我可能正在处理一个 notion 文档，然后我被卡住了。

我试图为某个问题陈述定义设计标准，我可以说，“嘿，你能写出 10 种不同方式来解释设计标准或对此进行构思吗？我可以有 10 种不同的方法来处理这个问题，只是为了打开我的大脑？让我和你一起作为同伴工作。我认为协同驾驶员，

特别是 GitHub 的协同驾驶员是另一个很好的例子，我具有自适应特性，即总结这段代码，告诉我它在做什么，以不同的模式给我它。但我也可以说，为我重写它。我该如何改进它？

它给了我以前没有的超能力。我不是程序员。我使用 Copilot 编写了功能强大的 JavaScript，并创建了一些以前完全无法实现的东西。最后，我们有集成的人工智能，就像人工智能作为产品一样。这就是我认为的聊天机器人本身，纯粹是为了让我与模型互动而存在的产品。所以

可能还有更多，但这些是我看到的三个大类别。就研究以及我们如何考虑处理这些问题而言，我们必须回到这个人试图在这个系统中做什么？以何种最合适的方式引入人工智能，才能为他们创造价值？也许是其中几种。

什么是更好的样子？我们如何定义一个好的结果？这有助于我们摆脱噱头。所以如果我正在开发一些允许我总结文本的产品，仅仅说“给我一个摘要”可能是不够的。太好了。这可能是为用户创造价值的一种好方法，但它不会从根本上具有差异性。它可能不会做一些我无法用其他技术做到的事情。但是

我使用该产品的上下文如何帮助使该摘要更适用于我？它可能会从我公司档案的内部建议哪些资源？所以它不仅仅是总结一些团队全体会议，而且还为我提供与之相关的我们 confluence 中所有内容的直接链接。也许它会根据我的角色、我管理的人以及此演示文稿与我的关系，为我作为经理可以为我的团队使用的后续步骤提供建议。所以考虑一下，与用户交谈，了解人们今天无法轻松做到的事情，然后构思人工智能如何弥合这一差距

这就是你开始使用它来创造价值，而不仅仅是提供在那一刻有用的噱头服务，而是真正不会从根本上改变我对这个产品的作用以及它为什么对我来说有用的理解。是的，我认为这是完全有道理的，对吧？我认为你提到并强调这一点非常重要，我觉得很多人还没有真正理解

人工智能是如何真正用于产品的，对吧？因为当你与人们交谈时，或者当我与客户交谈时，或者当我看到领英上的帖子时，都是关于我们如何将微型人工智能解决方案集成到我们的产品中？让我们找到一些东西。让我们找到一些东西。不是那么多

关于，好的，让我们回到用户问题，看看他们的目标是什么，我们如何战略性地集成它。也许这不是我们今天集成的内容，而是我们路线图上以及人工智能的长期未来愿景中的内容，我认为。非常吸引人。我的意思是，你也在分享很多关于人工智能的一般性文章和资源，对吧？所以我强烈建议所有正在收听的听众查看一下。

并告诉我们一些关于“人工智能的形状”的信息。人们可以期待从这个网站获得什么？这是一个你收集所有信息的整个网站。所以人们可以期待从这个网站获得什么？

好吧，正如你可能想象的那样，我雄心勃勃，现在我必须找到重点才能在所有不断吸引我对这个领域好奇的事情之间真正实现它们。但是，如果人们有兴趣了解更多信息，目前正在进行的一些事情。正如你提到的，“shapeof.ai”是网站。我大约两个月前发布了它。

我已经开始着手对该网站进行一些补充。因此，我听到人们表达了一些兴趣的事情。首先是查看现有的人工智能产品，并将我看到的模式映射到该产品。我们如何开始看到这种对人工智能用户体验的抽象与实际产品之间的联系？

让我们假设我们在现实世界中看到的是价值驱动的实现。所以这是我目前正在进行的工作，我希望能够公开收集屏幕截图和流程。我已经在每个模式中都包含了这些内容，但我一直在收到人们向我发送的大量建议

我。所以我的目的是以目录的形式提供这些内容。所以感谢 Webflow，他们让我很容易做到这一点。现在只需要启动它就可以了。所以这是我目前正在进行的工作。我还正在开发一些课程和一些方法，让人们可以将其应用到他们自己的工作中，到他们每天的工作中。

再次尝试从设计师的角度来处理这个问题，是什么真正阻碍了人们采用这种思维方式，使用这些工具？而不断突出的是，不是深入研究技术。

大型语言模型和 GPT，我知道你也在开发一些课程，但它是如何真正融入我的日常生活中的？我如何开始使用这些工具，以便我可以看到价值，然后开始思考这实际上对我的解决问题的方法意味着什么？

我只是认为需要进行很多对话。所以也许如果不是以课程的形式，当然还有对话。我有机会与许多人交谈。然后从下周开始，我希望今天，也就是 4 月 22 日地球日，能够公开发布这个。所以为问责制设置时间戳。

开始我们的开放办公时间。所以我们希望每隔几周见面一次，只是谈谈我们所看到的东西。我还有一些来自该领域的令人难以置信的专家，人工智能领域的招聘人员，为人工智能产品工作的儿童，并思考这与可访问性如何对齐。设计代理和角色设计是什么样的？有很多人都愿意与社区见面并分享他们自己的经验。所以我们很快就会推出这些内容。所以

这些是一些重要的内容。最后，我在领英上有一个时事通讯。它也在 Substack 上，“人工智能的形状”，在那里我定期分享想法，我所看到的那些资源，市场变化，以及只是

大声学习，因为我当然不声称自己拥有所有答案，甚至不是这方面的顶级专家。但是当我学习时，我意识到许多人和我一样有同样的问题。所以我试图尽可能公开地分享这些想法，以激励其他人也分享他们所看到的东西。

太棒了。我喜欢这样。我认为这是一个很好的方法，比如一起学习，而不是假装自己是 100% 的专家。就像目前没有人是专家一样，因为很多事情都在变化。所以我觉得一起学习是最好的方法，互相支持，分享学习成果，比如失败和成功。我认为这是我们目前在设计社区中真正成长并迈出人工智能下一步所需要的。是的。

是的。所以根据你与其他人，也许与你的客户进行的所有讨论，你认为设计师目前需要哪些重要的技能和方法才能真正拥有成功的未来？你会推荐什么？这个问题可能会让我们再谈一个小时。

是的，让我把它分成两部分，因为在我们的设计实践中，在我们的流程方面，以及我们如何思考我们正在生产的东西、评估我们正在生产的东西以及最终生产优秀的东西方面，都需要发生变化。

所以有一个问题是，我们在团队、组织和流程中的角色将如何改变？然后，我们作为个人可以做些什么来确保我们具有韧性，并在这些变化中为成功做好准备？所以关于第一个问题，即将会发生什么变化。

首先，任何平凡的事情，任何容易自动化的任务，都将被AI吞噬，而且吞噬的速度比你意识到的要快。而且被吞噬的东西可能比你意识到的要多得多。所以我实际上在我的手机备忘录应用里开始了一个清单。每次我发现自己一遍遍地

AI可以帮我更容易地完成这件事，即使我不知道有什么工具可以做到，或者即使它还不存在。或者任何时候我用AI完成了一些任务，我都记了下来，而这个清单越来越长了。

好消息是，清单里没有任何让我感到存在性威胁的东西。事实上，它对帮助我控制我对变化速度的一些情绪反应非常有帮助，因为我看到了清单中记录的那些事情，以及它如何让我的生活更轻松。所以我要说的第一件事是，嗯，

开始制作你自己的清单。为你自己做，为你的团队做，为你的用户做。在当今人们的体验中，有哪些事情是你看到这种生成式技术以某种形式可以使这种体验更有意义、更有用、更易用、更易访问等等的地方？所以这是第一点。至于我们之前讨论过的流程变化，我们很多

我们的研究和设计评估将归结为掌握以人为本的设计基本原理，了解人们，了解他们的旅程，然后将其映射到这些速度提升或你想要定位它们的任何方式。另一件事是

认识到AI不会成为我们的艺术总监。我们不会有，我的意思是，也许，我不知道，将来某个时候，我们都会在海滩上喝着玛格丽塔酒。但在短期内，AI更有可能被定位为助手。数据也支持这一点。我们没有看到人们的生活发生了巨大的改变。我们看到AI以一种可预测的方式出现。它就像一个非常聪明的技术

个性化私人助理或你见过的最好的实习生。这就是AI在我们生活中扮演的角色。因此，允许它扮演这个角色，使用这些工具，熟悉它们是我们调整流程的一种方式

然后这有助于我们更好地理解这项技术的工作原理。然后我们可以将这项技能带到我们作为设计师的工作中。所以下次你进行创意练习时，强迫自己使用AI来帮助你提出想法。它们可能很糟糕。

目标不是让AI产生正确的主意。目标是了解AI如何产生想法，这些想法与人类产生的想法有何不同，以及这些想法在系统中哪些地方有用。因此，你越能每天使用这些工具并了解它们在哪些地方有用，在哪些地方没用，你就越能更好地批判性地思考如何在以人为本的方式将这些工具应用到你的产品中。

然后我要说的最后一件事是，你知道，所以我们有，你知道，考虑用例，然后将这些用例放在使用环境中，并考虑它们适合在哪里。

最后一点是认识到，即使在过去十年中，我们作为设计师或任何使用技术的人的工作也发生了很大变化。我们的设备变化迅速。这些设备的使用环境也在变化。使用它们的年龄组也在变化。所有这些变化都发生在过去十年，而且速度非常快。

所以我们已经习惯于调整我们对正在处理的材料的思考方式。现在我们需要将其应用于一种新的媒介。因此，将AI视为正在使用的系统的一个组成部分，而不仅仅是一个解决方案，也不是一个威胁，是

是我们能够应对即将发生的事情的一种方式。因此，了解它的技术，它变化的速度，与LLM模型本身进行交互，查看它在不同模式下的变化方式，图像生成、文本生成、语音生成，以及

从好奇心的角度去探索它，就像八九年前我们探索响应式设计一样。这如何真正影响我们正在设计的内容以及我们在这些不同设备上的信息结构？你必须使用它才能接近约束条件，才能真正理解它作为一种媒介。所以这可能是最后一点。所以要确定用例，

让它们发挥作用，然后探索底层技术以了解这些用例的约束条件以及我们如何在工作中批判性地思考它们。我认为这很有道理，对吧？现在正在收听的每个人都应该……

我认为现在应该真正关注这些主题。真正深入研究AI，了解工具并尝试使用它们。如果你因为公司政策不允许在日常工作中使用它们，那么就在你的私人生活中使用它们，但要真正深入研究。我认为少谈论它非常重要。我不知道，我看到很多人都在谈论它，但我感觉他们从未真正使用过这些工具，也从未真正尝试过。在尝试一两次或每天尝试并进行实验、试图打破它们并真正了解其局限性之间存在巨大差异。超级重要。还要学习如何判断结果，对吧？你还提到，这是一个我们需要学习的技能，就像基本上一直在提供反馈，提供反馈。这是我们需要学习和

我们需要练习的，对吧？这对我们来说并不容易，特别是如果我们是初级设计师甚至中级设计师。我们不习惯一直提供反馈。我们年纪越大或越成熟，就越容易。但一开始，我觉得我们需要练习，至少根据我的经验是这样。

你认为，你会推荐哪些工具来入门，特别是对于初学者？首先，尝试不同的基础模型。去试试ChatGPT，去试试Cloud.AI，试试Meta的开源模型LLAMA。

你可以访问这些网站本身。还有一些方法可以使用开发者工具，这实际上会使它们稍微便宜一些。网上有很多很棒的指南可以帮助你做到这一点。

第二件事是使用可用的提示库，然后创建你自己的提示库。如果你有点害怕，那就去看看那些出售或赠送提示的人是如何塑造它们的，然后尝试生成你自己的提示，不要依赖这些库，因为有两个原因。首先，任何一个巨大的列表背后都有相当常见的策略。它们通常会产生大约50到500个

500个排列组合，它们都是大约10种不同策略的某种版本。例如，为AI提供建议的格式，给出非常明确的指示，给出上下文，例如，如果我想让你写一本的摘要，我可能会说，你是一位《纽约时报》的图书编辑，你即将写一篇将改变你职业生涯的摘要，等等，然后给出指令。嗯，

不过，另一件事是，这就是为什么我说要使用它们，因为你会发现非常有趣的事情。实际上，越来越多的研究表明，机器本身可能比我们更擅长编写提示。我会分享一些这些资源，以便你将它们包含在剧集笔记中。

但是，随着这些机器越来越擅长根据我们描述的结果来预测如何为自己编写提示，提示工程师的角色将会消失。所以。

使用提示库，然后去创建你自己的提示库。然后去使用不同的工具。例如，如果你是一位文案设计师或营销团队成员，你将想要使用Writer、Copy、Jasper等工具，并探索它们帮助你塑造提示的不同方式。

它们提供给你那些调整器和线索的不同方式，帮助用户更快地获得更好的输入类型，以及它们返回结果的不同方式，哪些使用不同的模式，如文本、音频、视频等等。所以去选择一个领域，尽可能多地使用这些领域的产品，并记录你所看到的内容，因为它们做了很多相同的事情，但它们也做了不同的事情。弄清楚为什么它们做这些事情的不同之处将至关重要。

所以最重要的就是使用模型，对它们施加压力，然后在实际使用中看到它们。然后，如果你真的雄心勃勃，你可以构建你自己的GPT，这是一种OpenAI让你真正清晰地定义你自己的机器人方法。

想想你会如何战略性地训练一个机器人来给出某种类型的结果。想想你会给它什么指导，你会如何使用纯文本来编程它的输出以获得可重复的结果。因为与AI合作的艺术就在于提供足够的信息，以便你通常可以一遍又一遍地获得相同的好结果，然后让其他人更容易输入没有你上下文的信息。

所以这就是我要做的重要事情。每天都做。给自己一个小时，给自己20分钟，然后说，我要去与这些工具互动，并尽可能地熟悉它们。我认为这是一个很棒的技巧。而且也很有趣，对吧？这不是一件苦差事。这可能会很有趣，对吧？比如帮你写……

我不知道，也许是信件或你不太喜欢的事情，你感觉需要一点帮助，然后你就会喜欢它。对我来说，比如写电子邮件、写信，这些事情，我真的很喜欢使用任何大型语言模型，看看它会想出什么。我真的很喜欢查看结果的过程，然后我做一些调整，然后我把它放回去，来回切换。

所以找到那些你感觉需要一点支持的领域，然后尝试一下。我认为这是一个很棒的技巧。我同意。这很有趣。如果你很好奇，我相信你的大多数听众都是，这很有趣。你会看到一些你只有花时间才能看到的东西。一些幻觉非常有趣。所以是的，这很有趣。只需要一点时间来克服最初的障碍。

是的，说得对。是的，要注意幻觉。你之前已经提到了，但也要注意这一点。所以要非常批判地看待结果，有些事情根本就是不真实的。所以永远不要复制粘贴它并在那里使用它。互联网上有许多有趣的例子，人们这样做并将它发送到电子邮件中。是的，批判性思维现在绝对是关键。是的。

所以Emily，非常感谢你分享所有这些内容。如果人们想联系你或与你联系，他们在哪里可以最好地找到你？

当然。我的联系方式在shapeof.ai上。在那里你可以访问我的时事通讯。我们有一个正在发展的Slack频道，那里有一些非常积极的成员。我希望随着我们开放办公室时间等活动，它将成为一个更活跃的社区。这些都将发布在我的LinkedIn页面上。

我在LinkedIn上是Emily Campbell，你可以在那里找到我。你也可以在我的网站emilycampbell.co上找到我，以及所有其他我记不清的、我们现在应该使用的所有平台上的其他可爱的社交链接。你可以在我的网站上找到所有这些，我一直渴望与人们联系，听听你如何使用这些技术。这是你有什么问题，或者你一直在为自己解答什么问题。

你知道，正如我们两人所说，这是一项团队运动。这是一个巨大的空间。它变化如此之快，仅仅离开一周，你就会感觉事情正在从你身边溜走。所以，是的，保持联系。我也很高兴看到其他人也在分享什么。

太棒了。非常感谢你为社区所做的一切。我认为这对我们所有人来说都具有巨大的价值。感谢你抽出时间在播客剧集中分享所有这些见解。我真的很感激。是的，希望很快能和你再次交谈。大家，让我们看看Shapes of AI。如果你有任何问题，请与Emily联系，并一起学习AI，我会这么说。非常感谢你邀请我。谢谢。再见。

♪♪ ♪♪ ♪♪

你