前OpenAI提示工程师Andrew Mayne：在AI前线 每个人都能成为专家
- 台北讯
-
Andrew Mayne分享加入OpenAI担任提示工程师的经历，强调跨领域专业的价值。他分享，发掘自身专业与AI技术的交集，持续学习与保持好奇心，是掌握先机的关键。而在科技的尖端，人人都有机会成为专家。
当OpenAI在2019年2月发表GPT-2时，多数人只把它当作一个能写些古怪文字的有趣玩具。但有位小说家在推特上的一句玩笑话，却意外开启了他的AI职涯。他就是Andrew Mayne，一位魔术师、小说作家，后来成为OpenAI早期提示工程师（promt engineer），参与了GPT-4的开发。
在INSIDE Future Day的AI专题演讲中，Andrew分享了他从局外人到AI先锋开发者的独特旅程，以及他对于快速学习、实作应用，和AI时代工作型态转变的深刻观察。这场演讲不仅揭露AI产业发展的内幕，更重要的是告诉我们：在科技最前线，专业背景或许不是最重要的入场券。
三则推特改变的人生轨迹
Andrew的故事始于一个看似不经意的社群互动。2019年2月，当OpenAI宣布推出GPT-2这个「大型非监督式语言模型」时，这个名词对多数人来说还很陌生。虽然模型能够生成文字，但内容往往到后面就失去逻辑，可靠性也不高。
作为一位追踪AI发展多年、甚至自己建立过小型语言模型的小说家，Andrew在推特上半开玩笑地回覆 OpenAI：「（AI）太不可思议了。对于快要失业的小说家有什麽建议吗？」他当时没想到，一年后自己竟然会加入OpenAI，参与GPT-4的开发工作。
这段经历让Andrew深刻体认到一件事：许多人觉得自己是AI的局外人，但实际上每个人拥有的专业知识都能对AI做出贡献。关键在于找到「交集点」，也就是你的专业与AI技术的交会之处。
当魔术师的思维遇上机器学习
加入后Andrew发现了一个有趣的现象：当时开发ChatGPT和GPT-4的团队成员精通数学和演算法，但在语言和写作经验上相对较少。而他作为小说家，深刻理解文字的情感影响力，这使他能够帮助开发团队顺利地「与模型对话」，理解模型如何处理和生成信息。这个独特的视角，让他成为了一名提示工程师（Prompt Engineer）。
在当魔术师的时候，为了证明自己能将魔术技巧与科技结合，Andrew曾向Discovery频道提案，试图用科技「欺骗」大白鲨的视觉系统。他观察到大白鲨主要透过识别轮廓来识别猎物，这与AI影像模型的「边缘检测（edge detection）」概念不谋而合。最终，他成功制作出一套能在鲨鱼面前「隐形」的潜水衣。这个专案不仅在Shark Week节目中播出，更让他看见了生物学与人工智能的交集点。
「在科技前线最棒的一点是，你会自然而然成为专家，因为那个位子没有其他人。」Andrew这样形容他的经验。
识别科技前线的三个信号
基于在OpenAI的经验，Andrew提出了识别「科技前线」的三个关键特徵。首先是「好奇心大于实用性」。2019年时，记者们认为GPT-2只是个能写些古怪文字的玩具，不会改变世界。但如果你当时就预见到未来模型会更强大、需要更多运算资源，你就会买入Nvidia的股票。
第二个特徵是「专家与技术人员意见分歧」。当你看到有些人觉得某项技术很酷，有些人觉得很蠢，这种兴奋与困惑并存的状态，往往就是加入的好时机。
第三个特徵则是「现有专家强烈否定其重要性」。当时许多专家认为GPT-2无法扩展、没有实用价值，但事实证明，几乎所有伟大的事物在刚开始时都不明显实用。
谈到当前的AI发展，Andrew认为有几个关键议题值得关注。首先是「代理人行为（Agentic Behavior）」，如何让AI连接物理与数码世界，应用在机器人、制造业、食品生产等领域。其次是数据与能源的问题。训练更好的模型需要数据，但更关键的瓶颈其实是「能源」。未来的限制可能不是GPU数量，而是电力供应。这可能会推动能源技术的创新，就像智能手机推动了电池技术的发展一样。
此外，如何将强大的模型微型化，让它能在手机上运行，也是重要课题。Andrew特别区分了「智能 （Intelligence）」与「知识（Knowledge）」。智能是解决问题的能力，知识是对世界的了解。他认为，智能的部分或许可以大幅缩小，不一定需要庞大的模型。
AI时代的学习策略
「现在有最强大的教学工具ChatGPT，学习从未如此容易。」Andrew说。但他也指出，信息爆炸下现代人同时面临前所未有的注意力竞争。他的解决方案很简单却有效：长时间开启「请勿打扰」模式，专注于学习和创作。
Andrew引用人类演化史来说明知识交换的重要性。智人之所以胜过脑容量更大的尼安德塔人，是因为智人生活在更紧密的环境中，更频繁地交换想法、工具和信息。他特别提到班杰明富兰克林（Benjamin Franklin）创立的Junto俱乐部，成员会定期聚会，分享「你最近学到了什麽？」这个简单的问题，促进了知识的流通与品质的提升。
「知识就像金钱。要产生价值，它必须流通，而在流通中它的品质会增加。」Andrew引用富兰克林的话说道。他建议读者建立自己的知识交流网络，每周与人分享新知，这能大幅增加学习的「表面积」。
另一个重要的学习策略是「教学」。他引用物理学家理查费曼（Richard Feynman）的概念：「如果你想精通某事，就去教它。」Andrew在OpenAI时主动撰写GPT-3的文件并制作教学影片。透过向他人解释，他发现了自己知识的缺口，并得以补强。他鼓励在组织内建立小组，定期分享所学，这不仅能帮助他人，更能深化自己的理解。
从「没时间」到「找到切入点」
Andrew展示了一幅有趣的漫画：原始人忙着推方形的车，没时间停下来换成圆形轮子。这正是许多人面对 AI学习的态度：「我太忙了，没时间学这个。」但他指出，如果每周只花40分钟学习，一年后的成就将远远超过现在。越早采用新工具，就像当年越早使用电脑、网络的人一样，优势会越大。
「你可以期盼AI毁灭世界，但如果这没发生，而那又是你不想学习的藉口，你会发现自己落后得更远。」Andrew半开玩笑地说。
那麽如何开始？Andrew建议从「有用」的地方着手。问问自己或同事：「什麽工具能让你的工作或生活更轻松？」他举例，自己写博客时，为了避免陷入小说家的完美主义纠结，会直接口述想法给ChatGPT，让它整理成文章初稿。这种实用导向的切入点，能降低实验的风险，也更容易看到成效。
他也强调「双向沟通」的重要性。创新不应只是CEO由上而下的决定，也不应只是基层员工由下而上的抱怨。最好的解决方案来自两者的对话。OpenAI的成功秘诀之一，就是科学家（思考未来可能性）与工程师 (思考如何实现) 的紧密合作。工程师会告诉科学家什麽是可行的，需要多少运算资源，科学家则会推动工程师思考更远的可能性。
值得注意的是，许多伟大的产品最初都是为了解决公司内部问题而开发的工具。Slack如此，OpenAI的内部coding平台也是如此。这意味着，企业在导入AI时，可以先从解决内部痛点开始，这些内部工具往往有机会发展成更大的产品。
程序设计不会消失 只是形式在演变
面对「AI会取代程序设计师」的焦虑，Andrew提出了一个有趣的历史对照。1960年，卡内基理工学院的院长就曾预测，程序设计这个职业将在1960年代消失。然而到了2025年，我们仍然有软件开发者，只是工作方式已经大不相同。
程序设计从打孔卡演变到文字编辑器，再到高端程序语言和函式库，现在又多了AI这一层。Andrew认为，懂程序设计的人在100年后依然会在创造程序码，只是可能是透过「谈论想法」来进行。「我认为AI只是另一种形式的抽象化。我认为今天懂得写程序的人，100年后依然会在创造程序。」
他将当前的AI模型公司比喻为1950年代的大型主机制造商。当时没有人预见到会有如此丰富的软件生态系围绕这些主机建立。同样地，未来将有更多样化的生态系统围绕着这些大型AI模型发展。
工作不会消失，但任务会改变。今天的教师与40年前的教师工作内容截然不同，他们需要使用电子表格、数码日历、在线平台等工具，这些在过去看起来像是IT人员的工作。我们必须适应这种变化，就像我们适应智能手机和笔记本电脑一样。
从提示工程到「问对问题」
在问答环节中，有听众问到：作为OpenAI首批提示工程师，有什麽反直觉但有效的技巧能提升模型表现？Andrew的答案是：观察模型「哪里做错了」。
他举例，早期要求模型写关于火星旅行的博客文章时，模型有时会回答「你自己写」。这看似错误的回答，其实透露了重要信息：模型以为自己是在论坛对话中扮演某个角色。这能帮助你理解模型的「视角」，进而调整提示词，让模型更准确地理解任务。
随着Autonomous Agents（自主代理）的出现，提示工程也在进化。过去是教模型写简单的程序码，现在则是要让模型像个研究生一样思考。Andrew分享了OpenAI研究员Alex的经验：使用o3推理模型时，起初得到错误答案，后来他被建议「像问研究生一样」提供充分的背景信息，引导模型思考，结果得到了极佳的回答。
「未来的重点是学会问更复杂的问题，并赋予足够的背景脉络。」Andrew说。这不仅是技术问题，也是沟通能力的展现。
谈到企业AI的未来，Andrew认为最具影响力的发展是「深度研究（Deep Research）」功能。这种能力让AI 可以进行复杂的研究工作并回报结果，将彻底改变企业的运作方式。更重要的是，这会改变企业对人才的需求。
「未来企业会发现，那些善于向AI提问、利用AI进行深度研究的员工将脱颖而出。」Andrew指出，这将赋予一般员工类似顾问公司的分析能力。过去需要聘请昂贵顾问才能做的市场研究、竞争分析，现在个人就能透过AI完成初步工作。「我认为未来对于充满好奇心的人来说将是非常美好的，这点同样适用于企业。」
Andrew Mayne的故事告诉我们，在AI时代，最重要的不是你来自什麽背景，而是你是否愿意学习、实验，以及你能否找到自己专业与新技术的交集点。无论你是工程师、设计师、行销人员，还是任何其他领域的专业人士，都有机会在这波AI浪潮中找到自己的位置。
关键在于移动。不要等到「有时间」才开始学习，因为那个时间永远不会到来。从每周40分钟开始，从解决一个实际问题开始，从与他人交流新知开始。建立你的知识网络，勇于尝试和分享，透过教学来深化理解。
最重要的是，保持好奇心。在这个快速变化的时代，好奇心不仅是个人成长的动力，更可能成为你在职场上的竞争优势。正如Andrew所说：「在科技前线，你会自动成为专家，因为那里没有其他人。」问题只在于，你是否愿意踏上那段旅程？（本文由2025 INSIDE Future Day提供。）
