分类:教人工智能

最近在教人工智能大语言模型（LLM）完成各种低级的和高级的任务。总结一下经验。

首先，把问题的类别定义好，也就是这个问题接受的输入包含什么，输出的这个问题的解答包含什么。

其次，人类自己搞清楚用什么样的方法来完成这个输入到输出的过程，也就是搞清楚人类怎么来完成这个任务的方法。搞清楚掌握这个方法所需要的更基础的知识，有必要的的话进一步搞清楚掌握这些更基础的知识所需要的更基础的知识。

接着，去让人工智能直接解决一下这个问题。如果能够解决，问一下，其解决方法是什么。如果解决方法和人类的不同，甚至有冲突，解决这个冲突。如果不能解决，进一步走到这个方法所需要的基础知识，检测这个基础知识就能够解决的问题。如果人工智能可以很好地解决这些问题，则把注意力放到如何通过这些基础知识来构建或者说学会你已经总结出来的解决原始问题的方法。如果人工智能还是不能解决这些基础知识的问题，进一步走到这些基础知识背后的更加基础的知识。重复检测过程，直到人工智能完全可以解决某个层次的基础知识的问题，进而重新构建起来（补上缺的知识或者缺的综合运用知识的知识）原始问题的解决方法。

然后，尽可能地教人工智能为什么原始问题的解决方法流程需要是这个样子的，为什么每一步可以这样做（注意，为什么需要这样做和为什么可以这样做是不同的问题）。人工智能可能可以通过这个步骤装模做样地学会在未来创造流程，或者至少更好地使用学会的流程。

最后，编制一些例题，包含问题和解法。输入给人工智能当训练案例。

注意，只要把问题问清楚，如果不清楚就把问题分解以后把子问题或者子步骤的问题问清楚，然后保证人工智能在训练期间见过相应的这个问题的答案，或者见过回答这个问题的流程，人工智能就可以找到或者产生这个问题的答案。