审查人工智能输出是无人训练的技能
每个人都在学习提示。几乎没有人学习复习。验证技能决定人工智能是否让你更快或自信地错误。
人工智能时代存在着无人谈论的技能不对称：我们有数百万人学习提示，但几乎没有人学习复习。然而，评论才是价值所在。平庸的提示加上尖锐的评论会产生好的作品；没有评论的精彩提示会产生自信的废话。两年来，我一直在观察这种分歧在我自己的团队和客户中的表现，我准备宣称这是这个时代的实际工作技能。
核心问题是人工智能输出是作为完成的作品预先格式化的。它具有权威的语气、能力的结构和完成的表面纹理，而我们的大脑经过多年审查人类草稿的训练，将这种纹理解读为潜在有效性的信号。人类的草稿带有明显的接缝、犹豫、糟糕的语法、未完成的想法，需要纠正。人工智能草稿经过打磨，这意味着审稿人的本能反应迟到或根本不反应。当错误出现时，就已经为成功做好了准备。
学会回顾意味着了解人工智能实际上失败的地方，而失败图是可以学习的。幻觉的事实集中在具体的事情上：数字、引文、名称、日期、数量，以及使散文听起来具有权威性的确切细节。错过的意图会显示为对相邻问题的答案，从技术上讲是有反应的，实际上却离题了。平均判断似乎是每个有争议的问题的自信中间，它读起来是平衡，但功能却是无骨气。一旦了解了故障模式，审查就不再是一团迷雾，而是变成了一份清单。
我的审稿程序有三遍，名字都丑陋：不相信任何具体的东西，所以每个数字、名字、引文和日期都会根据来源进行验证，散文听起来有多自信也不例外；询问它避免了什么，这意味着我会重新阅读提示并检查问题中最困难的部分是否得到回答或礼貌地重新安排；找到书脊，询问这件作品是否确实达到了我需要的位置，或者变成了糊状。这个例程需要几分钟的时间，这就是人工智能作为放大器和人工智能作为自信责任之间的区别。
组织在大规模上犯了这个错误，而且模式总是一样的：审查责任是隐含的，因此它落在了注意到的人身上，或者没有人身上。做得好的团队已经用指定的标准审查了指定的技能，他们以编辑审查草稿的方式根据失败模式清单审查输出，并且他们像提示者一样明显地提升审查者。令人不舒服的总结是：提示现在是一个教程可以在一个下午教授的赌注。审查是判断，它会随着时间的推移而复合，这是人工智能无法为你做的工作流程的唯一部分，这正是为什么它是你现在的职业价值所在。