● 缺乏真正的創(chuàng)造性：AIGC 可以生成豐富的內(nèi)容，但它只能根據(jù)已有的數(shù)據(jù)進(jìn)行模式學(xué)習(xí)和內(nèi)容生成，無法像人類一樣進(jìn)行真正意義上的從 0 到 1 的創(chuàng)造。

● 很可能出錯：AIGC 非常強(qiáng)大，但它依舊會犯錯，而且不可控。有些錯誤很明顯，有些錯誤隱藏得很深。例如，AIGC 給出一個鏈接，這個鏈接可能是空的；AIGC 給出一個解釋，但可能是錯誤的。這類問題，從原理上不可能完全解決。

● 存在文化甚至種族偏見：這類問題的根源是訓(xùn)練材料中隱藏著偏見，這個問題也很難從根本上解決。

● 版權(quán)風(fēng)險：由于 AIGC 生成的內(nèi)容是基于已有的數(shù)據(jù)進(jìn)行學(xué)習(xí)后生成的，因此在使用這些數(shù)據(jù)時可能存在版權(quán)問題。另外，人類投入智力和精力生成的內(nèi)容，很可能在我們不知情的情況下被服務(wù)商用作訓(xùn)練大模型的素材，這就會進(jìn)一步加大版權(quán)風(fēng)險。

● 隱私和安全風(fēng)險：大多數(shù)情況下，我們都是通過遠(yuǎn)程的方式來使用 AIGC 服務(wù)商的服務(wù)的。服務(wù)商可以完全掌握我們提的問題、做的操作、生成的內(nèi)容，這就會讓隱私和商業(yè)秘密面臨泄露的風(fēng)險。

先了解它的局限性，才能更好地熟悉并掌握這個新工具，避免被AI生成的內(nèi)容“欺騙”。

“ AIGC 這么強(qiáng)，為什么我還要學(xué)怎么用？直接問它不就好了？”這是初學(xué)者經(jīng)常存在的疑問。

AIGC 確實(shí)強(qiáng)大，甚至在某些方面已經(jīng)超過了人類。

但是 AIGC 無論多么強(qiáng)大，都不可能直接掌握用戶的獨(dú)特信息和精確需求。我們當(dāng)前需要什么，有什么具體要求，必須清晰地告訴 AIGC。如果沒有清晰表達(dá)，AIGC 就只能去猜測或者用常規(guī)的需求來替代。

若是碰巧遇到了你想要的需求，那效果就很好，但若是沒遇到那你的體驗(yàn)就會非常差。

怎么向AI準(zhǔn)確描述你的需求，就是零基礎(chǔ)小白學(xué)習(xí)AI知識和使用AI工具的有效第一步。

在這里，給初學(xué)者推薦SWIFT 雨燕法。

第一步，描述場景。描述場景是生成優(yōu)質(zhì)文本的前提。描述場景包括角色身份設(shè)定、環(huán)境描述等。

新手總是迫不及待地提出要求：“給我寫一個營銷計劃”“給我列出本周的短視頻選題”“給我做一個品牌傳播方案”……卻不知如果沒有描述清楚場景，AIGC 根本無法給出合適的答案。

要初步掌握描述場景的方法，可以先做“一句話練習(xí)”。寫這句話時，只提供場景信息，不提需要什么內(nèi)容，最好能夠結(jié)構(gòu)化表達(dá)。告訴 AIGC 我是誰，我處于什么環(huán)境中，我有什么任務(wù)需要完成。

舉個例子：我是公司的小紅書賬號運(yùn)營人員，公司新推出了適合全天穿著的瑜伽褲，我需要在小紅書上為新產(chǎn)品做宣傳。

第二步，表達(dá)需求。完成場景描述后，我們就可以表達(dá)需求了，也就是向 AIGC工具明確提出我們需要什么樣的文本。與描述場景一樣，我們對需求的表達(dá)也要清楚、細(xì)致，包括性質(zhì)、用途、篇幅、樣式等多個維度的信息。

● 計劃書、合同、小紅書文章、短視頻腳本、JavaScript 代碼……這是性質(zhì)。

● 用于某活動的宣傳，這是用途。

● 2000 字左右、15 秒左右……這是篇幅。

● 加 上 序 列 號， 用 表 格 形 式 輸 出， 用 Markdown 格式輸出……這是樣式。

這些詞匯從不同角度描述了對內(nèi)容的需求，幫 AIGC 充分理解我們需要什么。如果沒有這些表述，AIGC 就會按自己的理解來“補(bǔ)齊”需求信息。

記住，AIGC 很可能犯錯，有些錯誤很明顯，有些錯誤隱藏很深。所以，對于驗(yàn)收成果，人永遠(yuǎn)不能放松警惕。經(jīng)驗(yàn)告訴我們，只要你一放松檢查，錯誤就可能發(fā)生。

第三步，進(jìn)行驗(yàn)收。對生成的文本進(jìn)行驗(yàn)收時，要根據(jù)我們的意圖來判斷生成內(nèi)容的質(zhì)量。驗(yàn)收之后，有 3 種情況：

1）內(nèi)容符合預(yù)期。若是對 AIGC 生成的文本基本滿意，就可以終止與 AIGC 的交互了。將文本導(dǎo)出，進(jìn)入下一個工序。注意，這里所謂的“滿意”是打一定折扣的，要想盡可能接近我們的終極要求，往往需要與 AIGC 進(jìn)行多輪交互。如何精確地控制 AIGC 輸出的結(jié)果，一直是一個難題。交互的次數(shù)太多會影響效率，但是太少又會影響質(zhì)量。這時就需要我們有折中思想，有妥協(xié)意識。例如：我們用 GPT 生成一篇公眾號文章，經(jīng)過多輪交互，已經(jīng)很接近我們的需求了，這時我們就可以認(rèn)為已經(jīng)達(dá)到了“理想”結(jié)果。將文本導(dǎo)到公眾號文章編輯器里，再加上一個自己剛剛收集的案例，再調(diào)整幾處措辭和小標(biāo)題，就可以發(fā)布了。后面這些動作如果一定要讓 GPT 來實(shí)現(xiàn)，反而會花費(fèi)更多的時間。

2）方向不對，重新提問。有時我們會發(fā)現(xiàn)，AIGC 生成的文本和我們想要的方向完全對不上。此時我們可以直接放棄當(dāng)前內(nèi)容，重新提問。重新提問就是重新描述場景，重新提需求。剛開始使用文本類 AIGC 工具時，這種情況比較多。等到我們熟練了，掌握了更好的方法，大方向不對的情況就很少出現(xiàn)了。

3）方向正確，還想迭代。大方向是對的，但離理想的狀況還有較大差距。這時我們要做的就是繼續(xù)對話，根據(jù)需要補(bǔ)充或調(diào)整場景描述和需求描述，以便生成更優(yōu)質(zhì)的文本。

關(guān)于SWIFT 雨燕法的詳盡使用辦法，以及其他調(diào)試文本類、視覺類大模型方法，在《AIGC重塑營銷》一書有詳細(xì)表述，感興趣的讀者歡迎購書學(xué)習(xí)。

• 撰稿人：車馬 綜合《AIGC重塑營銷》，圖片來源：原創(chuàng)

• 責(zé)任編輯：李鈺韓

• 審核人：李雙雷