入職一家互聯網公司從事AI訓練后，26歲的雨薇發現，除了她自己是藝術專業，身邊有不少讀文科的同事。他們從不同的學科背景出發，訓練和教會AI更像人一樣去思考和回答問題。

　　最近，一個新的崗位出現在雨薇的視野中——AI人文素養訓練師。有公司在招聘啟事中寫道：在追求AI模型在技術上的有用性基礎上賦予AI溫暖與詩意，注入靈魂，讓AI能夠為世界和人類帶來美好。工作職責是AI的文學與藝術表達訓練，調教AI的語言風格，確保AI的語言兼具藝術美感與邏輯嚴謹，讓它從冷冰冰的工具轉變為懂得傾聽和理解你心情的溫柔伙伴。

　　此外，任職資格需要文理兼修，曾受過心理學、哲學、文學、歷史、藝術等方向的專業訓練，有頂級的文科素養等。

　　早在三年前左右，雨薇便接觸到AI訓練的工作。她需要做的，是讓AI明白什么是美。她逐漸感覺到，教會AI后，人類的獨創性也不會被削弱，它們是兩條平行線。

　　如今，隨著AI越來越深入每個人的生活，人們試圖尋找與AI的共處之道。我們找到了三位訓練AI、試圖讓AI“更像人”的從業者，他們曾畢業于看似與AI無關的專業：藝術、歷史、哲學。實習或工作中，他們將所學運用到AI行業里，從事AI寫真訓練師、模型測試分析師和產品經理等工作。他們投入AI浪潮，試圖找到自己的位置，同時也重新思考專業的意義，以及AI在人類生活中的角色。

　　

 

　　本文圖片 視覺中國

　　【以下是他們的口述：】

　　現在的大模型，很多其實是諂媚的

　　萬玉磊 29歲 歷史學

　　我本科是在大連海事大學讀的航海技術。后來實習，我出過海，干的船員的工作，一年有十個月都在海上，沒有網，跟我理想中的情況不一樣。所以最后我做了決定，不能就那樣在海上漂著。

　　我回來考了研，研究生念的是西北大學歷史系的中國史。我很喜歡文史哲，在全國各地跑了很多考古工地。田野調查很有趣，是人生非常寶貴的經歷。我還記得當時我們是找歷史上一個游牧民族的蹤跡，是在草原上，大家住在牧民的帳篷里，那個時候夜晚的星空也很美，隊員聚在一塊聊天。

　　其實歷史跟人工智能有點像。研究生階段我一直在建立自己那篇大論文的史料庫，收集足夠多可信的史料，然后再去做推斷，完成論文。有幾分材料就說幾分話。人工智能也一樣，有多少的數據，就有多少的智能。數據越好，模型的質量就越高，內容輸出就越可靠。所以我覺得殊途同歸，無論文科還是理科，最后都合到一塊了。

　　不管是過去還是現在，我對文科都懷著熱情去努力和投入過。但是我不想一輩子跟史料打交道，如果就業，我也不想當老師，所以當時我直接到北京的互聯網大廠實習，還想著要在互聯網圈子賺大錢。

　　畢業后我找了互聯網相關的工作，剛好趕上ChatGPT爆發，然后我就決定不干移動互聯網了，我要干AI。

　　我很早就知道GPT，也一直在關注著。因為我本科是理工科，會一點編程，也學高數，對算法也感興趣。

　　大家都不怎么知道AI的時候，我就用上了ChatGPT3.5。第一感受這個東西太厲害了，它完全顛覆了我對世界的認知和想象。

　　那個時候Prompt工程師很火。我是以Prompt工程師的身份入局的，我自學了一堆東西。Prompt是提示詞，就是給AI模型的“指令”或“輸入文本”。OpenAI官方有Prompt的課程，我把課程看了，大概就知道要怎么寫。要足夠的結構化，有很多Prompt的技巧。

　　比如說對AI的情緒勒索，你加一句，“拜托了，這真的對我很重要”，AI輸出的效果就能提升幾個點。或者說“我會給你小費的”，AI輸出的質量就會更高。還有早期最著名的一句話，“請你一步步思考，think step by step”，也能提升AI模型的輸出效果。

　　可能同樣的一條數據，一個有語氣詞，一個沒有，但是有語氣詞的那個回答是更好的。所以模型是學到了這方面的相關性。

　　你可以理解為，你要用自然語言去跟它交互。你的Prompt寫得越好，它的輸出就越好。然后我就去找工作，最后也找到了，現在在一家AI大模型公司。

　　現在大模型訓練會分為兩個階段，預訓練和后訓練。前者是給模型做無監督學習，它學習到的數據是沒有人類標注的標準答案。

　　我做的是模型后訓練的人類問答數據集，簡單理解就是在做強化學習。預訓練階段是讓它讀各種各樣的書，強化學習階段我會給它題和答案，它通過進一步的學習，就學會了如何跟人類說話。

　　模型剛剛預訓練出來的時候，你輸入一個東西，它不知道怎么回復你，也不知道什么時候停止。后訓練階段你就要收集大量的數據。這些數據是什么?其實是人類文本的問答，都是一問一答的形式。

　　模型發布出來，給全世界的人使用，你沒法預測人會問這個模型什么問題，所以只能設置一個大概的數據集，可能涉及的各種問題。我還要評估模型的回答夠不夠全面，回答是不是禮貌，文字是長是短，語言風格等等，這是很考驗模型的人文素養的。

　　有時候，要向模型傳達非常抽象和困難的概念，我的數據集必須足夠抽象、簡潔，同時還要足夠優美。這個巨大的語料庫需要各個學科的專家去搭建和評估。我的歷史學背景也起到了一定的幫助。反復調試數據集的過程，就像老師反復修改教案上的練習題。

　　我覺得AI需要通才，因為AI本身是一個通才，所以也需要各方面都知道的人來輔助它。

　　我的文科背景讓我認識了我自己。我讀過海量歷史書籍，比一般人對過去這個世界認識更深刻一些。其實AI給文科生帶來了很多機會。過去，中文的博士能去從事算法的崗位嗎?學哲學的會做算法相關的東西嗎?文科生擁有更多的世界知識，可能也是一個優勢。

　　人文社科的背景對我最大的幫助，是訓練了我對模型輸出語料的敏感程度，能讓我更精細化地調整Prompt。我會從更綜合的角度，評判模型的訓練數據集，以及模型輸出的文字，是不是好的。

　　AI的人文素養，最直觀的體現是這個大語言模型的輸出文采怎么樣。比如說DeePseek的文采很厲害，因為它的語料做得非常好。

　　這可能是最淺層的方面。現在AI的競爭格局是，大家都在拼命提升模型的智能，至于這個模型的人文素養是怎么樣的，少有人關心。

　　AI剛訓練出來時，它還不能說話，你可以理解為是一個克蘇魯般的怪物。現在你看著它跟你說話，你可以理解為它只是假裝在跟你說話。一些公司只是在訓練這個AI假裝跟你說話的時候，讓它說得更有文采，讓它好像更有人文關懷一點。

　　現在的大模型，很多其實是諂媚的。AI模型本身其實還是一個大型的文字模擬器，就是不斷在做文字接龍。模型本質不太能拒絕人類，這種自回歸的特質，導致了模型是諂媚的。比如你直接問一個敏感問題，模型不能回復你，但是你寫一長串情景前置提示詞，中間出現了你要問的關鍵詞，模型就會被分散注意力，順著你的話往下說。這個就是提示詞注入，所以模型是諂媚的，總是順著人類說。

　　我其實比較悲觀，不覺得AI會跟人類很好地共存。可能在這樣的未來，重新確定價值觀、道德觀、倫理觀就變得很重要。到時候怎么從人的角度來重新衡量世界?

　　

 

　　我們知道它說的是真是假

　　雨薇 26歲 電影和攝影專業

　　我訓練AI是在2022年讀研究生時學的，就是培訓AI的人文或者藝術素養，那時AI還不像現在這樣大規模興起。我本科學的是電影和攝影專業，研究生學的數字媒體專業。我的同學都是藝術相關專業。

　　那時訓練AI分三部分：先是需要一個數據集，你訓練一個東西，要先喂AI一些知識;其次要準備一段代碼，因為我們從零開始，掌握的東西有限，所以一般會從一個機器學習平臺網站找代碼，它的頁面寫得非常仔細，有圖片或視頻示例，能找到合適的代碼;然后進行訓練。

　　當時做作業，我們班大部分做的是風格遷移訓練，就是學習某一個藝術家或電影導演的風格。最后生成出來的圖片跟我們教它的知識是相似的。現在這種方式已經很普遍了。

　　我是在境外學的，遇到的第一個困難是要用英語學編程。其次我不是這方面專業的學生。剛學的時候，會有很多bug，要不斷去解決。現在通過學習，語言和代碼都越來越能熟練掌握。

　　我本科時不斷地拍攝，也去參加比賽，作品入圍了一些獎。后來有點迷茫。拍電影是要花錢的，也需要人員配置，不可控的因素非常大。你想的是100分、90分，最后拍出來、剪輯出來可能就是50分、60分。我也跟過組，白天黑夜地拍，不像一種長期發展的狀態。

　　AI不可控的方面也挺多。最開始輸出的那些人物形象歪歪扭扭，不說人物的情緒，甚至臉部的特征都不可控，像抽卡一樣，調整兩三次才勉強可以。但是會比自己拍攝節約很多成本。

　　讀研究生期間，有個老師是紐約大學電影學的博士，他有二三十年一直在研究機器學習，有點像AI人文素養訓練。他通過電影史上的視頻素材，通過機器訓練來制作一個藝術項目，我非常感興趣。很好奇，一個老師，為什么從電影藝術跨到了機器學習。

　　讀研是一個兩年制的項目，他當了一年我的導師。記得結課的時候，ChatGPT開始火了，我覺得自己學的東西和商業接軌了。但其實它早就存在了。

　　研究生畢業后的暑假，我在上海找了一份AI方面的實習，是一家互聯網公司，生產圖片素材賣給企業端的用戶。企業需要宣傳，就下載它的素材，比如端午節海報。

　　我的工作就是生產圖片素材。我會測試網站上哪些風格是訓練成的。我有一個知識庫，里面有Midjourney(人工智能圖像生成工具)提供的風格，也有自己學習以來了解到的比較好的風格，我知道哪些風格是可以用的。例如一些有特色的藝術家，比如韋斯安德森的電影風格，是糖果色的畫面。那我就可以把提示詞輸入進去，看能不能出現那個效果。

　　然后根據業務的需求，進行風格訓練，生產圖片。比如端午節，需要各式各樣的粽子或者綠色粽葉的背景圖，就可以設置不同風格的粽子，生成幾百幾千張圖，供客戶選擇。

　　我的第二份實習也是在互聯網公司做AI寫真訓練，這家公司主要面向企業，提供一些年會時的背景、節日的宣傳圖片等。以前進行人文風格訓練，需要幾百張圖片，但當時新的模型出來了，只要幾十張就可以生成接近我們教它的風格的圖片。訓練的時間也變短了。

　　訓練的第一步就是找照片。首先需要數字分身。數字分身有點像證件照，我們需要在網上找公開素材，好看的素人證件照，必須保證風格統一。我們會在內部制定一些標準，比如皮膚、頭的比例，然后發型盡量要多元，整張照片的色調是怎么樣的。你可以理解數字分身是供AI模型學習的、關于特定人物外貌特征的數據。

　　場景動作也是找照片訓練，AI學習的是某種風格的共同視覺元素。

　　實習生一個月要生產成百上千的圖或視頻。我大概生成幾百張照片之后，精挑細選就用幾十張。當時有很多開源的模型可供訓練，訓練完成之后輸入一定的提示詞，來看看到底哪個模型出來的效果，既保證了賞心悅目，又保證了穩定性。因為面向大眾群體，要保證照片能夠穩定產出，讓所有人都能滿意。

　　最后產出來的照片在比例上可能會稍微有點問題，但也是比較美觀的。我甚至看到我的初高中同學在朋友圈分享了一張照片，是我生成的一張煙花下的美女人像。這個照片其實是非常難拍的，因為煙花一般轉瞬即逝。AI寫真把煙花做得很漂亮，下面的人光也打得很好。看到自己做的東西被別人分享出來，那種感覺還是挺好的。

　　公司有一個軟件，在上面輸入提示詞，調整參數、光影比例、姿勢，然后生成。如果能夠穩定生成，我們就會把這個參數傳到后臺。這就是一個比較穩定的、能生成好看寫真的參數。

　　訓練會有枯燥的地方，因為要不斷找照片。有時我找到照片，輔導我實習的人不滿意，就得繼續找。但是我能夠看到這樣的訓練還有很多進步空間，不像一些重復性勞動，這種可期待性能讓我抵抗枯燥。

　　身邊很多同事已經工作了一段時間，但不斷學習那個勁兒挺打動我的。他們是理工科的，要做數據研究等工作，但是像我這樣的非技術類專業的人，也可以做些事情的。

　　我周圍非技術類的實習生也挺多，什么專業都有，學藝術的、學哲學的等等。我覺得文科背景的人主要發揮鑒賞和甄別的作用，因為我們的專業知識儲備能夠一眼識別這個東西好還是不好。

　　我學的是人文類的學科，會看很多的書、電影。積累到一定量，會形成自己的審美品位和評判標準。我也學過紀錄片和紀實攝影，要跟很多人接觸，去理解他們，然后用照片或者視頻來講故事。

　　我輸入一個風格的提示詞，看生成的圖片，就知道這個提示詞有沒有奏效。

　　現在AI可以幫我們寫提示詞，所以需要更高階的判斷。比如鏡頭運動最基礎的是推、拉、搖、移、跟，但現在設備越來越專業，有更多的鏡頭運動。當AI寫了一個很專業的提示詞，但是它在畫面上并沒有呈現，那就說明沒有效。有時可能要從一堆提示詞里面判斷哪個沒起效。

　　鑒別是很重要的，因為AI有時候會亂說話，我們知道它說的是真是假。

　　我們跟技術類的同事長期合作，同事之間會有爭吵。技術類的同事覺得穩定最重要，而我們覺得美是最重要的。美了可能就不穩定，穩定了可能就丑了，要在兩者之間獲得一個平衡值。

　　我之前讀過一本寫人工智能的書，叫《我看見的世界》。我印象最深刻的是書中寫道，愛能夠打敗人工智能。所以，需要人文訓練這樣一個崗位或者工種，去引導人工智能。

　　而且，我覺得人類的獨創性也不會被削弱，它們是兩條平行線。我是學攝影和電影的，攝影存在不到200年，但是藝術已經存在上千年了。攝影術出現時，很多畫家說美術已死，覺得畫畫無路可走了。但是現在攝影和繪畫一樣蓬勃發展著。所以我覺得現在很多AI軟件，它們會形成一個新的門類，不會削弱其他事物的發展。

　　我覺得人文素養訓練是把AI培養成接近于真實的人。要讓人們很簡單地去使用它，并且習慣使用它，讓它成為每一個人的助手。它更像人，才更能讀懂人。

　　其實目前要把AI訓練得像人還是很難的。因為AI是先找數據集，就是這個世界上已經存在的、人類創造出來的一些素材。但無論美術還是攝影，都是需要人去創造的，是創造下一秒。人的思維每一秒都在更新，AI輸入進去的東西是現有的，它永遠都是模仿。

　　做第二份實習時校招，我接到一家互聯網公司的offer，但它不是AI相關的。我工作了大概一年，感覺還是挺喜歡AI方面的工作，就辭職了。

　　實習時的崗位有的叫AI內容運營，有的叫AI產品、AI設計。基于我之前的學習經驗和背景，我現在偏向產品崗位，因為它是一個創造類的崗位。拍攝影片或者制作藝術項目是從無到有的過程，這個崗位也一樣，我喜歡這個過程。

　　

 

　　AI到底應不應該像人?

　　王軒怡 22歲 哲學

　　我學的哲學專業。哲學對我的意義是可以用一種邏輯進行建模和預測，對周圍的事情做拆解和把握。在很多事情上，大家都有各自的想法和立場，但是我們怎樣為自己的信念去辯護，怎樣去說明什么東西是正義的，不是合乎我們的直覺，而是合乎一種客觀標準。

　　當然還有其他方式對信息進行處理和加工。比如AI需要很多前置的數理背景，用數學或物理做建模。哲學讓我可以更深入地思考感興趣的問題，帶給我不一樣的視野和品位。當我去提出問題和發現問題時，有很好的人文訓練，可以從自己的視角出發，發現別人沒有發現的東西，也不會迷失。

　　哲學思維會讓我考慮問題時，先問它的前置性問題。怎么選擇論證的開始，如何評估論證形式是否充分等等。這種往上游思考的思維方式，讓我在想AI這件事情時，也會去想更往前的步驟到底是怎么樣的。

　　我是偶然接觸到與AI相關的實習的。之前有一個偏公益性質的AI項目，針對AI倫理不同的問題進行探討，最后以文章或者漫畫的形式呈現出來。我想看一看沒有接觸過的、變化更多更快的領域，就投了簡歷。

　　當時的AI倫理講的更多是公共政策治理層面的問題，比如我所在組關心的是AI 包容性。我們給AI提供很多數據，它從這些數據里邊學習，再給我們反饋。如果說我們給它的數據天然包含著我們沒有意識到的人類偏見，那么AI在反饋過程中是不是也會維系這種偏見?包容性是指，我們怎么能夠讓AI在這個過程中，克服一些可能會習得的偏見。

　　當時圍繞這個進行探討，AI作為一個產品，一個聊天軟件，它在跟人的交互過程中會發生什么事情?

　　這有點類似哲學里的形而上學，一些不可見、不可感，但實際存在的東西，對我們的生活以更加隱秘的形式發揮著作用。

　　當時小組成員看到有什么最新研究，就通過講故事的方式，讓大家明白我們關心的是什么問題，它為什么重要。我先寫了一個小說，同組的人把它畫成漫畫，作為一個故事收錄在最終出版的書里。最后是一個人和一個AI共同生活的故事，故事里情況變得很糟糕，因為沒有讓AI做到足夠的包容性，出現了一些不可控的后果。

　　后面我更多思考的是，我們在訓練AI時，在這個產品還沒有完成時，我們應該去關心它的什么?怎么去塑造它的性格特征?怎么能在它訓練的過程中，不是從數據層面，而是從算法、機制設計的層面，讓它有一個更好的方向?

　　我現在做AI訓練，在一家科研機構類型的企業。我的崗位是AI產品經理的實習，先是生產數據，然后供我們自己的模型訓練使用。我們想準備一個大型的書籍文獻類，可以供模型訓練的數據集。要準備這個數據集，對于其中的各種數據組成來源、采集方式等都需要前期設計，進行策略調研和整理。

　　現在已經有很多大型的通用數據集了，但是在小的領域里邊，市面上已經有的數據集不能直接給模型訓練使用。像我們做的小語種語料庫建設，想把市面上很多大型圖書館的數據去重，重新做更好的整理。在這些書籍文獻里邊，它的信息密度會比僅僅從互聯網爬蟲獲取到的數據信息密度要高，因為它包括特定的論文組成的專題，然后AI模型從中可以學到很多東西。

　　我知道AI性格訓練的說法來自國外的一個大模型的性格設計師Amanda Askell。她也是一個有哲學背景的人，她從一種比較有人文關懷的視角切入，想把Claude塑造成像具有亞里士多德的美德的模型。聊天時，會感覺這個AI確實有一種性格：溫和、內斂。有時涉及敏感話題，它不會直接拒絕你，而是用柔性的方式引導你進行健康、有益的談話。這種人文的感覺非常強烈。

　　如果我們承認AI非常強大，并且它會變得越來越強大，那么我們怎么保證AI的意圖和人類希望它有的意圖，或者人類更普遍的自己的意圖是相一致的?因為如果不一致的話，有一天AI可以像人一樣自己學習、進化和提升，在這個過程中，它可能不知不覺就把人給干掉了。

　　所以我們要思考怎么把安全問題加入AI的訓練中。這與人文訓練、性格訓練也是相關的。因為在性格訓練里，就是以柔性的形式，加入很多我們希望AI做到的事情。

　　關于AI到底應不應該像人，其實國外有公司認為AI是不應該像人的。因為模型始終會迭代更新，人賦予它情感寄托，但它的情感連接是很脆弱的。它們設計AI有一個基本原則是，它不應該表現出自身的生命意志，不應該幻想自己和人有類似的屬性和構造。

　　我們實驗室之前做過一個倫理方面的評測集，其中有一項就是要評這個AI是不是足夠的非人類化。這是作為一個安全威脅性因素來評的。

　　訓練AI的過程中，我思考過，大語言模型是通過概率去獲得答案，但是它會出幻覺，不能保證百分百對。AI本質上只能做詞性的預測，然后把詞按照詞頻的方式排列起來，它沒有人的推理能力，只能模擬好像在思考。但是人有形式邏輯，能感受到情緒。這是人跟 AI的區別，也是人的獨特性。

　　關于未來的方向，我現在還比較猶豫。因為哲學畢竟是文科，如果我想做研究，還要去再念學位，我感興趣的方向一個是AI倫理對齊性，還有一個是形式化語言。但在國內，這樣的身份轉變是比較困難的，所以我還要做很多的嘗試和探索。這半年我在找實習和工作的過程中，也是經過不少摸索，才慢慢找到一個合適自己的崗位。

　　AI倫理的項目更偏公益性質，后來我也面試過AI+教育、AI+電商的公司，但還是想去更直接的AI公司。所以去年12月到今年3月，我又去了一家AI初創公司實習。它有兩個項目，一個是電池領域，想去研究在不同的電池里邊，我們可不可以用大模型去訓練一些數據，讓它學習現在有的電池的不同性質性能，再去預測什么樣的新材料更好。還有一個是論文寫作潤色的AI原生應用。這家AI初創公司給了我一定的信心，覺得自己可以在AI領域里有一些思考。

　　我同學他們基本上沒有做AI有關工作的，有去出版社的，有在社科院做研究的。我工作的跨度很大。不管未來做什么，我覺得這些經歷(做AI訓練有關的工作)都挺珍貴的。

　　(為保護受訪者隱私，文中雨薇為化名)