近年来，大型语言模型（LLM）在人工智能领域引起了巨大关注。有人认为它们是革命性的技术，将彻底改变我们的工作和生活方式，而另一些人则认为它们只是炒作，没有实际价值。Google 技术专家 Nicholas Carlini 在文章《How I Use "AI"》中给出了他对 LLM的看法，并展示它们如何帮助他提高工作效率。作者通过大量实例展示了 LLM在各个方面的应用，包括构建应用程序、学习新技术、简化代码、处理单调任务、解释概念、解决一次性任务和修复常见错误等。作者强调，尽管 LLM存在局限性，但它们在解决特定类型任务方面已经非常有用，并且随着时间推移，它们的能力只会变得更强。
作者在文中给出了丰富的使用实例展示自己是如何使用 LLM 工作的，包括：
1.构建完整的应用程序
我让 LLM 为我编写了一个流行的在线测验的几乎整个初始版本。通过一系列问题，我逐步构建了应用程序的各种功能，包括后端和前端。这让我能够快速启动项目，而无需花费大量时间从头开始编写代码。
2.作为新技术的导师
当我需要学习新技术（如 Docker）时，我不再依赖静态教程，而是与 LLM 互动。我提出问题，它为我提供了解决方案和解释。这让我能够快速掌握新技术，而无需深入研究。
3.开始新项目
LLM 帮助我克服了开始新项目的困难。例如，当我想要编写 CUDA 代码时，我让 LLM 为我编写了第一遍代码。这为我提供了一个起点，让我能够继续进行项目。
4.简化代码
我经常使用 LLM 来简化复杂的代码库。例如，我将一个 500 行 C++代码文件放入 LLM 中，并请求一个更短的文件来实现相同的功能。它完美地工作了，并为我节省了大量时间。
5.处理单调枯燥任务
LLM 帮助我自动化了许多单调枯燥的任务，例如将数据格式化为结构化格式、生成引用和创建图表。这让我能够专注于更有意义的工作。
6.让每个用户成为“高级用户”
LLM 为每个用户提高了下限。即使您以前什么都做不了，现在您也可以做更多的事情。例如，我使用 LLM 来学习 Emacs 的复杂功能，而无需花费大量时间阅读文档。
7.作为 API 参考
我经常使用 LLM 作为 API 参考。例如，当我想要知道如何在 LaTeX 中使文本变为红色时，我不再搜索或阅读文档，而是直接问模型。
8.搜索难以找到的东西
LLM 在搜索难以找到的信息方面也非常有用。例如，我使用它来查找有关 Python 元类中特殊字符的信息，而这在标准搜索引擎中很难找到。
9.解决一次性任务
我经常使用 LLM 来编写一次性脚本，例如将数据转换为不同格式或下载数据集。这让我能够快速完成任务，而无需花费大量时间。
10.为我解释事情
LLM 还帮助我理解复杂的概念。例如，我使用它来了解电子学的基本知识，而无需阅读整本书。
11.解决有已知解决方案的任务
LLM 在解决有已知解决方案的任务方面也非常有用。例如，我使用它来将 Python 代码转换为 C 代码，以提高性能。
12.修复常见错误
我经常使用 LLM 来修复常见错误。例如，当我在使用 Docker Compose 时遇到问题时，我将错误信息粘贴到 LLM 中，并请求解决方案。
原文经典摘抄：