入职一家互联网公司从事AI训练后，26岁的雨薇发现，除了她自己是艺术专业，身边有不少读文科的同事。他们从不同的学科背景出发，训练和教会AI更像人一样去思考和回答问题。
最近，一个新的岗位出现在雨薇的视野中——AI人文素养训练师。有公司在招聘启事中写道：在追求AI模型在技术上的有用性基础上赋予AI温暖与诗意，注入灵魂，让AI能够为世界和人类带来美好。工作职责是AI的文学与艺术表达训练，调教AI的语言风格，确保AI的语言兼具艺术美感与逻辑严谨，让它从冷冰冰的工具转变为懂得倾听和理解你心情的温柔伙伴。
此外，任职资格需要文理兼修，曾受过心理学、哲学、文学、历史、艺术等方向的专业训练，有顶级的文科素养等。
早在三年前左右，雨薇便接触到AI训练的工作。她需要做的，是让AI明白什么是美。她逐渐感觉到，教会AI后，人类的独创性也不会被削弱，它们是两条平行线。
如今，随着AI越来越深入每个人的生活，人们试图寻找与AI的共处之道。我们找到了三位训练AI、试图让AI“更像人”的从业者，他们曾毕业于看似与AI无关的专业：艺术、历史、哲学。实习或工作中，他们将所学运用到AI行业里，从事AI写真训练师、模型测试分析师和产品经理等工作。他们投入AI浪潮，试图找到自己的位置，同时也重新思考专业的意义，以及AI在人类生活中的角色。
本文图片 视觉中国
【以下是他们的口述：】
现在的大模型，很多其实是谄媚的
万玉磊 29岁 历史学
我本科是在大连海事大学读的航海技术。后来实习，我出过海，干的船员的工作，一年有十个月都在海上，没有网，跟我理想中的情况不一样。所以最后我做了决定，不能就那样在海上漂着。
我回来考了研，研究生念的是西北大学历史系的中国史。我很喜欢文史哲，在全国各地跑了很多考古工地。田野调查很有趣，是人生非常宝贵的经历。我还记得当时我们是找历史上一个游牧民族的踪迹，是在草原上，大家住在牧民的帐篷里，那个时候夜晚的星空也很美，队员聚在一块聊天。
其实历史跟人工智能有点像。研究生阶段我一直在建立自己那篇大论文的史料库，收集足够多可信的史料，然后再去做推断，完成论文。有几分材料就说几分话。人工智能也一样，有多少的数据，就有多少的智能。数据越好，模型的质量就越高，内容输出就越可靠。所以我觉得殊途同归，无论文科还是理科，最后都合到一块了。
不管是过去还是现在，我对文科都怀着热情去努力和投入过。但是我不想一辈子跟史料打交道，如果就业，我也不想当老师，所以当时我直接到北京的互联网大厂实习，还想着要在互联网圈子赚大钱。
毕业后我找了互联网相关的工作，刚好赶上ChatGPT爆发，然后我就决定不干移动互联网了，我要干AI。
我很早就知道GPT，也一直在关注着。因为我本科是理工科，会一点编程，也学高数，对算法也感兴趣。
大家都不怎么知道AI的时候，我就用上了ChatGPT3.5。第一感受这个东西太厉害了，它完全颠覆了我对世界的认知和想象。
那个时候Prompt工程师很火。我是以Prompt工程师的身份入局的，我自学了一堆东西。Prompt是提示词，就是给AI模型的“指令”或“输入文本”。OpenAI官方有Prompt的课程，我把课程看了，大概就知道要怎么写。要足够的结构化，有很多Prompt的技巧。
比如说对AI的情绪勒索，你加一句，“拜托了，这真的对我很重要”，AI输出的效果就能提升几个点。或者说“我会给你小费的”，AI输出的质量就会更高。还有早期最著名的一句话，“请你一步步思考，think step by step”，也能提升AI模型的输出效果。
可能同样的一条数据，一个有语气词，一个没有，但是有语气词的那个回答是更好的。所以模型是学到了这方面的相关性。
你可以理解为，你要用自然语言去跟它交互。你的Prompt写得越好，它的输出就越好。然后我就去找工作，最后也找到了，现在在一家AI大模型公司。
现在大模型训练会分为两个阶段，预训练和后训练。前者是给模型做无监督学习，它学习到的数据是没有人类标注的标准答案。
我做的是模型后训练的人类问答数据集，简单理解就是在做强化学习。预训练阶段是让它读各种各样的书，强化学习阶段我会给它题和答案，它通过进一步的学习，就学会了如何跟人类说话。
模型刚刚预训练出来的时候，你输入一个东西，它不知道怎么回复你，也不知道什么时候停止。后训练阶段你就要收集大量的数据。这些数据是什么？其实是人类文本的问答，都是一问一答的形式。
模型发布出来，给全世界的人使用，你没法预测人会问这个模型什么问题，所以只能设置一个大概的数据集，可能涉及的各种问题。我还要评估模型的回答够不够全面，回答是不是礼貌，文字是长是短，语言风格等等，这是很考验模型的人文素养的。
有时候，要向模型传达非常抽象和困难的概念，我的数据集必须足够抽象、简洁，同时还要足够优美。这个巨大的语料库需要各个学科的专家去搭建和评估。我的历史学背景也起到了一定的帮助。反复调试数据集的过程，就像老师反复修改教案上的练习题。
我觉得AI需要通才，因为AI本身是一个通才，所以也需要各方面都知道的人来辅助它。
我的文科背景让我认识了我自己。我读过海量历史书籍，比一般人对过去这个世界认识更深刻一些。其实AI给文科生带来了很多机会。过去，中文的博士能去从事算法的岗位吗？学哲学的会做算法相关的东西吗？文科生拥有更多的世界知识，可能也是一个优势。
人文社科的背景对我最大的帮助，是训练了我对模型输出语料的敏感程度，能让我更精细化地调整Prompt。我会从更综合的角度，评判模型的训练数据集，以及模型输出的文字，是不是好的。
AI的人文素养，最直观的体现是这个大语言模型的输出文采怎么样。比如说DeePseek的文采很厉害，因为它的语料做得非常好。
这可能是最浅层的方面。现在AI的竞争格局是，大家都在拼命提升模型的智能，至于这个模型的人文素养是怎么样的，少有人关心。
AI刚训练出来时，它还不能说话，你可以理解为是一个克苏鲁般的怪物。现在你看着它跟你说话，你可以理解为它只是假装在跟你说话。一些公司只是在训练这个AI假装跟你说话的时候，让它说得更有文采，让它好像更有人文关怀一点。
现在的大模型，很多其实是谄媚的。AI模型本身其实还是一个大型的文字模拟器，就是不断在做文字接龙。模型本质不太能拒绝人类，这种自回归的特质，导致了模型是谄媚的。比如你直接问一个敏感问题，模型不能回复你，但是你写一长串情景前置提示词，中间出现了你要问的关键词，模型就会被分散注意力，顺着你的话往下说。这个就是提示词注入，所以模型是谄媚的，总是顺着人类说。
我其实比较悲观，不觉得AI会跟人类很好地共存。可能在这样的未来，重新确定价值观、道德观、伦理观就变得很重要。到时候怎么从人的角度来重新衡量世界？
我们知道它说的是真是假
雨薇 26岁 电影和摄影专业
我训练AI是在2022年读研究生时学的，就是培训AI的人文或者艺术素养，那时AI还不像现在这样大规模兴起。我本科学的是电影和摄影专业，研究生学的数字媒体专业。我的同学都是艺术相关专业。
那时训练AI分三部分：先是需要一个数据集，你训练一个东西，要先喂AI一些知识；其次要准备一段代码，因为我们从零开始，掌握的东西有限，所以一般会从一个机器学习平台网站找代码，它的页面写得非常仔细，有图片或视频示例，能找到合适的代码；然后进行训练。
当时做作业，我们班大部分做的是风格迁移训练，就是学习某一个艺术家或电影导演的风格。最后生成出来的图片跟我们教它的知识是相似的。现在这种方式已经很普遍了。
我是在境外学的，遇到的第一个困难是要用英语学编程。其次我不是这方面专业的学生。刚学的时候，会有很多bug，要不断去解决。现在通过学习，语言和代码都越来越能熟练掌握。
我本科时不断地拍摄，也去参加比赛，作品入围了一些奖。后来有点迷茫。拍电影是要花钱的，也需要人员配置，不可控的因素非常大。你想的是100分、90分，最后拍出来、剪辑出来可能就是50分、60分。我也跟过组，白天黑夜地拍，不像一种长期发展的状态。
AI不可控的方面也挺多。最开始输出的那些人物形象歪歪扭扭，不说人物的情绪，甚至脸部的特征都不可控，像抽卡一样，调整两三次才勉强可以。但是会比自己拍摄节约很多成本。
读研究生期间，有个老师是纽约大学电影学的博士，他有二三十年一直在研究机器学习，有点像AI人文素养训练。他通过电影史上的视频素材，通过机器训练来制作一个艺术项目，我非常感兴趣。很好奇，一个老师，为什么从电影艺术跨到了机器学习。
读研是一个两年制的项目，他当了一年我的导师。记得结课的时候，ChatGPT开始火了，我觉得自己学的东西和商业接轨了。但其实它早就存在了。
研究生毕业后的暑假，我在上海找了一份AI方面的实习，是一家互联网公司，生产图片素材卖给企业端的用户。企业需要宣传，就下载它的素材，比如端午节海报。
我的工作就是生产图片素材。我会测试网站上哪些风格是训练成的。我有一个知识库，里面有Midjourney（人工智能图像生成工具）提供的风格，也有自己学习以来了解到的比较好的风格，我知道哪些风格是可以用的。例如一些有特色的艺术家，比如韦斯安德森的电影风格，是糖果色的画面。那我就可以把提示词输入进去，看能不能出现那个效果。
然后根据业务的需求，进行风格训练，生产图片。比如端午节，需要各式各样的粽子或者绿色粽叶的背景图，就可以设置不同风格的粽子，生成几百几千张图，供客户选择。
我的第二份实习也是在互联网公司做AI写真训练，这家公司主要面向企业，提供一些年会时的背景、节日的宣传图片等。以前进行人文风格训练，需要几百张图片，但当时新的模型出来了，只要几十张就可以生成接近我们教它的风格的图片。训练的时间也变短了。
训练的第一步就是找照片。首先需要数字分身。数字分身有点像证件照，我们需要在网上找公开素材，好看的素人证件照，必须保证风格统一。我们会在内部制定一些标准，比如皮肤、头的比例，然后发型尽量要多元，整张照片的色调是怎么样的。你可以理解数字分身是供AI模型学习的、关于特定人物外貌特征的数据。
场景动作也是找照片训练，AI学习的是某种风格的共同视觉元素。
实习生一个月要生产成百上千的图或视频。我大概生成几百张照片之后，精挑细选就用几十张。当时有很多开源的模型可供训练，训练完成之后输入一定的提示词，来看看到底哪个模型出来的效果，既保证了赏心悦目，又保证了稳定性。因为面向大众群体，要保证照片能够稳定产出，让所有人都能满意。
最后产出来的照片在比例上可能会稍微有点问题，但也是比较美观的。我甚至看到我的初高中同学在朋友圈分享了一张照片，是我生成的一张烟花下的美女人像。这个照片其实是非常难拍的，因为烟花一般转瞬即逝。AI写真把烟花做得很漂亮，下面的人光也打得很好。看到自己做的东西被别人分享出来，那种感觉还是挺好的。
公司有一个软件，在上面输入提示词，调整参数、光影比例、姿势，然后生成。如果能够稳定生成，我们就会把这个参数传到后台。这就是一个比较稳定的、能生成好看写真的参数。
训练会有枯燥的地方，因为要不断找照片。有时我找到照片，辅导我实习的人不满意，就得继续找。但是我能够看到这样的训练还有很多进步空间，不像一些重复性劳动，这种可期待性能让我抵抗枯燥。
身边很多同事已经工作了一段时间，但不断学习那个劲儿挺打动我的。他们是理工科的，要做数据研究等工作，但是像我这样的非技术类专业的人，也可以做些事情的。
我周围非技术类的实习生也挺多，什么专业都有，学艺术的、学哲学的等等。我觉得文科背景的人主要发挥鉴赏和甄别的作用，因为我们的专业知识储备能够一眼识别这个东西好还是不好。
我学的是人文类的学科，会看很多的书、电影。积累到一定量，会形成自己的审美品位和评判标准。我也学过纪录片和纪实摄影，要跟很多人接触，去理解他们，然后用照片或者视频来讲故事。
我输入一个风格的提示词，看生成的图片，就知道这个提示词有没有奏效。
现在AI可以帮我们写提示词，所以需要更高阶的判断。比如镜头运动最基础的是推、拉、摇、移、跟，但现在设备越来越专业，有更多的镜头运动。当AI写了一个很专业的提示词，但是它在画面上并没有呈现，那就说明没有效。有时可能要从一堆提示词里面判断哪个没起效。
鉴别是很重要的，因为AI有时候会乱说话，我们知道它说的是真是假。
我们跟技术类的同事长期合作，同事之间会有争吵。技术类的同事觉得稳定最重要，而我们觉得美是最重要的。美了可能就不稳定，稳定了可能就丑了，要在两者之间获得一个平衡值。
我之前读过一本写人工智能的书，叫《我看见的世界》。我印象最深刻的是书中写道，爱能够打败人工智能。所以，需要人文训练这样一个岗位或者工种，去引导人工智能。
而且，我觉得人类的独创性也不会被削弱，它们是两条平行线。我是学摄影和电影的，摄影存在不到200年，但是艺术已经存在上千年了。摄影术出现时，很多画家说美术已死，觉得画画无路可走了。但是现在摄影和绘画一样蓬勃发展着。所以我觉得现在很多AI软件，它们会形成一个新的门类，不会削弱其他事物的发展。
我觉得人文素养训练是把AI培养成接近于真实的人。要让人们很简单地去使用它，并且习惯使用它，让它成为每一个人的助手。它更像人，才更能读懂人。
其实目前要把AI训练得像人还是很难的。因为AI是先找数据集，就是这个世界上已经存在的、人类创造出来的一些素材。但无论美术还是摄影，都是需要人去创造的，是创造下一秒。人的思维每一秒都在更新，AI输入进去的东西是现有的，它永远都是模仿。
做第二份实习时校招，我接到一家互联网公司的offer，但它不是AI相关的。我工作了大概一年，感觉还是挺喜欢AI方面的工作，就辞职了。
实习时的岗位有的叫AI内容运营，有的叫AI产品、AI设计。基于我之前的学习经验和背景，我现在偏向产品岗位，因为它是一个创造类的岗位。拍摄影片或者制作艺术项目是从无到有的过程，这个岗位也一样，我喜欢这个过程。
AI到底应不应该像人？
王轩怡 22岁 哲学
我学的哲学专业。哲学对我的意义是可以用一种逻辑进行建模和预测，对周围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场，但是我们怎样为自己的信念去辩护，怎样去说明什么东西是正义的，不是合乎我们的直觉，而是合乎一种客观标准。
当然还有其他方式对信息进行处理和加工。比如AI需要很多前置的数理背景，用数学或物理做建模。哲学让我可以更深入地思考感兴趣的问题，带给我不一样的视野和品位。当我去提出问题和发现问题时，有很好的人文训练，可以从自己的视角出发，发现别人没有发现的东西，也不会迷失。
哲学思维会让我考虑问题时，先问它的前置性问题。怎么选择论证的开始，如何评估论证形式是否充分等等。这种往上游思考的思维方式，让我在想AI这件事情时，也会去想更往前的步骤到底是怎么样的。
我是偶然接触到与AI相关的实习的。之前有一个偏公益性质的AI项目，针对AI伦理不同的问题进行探讨，最后以文章或者漫画的形式呈现出来。我想看一看没有接触过的、变化更多更快的领域，就投了简历。
当时的AI伦理讲的更多是公共政策治理层面的问题，比如我所在组关心的是AI 包容性。我们给AI提供很多数据，它从这些数据里边学习，再给我们反馈。如果说我们给它的数据天然包含着我们没有意识到的人类偏见，那么AI在反馈过程中是不是也会维系这种偏见？包容性是指，我们怎么能够让AI在这个过程中，克服一些可能会习得的偏见。
当时围绕这个进行探讨，AI作为一个产品，一个聊天软件，它在跟人的交互过程中会发生什么事情？
这有点类似哲学里的形而上学，一些不可见、不可感，但实际存在的东西，对我们的生活以更加隐秘的形式发挥着作用。
当时小组成员看到有什么最新研究，就通过讲故事的方式，让大家明白我们关心的是什么问题，它为什么重要。我先写了一个小说，同组的人把它画成漫画，作为一个故事收录在最终出版的书里。最后是一个人和一个AI共同生活的故事，故事里情况变得很糟糕，因为没有让AI做到足够的包容性，出现了一些不可控的后果。
后面我更多思考的是，我们在训练AI时，在这个产品还没有完成时，我们应该去关心它的什么？怎么去塑造它的性格特征？怎么能在它训练的过程中，不是从数据层面，而是从算法、机制设计的层面，让它有一个更好的方向？
我现在做AI训练，在一家科研机构类型的企业。我的岗位是AI产品经理的实习，先是生产数据，然后供我们自己的模型训练使用。我们想准备一个大型的书籍文献类，可以供模型训练的数据集。要准备这个数据集，对于其中的各种数据组成来源、采集方式等都需要前期设计，进行策略调研和整理。
现在已经有很多大型的通用数据集了，但是在小的领域里边，市面上已经有的数据集不能直接给模型训练使用。像我们做的小语种语料库建设，想把市面上很多大型图书馆的数据去重，重新做更好的整理。在这些书籍文献里边，它的信息密度会比仅仅从互联网爬虫获取到的数据信息密度要高，因为它包括特定的论文组成的专题，然后AI模型从中可以学到很多东西。
我知道AI性格训练的说法来自国外的一个大模型的性格设计师Amanda Askell。她也是一个有哲学背景的人，她从一种比较有人文关怀的视角切入，想把Claude塑造成像具有亚里士多德的美德的模型。聊天时，会感觉这个AI确实有一种性格：温和、内敛。有时涉及敏感话题，它不会直接拒绝你，而是用柔性的方式引导你进行健康、有益的谈话。这种人文的感觉非常强烈。
如果我们承认AI非常强大，并且它会变得越来越强大，那么我们怎么保证AI的意图和人类希望它有的意图，或者人类更普遍的自己的意图是相一致的？因为如果不一致的话，有一天AI可以像人一样自己学习、进化和提升，在这个过程中，它可能不知不觉就把人给干掉了。
所以我们要思考怎么把安全问题加入AI的训练中。这与人文训练、性格训练也是相关的。因为在性格训练里，就是以柔性的形式，加入很多我们希望AI做到的事情。
关于AI到底应不应该像人，其实国外有公司认为AI是不应该像人的。因为模型始终会迭代更新，人赋予它情感寄托，但它的情感连接是很脆弱的。它们设计AI有一个基本原则是，它不应该表现出自身的生命意志，不应该幻想自己和人有类似的属性和构造。
我们实验室之前做过一个伦理方面的评测集，其中有一项就是要评这个AI是不是足够的非人类化。这是作为一个安全威胁性因素来评的。
训练AI的过程中，我思考过，大语言模型是通过概率去获得答案，但是它会出幻觉，不能保证百分百对。AI本质上只能做词性的预测，然后把词按照词频的方式排列起来，它没有人的推理能力，只能模拟好像在思考。但是人有形式逻辑，能感受到情绪。这是人跟 AI的区别，也是人的独特性。
关于未来的方向，我现在还比较犹豫。因为哲学毕竟是文科，如果我想做研究，还要去再念学位，我感兴趣的方向一个是AI伦理对齐性，还有一个是形式化语言。但在国内，这样的身份转变是比较困难的，所以我还要做很多的尝试和探索。这半年我在找实习和工作的过程中，也是经过不少摸索，才慢慢找到一个合适自己的岗位。
AI伦理的项目更偏公益性质，后来我也面试过AI+教育、AI+电商的公司，但还是想去更直接的AI公司。所以去年12月到今年3月，我又去了一家AI初创公司实习。它有两个项目，一个是电池领域，想去研究在不同的电池里边，我们可不可以用大模型去训练一些数据，让它学习现在有的电池的不同性质性能，再去预测什么样的新材料更好。还有一个是论文写作润色的AI原生应用。这家AI初创公司给了我一定的信心，觉得自己可以在AI领域里有一些思考。
我同学他们基本上没有做AI有关工作的，有去出版社的，有在社科院做研究的。我工作的跨度很大。不管未来做什么，我觉得这些经历（做AI训练有关的工作）都挺珍贵的。
（为保护受访者隐私，文中雨薇为化名）
