有人覺得AI創(chuàng)作很有趣，但也有人只是在“挑逗”一下AI尋個樂趣。

如果要問文心一言大語言模型有何用，它會給所謂的“標準答案”，羅列出123456等等多種用途。

語言可以博大精深，語言也可以簡單到對話讓人抓狂，無論是生成、對話還是問答，其實我們最終期望的還是AI有自己的思考能力。

從標準答案到靈活解決

我們生活中大多數(shù)時遇到的問題都可以靠文字描述去溝通解決，無論是百度一下搜索找答案，還是打字對話問一問朋友基本上都能夠找到答案，在實際解決過程中前者主要依靠篩選，后者則是需要情緒溝通與時間成本，相對而言得到的答案會更細致和全面。

而在AI時代，相比于習慣性的去百度，通過大模型推演出的答案能夠更為靈活，你可以新增情緒，也可以新增背景，在實際執(zhí)行過程中，更像是文字的推演與信息的匯總，從而找到更優(yōu)的解決方法。

就比如說我可以問： 如何拍攝一組更好的耳機照片？它能夠像朋友似的基于背景給出更具全面建議，不僅有思路更有可執(zhí)行的實操，像極了會總結(jié)的課代表朋友。

當然現(xiàn)階段的總結(jié)還是有些書面和文字，缺少了一些情緒輸出，而這同樣是大語言模型所需要學習成長的路徑。

大語言模型更具功能性

問問題，求解決，是最常見的對話方式，但實際上大語言模型的應(yīng)用不止于如此，它完全可以更具功能性，把握住調(diào)性，用語言能力實現(xiàn)整合輸出。

就比如說在每當一款科技產(chǎn)品上市，在不同平臺其實都有著不同的“語言描述體”如何評價XXXX，怎么樣實現(xiàn)真誠的種草讓人倍感親切？都需要深入平臺基于調(diào)性進行分享。

在文心一言上有兩組熱度非常高的文案體系，深得應(yīng)用，一款是X書的種草體，另一個則是某乎的評價體，前者考驗的是種草與分享，需要更切近，更熱情；后者則更偏向于理性分析進行剖析。

而我在實測過程中發(fā)現(xiàn)，文心一言的評價，還真有內(nèi)味，我將最近討論度非常高的一加 Ace 2 Pro與24GB+1T的配置給到文心一言它則是還給了我兩份份，完全體的種草文案與回答。

其實，在實際的文字創(chuàng)作中我們能發(fā)現(xiàn)，能把件事一款產(chǎn)品系統(tǒng)、有邏輯的輸出已著實不易，而結(jié)合平臺調(diào)性有邏輯的分析表達已經(jīng)堪稱優(yōu)秀，而這樣的功能性其實有不少應(yīng)用場景，像是簡歷優(yōu)化等等，能夠幫助使用者去貼合調(diào)性，生成符合要求的風格表達，再搭配個人描述，相信能夠?qū)崿F(xiàn)人與AI的知識互補。

另外再實際工作中，我們其實也能發(fā)現(xiàn)在溝通與表達中，有的人回答總是容易出現(xiàn)太散的情況，缺乏系統(tǒng)總結(jié)，而如果在開會場景中，我們完全可以在會后，提供給文心一言，讓他幫我們?nèi)∑渚A，進行總結(jié)，從而提升實際的效率應(yīng)用。

最近機圈兒魅族也在征集廣告語，我讓文心一言寫了一個，不知道能獲獎否？

拓展未知的領(lǐng)域

相比于提出問題解決答案，在未知領(lǐng)域的拓展中，我們其實更需要“知識積累”，就比如說作為一名小白，我的朋友喜歡咖啡，想要送Ta禮物，我怎么能選對咖啡？普通的星某克太大眾，小眾又有格調(diào)的品牌又不熟，在缺少知識體系的情況下，其實很容易鬧笑話。

當我問文心一言如何選擇小眾咖啡時，它并不是直接向我推薦XXX品牌，也不是直接給出選購建議，而是從品種、產(chǎn)地、烘焙程度、新鮮度等等維度進行了系統(tǒng)的知識體系輸出，讓我對好咖啡建立一定的概念，而不是盲目選擇，而我在掌握品種、產(chǎn)地等關(guān)鍵信息后，哪怕是對咖啡一竅不通，其實也能夠?qū)崿F(xiàn)相對的“選對”在未知領(lǐng)域避免了踩坑。

寫在最后

大語言模型有何用？文心一言的實力如何？其實需要我們回歸實際場景進行綜合判斷，文心一言并不僅僅是回答問題的機器人，而是一套懂思考，有邏輯更具功能性，能夠幫助我們拓展未知領(lǐng)域，且知識存儲量豐富的語言大師。

從找到答案，到定制化的回答，從簡單簡單的功能實現(xiàn)，到全面的邏輯盤點，從直接建議到幫助提問者豐富知識體系，其實大語言模型一直在進步。

文心一言，文、心、一、言，都相當重要，既需要知識積累，也需要知行合一，我們不應(yīng)該只看到片面的創(chuàng)作，更應(yīng)該理解背后的邏輯，期望大語言模型能夠持續(xù)成長，變得更具情感，更為實用，能夠?qū)崿F(xiàn)“知識補盲”用它的語言理解與輸出能力，提供更多的價值。