内容摘要
本视频是"人人皆可用的生成式 AI"课程第三周第一讲，是第三周的开篇导入视频。吴恩达快速回顾了 LLM 网页界面在不同岗位日常工作中的实际应用场景，并预告第三周将重点探讨：如何系统地识别企业中值得运用生成式 AI 的机会点，以及生成式 AI 对社会和就业的更广泛影响。
核心观点
-
第三周的两大主题：生成式 AI 对企业的价值 + 对社会/就业的影响
本周将先聚焦"如何在企业中找到 GenAI 的高价值应用机会"，再扩展到更宏观的社会层面——GenAI 如何改变工作和就业格局。 -
写作与编辑：最通用的日常应用场景
LLM 可以把普通文字改写成适合正式商业报告的专业表达。吴恩达表示自己经常用它做这件事，但会在使用前双重核查输出结果。 -
营销人员的典型用法：头脑风暴邮件营销方案
示例：让 LLM "帮我头脑风暴一个重新激活流失用户的邮件营销方案"，它能生成有针对性的邮件活动创意，还可以进一步追问具体细节（如挽回邮件的结构和内容）。 -
招聘人员的典型用法：面试反馈摘要
示例："用 50 个词以内总结某求职者的最终面试反馈"，LLM 通常能生成相当不错的摘要——但仍建议在实际使用前进行人工核查。 -
程序员的典型用法：代码初稿生成
LLM 能写出某些技术类 Python 代码的初稿，有时会生成正确代码，但也经常产生带 bug 的代码，需要人工修复。吴恩达将其定位为"帮助程序员起步"的辅助工具，而非完全替代手写代码。
关键收获
💡 收获 1：生成式 AI 是通用目的技术——几乎所有岗位都能找到它的用武之地
本讲以四种完全不同的岗位（写作者、营销人员、招聘人员、程序员）作为例证，传递了一个核心信息：生成式 AI 的通用性意味着它不属于某一个特定领域，几乎所有知识工作者都可以从中获益。
💡 收获 2："双重核查"是吴恩达在提及所有 LLM 输出时反复强调的原则
无论是写作摘要、面试总结还是代码生成，他每次都补充"我会在使用前核查输出"。这种一致的态度传递了清晰的使用规范：LLM 是能力增强工具，不是可以盲目信任的自动化系统。
💡 收获 3：LLM 作为"思维伙伴"是吴恩达最个人化的使用体验分享
他说"我经常用 LLM 作为思维伙伴帮助自己理清思路"——这比具体的工具功能更有启发性：LLM 不只是完成任务，还可以是思考过程的协作者，帮助人们探索和推进想法。
💡 收获 4：代码生成"经常有 bug"——但"帮助起步"仍有价值
吴恩达诚实承认 LLM 生成的代码经常有 bug，需要修复。但即便如此，它仍然能显著加速程序员的起步速度——把"从零开始"变成"有初稿可以迭代"，这在工程实践中是有实质价值的效率提升。
重要引述
"Because generative AI is a general-purpose technology, I'm seeing it used by many different people in many different job roles."
（因为生成式 AI 是一种通用目的技术，我看到它被许多不同岗位的人以许多不同的方式使用。）
"I find myself often using an LLM as a thought partner to help me think things through — and I hope that you too will find it useful in your day-to-day work."
（我经常发现自己会用 LLM 作为思维伙伴来帮助自己理清思路——我也希望你能在日常工作中发现它的价值。）
总体结论
本讲作为第三周的开篇，以简洁的方式展示了 LLM 网页界面在现实工作场景中的多样用途，为接下来更系统的"如何识别企业中的 GenAI 机会"分析框架做好了铺垫。最重要的信息是：生成式 AI 已经在各行各业的日常工作中产生实际价值，任何知识工作者都值得尝试将其整合进自己的工作流程——尽管在使用输出时需要保持批判性思维和核查习惯。
逐字稿（中文翻译）
欢迎回来！本周我们将从审视生成式 AI 在商业中的作用开始，然后看看它对社会的影响——例如对就业的影响。
我们将首先看看不同岗位的人如何已经可以在日常工作中使用网页用户界面来访问生成式 AI。之后，我们将研究一个系统性框架，用于分析一个企业，以识别使用生成式 AI 来辅助或自动化企业中不同任务的机会——也许就是你的企业——并确定构建或购买基于 LLM 的软件应用可能在哪里创造价值。让我们开始吧。
正如你之前见到的，LLM 可以是相当不错的写作助手或文字编辑。所以如果你让它把一段文字改写成适合正式商业报告的表达，它通常能做得相当不错。我自己经常用它来完成这个目的，不过在用于我自己的写作之前，我会先核查它的输出。
由于生成式 AI 是一种通用目的技术，我看到它被许多不同岗位的人以许多不同的方式使用。例如，营销人员正在用它来帮助头脑风暴想法——如果你让它"帮我头脑风暴一个重新激活流失用户的邮件营销方案"，它可能会提出这样的邮件营销活动创意，如果你愿意，你甚至可以进一步追问挽回邮件可能是什么样的等等细节。
或者，如果你是一名招聘人员，我看到招聘人员用 LLM 来总结面试评价——这里让它"用 50 个词以内总结某求职者的最终面试评价"，它通常能做得相当不错，不过我还是建议在完全依赖使用摘要之前先核查一下。LLM 在总结文本方面相当擅长。
对于程序员或软件工程师，LLM 有时也能在为某些类型的代码编写初稿方面提供帮助——让它写 Python 代码来计算某些技术性的东西，在这个例子中 LLM 生成了一段正确的代码；但它实际上经常会生成有 bug 的代码，所以当我将其用于软件开发时，往往最终需要修复代码，但它有助于帮助程序员在任务上起步。
所以，从事许多不同岗位工作的人们，已经在日常工作中发现 LLM 很有用。我经常发现自己会用 LLM 作为思维伙伴来帮助自己理清思路，我也希望你能在日常工作中发现它的价值。
当你纵观一个组织时，使用生成式 AI 技术，或者甚至尝试构建或购买使用 LLM 的软件应用，最有价值的机会在哪里？在下一个视频中，我们将开始研究一个框架：通过审视组织中各岗位承担的工作和任务，来尝试识别这样的机会。我们在下一个视频中来看看吧！
本文档根据视频字幕整理翻译，内容为 DeepLearning.AI "Generative AI for Everyone" 课程第三周第一讲。
日常使用网页版 LLM
下载 MP3