LinkedIn上的意见领袖们都在用ChatGPT作为灵感启发工具,那大家还犹豫什么?
OpenAI打造的这款聊天机器人能够以顺畅的语言响应文本提示词,数百万用户的持续试验已经证明了其强大能力。这款聊天机器人能帮助软件开发者编写代码、帮助科学家开展研究,也能帮助学生们完成家庭作业。通过反复探索,ChatGPT确实能为头脑风暴持续注入宝贵的新鲜能量。
企业领导者可以利用它整理关键对话,或者制定长期决策。喜欢冒险的情侣可以借ChatGPT为自己设计下一场充满意外之喜的旅行。极客博主则可能花一下午时间归纳自己的奇思妙想,介绍一款潜力巨大的小众手机游戏。
但请注意,这款工具经常会给出错误的响应,因此务必以谨慎的态度质疑聊天机器人输出的一切答案。确保认真检查它列出的来源,证明它们所说的到底是确有其事还是胡说八道。此外,ChatGPT训练所使用的数据并非最新,最好审慎对待它给出的赛事比分、餐厅营业时间和电影上映等信息,同时参考搜索引擎给出的实时信息。
大家可以在OpenAI网站上注册免费的ChatGPT账户。如果想用最强大的版本来启发自己的头脑,也可以考虑每月花20美元享受ChatGPT Plus提供的GPT-4。当然,各位不妨同时参考其他聊天机器人(例如Jasper和Google Bard),比较它们各自给出的答案。
设定明确的起点
AI算法的介入,不代表头脑风暴的整个过程都会发生变化。好的思想实验总是需要一个强有力的前提,也就是我们关注的核心问题或者探索主题。以此为基础,再以多种方式调整输入给AI模型的提示词。
比如可以先快速连续向聊天机器人提出一系列简短问题,之后再考虑编写一段更长的提示内容。这样,就能比较到底是一段提示效果好,还是分成三段来得更准确。
关注AI工具的局限性和偏见
在真正依赖AI支持头脑风暴之前,大家不妨先花点时间了解聊天机器人的信息,比如它擅长什么、在哪些方面表现不佳。
例如,《连线》网站发布的生成式AI指南就在引导记者使用ChatGPT来获取故事创意和研究帮助。其中明确提到,记者们绝不能将来自聊天机器人的文本直接纳入正文,否则可能会在报道中造成虚假陈述和偏见。
用同样的提示词多试几次
可以反复提出同样的问题,只是在细节上稍作调整,看看聊天机器人会如何回应。你问得越多,就越有可能获得新的、或者特别有帮助的回答。
头脑风暴就是这样,既要求集中精力,又鼓励随时跟进新的有趣想法。把跟当前主题相关的更多背景信息都写出来,除非完全偏离了主题或者陷入了奇怪的氛围,否则咱就尽情跟AI机器人大开脑洞吧。
尝试长列表、优质列表和有点脱线的列表
我曾让ChatGPT列出50种独特的头脑风暴方向,它提到聊天机器人可以生成营销策略、学习技巧和约会方案。我又问,能不能再给50个更有创意的答案。聊天机器人觉得可以用AI来找灵感,比如给宠物设计活动、设计环境音效和筹备太空殖民。那么把要求换成疯狂级别的内容呢?ChatGPT提议用AI设计心灵感应设备、靠情感驱动的交通工具,还有规划植物与人类混居的花园。
好吧,可能最后这条确实有点过火了。但这些答案确实让人颇感愉悦,也是头脑风暴的最大意义所在。聊天机器人确实会经常输出如死记硬背般的空话套话,但如果花时间认真浏览不同的模型,我们总能找到有所启发的内容。
模拟一些案例
想筹划一场说走就走的巴西旅行?或者打算审慎地回应老板发来的愤怒邮件?问问ChatGPT,它应该能帮你完成手头的这些难题。尽管AI模型不太可能给出直接可用的答案,但回答中往往也会流露出有益的概念和结构。
对潜在应用始终保持开放的心态
请千万别单纯把AI当作工具。AI既可以是重要的生产力工具,也可以帮躺在卧室里的青年找到创业甚至是人生的方向,或者让老人想好该在后院种点什么蔬菜。为什么要限制它的发挥空间?无论主题如何,我们都可以跟这位AI好友畅所欲言,在这样的相处之下各位的下一场AI头脑风暴必将来得更加猛烈!
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。