《怎么用AI高效学习》读书笔记
2024-03-11 12:08:28 0 举报AI智能生成
卓克关于ChatGPT各个场景的应用实践，以及关于AI发展趋势的见解
作者其他创作
大纲/内容
0、发刊词：用好AI，打造自己的“第二大脑”
对待ChatGPT的两种看法
不少人把 ChatGPT 当作高级聊天工具，选择调戏它、刁难它，并以此为乐
聪明人己经开始把它变成了自己的生产力工具，用它来写周报、做编程、做PPT、做翻译、生成视频、生成图片、学习外语、辅助研究、辅助论文写作等
学习的两个作用
短期作用可能就是，在别人眼中，你的工作和学习都变得更加高效了
长期作用则是，培养起对Al 的兴趣和亲近感，让学习与 Al 互动、学习使用 Al 成为习惯
“君子生非异也，善假于物也”
AI就是个工具，你得会用它，才能让它发挥出点石成金的魔力。有句话说得好，“有多少好答案，在等待着一个好问题”，同理，有多少提高学习效率的AI应用，在等待着你正确使用
从做翻译、做编程，到生成视频、学习外语，再到辅助研究、辅助论文写作等等，学会使用 Al，让 Al 成为自己的第二大脑
令人震惊的变革时代己经来了，我们都是巨变的亲历者，就算不能成为弄潮儿，也至少做到顺势而为吧
1、正确提问：好问题的三要素是什么
正确提问的能力
ChatGPT 能为你产生多大的价值，关键在于你提问的质量
在ChatGPT 没出现的年代，一个能不时地提出好问题的人也是稀有的。比如苏格拉底式提问，又被称为苏格拉底式教学法，不断提出好问题，本身就是最好的习得新知识的方式。能提出结合了理性思考、发现谬误、拓展思路、获得启发的问题，是一种令人羡慕的能力。而在 ChatGPT 出现之后，提问能力就变得更重要了
之所以把问题问好对于输出高质量回答非常重要，主要是因为ChatGPT 生成文本类似于“文字接龙游戏〞，就是在当前已有的句子之后，如果另外加一个词的话，加什么词最合适
新词：提示工程（Prompt Engineering）
用好AI的宗旨
你可以把自己假设为公司领导，把 ChatGPT 当作你的直接下属，你的一切命令、份咐、需求都由它负责执行，你提出的要求直接决定了它是否能执行到位。在这个宗旨下，你的每个问题就不能太宽泛，而是要具体
好问题的三要素
任务简述
给ChatGPT明确的指示，输出什么东西
示例
我要写一首诗
我要生成一篇手机评测
我需要一份广告文案
我想了解科技前沿
我要解一道物理题
我要生成一篇论文
我要生成一篇论文的摘要
我要生成一篇节目的提纲
我要写一封信
我要做一个 PPT
我要生成一个故事
我需要翻译（各国文字之间、各编程语言之间）
我需要写代码
我要解释一段代码的含义
我要提取关键词
任务描述
为了得到更有见地的回复，需要对任务做描述，比如具体内容、信息背景、期望达成的结果、细节上的要求、技术指标、生成回复的字数、情感倾向等
对比
写诗
我要写一首诗
我要写一首诗，内容和求职就业有关。因为我一直没找到理想的工作，非常郁闷，想把这首诗发在网上，抒发我胸中的愤懑，诗要犀利但不要愤怒，只需要8句话就可以
写评测
我要写一篇手机评测
我要写一篇手机评测，鉴于最近2年手机同质化问题很严重，所以要突出这个手机续航能力强的特点，把重点放在续航时间长，电池电量大，充电快，节电措施合理上。让人看了就觉得值得买，500字以内
投诉信
我要向银行写一封投诉信，他们的办事效率太低
我要向银行写一封投诉信，办卡申请已经提交了2周还没有回复，还不知道要等多久，没有银行卡的日子，生活非常不方便。你要把理由写充足，用强硬的语气，尽最大可能让他们收到邮件后能立刻重视起来，帮我加速办理银行卡
角色场景
只要在问题中给 ChatGPT 赋予一个角色，就能让答案更贴近我们想要的方向
对比
请给我一些建议，教我如何减压 vs 假设我是一位心理咨询师，请给我一些建议，教我如何减压
请教我如何保持健康 vs 我是一个不得不久坐办公室的人，请教我如何保持健康
2、技巧：如何进一步提高AI输出的质量
添加参照
有时候，我们对结果有一些特定的期待，脑子里对目标有模糊的标准，但又很难明确描述，这时候就可以找 ChatGPT 要灵感。方法就是在陈述问题的时候，主动给它提供参照，引导它依据这些参照，生成相同模式的其他结果
示例
我想为一个中档价位的麻辣火锅连锁店起一个既切合口味又利于传播的Slogan。我找到另外一些优秀的Slogan给你参考，你要按照这个水准帮我想出10个。以下是参考：王品牛排："一头牛仅供六客"巴奴火锅：“服务不是巴奴的特色，毛肚和菌汤才是”太二酸菜鱼：“酸菜比鱼好吃”九锅一堂：“可以喝汤的酸菜鱼”炊烟时代：“因为很辣，火爆19年”辣椒树辣椒炒肉：“更懂辣椒的湘菜〞，西贝：“家有宝贝，就吃西贝”真功夫：“营养还是蒸的好"全聚德：“不到万里长城非好汉，不吃全聚德烤鸭真遗憾”外婆家：“我家就在西湖边"
躺平现象最近很常见，它出现于内卷之后。所以“内卷”和“躺平〞是两个先后出现的网络流行语，这2个词不但流行度很广，也很符合现实，并且还有一定的因果关系。你能不能按照“躺平”和“内卷〞这2个词的对应关系，再找出15个类似逻辑关系的成对的词出来？
球类体育比赛中，经常见到一种说法“进攻是最好的防守〞，实际上，进攻和防守是一对反义词，但在特定场景下会起到高度一致的效果。你能不能再举出15个除了体育领域之外的例子，两个词是一组反义词，但在特定场景下起到高度一致的效果
有一种说法，线粒体是生物的发动机，这是一种比喻，一方来自生物系统，另一方来自汽车系统。你能不能反过来，用汽车系统里的一些名词去比喻生物系统里的东西，举10个例子
一个系统规模的扩大会带来意想不到的负面因素，导致系统崩溃。比如钢铁的韧性和强度一般来说都很好，一根10米长的钢筋是很好的建筑材料，但如果想用一根长5000米的钢筋做材料那就完全无法实现了，因为钢筋自身的重量就足以导致钢筋变形甚至折断。你能不能再举10个例子，反映出一个物体或者一个物体在规模较小时体现出各种优势，但随着规模不断扩大，优势越来越小，反而会出现严重的负面因素
加强思辨
有时候，我们只需要简单地在完整的问题之后加上“请重新审视你输出的每一句话〞“仔细想想再说〞，或者类似“我们来仔细分析一下问题”这样的句子，就会让输出结果的质量大幅提高
示例
哪些知识是无法通过上学读书学到的？仔细想想，再列出10个
我们来仔细分析一下，有哪些很重要但又容易忽视的烹调技巧？列出10个
本科生到底应不应该取消毕业论文？仔细想想再列出理由
来说说怎么能看出一个人是否真的经常看书？请你认真思考仔细分析
在问题已经明确陈述清楚，希望 ChatGPT 多给一些例子时，向它追问的效果要更好。也就是“再给我几个例子”这样问，而不要点“regenerate” 的按钮
指定元素
因为这些元素往往是我们独有的经历和见解，ChatGPT 不一定能自动生成，所以我们可以在保留独有的内容的基础上，让 ChatGPT 补充其他内容
示例
烹调出一道美食需要什么因素？请多多强调创意和个性的作用
人口老龄化是什么引起的？各种因素中重点突出妇女独立意识的觉醒
寻找关联
让 ChatGPT 寻找事物之间的关联信息
示例
我认为《聊斋志异》的故事中，有些包含了一些现代市场经济中的概念，比如股票。你给我举9个例子
我最好的朋友马上要过30岁生日，我想从《水浒传》里找一个和庆祝生日有关的情节，在他的生日晚宴上用这段为他敬酒，应该怎么说才得体，才有理有据？
中国古代阴阳五行理论和今天的量子力学有哪些内容是相通的，举出10条
我是一个医学院毕业的学生，但我想从事新闻工作，现在发愁，面试时对方认为我专业不对口，你能不能帮我把医学院学生从事新闻更有优势的理由写出10条，要能说动面试官录取我
3、翻译：如何让AI变成翻译大师
结论
ChatGPT 的翻译质量是最好的。在这波人工智能爆发之前，人们对翻译工具的评价大致是谷歌翻译还可以，水准最好的是 DeepL；但当 ChatGPT 出现后，尤其是GPT-4.0以后，翻译的水准全面超越了DeepL
简单易行的评判标准
将翻译的结果再翻译回源语言，直观比较与原文的差异
小工具
沉浸式翻译插件
谷歌浏览器扩展
支持自定义配置OpenAI的key
保留原文，中英对照
双语书制作人
github开源项目bilingual_book_maker
AI Siderbar
正常的翻译需求
编程语言间的相互翻译
ChatGPT 这波变化来得很快。从好的方面说，让我们能方便的做出从前不敢相信的事情；从不好的方面说，之前无数投入巨资才收获竞争优势的科技企业，今天就被秒杀了，比如 DeepL
4、论文写作：如何让AI变成论文助手
ChatGPT 虽然有能力生成论文，但当前的水平自动生成的内容，质量远远达不到"研究〞的档次，更像是满足格式要求后的文字堆砌。尽管今天相当比例由人写的论文也处于此等水准，但建议，咱还是不要制造无用的学术垃圾了
ChatGPT对写论文的作用
1、搭建论文提纲
2、生成最恰当的标题
3、判断最佳投稿对象
辅助论文循序渐进的提问示例
1、最近两年视频平台出现了很多吃播，你了解吗？
2、关于吃播，学术界都有哪些研究？
3、在第4条文化研究中，学者们都用哪些学术概念去分析吃播呢？
4、给我列出 4篇以吃播为对象的文化研究论文
5、我要写一篇关于吃播的论文，要包含几个关键点，首先是吃播为什么来自韩国，其次是要讨论为什么有些吃播的播主选择吃过量的食物，而另外一些吃播播主只按正常饮食量吃，也可以经营自己的吃播。这两种主播和观众的互动有什么区别。还有就是各国吃播有什么区别。你帮我列个提纲，论文大约2万字
6、再给我起3个题目，尽量都包含那3个关键点
注意事项
ChatGPT 对文科类专业的论文生成的内容质量更高，甚至很多时候能用它生成论文的大部分内容。但它对理工科论文的生成效果不好，主要是因为理工科论文往往有大量数据、实验、图表、公式、计算过程，这些是 ChatGPT 不太擅长，甚至没法做的
当前 ChatGPT 自动生成的内容，质量还达不到”研究〞的档次，主要能帮我们启发灵感、查漏补缺、润色调整。我们不仅可以让它帮忙生成论文的提纲，也能让它根据关键词和摘要生成恰当的论文标题，还能让它帮忙判断论文最佳的投稿对象
5、语言学习：如何让AI变成外语私教
语言习得的规律
这个问题的答案要从孩子身上找。他们最先听懂的就是“叫爸爸〞”叫妈妈〞这种不断重复的指令。一旦在效仿中发出了接近 BABA/MAMA 的声音，就会收到鼓励，有时候是语气上的，有时候是抚摸，之后大脑会天然分泌神经递质给予奖励，强化正确的反应
随着年龄的增加，听懂的东西越来越多，他们就开始自己说了。说对了，对方能听懂，交流就会进行下去。更新的词，更复杂的表达，也会一点点在原有基础上叠加。直到这个时候，他一个字还不认识呢
不能按照规律学习外语的因素
语言学习的规律很多人都清楚，但语言学习方法上的问题却是全球都普遍存在的。不是不想按照规律来，实在是做不到呀。这里最关键的因素是成本
对任何国家来说，本国人学习外语、外国人入学考试，或者外国人入籍，或者外国人找工作，总要用一个什么材料来衡量一个人的语言水平，几级几级证书之类的东西是语言水平最主流的证明
由此应运而生的培训班也就不会费劲地从自然习得语言的规律上下功夫了
因为应试，让学生通过语言等级考试，其实是最节约成本的服务方式，大约1 个老师能教10-20个学生，一套教材用上十年八年；而自然语言习得的方式 要求提供—个沉浸式的语言环境,N 个老师教1个学生，起码也是1对1，教材也很难统一，因为每个学生的学习进度和内容相差很远
通过考证方式习得的语言不能说没有用，因为毕竟今后还是要读和写的。但对于一个初学者来说，尤其是从最容易接触到的信息流来说，”听懂〞是最重要的，“看明白〞是其次的，再往后才是”写〞；对于“说”而言，如果身处国外，就是第二重要的；如果身处国内，就很不重要
打造AI的外语私教的方法
1、设置单词库。这个环节需要用到 ChatGPT
给我列一个500 个单词的日语单词库，是给零基础的人用的，最常用到的那些单词
一般来说，这么长的內容中间一定会有多次中断，不可能一次就完整生成。如果断掉了，只需要在对话框说“继续〞就可以了
2、设置场景，生成对话。这个环节需要用到 ChatGPT
比如，我们可以向 ChatGPT 提这样的要求：“我在餐馆点餐，帮我想一个对话的场景。〞它就会生成一段点餐的对话
3、生成语音，录下来反复听。这个环节需要用到谷歌或者微软的云服务，它们都有文本转语音功能
网上找一些文字转语音的服务
4、尝试自己说。这个环节需要用到浏览器插件 Voice Control For ChatGPT
6、视频处理：如何让AI变成视频帮手
利用ChatGPT做视频
1、确定主题框架及文本
比如：信用卡防盗
什么情况下信用卡会被盗用呢？列出10个场景
2、视频化
简单粗暴，但质量堪忧
点击剪映这个软件的本地草稿，把这段文本复制进去，让剪映自动生成视频，然后再把背景音乐换一下，每段的时长调整合适，再导出，一段1分钟的短视频就出来了
精细化处理方式
比如，我们可以这么要求：我要在剪映里以这个为主题做视频，帮我生成视频脚本，格式是这样的，每个场景都是一个大纲，每个大纲里要有3个分镜头描述，每个分镜头描述要有一段台词
ChatGPT 生成分镜内容之后，我们把镜头化的内容像做填空题一样填 进剪映里就可以了
7、提问式学习：如何快速搞懂一个领域
提问式学习
提问式学习，是一种师生之间最良好的互动。从一个话题开始，老师把他知道的部分讲给学生，而学生遇到不懂的就打断老师提问，由老师回答，如果还没懂，就继续追问
这样的过程不会遗漏问题，而且问出来的都是真问题，所以学到的信息天然就存在更紧密的关联，不容易忘掉，哪怕是多年之后忘记了具体的参数，知识点中包含的逻辑和原理依然会记得
这种学习的质量是最高的。但可惜，很少有人能享受到如此高质量的学习过程，因为没有这么多老师。一般都是几个老师教几十个学生，这种情况下，只有班里处于中间水平的那部分学生受益最多，最拔尖的学生〝吃不饱”，最差的学生跟不上，他们都在课堂上浪费了大量时间
ChatGPT 给了我们一个可能性，起码对一部分具体知识，它可以做我们的1对1教师
示例
1、太阳的最终命运是什么？
2、我对太阳核心外的区域发生核聚变的时间点有疑问
3、今后太阳变成红巨星后，会把地球吞噬掉吗？
4、为什么在核心外的克层里发生核反应，太阳的核心反而会越来越热？这我不能理解
5、在氦的聚合反应中，太阳会变得更小更热。太阳刚刚变得很大，半径都快覆盖到地球了，怎么又突然变小了？
6、太阳在氦聚合阶段还要继续扩张，我很想知道能膨胀到多大。于是我就问：你说在膨胀的最后阶段，太阳将再次膨胀，这一次甚至比之前更大。它会有多大呢？你能给我一个数值吗？
7、最后一个阶段，它称为"行星状星云"，可是你想，等离子气体和尘埃明明是恒星产生的物质，为什么要叫它行星状星云啊？难道是因为它们是下一代太阳系形成中行星的物质基础，所以才叫行星状星云？
8、之后形成的白矮星体积会缩小很多，但质量和从前的太阳相当。可是我们之前己经看过了，在形成白矮星过程中，垂死的太阳喷射了大量电离气体和尘埃，脱去了外壳，质量应该减少，为什么还说和原来的太阳质量相当呢？
9、到现在为止，都没有观察到黑矮星。我的问题是，它们是否存在？如果存在的话，黑矮星可不可以算暗物质？
注意事项
1、用英文提问交流比中文的准确性会高一些
2、用GPT4比3.5的准确率要高很多
这种提问的要诀就是，在自己有好奇心的时候别偷懒，老老实实看每句话，不懂就问，ChatGPT 又不会笑话我们。在AI的加持下，保持足够的兴趣与好奇心更加是我们最好的老师
8、自动执行：下一代的GPT长什么样
OpenAl 的首席科学家 Andrej Karpathy曾评价说，AutoGPT 是“提示工程的下一个前沿领域〞
工具体验
AutoGPT
门槛高
GIT
Python
API Key
OpenAI
Pinecone
谷歌搜素
性能好
替代工具
AgentGPT
Cognosys
Godmode
优势
AutoGPT 和 AgentGPT 可以克服 ChatGPT 的限制
1、不能访问网络获取最新信息
2、是对长内容的处理
注意事项
当前不管是 AutoGPT 也好，还是 AgentGPT 也好，经常会出现自己给自己安排过量的工作、自己戏精上身的情况，一个简单的任务不可控制的变得复杂化一由人来做,可能30分钟做完 而它运行1个多小时还没有出结果 Token已经耗费掉1 美元了。这也是目前这类工具尚处于雏形的例证，离商业化还有一定的距离
当我们留意 AutoGPT或者 AgentGPT 就会发现，它们并没有在工作原理的层面做创新，本质上其实就是提示工程（Prompt engineering）的高级应用
9、视野：不同演化下的AI分支有哪些
真正能使用大语言模型和 OpenAl 竞争的是那些从利益、理念上就不一样的公司
1、Anthropic 公司
Anthropic 公司推出的产品叫 Claude，也是聊天机器人的形态
Anthropic 公司的创办者达里奥：阿莫迪（Dario Amodei) 是物理学出身，从加州理工、斯坦福，再到普林斯顿拿到博士，全都是物理学
他是2016年7月加入 OpenAl 团队的，属于元老级的，做到研发副总裁的职位后离开。GPT-2 和 GPT-3 就是在他的带领下诞生的产品。但是，当需要微软额外投入10亿美元才能开始下一轮模型训练时，阿莫迪就已经不太同意这个发展方向了
超大规模的参数+超大规模的数据+超大规模的训练量叠加在一起，就会出现能力的“涌现〞，涌现出来的能力是训练前根本无法预知的。这很好，很令人惊讶，但也很烧设备，很烧电费。阿莫迪不认为这样烧钱的方式可以持续
而且，即便烧钱训练，也还是会不可避免的出现严重问题。比如，Al 领域有一个专业说法叫作 “目标错位〞(Misaligned goals)或者"奖励劫持”(Reward Haching ），说的就是，经过超大规模训练后的机器人，在比较小规模的测试中能够表现得很得体；而一旦放在更大规模的真实环境里，就会逐渐偏离任务目标
Claude的表现
与 ChatGPT 相比，Claude 能更明确的拒绝不恰当的请求。遇到能力范围之外的问题，Claude 会主动承认自己回答不了。Claude 给出的答案更长、更啰嗦，但句子街接更自然
当 ChatGP 出现大规模的频繁的编造虚假内容的情况的时候，工程师们只能靠再次训练才能优化这个问题。而参数规模达到几干亿后，重新训练的成本是非常高昂的
首先，它的参数规模1750 亿，太大了
其次，深度神经网络具有一个不可避免的性质——不可解释性
Claude 虽然也会自己瞎编一些内容，但是要纠正 Claude 胡说八道的问题时，并不需要重新训练，而是有很大可能直接在模型参数设置上找原因，然后针对性的调整那些参数的权重，问题就有可能得到解决
在程序代码方面，Claude 的性能敌不过 ChatGPT，代码里有更多错误。数学、逻辑能力，二者相似
2、CovariantAl公司
CovariantAl 公司并不是在生成式 Al 领域和OpenAl 竞争，却可能是在 OpenAl 的技术框架下对现实世界改变最大的，因为它在设计机器人之间的协作和交互
我们知道，现在GPT-4 和类似的竞争者都在往多模态输入的方向发展，也就是说，让它不但读得懂文字，也能看懂图片，甚至今后还有可能看懂视频。当这些多模态的应用成熟、移植到有行动能力的机械手臂、运货平台、机床上的时候，很多从前需要复杂编程的过程就会大大省略
而CovariantAI要做的，就是把机械手臂、扫地机器人、运货平台、机床、人形机器人等不同形态的机器人之间的接口打通，让它们可以协作起来
现在，CovariantAl 的产品都是给物流仓库使用的。大型仓库内的分拣和运输，由它们解决不同类型机器人之间的互动
今后可能会出现一种 Al 机器人的通用数据接口标准，类似于T时代的USB 口那样，功能和设计差异很大的工具都可以通过 USB 口实现数据和指令的传输。今后十万八干种 Al 机器人，很可能也有这样的接口标准
其实，这条发展方向本来就是 OpenAl 公司自己从前的规划，只不过在2021 年后，它把重点放在了获取数据和训练大语言模型上，机器人方面的项目就停掉了。而 CovariantAl公司的 CEO、 CTO，曾经全都是 OpenAl 的技术核心，他们把这个发展方向延续了下去
3、ADEPT公司
ADEPT 公司也不是要在算法和模型设计上与OpenAl 竞争，而是要把 API 接口最大化
它的终极目标是，建立所有软件与人工智能平台的接口，比如图片处理的 Photoshop、视频编辑的 PR、音频处理的 Audition 等，至于接入哪个人工智能平台，也许是 OpenAl 的，也许是谷歌的，也许是今后的Anthropic 的
如果 ADEPT 成熟了，苹果和谷歌的软件商店，还有各种作为流量入口的工具，比如浏览器的访问，那个必要性，对用户来说都会大幅下降。因为那时候，ADEPT 的通用型人工智能界面会把零零散散的软件和 API接口集成在一起，我们直接和 ADEPT 的软件界面打交道就行了
大部分公司是 OpenAl 早期的元老出走后创办的，直接原因其实和 2019 年底，OpenAl 为了找足够的钱训练 GPT-3，不得不把当时还是非营利性组织的 OpenAl 改成商业性质的公司有关。而这次大变动，也动摇了原来的利益分配格局。虽然那些公开宣布离开 OpenAl 的人总是强调是自己的研发理念不同，但根源上说，还是因为利益冲突
大模型的影响
有人对此非常担忧，比如 Al 会接管人类，Al 开始自己优化自己，或者世界上最终只有几百个尖端的人处于 Al之上，剩下的人都是《人类简史》里描述的那种无用阶级。这些说法多少都科幻化了。实际上，很多人没有意识到，也很难意识到的一个重要结论是——人类的大部分知识是非语言的。支撑我们正常生活的很多东西与语言无关
现在，Al 科学家还不知道怎么给纯粹的非语言能力做训练。并且，以文本生成方式发展出来的续写能力，也并不能很好的迁移到其他数据类型上。这一方面因为数据量过大，另一方面也因为，关于神经网络的工作方式，是不是还需要添加很多额外的工作机制才能让模型输出更好的结果，一切都在未知中
业内人士大都认为，要展现更全面的近乎于人的能力，当前的模型不太可能胜任
0 条评论
下一页
