价格免费付费会员免费会员折扣永久会员免费
发布日期更新日期评论数量随机展示热度排行
检测ChatGPT的软件层出不穷，Turnitin的AI写作检测功能有什么优势？
ChatGPT与商务写作

检测ChatGPT的软件层出不穷，Turnitin的AI写作检测功能有什么优势？

原标题：检测ChatGPT的软件层出不穷，Turnitin的AI写作检测功能有什么优势？ ChatGPT的出现，为教学带来了巨大的挑战，检测AI写作成为了教学的新需求。由此，市场上出现了多款AI检测软件，如ZeroGPT、GPTcheck等。2023年4月初，全球知名的论文原创性检测工具Turnitin正式推出了AI写作检测功能。目前该功能已内嵌至现有产品中。借助Turnitin自身强大的技术和丰富的资源，Turnitin的AI检测器具有其他产品无法比拟的核心优势： 1. 研发时间早，技术更可靠 众所周知，ChatGPT于2022年11月正式发布，然而Turnitin很早就关注到了人工智能的发展及其对学术诚信的影响。早在2014年，Turnitin开始着手研究AI在论文写作及论文查重中的应用。2020年，Turnitin AI创新实验室已经致力于识别AI生成内容和研发相关检测技术。经大量实验数据及反复验证后，Turnitin AI写作检测技术达到了预期的效果，已于2023年4月5日正式上线。 2. 样本数据集更全面，减少算法偏见 “尽可能减少算法偏见”是Turnitin及其AI团队在研发产品时所遵循的重要指导原则之一。GPT3等语言模型在生成内容时，本质上是在大量文本中，挑选下一个高概率词汇来生成单词序列。也就是说，AI的选词具有一致性特点，且遵循高概率原则。但是，Turnitin在经过大量的研究后注意到，一些文章，比如第二语言学习者或特定学科学习者所写的文章，同样会具有AI选词的特性。 因此，Turnitin AI技术团队在创建AI样本数据集时，充分考虑到了特定人群的写作特性，如第二语言学习者、非英语国家的英语使用者、以及特定学科领域如人类学、地质学等学科的学生等，从而尽可能地减少Turnitin AI写作检测功能的算法偏见。 3. 能够检测经开源的改述工具(paraphrasing tool)改写的AI生成文本 Turnitin AI检测模型是基于GPT-3、GPT-3.5输出的内容而训练的，能有效检测上述语言模型生成的内容。此外，Turnitin AI创新实验室的数据表明，在多数情况下，即使AI生成的文本通过开源的改述工具进行了改写，Turnitin AI检测器也能够将文本识别为由AI生成。 4. 提供大量的补充教学资源，帮助教师适应新型的教学环境 Turnitin的教学资源库由资深教育工作者策划撰写，为教育工作者提供最新的讯息，以及具有操作性的建议，帮助教师适应AI时代的新型教学环境。 虽然AI检测值和AI检测报告能够让教师更全面地了解学生的作业情况，但是这些不是判断学术不端的唯一标准。教师需要根据自己的学术经验、学生平时的作业情况、学校政策等因素，进行综合考量，从而做出最终判断。 参考资料： · Turnitin -AI Writing FAQ返回搜狐，查看更多 责任编辑：
0
你也行！用ChatGPT这10个框架，搞定所有自媒体长文写作任务
ChatGPT与商务写作

你也行！用ChatGPT这10个框架，搞定所有自媒体长文写作任务

文章开始前，先给大家看一张图，看看AI在文本生成上能到什么程度： 最近在研究如何用ChatGPT编写小说，编写小说是一个多层次、高复杂性的任务。 为了构建一个合格的小说世界观，我找了大量的素材和教程，从方法论上算是跑通了。但要继续下推进，需要使用AI生成小说大纲，在保证故事规划和观赏性方面，还没有把提示词调教到很满意，因为大纲定义了故事的走向，就是整部小说的骨架，非常重要。 所以这段时间我也让ChatGPT帮我读了一些教写作技巧的教科书，看能不能从AI调教的角度提炼出创作小说大纲的方法论。 小说的内容是靠一个一个的故事积累而成，不同的章节内容主题会不一样，比如有些章节要用论述型风格描述小说的设定，有些章节则要描述不同风格角色的对话，有些则要大段的文字输出旁白观点。不同的章节，需要不同的内容组织和呈现方式，这就是AI直接写小说的难点了。 但如果用写小说大纲的这个思想去构建一篇独立的文章难度就会降低很多，因为每一篇独立的文章，写作目的和文体是相对固定的，比如写一篇教程，就是为了让读者产生知识收获感，大逻辑就是：提出问题，介绍解决问题的方法，最后做出总结。每一种目的的写作基本都有一个或几个对应的写作框架来支持。 这个思路就解决了用AI直接生成文章像摸奖的问题。我们仅告诉AI生成一个大纲，生成的结果每次都是发散的，大纲的结构和逻辑层次可能会比较混乱，这也是有些人觉得AI写作效果不佳的一个原因。 接下来就给大家介绍一个用于定制文章大纲的逻辑框架技巧。简单来说，我们可以选择或自定义一个逻辑框架，让AI依据这个框架生成文章的大纲，这样整个文章的组织结构和叙事逻辑就是固定的。比如你规定了用金字塔原理的框架，生成的大纲就是会先给结论，再谈论据，如果你规定演绎推理框架，就会先讲论据，逐步推导出结论。 这种框架有很多，有些框架适用于分析问题，而有些则更适用于写作表达，下面整理了一些适合用来组织文章的框架： 1. **倒金字塔风格** – 先介绍最重要的信息，然后逐渐涉及细节。这种风格常用于新闻报道，也适用于博客文章，特别是需要快速吸引读者注意力的情况。 2. **解决问题法** – 首先描述一个问题，然后提供解决方案。这种框架非常适合教育性的博客文章，或者针对特定问题的深入分析。 3. **“How-to” 指导框架** – 这种框架为读者提供了一步一步的指导，适用于教授技能或展示如何完成某个任务的博客文章。 4. **故事叙述框架** – 使用故事来传递信息或观点，通过人物、情节和情感来吸引读者。这有助于让复杂的主题更容易理解，也能提高读者的共鸣。 5. **对比分析框架** – 通过对比不同的观点、产品或方法，展现其优缺点。适用于评测和批判性分析的文章。 6. **列表框架** – 通过有条理的列表来组织信息。这种风格读起来非常方便，特别受到快节奏读者的欢迎。 7. **Fogg行为模型框架** – 这是一种以行为心理学为基础的框架，用于说服和激励读者采取某种行动。适合营销和动员类博客文章。 8. **资料驱动框架** – 使用数据和研究支撑观点。这种框架有助于提高文章的可信度，适用于科学、技术和商业分析。 9. **漏斗式结构** – 从广泛的主题开始，逐渐聚焦到具体的点。有助于引导读者从全局视野进入具体细节。...
0
每个数据工程师都应该了解和使用的10 个 ChatGPT 提示
ChatGPT提问姿势

每个数据工程师都应该了解和使用的10 个 ChatGPT 提示

以下是每个数据工程师在日常工作中都应该了解和使用的10 个 ChatGPT 提示。 提示 1：我希望你充当数据工程师并解释数据仓库和数据湖之间的区别。 数据仓库： 数据仓库保存经过处理和清理的有组织的数据，使得可以根据既定的业务需求进行战略分析。 以结构化格式组织数据进行存储。 专为最快的查询性能而设计。 该存储库已经针对特定目的进行了处理，并且具有结构化、过滤的数据。 更安全且易于使用，但价格昂贵且不太敏捷。 数据的过程和结构使其易于破译。 数据湖： 以无限期地存储数据以供当前或将来使用，并且数据采用原始的非结构化格式。主要保留原始的、未处理的数据，其中还包括多媒体文件、日志文件和其他非常大的文件。原始和非结构化数据的中央存储库。大量未处理的数据，其用途尚未决定。与数据仓库相比，它提供更多的存储选项，更复杂，并且具有多种用例。尽管适应性强且价格便宜，但其安全性低于数据仓库且难以使用。使公司能够访问和存储数据湖中的大量原始、未处理的数据，同时处理这些数据并将其转换为结构化格式，以便在数据仓库中进行分析。 提示 2：我希望你充当数据工程师并解释不同类型的数据管道。 根据需求和数据类型，可以使用不同类型的数据管道。以下是不同类型的数据管道： 批处理：这种类型的数据管道定期批量处理数据。当可以非实时方式处理数据并且可以稍后交付结果时使用它。批处理对于处理大量数据非常有用，通常用于数据仓库、ETL（提取、转换、加载）过程和数据分析。流式传输：这种类型的数据管道在生成数据时实时处理数据。当需要立即处理数据并且需要实时交付结果时，流式处理非常有用。流式传输通常用于实时分析、监控和警报。开源：这种类型的数据管道使用开源工具和技术来构建数据管道。当需要定制、灵活性和成本效益时，通常会使用开源数据管道。云原生：这种类型的数据管道是使用云原生工具和技术构建的。当需要可扩展性、可靠性和成本效益时，通常会使用云原生数据管道。云原生数据管道构建在AWS、Azure 和 GoogleCloud 等云平台上。本地：这种类型的数据管道是使用组织拥有的硬件和软件在本地构建的。当需要数据的安全性、合规性和控制时，通常会使用本地数据管道。 提示3：我希望你充当数据工程师并解释不同类型的数据存储系统。 以下是不同类型的数据存储系统： 存储区域网络 (SAN)：SAN 使用交换机和网络硬件结构将服务器链接到存储。SAN 经常用于需要高可用性和性能的关键任务应用程序，因为它们是为高速数据访问而构建的。网络附加存储 (NAS)：NAS 是一种文件级存储系统，提供对文件级数据的网络访问。NAS 经常用于文件共享、归档和备份。混合存储阵列：混合存储阵列将多种形式的存储组合到一个架构中，包括闪存、硬盘驱动器 (HDD)、磁带、基于对象和云的存储。混合存储阵列可以将 HDD、磁带和云的灵活性和更便宜的成本与闪存的速度和低延迟相结合。磁盘设备和闪存设备：磁盘设备和闪存设备是可以保存数据的两种不同形式的存储介质。磁带存储：使用磁带存储可以将数据存储在磁带上，这是数据存储的一种。对于备份和长期数据归档，经常采用磁带存储。基于对象的存储：一种存储称为基于对象的存储，它将数据存储为对象而不是文件或块。非结构化数据（包括图片、电影和音频文件）经常使用基于对象的存储进行存储。基于云的存储：一种存储称为基于云的存储，它将数据放置在可以在线访问的远程服务器上。基于云的存储经常用于数据归档、灾难恢复和备份。 提示 4：我希望你充当数据工程师并解释不同类型的数据处理系统。 以下是不同类型的数据处理系统： 批处理：批处理是分析已存储一段时间的组或批次数据的过程。当数据可以非实时处理并且稍后可以提供输出时，批处理是必要的。数据仓库、ETL（提取、转换、加载）过程和数据分析经常使用批处理，因为它可以有效地处理大量数据。流式处理：数据生成时的实时处理称为流式处理。当需要立即处理数据并立即发送结果时，流式处理会很有帮助。实时分析、监控和警报经常使用流媒体。事务处理：一种称为事务处理的数据处理用于控制数据库事务。在线事务处理（OLTP）系统，包括银行系统、电子商务系统和库存管理系统，经常使用事务处理。分布式处理：分布式处理是利用大量机器来处理大量数据的数据处理。大数据处理经常采用分布式处理，如 Hadoop 和 Spark。实时处理：实时处理是一种数据处理，实时生成数据。需要快速响应的应用程序，例如国防系统和金融交易系统，经常使用实时处理。 总之，不同类型的数据处理系统是批处理、流处理、事务处理、分布式处理和实时处理。每种类型的数据处理系统都有其优点，并且根据要求和数据类型来使用。 提示5：实时处理系统和流式数据处理系统有什么区别？ 实时处理和流数据处理系统既相关又不同。以下是它们之间的区别：实时处理： 对数据的反应称为实时处理。 确保响应将在短时间内发生，通常在几秒或几毫秒内。 当需要立即响应时使用。...
0
ChatGPT的创业机会
百度文心一言

ChatGPT的创业机会

原标题：ChatGPT的创业机会 2023年9月9—10日，人人都是产品经理联合腾讯大讲堂举办的【2023产品经理大会（北京站）】完美落幕。宜创科技CEO宜博老师为我们带来《ChatGPT的创业机会》为题的分享，本文为演讲内容实录。目前大会回放已上架，戳此购买，即可收看回放：https://996.pm/7gX2B 今天和大家分享的内容为《ChatGPT的创业机会》，将和大家分享大模型应用的真实案例，同时会理清背后的技术脉络和行业现状，最后分享一些自己对当前创业机会的想法。 一、介绍N个AI真实开发案例 我们在过去两个月里做了20多个AI案例，每一个都是真实案例。大家总觉得大语言模型有幻觉，其实这是大语言模型AI预测算法的本质。但是怎么找到某些场景，即用大语言模型，又要实现100%准确的效果，是每个创业者都可以思考的方向。 1. 某行业领域服务机器人场景及落地 这个例子，是农业企业做的生成猪饲料配比的服务机器人，通过对话，给养殖户提供猪饲料配方，准确率可以达到100%。 第一步，通过多轮对话从养殖户那里获得猪的信息，例如猪的品种、猪有多重等。第二步，拿着这些信息去后台查询这种猪需要的营养量。最后，通过算法计算，获得准确的猪饲料配方，返回给养殖户。同时，我们还做了多意图识别，如果想询问某个产品的营养含量、产品价格，结果都能实现。 这个案例解决了一个行业难题。一直以来，我们都在朝着精细化养殖的方向努力，但是养殖户没有能力从大量的资料中查阅中得知猪饲料配比，这个项目就解决了这个问题。这个项目获得了农业部会议上四个院士的高度赞赏。 2. 某银行需求及落地案例 第二个案例来自上市银行。每次上市公司年报分析出来，大家都会问很多问题。一家商业银行提供了他们最常被问到的150个问题和回答。每一个问题里都包含着很多行业的“黑话” ，比如对公贷款、零售贷款等。而这些概念背后对应了很多指标，比如增长率、收入比等，指标要转换成公式，公式结果要整理成报告。 在此之前，其实已有其他金融大语言模型公司尝试做了一下，但出来的数据都不能保证正确率，开始我们采用了大模型结合向量搜索的方式尝试，也不能保证100%准确。后来我们用大模型加工作流的方式解决了这个问题。 第一步，把数据抽取出来存到数据库里。第二步，用大模型做分词，也就是从用户输入问题的内容里提取出各种指标。第三步，查询指标和指标公式，让大模型融合生成数据库查询，生成准确的计算结果。 最后，将准确的计算结果再次输入大模型，做一轮知识融合，可以转化API为领域机器人进行全域问题查询，实现100%数据准确。 3. 某KMS机器人集成飞书钉钉场景 第三个案例，来自于医院医疗设备的维护厂商。原本的维护方式存在文档繁多、格式复杂、需要实时翻译、需要定位图文结果二次校验等问题。而我们的案例很好地解决了KMS知识库交互复杂的问题。 我们将各种格式、各种模态、各种语言的文档都传入向量数据库里，通过配置流程的方式形成。在使用过程中，机器人会先用多轮对话的方式，获得当前故障的多级错误码等信息。回复的结果通过图文等形式展示，自动翻译，并索引原文位置。 4. 某代码生成需求及落地 这个案例的需求来自于国内一个API厂商。针对一句话描述，生成一个代码片段，直接嵌入使用。 5. 工作流自动代码生成案例及介绍 通过自然语言描述一个工作流步骤，生成一个工作流，并可以马上执行。 6. ChatBI 人工智能报表场景及落地 ChatBI，是用自然语言生成报表，特别受到运营同学、产品同学以及老板的喜欢。因为老板看到的传统报表内容很有限，如果想看到额外维度的报表，所花费的时间可能要等产品技术同学做几天甚至一个礼拜，现在则一句话就能快速看到报表结果。 7. 电子邮箱AI助手：一句话整理电子发票并发送给财务报销 借助电子邮箱AI助手，你可以输入一句话对邮箱邮件做处理，可以做电子发票的附件整理，也可以做多轮对话，比如对和某一个客户之间的关系做分析和总结；电子邮箱AI助手甚至可以帮忙生成邮件话术。 二、了解GPT时代的底层逻辑 在了解完落地的案例之后，给大家介绍一下GPT时代背后的底层逻辑。 1. 什么是参数与向量 在传统IT系统里关键词搜索“狗”这个关键词，是搜索不到“金毛”这个词的。但在向量时代，“金毛”这个词有一个特征值是“类型”，“金毛”的类型是狗，所以当你搜索“狗”，便能够查到“金毛”对应的内容。 又比如，想找长毛的大型犬。由于向量数据库里记录了各种狗的毛长特征值、体型特征值，所以你可以搜索到结果。如下图所示，这就构成一个二维的特征空间，特征分别是毛长、体型，这里每一个特征值就对应是大模型一个参数。 现在“金毛”这个词在 GPT-3 里有 1750 亿个参数，也就是有 1750...
0
认为ChatGPT大语言模型非常适合教育吗？三思而后行！
ChatGPT与教育

认为ChatGPT大语言模型非常适合教育吗？三思而后行！

近期，以ChatGPT为代表的AI大模型在教育界掀起了一阵热潮。从最新的硅谷投资到数学领域的垂直模型应用，这些先进的算法不仅改变了教育的传统模式，还提出了一系列从0到1的新可能性。 最新动态速览 9月2日：专注于AI语言学习的教育技术公司Speak宣布筹集了1600万美元的B2轮融资，由Lachy Groom领投，OpenAl的Startup Fund和Dropbox创始人Drew Houston等参投。8月31日：OpenAI发布名为“用AI进行教学”的文章，探讨如何在教育领域有效地应用ChatGPT。该文章分享了多个实际案例，展示了AI在教育中的多样性应用。8月24日：学而思发布MathGPT，以数学领域的解题和答题算法为核心，面向全球数学爱好者和科研机构。5月6日：科大讯飞举办了讯飞星火认知大模型发布会，会上宣布科大讯飞AI学习机搭载讯飞星火大模型，搭载大模型后的学习机将变得更加智能。 OpenAI直接相关的就有两条，说明AI行业对教育领域持续看好，我们今天就聊聊教育领域大模型应用情况，下文主要分为两个部分： 一、测试10个大语言模型解答数学题的能力 二、聊聊对教育领域大模型应用前景的看法 01 测试10个大模型在数学领域的效果 顺便看看各个模型的翻车程度 最近发布的MathGPT主要针对数学领域，我认为数学是现有大模型最不擅长的领域之一。为了比较不同模型在数学题解决方面的表现，我选择了市面上大家熟知的几个模型，针对一些刁钻的题目和真实的高考数学题进行了试验。这次实验我主要站在使用者的角度来体验不同模型的优劣。 为了体现相对公平性，每个模型发起5次全新的提问，避免上下文对答题结果的影响，下面统计解答效果： 题目1 简单推理计算 题目：1 1 1 1 1 1 1 2 1 1 1 =？ 答案：12 问题2 2023年高考数学第1题 看起来讯飞星火和文心一言在这个实验中表现很出色，但从我对大模型原理的理解来看，这个结果超出了我的预期，因此我怀疑它们是否通过预先训练高考题目才做到每次都正确回答。为了验证这一猜测，我又试着找到一些它们可能没有见过的题目进行测试，例如SAT数学考题。然后我用中文向讯飞星火和文心一言提出以下问题: 最后这一题，我已经不关心正确答案是什么了，也不关心各个模型的优劣，它答案的不稳定性已经充分地说明了问题：对于把大模型当作孩子的数学老师这个场景来说，目前的大模型技术架构下，所有的模型都不具备这个能力。 如果这些大模型把已经出现的题目训练进模型，所有模拟题它都有标准答案，但向其提问全新的题目时，就很难分辨它是不是在一本正经的胡说八道。 生成式AI擅长的领域不在于逻辑推理，如果你真用大模型来辅导孩子数学学业，如果缺乏批判精神，大概率是要成为一个学渣的。 在探讨大语言模型在教育领域的应用潜力时，需要明确教育的复杂性在于其高度依赖人际交流，尤其是学习新知识时。这也论证了为何小班教学往往优于大班，用户有较高的意愿为高价的小班教学付费，所以基于大模型的一对一教育产品非常有潜力。 前景虽广阔，但我们也应正视其面临的挑战。教育行业数据丰富易获取，为模型提供了充足的训练材料，如果教育领域的模型表现不佳，更应考虑技术本身的局限，而非仅归因于数据量。 技术层面上的难题是提升模型的推理能力，推理是衡量语言模型的关键指标，但现有模型在这方面仍有很大提升空间。如果在教育应用中，过于强调使用模型的推理能力可能会面临困难。一个更实际的思路是关注那些不需要高度推理的教育子领域，对推理要求较低的课程，如相较于解决数学问题，英语教学，可能更适合语言模型的介入。 除了使用大模型教授课程，还有多种方式来提升教育体验，以ChatGPT为例： 定制化的学习方案： 传统教育模式下，教师面对的是一个庞大的学生群体，很难做到因材施教。但ChatGPT具备精准分析每个学生学习轨迹的能力，为他们量身定制专属的学习计划。例如，在解答习题时，它能精准地识别出学生在哪个环节遇到困难，并提供专门针对该问题的解决方案和练习。实时的互动与反馈： 在传统教育体系中，学生和家长常常需要等待期末考试的成绩单，才能了解学习效果。ChatGPT则能提供即时、动态的反馈，让学生和家长能够实时掌握学习进度，激发学生的学习热情。家长参与的新维度： ChatGPT不仅是孩子的学习伙伴，更是家长参与教育的得力助手。通过与ChatGPT的互动，家长能更深入地了解孩子的学习状态，从而更精准地进行家庭教育，形成一种高效的教育合作模式。尖端科技的融合：ChatGPT运用了最新的认知心理学研究，能助力学生在高压的学习环境下更有效地复习和记忆。教育的平等机会： ChatGPT作为一种相对经济实惠的教育工具，有助于缩小社会各阶层之间的教育资源差距。即便是经济条件有限的家庭，也能享受到高质量的教育资源。长远规划与思维拓展：ChatGPT不仅解答学术问题，还能助力家长进行更为长远的教育规划。与ChatGPT的互动能激发家长对教育的全新思考，从而做出更加明智和全面的教育决策。时间与效率的最优化：有了ChatGPT的帮助，家长无需再花费大量时间辅导孩子的学习。孩子一旦熟悉了与ChatGPT的互动模式，家长便能将更多时间用于其他更为重要的事务。全球视野的培养： ChatGPT拥有庞大的全球信息数据库，能够让孩子和家长接触到多元文化和全球观点，进一步拓宽他们的国际视野。全面技能的培育： 除了传统的学科知识，ChatGPT还能教授一系列生活技能，如财务规划、社交能力等，这些都是孩子在成长过程中不可或缺的软实力。...
0
喻旭：ChatGPT提示词技术（6）： why-if-how，提问模型
ChatGPT提问姿势

喻旭：ChatGPT提示词技术（6）： why-if-how，提问模型

原标题：喻旭：ChatGPT提示词技术（6）： why-if-how，提问模型 知识已泛滥，提问更稀缺 喻旭先讲一个有关爱因斯坦的经典故事。 曾经有一位记者向爱因斯坦要他的电话号码，而爱因斯坦就顺手拿起旁边的电话本。当他在电话本上找自己的号码时，这位记者问：“为什么这么聪明的人却记不住自己的电话号码？”爱因斯坦解释说：“我不想让一些很容易查到的信息填满自己的脑袋。” 知识泛滥时代，提问更加稀缺，而答案始终在那。你要做的是通过掌握提问方法来高效链接答案，而不是死记答案本身。 如果将“问题”和“答案”看作市场上的股票，那么我们可能会说，在当前的形势下，“问题”正逐渐升值，而“答案”正在贬值。 尽管我们积累了越来越多的知识，对世界的了解也越来越深了，但个人了解的知识总量仍然远远小于知识自身增加的数量。掌握如何提问链接知识的能力显得更加重要。 相比只会死记硬背的人，会提问的人，更有出息。 如今的中国的教育却是教会了学生如何死记硬背，少了探索和发现的好奇心。关键是这些死记硬背的知识或答案，在AI时代的价值真的不大。而掌握提问的方法，撬动这些知识才是关键。 克里斯坦森教授说：“在哈佛大学商学院，我已经执教20年了。我爱这个地方，但是学生们往往不像20年前的学生那样靠本能提问了，他们的好奇心也没有那时的学生那样强烈了。”至于原因，克里斯坦森说：“在成长的过程中，如果你所做的只是在电脑屏幕上阅读学习资料，或是死记答案，那么你的提问能力就难以提高了。他们不知道怎样提问是因为从来没有人要求他们去提问。” 而，恰恰相反，驱动社会发展的不是答案，而是问题。 作家斯图亚特·法尔斯坦（Stuart Firestein）在他的《无知：它怎样驱动科学》（Ignorance：How It Drives Science）一书中指出，科学发现的关键因素之一便是，科学家愿意拥抱无知，愿意用问题作为指引以获得新发现。 提问 行动=创新，提问-行动=哲学 那么该如何提问呢？ 我们可以从人们的思考行动逻辑来描述： 首先，当人们遇到困难问题时，往往先会问“为什么”（why），试图找到问题发生的原因， 其次，尝试提出解决问题的方案，而这些解决方案通常以“如果”类（if）的假设性问题的形式出现， 最后，如果人们采取其中一种可能的解决方案，并尝试将其落实，那么他通常需要思考“怎样”（how）落实的相关问题。 这就是人们经常提出的“why-if-how”3步提问模型，该模型引自《如何提出一个好问题》沃伦.贝格尔。 “why-if-how”3步提问模型 “为什么-如果-如何做”是一种常用的提问结构，用于探索问题的原因、可能性和解决方案。 方法解释： “为什么？”：这是一个开放性问题，用于探究问题的根本原因、背后的动机或影响因素。有个有效方法是连问3次why，找到问题本质。 “如果……会怎样？”：这是一个假设性问题，用于思考不同情景下可能发生的事情以及潜在结果，也就是找到可能性的解决方案。 “如何做？”：这是一个实践性问题，用于寻求具体的行动建议和解决方案。 案例示例： a. 假设你正在研究员工流失率高的问题： 为什么有些公司员工流失率比其他公司高？（why，原因） 如果我们提供更好的职业发展机会，员工流失率会减少吗？（if，假设） 如何制定并实施有效的职业发展计划来降低员工流失率？（how，解决方案） b. 假设你是一位市场营销人员，正在考虑推出新产品： 为什么我们需要推出新产品？（why，原因） 如果我们将产品定位在年轻一代，会如何影响销售和市场份额？（if，假设） 如何制定并执行一个成功的市场营销策略来推广新产品？（how，解决方案） c. 假设你是一位教育家，希望改进学生的学习成果： 为什么有些学生的学习成果比其他学生好？（why，原因） 如果我们提供个性化的学习计划，会如何改善学生的学习成果？（if，假设）...
0
厦门致学教育科技有限公司CEO吴民升：ChatGPT正在如何改变教育？
ChatGPT与教育

厦门致学教育科技有限公司CEO吴民升：ChatGPT正在如何改变教育？

原标题：厦门致学教育科技有限公司CEO吴民升：ChatGPT正在如何改变教育？ 厦门致学教育科技有限公司CEO吴民升认为，ChatGPT模型有利于促进教培课程转向个性化教学。从内容生产来看，ChatGPT大模型技术可以极大地提高教研领域内容生产的质量、效率。 致学教育CEO吴民升曾在内部会中明确提及，作为战略项目，致学教育将会投入很大一笔资金来深度探索ChatGPT技术相关方向，内部会组建多个探索团队，同时也不排除投资外部优秀团队，用好前沿AI技术，结合教育场景进行深度研究。 “我们正在探索真正基于以学生为中心的各种产品体系，我们期待它未来有一个比较大的进展。”吴民升透露。 如今，一些培训机构在通过ChatGPT等大模型技术训练新的商业模式，吴民升强调，在训练过程中如何做到以学生为中心，激发与学生的互动，确保学生有最好的学习体验，这是未来要引领的方向，要生产以学生为中心的产品。 此外，吴民升在采访中还提到了一个重大课题：随着ChatGPT等大模型技术的发展，未来的人才需要具备哪些能力？ 他表示，一个人的应用能力包括记忆能力、理解能力、应用能力、分析能力、评价能力和创造能力。其中，记忆能力、理解能力和应用能力是最基础的能力。在这基础之上举一反三培养学生的分析能力，进一步培养评价能力、创造能力，而创造能力是最终的落脚点。返回搜狐，查看更多 责任编辑：
0
教师必看ChatGPT的23种使用方法（上）
ChatGPT与教育

教师必看ChatGPT的23种使用方法（上）

原标题：教师必看ChatGPT的23种使用方法（上） 1.论文写作帮助 ChatGPT可以帮助学生写论文，建议题目、概述结构、提供思路并提供改进帮助和建议。 例如，学生可以要求帮助写一篇关于环境的文章，ChatGPT可以提供论文陈述的建议和主体段落的潜在主题。之后，在这个基础上学生可以结合自己的思想与观点来完成这篇文章。 当然，在过去的2个多月来，chatGPT最让全球许多教育工作者和地方教育行政部门担心的，也恰恰是在这个功能。因此，不少国家的许多地方教育行政部门禁止学生在校内使用ChatGPT。 2.个性化辅导 ChatGPT可以通过回答问题和提供个性化的反馈，为学生提供个性化的辅导。 例如，学生可以要求帮助解决一个数学问题，ChatGPT可以提供一步步的指导来解决这个问题。 3.创意写作协助 ChatGPT可以通过产生想法、改进建议和对书面工作的反馈，来协助创意写作。chatGPT也可以为学生提供书面工作的反馈，包括改进建议、语法修正和结构建议。 这篇博文，实际上就是在聊天机器人的协助下完成的!其中不少教学应用的点子、一些教学实际应用的例子，是聊天机器人提供，自留地君在这个基础上修改完善而成的。同样，我们的学生也可以这么做。 例如，学生可以向ChatGPT提交一份论文草稿，并收到关于写作风格、组织和语法的反馈。学生可以要求ChatGPT帮助他们写-首诗，并收到押韵词的建议和扩展诗的想法。之后，学生在这个基础上进行完善、修改、润色，甚至，在自己完成之后，再返回给chatGPT，请其进一步审定润色和修改。 如此反复，学生就是在ChatGPT的协助下完成自己的创意写作。 4.评估和考核测验的生成 ChatGPT可以生成评估，如小测验和考试，帮助教师评估学生的理解。 例如，教师可以要求ChatGPT生成一个关于特定主题的测验，并收到一套用于测试的多项选择题 5.支持学生的研究性学习 ChatGPT可以通过提供信息来源、搜索策略和其他资源建议，来帮助学生进行研究项目。 在中小学的研究性学习、基于项目的学习、问题导向学习、主题探究学习等研究性学习中，ChatGPT可以发挥重要作用。 例如，学生可以要求ChatGPT帮助研究一个主题，并收到有关来源搜索策略和进一步信息资源的建议 一个正在写气候变化研究论文的学生，可以向ChatGPT询问有关该主题的信息，并收到一份相关资料的清单，以便查阅 6.回答问题 ChatGPT可用于实时回答问题，使其成为需要快速获取信息的学生的有用工具。 从这个意义上说，chatGPT不仅可以作为教师的人工智能助教，也可以作为学生的人工智能学伴。 例如，一个学生可以问:“英国的首都是哪里?“ChatGPT会回答:英国的首都是伦敦。 7.解决问题的帮助 ChatGPT可以帮助学生解决问题，提供分步指示、策略建议和提示。 例如，学生可以向ChatGPT请求帮助解决一个困难的数学问题并得到如何处理和解决该问题的指导。 学生在完成老师布置的作业的时候，在研究性学习，在自己的项目和任务中，学生可以利用 ChatGPT作为自己的研究助理和学术顾问，从中获得具体问题解决的帮助、指导和建议 8.学习材料的生成 ChatGPT可以生成学习材料，如摘要、抽认卡和测验，帮助学生复习和学习课程材料。 例如，学生可以要求对教科书中的某一章进行总结ChatGPT可以生成一个简明易懂的关键点总结。 9.会话练习 ChatGPT可用于语言学习，提供与虚拟语言导师的对话练习。 例如，一个学习中文的学生可以用ChatGPT练习中文，以提高他们的对话技能。 这个应用可以说是ChatGPT之类的大型语言模型聊天机器人最擅长的事情了，并且这种对话练习，是最有利于学生学到真实、可迁移的语言技能。 在过去一些年，国内不少地方的英语课堂上，学生使用科大讯飞的小飞，其实也是类似的实际应用案例。 10.课程材料生成 ChatGPT可以生成完整的课程材料，如教学大纲、课程计划和阅读材料。 例如，教师可以要求chatGPT提供一个关于特定主题的教案，并收到一个全面的、随时可用的教案。 11.复习、练习和考试准备 ChatGPT可以帮助学生准备考试，提供练习题、考试策略和其他资源。例如，学生可以向ChatGPT请求帮助准备科学考试，并收到相关的复习材料和练习题清单。 ChatGPT可以为学生提供一个练习公开演讲的机会，让他们在ChatGPT上发表演讲和讲话。chatGPT可以促进辩论练习，为学生提供一个虚拟对手，让他们与之争论并接受反馈。 例如，学生可以要求ChatGPT听他们写的演讲稿，并收到对他们演讲的反馈，包括改进建议。学生可以和ChatGPT一起参加关于时事话题的虚拟辩论，接受关于他们论点和表达方式的反馈。返回搜狐，查看更多 责任编辑：
0
一看就懂！5个ChatGPT超级技巧教你怎么写出万字长文！
ChatGPT与商务写作

一看就懂！5个ChatGPT超级技巧教你怎么写出万字长文！

文章创作本就是一项复杂的任务，当涉及到使用大型语言模型，例如ChatGPT，用以生成长篇文章时，问题更为明显。本文将从字数限制、内容连贯性等方面提供实用解决方案，并结合更接近生活的例子进行案例分析。文章也将对如何以更有效和有深度的方式使用这些模型提供新颖的视角。 解决字数限制：聚焦与细分 ChatGPT在一次性生成文章时，大致可以生成1000字到1500字的文章，Claude在500字左右，这个字数限制使用提示词技巧也可以突破，但非常不稳定，不利于稳定的进行文章创作。 面对字数限制，我们无法扩大ChatGPT的算力来应对，但这并不意味着我们没有可靠的方法。在这里，”聚焦”是关键，具体体现在两个层面：一是对目标话题进行深入和明确的分析，再则是对模型输出进行精细的调控。 方案一：章节细化与预设字数 对于长文章，大多数时候我们会通过大纲（昨天的文章有详细讲解）把它拆分成多个小节或段落。如果每个小节都有明确的预设字数，模型在生成时就会有一个明确的“目标”。这样一来，我们就可以逐一生成每个小节，然后将它们组合起来，构成一个完整的长文。 方案二：字符计数而非字数计数 在计算机科学中，字符计数比字数计数要精确得多，尤其是在处理汉字时。所以在使用ChatGPT进行中文文章生成时，更建议使用字符数作为限制，而不是字数，同时注意一个汉字等于两个字符。 维持内容连贯性：模型的“记忆”与“线索” 既然文章是分段生成的，那么如何保证不同段落间的连贯性就成了一个问题。这里需要利用到模型的“记忆”能力，并给予适当的“线索”。 方案三：上下文提示词 在生成每一个新段落时，可以将前一段的最后一句或重要信息作为新一轮生成的提示词，这样能在一定程度上保证内容的连贯性。 方案四：一致性检查 在每个段落生成完毕后，进行一次“一致性检查”。简单来说，就是看新生成的内容是否与之前的内容在逻辑和主题上保持一致。如果不一致，就需要进行适当的调整。 案例研究：分段输出的复杂场景 在实际应用中，如何在多个独立生成的段落之间建立起有机的联系，是一个非常关键的问题。考虑一篇关于“寒门学子更难升学,减负政策加剧教育不公”的长文，该文由5个主要观点组成，每个观点各占1000字。 生成过程：使用ChatGPT，依次生成每个观点的内容。每次生成前，都预设一个明确的字数目标。连贯性维护：在生成第二个观点时，将第一个观点的结论作为新的提示词，以保持连贯性。一致性检查：在所有观点都生成完毕后，进行全文的一致性检查。确保每一个观点都与整体主题一致，逻辑清晰。 通过这种方法，不仅解决了字数限制的问题，而且确保了文章内容的高质量和连贯性。 方案五：按提纲自动分段输出 如果我们能提前给长文设定好大纲，那甚至可以不需要“上下文提示词”，直接通过提示词实现ChatGPT按照大纲结构，分章节输出内容。 请你为我写一篇文章，主题是‘寒门学子更难升学,减负政策加剧教育不公’。文章总字数需要超过3000字。我提供了一个大纲，我希望你能按照这个大纲的结构来组织文章。生成字数符合二级大纲的字数要求。每次与我交互时，请只生成大纲的一个部分，比如先生成‘引出主题’这一部分。然后，请告诉我你生成了多少字，并询问我是否需要继续。所有生成的内容应能最终组合成一篇完整的文章。 文章大纲 = {{{大纲各章节备注字符数}}} 结语 我们探讨了如何有效地使用ChatGPT进行长篇文章创作，提出了包括章节细化、字符计数和分段输出在内的多种策略。但请记住，这些都不是孤立的技巧，而是需要结合起来，真正地应用到你的写作中。希望这篇文章不仅能解决你在使用大ChatGPT时遇到的问题，还能启发你探索更多创作的可能性。
0
对话港科大郭毅可：一个会「提问」的机器，远比复刻 ChatGPT 更重要
ChatGPT与教育

对话港科大郭毅可：一个会「提问」的机器，远比复刻 ChatGPT 更重要

ChatGPT 改变教育模式，未来的人才培养应聚焦批判性思维。 作者｜黄楠 编辑｜陈彩娴 今年 4 月，位于香港清水湾、香港科技大学的一个小型会议室内，汇集了十几位顶尖的科学家，有以郭毅可为代表的香港本地高校教授，以及专门从北京飞赴港岛的何晓冬、王小川等多位 AI 大牛。他们屏气凝神，热烈地讨论着大模型带来的技术热潮。 这轮创新中，香港可以做什么？这是郭毅可彼时所提出的问题。 香港优势在于高校多、人才丰富，但要把大模型部署到本地、并能应用起来，还需要大量 GPU，算力是大模型生存与发展的必要条件。 讨论的最终结果是：必须要有一个机构作为依托，先做一个香港自己的基础大模型（下称“香港大模型”）出来。 大模型在国内爆火最初，很多浪潮中的创业者喜欢以“中国版 OpenAI”来讲故事。2015 年，OpenAI 成立，这种独立于商业之外的科研机构模式，被外界视为 ChatGPT 得以大获成功的基座。但在郭毅可看来，OpenAI 之于大模型，它走通的大模型路径可以学、它的技术长期理想主义可以学，而不是所谓的商业模式。 “OpenAI 很好，但创新不是如何去思考在中国再现它。每个人有自己的方法论，如果只能看到‘复制’、无疑脱离了创新本身应有的意义。” 他认为，从机构属性自身出发，无论是如 OpenAI、DeepMind 的海外公司，还是国内像智源、百度、阿里达摩院等各类公司，并不存在真正意义上的模式“差异”，大家的目标是相同的：聚集有一批聪明的人，去做最尖端、最具探索性的工作。 这种朴实的理念也延续到具体的行动上。 之后的四个月里，香港由香港政府资助，港科大牵头、香港五校联合成立了香港生成式人工智能研发中心（HKGAI），港科大成为国内首个全面启用 ChatGPT 服务的高校，目前，香港大模型也在 HKGAI 紧锣密鼓地研发中、不日将面世。 不在排行榜的分数上争高低，郭毅可透露，香港大模型的关注点更具体：多少人愿意用？哪些场景可以用？怎么用？出现问题了如何解决？ 人工智能的市场很大，香港大模型定位成为一个开源技术基座，在此之上，所有香港本地的市民和企业都有机会使用大模型并可以这个技术基座开发生成式人工智能的应用。用技术来解决过去解决不了的、实实在在的问题，这才是创新的伟大所在。 郭毅可笑称自己是“工程师”，少说、踏实做好过程中的每一步，是他予以“创新”的本质。 2022 年秋，郭毅可在伦敦 8 月初，在港科大郭毅可的办公室里，我们与他就香港生成式 AI 研究中心、 HKUST ChatGPT 的话题进行了一场对话。 以下为访谈实录，雷峰网-AI科技评论作了不变原意的编辑整理： 1GPT 革新教育范式...
0