作者：CHANTAL SMITH、AZEEM AZHAR. 编译：Cointime.com QDD

AI驱动的（再）搜索

对于大多数人来说，找信息的方式就是通过谷歌搜索。谷歌是互联网上最受欢迎的网站，在2023年6月单月访问量就达到了846亿次。你可以用关键词在谷歌上搜索信息。但现在一种新的搜索方式是使用人工智能，利用其自然语言处理能力和对知识的更强过滤能力。

我倾向于使用两种不同但相辅相成的工具，一个专为学术研究设计，另一个是更通用的搜索引擎。

用于学术研究的工具

Elicit是一个研究助手，使用语言模型自动化研究人员的工作流程。它通过研究问题来提供相关来源列表，并从最相关的四篇文章中创建一个简短的文献综述。可以将其想象成谷歌学术，但它理解自然语言并总结了顶尖文章的结论。它理解自然语言的优势在于，即使不包含你搜索的确切关键词，它也会显示与你正在研究的主题相关的论文。

Elicit在生物医学研究方面表现非常出色。它使元分析和其他跨研究调查变得非常简单。所以，如果这是你感兴趣的领域，不妨尝试一下。

但现在，让我们来问一个问题：“什么使创新生态系统成功？”

基于这个结果，我可能会以多种方式进行迭代。

l   排在首位的结果有点陈旧，因此我将通过“筛选”按钮将发布于2020年之前的文章过滤掉。

l   我可以将研究问题的重点更加聚焦在我感兴趣的方面。例如，“成功的创新生态系统需要哪种社交关系？”

l   如果我更关心用于回答问题的方法类型，我可能会问：“哪些理论有助于解释创新生态系统的成功？”

结果可能并不总是相关的，但我发现Elicit对于快速了解一个问题的学术文献状况非常有用。

用于更通用的搜索

Perplexity.ai更接近于通用搜索引擎，因为它会优先考虑主流信息来源，如主要媒体机构。它具有聊天界面，使得用户可以进行更多交互和迭代，相比Elicit更灵活。在我尝试的浏览式聊天机器人中，Perplexity表现得最明智，也最易于使用，主要因为它会在页面顶部直接展示来源。

接下来，我向Perplexity提出了与Elicit相同的问题：“什么使创新生态系统成功？”

我对Perplexity的回答中涉及的社交方面产生了兴趣，因此我继续追问：“告诉我更多关于人与文化方面的信息，重点放在关系上。”

为了进一步深入，我可能会：

l   要求Perplexity“列出关于创新生态系统中关系问题的专家和来源”。

l   询问“这是一个相关的课题吗，还是我需要重新构思问题？”以便让它解释为什么我的问题重要。值得注意的是，Perplexity倾向于赞同，并可能缺乏批判性。

通过这两个工具，你经常可以全面了解一个主题以及相关的数据来源，无论是从严格的学术观点还是从更通用的观点。现在，让我们来探索AI增强的知识存储方式。

AI增强的知识存储

简洁易读的总结

Notion是一款适用于组织的生产力和笔记应用程序，非常适合积累知识。它允许你建立数据库，其中每个页面都有信息来源、见解，甚至是图表。这并不罕见，但区别它作为“大脑构建者”的地方是Notion AI。它可以执行其他AI写作助手所能做的所有事情，如头脑风暴创意、创建社交媒体帖子、新闻稿、诗歌，甚至是利弊清单。但除此之外，它还有一个自动填充功能，可以让你在数据库的不同页面间应用AI命令。

让我们从头开始。你可以在这里复制Exponential View模板，并根据你自己的需求进行调整。让我们看看它是如何工作的1。它是一个数据库，其中包含两种示例来源：一种是来自The Guardian的文章，另一种是全球电动汽车渗透率的表格。这些来源是数据库中的页面，具有内容（来源中的复制粘贴内容）和属性（指向文章链接和我们的AI魔法）。

当我查看我的来源时，我常常想一眼就知道（1）该来源包含什么内容，以及（2）它对我有什么意义（在这种情况下，我关心与技术的相关性）。为了实现这一点，我创建了两个“AI自动填充属性”，每个属性都会将相同的提示应用于我将放入该数据库中的所有页面。以下是提示：

l   用5个要点进行总结。

l   用1-2句话解释为什么这对技术很重要。

正如我在下面的截图中所示，这些提示也适用于数量数据。只需将其插入为表格。然而，我会对AI对数字的解释格外小心，特别是因为Notion AI并没有专门为数量分析进行训练。

结果，你将得到一个数据库，可以将知识以文字或数字形式存储，并能一目了然地查看它的内容和与你的兴趣相关的原因。我对输出的质量印象深刻。尽管AI始终会有错误，甚至会误解数据，但它的正确性足够高，足以成为一个很好的时间节省者。

进一步发展：将数据转化为知识

已经有很多方法可以理解数据并将其转化为对你有用的知识。新的AI工具每天都在不断涌现。然而，我总是回到ChatGPT有两个原因。首先，这是最广泛实验的工具，因此有很多集体智慧和学习可用于充分利用它。其次，尽管自推出以来其输出质量有所不同，但它仍然是最高性能和最有用的LLM之一。然而，聊天机器人确实是个人选择。虽然我（Chantal）更喜欢ChatGPT，但Azeem Azhar则喜欢Claude。

对于定性分析，我建议查看我们的第一个Promptpack，其中提供了使用ChatGPT帮助你思考的方式。它包括寻找联系的提示、应用框架的提示、探索场景的提示和质疑假设的提示。简言之，AI在这里充当了一个头脑风暴的伙伴。

对于定量分析，你可以使用OpenAI最近推出的Code Interpreter。它在帮助定量分析方面表现出色，正如Nathan Warren在第二个Promptpack中所展示的那样。在这里，AI就像一个稍微不可预测的初级数据分析师，拥有出色的记忆。与更直接的统计软件或Excel功能相比，它的可靠性较低，但它可以完成许多任务并对自己的分析进行评价。

特别要提到EV会员Gianni Giacomelli及其在麻省理工学院的团队已经开放了超级智能构想者的测试版，这是一种AI辅助工具，可帮助产生创意。它之所以特别创新，是因为它基于不同的逻辑提出了一系列想法，例如市场运作逻辑、社区运作逻辑或民主决策逻辑。