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。
所有评论