《Nature》文章:ChatGPT帮助我学术写作的三种方式

图片翻译

** 文章内容**

忏悔时间:我使用生成式人工智能(AI)。尽管在学术界关于聊天机器人是积极力量还是消极力量的争论不休,但我几乎每天都使用这些工具来完善我所写论文中的措辞,并寻求对我被要求评估的工作进行替代评估,无论是作为审稿人还是编辑。人工智能甚至帮助我完善了这篇文章。

我在葡萄牙的Católica Porto商学院学习人格和领导力,并且是《人格与个体差异》和《领导者与领导力心理学》的副主编。我从生成式人工智能中获得的价值不是来自技术本身盲目地生成文本,而是来自与工具的互动并利用我自己的专业知识来完善它产生的内容。我和聊天机器人之间的对话既增强了我工作的连贯性,而且随着时间的推移,教会了我如何以更简单的方式描述复杂的主题。

无论您是在写作、编辑还是同行评审中使用 AI,它都可以在这里为您做同样的事情。

提升学术写作水平

有没有听说过房地产的口头禅,"位置,位置,位置"?在生成式人工智能的世界里,它是"上下文,上下文,上下文"。

背景为王。你不能指望生成式人工智能------或者任何事物或任何人,就此而言------在没有它的情况下为问题提供有意义的回答。当您使用聊天机器人来完善论文的一部分以使其清晰时,请从概述上下文开始。你的论文是关于什么的,你的主要论点是什么?以任何格式记下您的想法------即使是要点也行得通。然后,将此信息呈现给您选择的生成式 AI。我通常使用由加利福尼亚州旧金山的 OpenAI 制作的 ChatGPT,但对于需要深入了解语言细微差别的任务,例如分析搜索查询或文本,我发现由 Google 研究人员开发的 Gemini 特别有效。总部位于巴黎的 Mixtral 制作的开源大型语言模型非常适合离线工作但仍需要聊天机器人的帮助。

无论您选择哪种生成式 AI 工具,成功的关键在于提供精确的指令。你越清晰越好。例如,你可以这样写:"我正在为一个领先的[学科]学术期刊写一篇关于[主题]的论文。我在下一节中试图说的是[具体点]。为了清晰、连贯和简洁,请重新表述,确保每一段都顺应到下一段。删除行话。使用专业的语气。您可以稍后再次使用相同的技术,以澄清您对审阅者评论的回应。

请记住,聊天机器人的第一次回复可能并不完美------这是一个协作和迭代的过程。您可能需要完善您的说明或添加更多信息,就像与同事讨论概念时一样。正是互动改善了结果。如果某件事没有完全达到目标,不要犹豫说,"这并不完全是我的意思。让我们调整一下这部分。或者你可以称赞它的改进:"这更清楚了,但让我们调整结局,以便更有力地过渡到下一节。

这种方法可以将具有挑战性的任务转变为可管理的任务,在页面上填充您可能尚未完全收集到的见解。这就像进行一场开辟新视角的对话,使生成式人工智能成为开发和提炼想法的创造性过程中的合作伙伴。但重要的是,你是在用人工智能作为一个传声筒:它不是为你编写你的文档;它也不审查手稿。

提升同行评议水平

生成式人工智能可以成为同行评审过程中的宝贵工具。在仔细阅读稿件后,总结要点和需要审查的领域。然后,使用人工智能来帮助组织和表达您的反馈(无需直接输入或上传手稿的文本,从而避免隐私问题)。例如,您可以指示 AI :"假设您是一位专家和经验丰富的学者,在 [领域] 拥有 20+ 年的学术经验。根据我对[领域]中一篇论文的总结,主要关注[一般主题],按以下顺序对本文进行详细的回顾:1)简要讨论其核心内容;2)确定其局限性;3)按重要性顺序解释每个限制的重要性。自始至终保持简洁和专业的语气。

我发现 AI 合作伙伴关系可以极大地丰富内容;这些工具通常提供我没有考虑过的观点。例如,ChatGPT 擅长解释和证明我在评论中确定的特定局限性背后的原因,这有助于我掌握该研究贡献的更广泛影响。如果我确定了方法上的局限性,ChatGPT 可以详细阐述这些局限性,并提出在修订中克服它们的方法。这种反馈通常可以帮助我将局限性与它们对论文整体贡献的集体影响联系起来。然而,有时,它的建议是偏离基础的、牵强附会的、无关紧要的或完全错误的。这就是为什么审查的最终责任始终由您承担的原因。审阅者必须能够区分什么是事实,什么是事实,而没有聊天机器人能够可靠地做到这一点。

优化编辑反馈

我从使用聊天机器人中受益的最后一个领域是我作为期刊编辑的角色。向作者提供建设性的编辑反馈可能具有挑战性,尤其是当您每周监督几篇手稿时。我个人收到了无数无益的、不具体的反馈------比如,"经过慎重考虑,我们决定不再继续处理你的手稿"------我认识到清晰和建设性的沟通的重要性。在这个过程中,ChatGPT 变得不可或缺,它帮助我制作精确、有同理心和可操作的反馈,而无需取代人工编辑决策。

例如,在评估了一篇论文并注意到它的优点和缺点之后,我可能会将这些输入到 ChatGPT 中,并让它起草一封合适的信:"根据这些笔记,起草一封给作者的信。突出手稿的关键问题,并清楚地解释为什么尽管手稿的主题很有趣,但可能无法提供足够实质性的进展来值得出版。避免使用行话。直截了当。自始至终保持专业和尊重的语气。同样,可能需要几次迭代才能获得恰到好处的语气和内容。

我发现这种方法既提高了我的反馈质量,又有助于保证我以支持性地传达我的想法。其结果是编辑和作者之间进行了更加积极和富有成效的对话。

毫无疑问,生成式人工智能给科学界带来了挑战。但它也可以提高我们的工作质量。这些工具可以增强我们在写作、审查和编辑方面的能力。它们保留了科学探究的精髓------好奇心、批判性思维和创新------同时改善了我们交流研究的方式。

考虑到这些好处,你还在等什么?

相关推荐
智慧化智能化数字化方案3 小时前
120页PPT讲解ChatGPT如何与财务数字化转型的业财融合
人工智能·chatgpt
weixin_443290695 小时前
【阅读记录-章节6】Build a Large Language Model (From Scratch)
人工智能·语言模型·自然语言处理
地中海~5 小时前
Stealthy Attack on Large Language Model based Recommendation
人工智能·语言模型·自然语言处理
西西弗Sisyphus5 小时前
探索多模态大语言模型(MLLMs)的推理能力
人工智能·计算机视觉·语言模型·大模型
三月七(爱看动漫的程序员)8 小时前
HiQA: A Hierarchical Contextual Augmentation RAG for Multi-Documents QA---附录
人工智能·单片机·嵌入式硬件·物联网·机器学习·语言模型·自然语言处理
学术头条11 小时前
清华、智谱团队:探索 RLHF 的 scaling laws
人工智能·深度学习·算法·机器学习·语言模型·计算语言学
18号房客11 小时前
一个简单的机器学习实战例程,使用Scikit-Learn库来完成一个常见的分类任务——**鸢尾花数据集(Iris Dataset)**的分类
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·sklearn
s_yellowfish11 小时前
Linux服务器pm2 运行chatgpt-on-wechat,搭建微信群ai机器人
linux·服务器·chatgpt
强哥之神12 小时前
Nexa AI发布OmniAudio-2.6B:一款快速的音频语言模型,专为边缘部署设计
人工智能·深度学习·机器学习·语言模型·自然语言处理·音视频·openai
18号房客12 小时前
一个简单的深度学习模型例程,使用Keras(基于TensorFlow)构建一个卷积神经网络(CNN)来分类MNIST手写数字数据集。
人工智能·深度学习·机器学习·生成对抗网络·语言模型·自然语言处理·tensorflow