AI对未来教育领域的改变!如何使用ChatGPT,一个高效提问的指令构建模型,通过ChatGPT有效提高学习效率

AI 到底有多厉害,要取决于你自己有多厉害。ChatGPT 是一种生成性 AI,生成性的意思就是它会创造内容,但发挥到什么程度,完全取决于你将如何使用。

ChatGPT 虽然以 Chat 开头,但是如果我们只把它当成一个像 QQ 一样的聊天工具,那实在是太大材小用了。ChatGPT 可以编程、可画画、可以写文章、可以整理作业、可以辅导功课、可以订机票和酒店...... 它就是你的私人小助理。

看到别人能轻松地将 ChatGPT 用于他们的工作和生活,但轮到自己使用时,总觉得它不靠谱,那原因出在哪里呢?

这是因为我们不会正确地提问。如果把 ChatGPT 比喻成一种"魔法",那我们得会正确地"念咒语"才行。只有正确地提问,我们才能得到满意的答案。为了使大家的提问能够更加结构化,我总结了一个高效提问的指令构建模型------LACES 模型,如图 1 所示。

--- 、 L-Limitation: 给出限定条件

给出限定条件,做到尽量明确和具体地表述问题。

明确地表述问题是指,要和 ChatGPT 说清楚,你的提问是为了什么?是为了获取信息、解决问题,还是寻求建议?你希望 ChatGPT 输出多少字的内容(指定输出长度)?然后再根据目的相应地构建自己的问题。例如,不要说"帮我总结一下会议记录",而要说"用800字总结会议记录,写下各个演讲者的演讲要点"。

具体地表述问题是指,不要问"如何提高工作效率?"而要问"如何在进行数据分析时提高工作效率?"避免提出过于模糊或开放的问题。虽然ChatGPT可以处理开放性问题,但对过于模糊、没有边界的问题它可能无法给出具体的答案。

二、A-Accurate: 使用正确的关键词

专业术语、具体技术或概念名称都能极大地帮助ChatGPT理解我们的问题。所以,明确你使用的词汇能正确反映你想要了解的内容。

三、C-Context: 提供背景信息

提供问题或指令的背景信息,能够帮助AI更好地理解问题。例如,"我想学习Python,有什么资源?"这个问题就不够好,如果改为"我是一名初级程序员,正在学习Python。请问有哪些资源适合初学者?"就非常好,因为它提供了背景和上下文信息,这样AI才能更好地理解我们的需求。

四、E-Example: 提供示例

为指令提供示例,以便 AI 能够参考并生成类似的答案。例如:"我想了解不同藻类之间的区别,比如可以从细胞的结构、细胞的代谢、细胞的增殖等方面给我介绍一下。"

五、S-Step by Step: 拆分任务,分步骤提问

如果你有一个复杂的问题,那么不要一股脑儿地提出来让 ChatGPT 作答,可以尝试将其分解成几个小问题,这样才能逐步深入,进而得到更详细的答案。如果需要 ChatGPT 提供信息的出处,那么也不要忘记告诉它。如果能启发 ChatGPT 自行拆解任务以进行链式思考(chain of thought)也可以,但这对提问者来说难度有点儿大。

下面是用 LACES 模型进行提问的一个应用实例:

我是一名英语初学者,目前正在学习基础语法(C:提供背景信息)。我经常混淆"现在完成时"和"过去完成时"这两种时态(A:使用正确的关键词),你能否给我讲解一下?最好从概念、用法和结构这几个方面列举这两种时态的区别(L:给出限定条件),比如 be doing 或者现在进行时的特征结构(E:提供示例),然后再提供一下它们各自的使用场景。如有可能,请给出一些简单的句子示例,展示这两种时态在实际对话或叙述中的应用(S:拆分任务,一步步深入)

2023年12月15日OpenAI官方网站上给出了Prompt Engineering的六大原则,包括:

  1. 写出清晰的指令(Write clear instructions);
  2. 提供参考文本(Provide reference text);
  3. 将复杂的任务拆分为简单的子任务(Split complex tasks into simpler subtasks);
  4. 给模型时间去思考(Give the model time to think);
  5. 使用外部工具(Use external tools,比如使用一些插件或者调用API);
  6. 系统地测试有效性(Test changes systematically,这对于开发自己的AI应用是有帮助的)。
    当然,并非所有的提问都要遵循LACES模型,简单的提问可以从使用场景、使用目的、提问方式和提问要点这几个方面进行考虑。
    下面图2中分别列举了在语文学习、数学学习、英语学习和科学学习中对提示词的简单使用范例。

如果ChatCPT的回答不完全符合我们的预期,我们可以提供反馈或进一步澄清问题的本质,并再次进行提问。ChatGPT会以"searching""analysis""creating"等显示它正在工作,反复提问几次后,它会问你觉得这次的回答是否有改进,你可以选择"满意""不满意""差不多,没有改进"等,让它进行调整。

当然,ChatGPT还有一种帮助学习的"玩"法,就是当我们在学习某些学科的时候,可以给ChatGPT分配角色,让它拥有不同的身份,成为你的"私董会成员",从而提供不同的视角和意见。例如,我对ChatGPT说:"假设你是马克斯·韦

伯(Max Weber)、弗里德里希·威廉·尼采(Friedrich Wilhelm

Nietzsche)、让-保罗·萨特(Jean-Paul Sartre)、约翰·罗尔斯(John Rawls)、迈克尔·桑德尔(MichaelSandel)和于尔根·哈伯马

斯(JurgenHabermas ),请论述对'科学理性'这一命题的看法。"图3 是它给出的答案。

到这里,我们知道正确地向AI提出问题是与AI协同的第一

步,高质量的问题才能得到AI高质量的回答。在本节中,我向大家

展示了一个高效提问的指令构建模型LACES模型,运用好它,你就能极大地提升学习效率。

相关推荐
一尘之中2 小时前
使用 PyTorch TunableOp 加速 ROCm 上的模型
人工智能·pytorch·学习
honey ball2 小时前
LLC与反激电路设计【学习笔记】
单片机·嵌入式硬件·学习
Eric.Lee20213 小时前
数据集-目标检测系列- 牵牛花 检测数据集 morning_glory >> DataBall
人工智能·python·yolo·目标检测·计算机视觉·牵牛花检测
搏博3 小时前
卷积神经网络(CNN)中的全连接层(Fully Connected Layer)
人工智能·神经网络·cnn
如生命般费解的谜团5 小时前
LLM学习笔记(7)Scaled Dot-product Attention
人工智能·笔记·学习·语言模型·json
Mephisto.java7 小时前
【大数据学习 | Spark-Core】详解Spark的Shuffle阶段
大数据·学习·spark
FreeIPCC7 小时前
电话机器人是什么?
大数据·人工智能·语言模型·机器人·开源·信息与通信
南宫生7 小时前
力扣-位运算-3【算法学习day.43】
学习·算法·leetcode
xnuscd7 小时前
Milvus概念
数据库·学习·mysql
字节数据平台7 小时前
火山引擎数据飞轮探索零售企业大促新场景:下放营销活动权限
大数据·人工智能