根据微软研究院和卡内基梅隆大学研究人员的一项研究表明,一些知识工作者可能正在过度依赖生成式 AI,这可能导致他们的问题解决能力下降。
在题为《生成式 AI 对批判性思维的影响》的论文中,七位研究人员对 319 名每周至少使用一次生成式 AI 的知识工作者进行了调查和分析,研究他们在使用 Copilot 和 ChatGPT 等工具时是否运用批判性思维。
研究发现,对任务有信心的员工更可能对生成式 AI 的输出结果进行批判性思考,而对任务不太有把握的员工往往会认为生成式 AI 产生的答案已经足够,不会去思考 AI 提供的内容。
研究人员建议需要重新思考企业 AI 工具的设计。
论文指出:"对 AI 的信任与降低批判性思维努力相关,而自信则与增加批判性思维相关。这种二元性表明设计策略应该注重平衡这些方面。"
研究团队建议,AI 工具应该包含支持长期技能发展的机制,并鼓励用户在与 AI 生成的输出交互时进行反思性思考。
研究人员表示:"这与可解释 AI 的目标相一致",他们指的是让 AI 说明其如何得出输出结果的做法。这对 DeepSeek 和 OpenAI 最新的思维链 AI 模型来说是个好消息,但仅仅解释 AI 的推理过程是不够的。
研究人员写道,好的 AI 工具应该通过主动设计策略来培养批判性思维,鼓励用户反思并在必要时提供帮助。
论文得出结论,我们应该适应 AI 融入的世界,通过运用批判性思维来验证 AI 输出及其在日常工作中的应用。考虑到七位作者中有六位来自销售 Copilot 的公司,这个结论可能在意料之中。
研究人员承认,知识工作者应该被教导"保持信息收集和问题解决的基础技能,避免过度依赖 AI",但不要过度。那些使用 ChatGPT、Copilot 和其他生成式 AI 工具的人应该接受"信息验证、响应整合和任务管理技能"的培训。
论文将在 2025 年 4 月底举行的人机交互系统会议上展示。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。