在人工智能大热之前,聊天机器人只是那些奇怪的信息工具,常驻在各个网站上,很少真正解决你的问题,反而可能因为阻挡你与真人沟通而增加更多困扰。但如今,像 ChatGPT 这样的 AI 聊天机器人已经开创了一种全新模式 —— 它既是搜索,又是对话。
谷歌的搜索算法提供的是最优化的链接,而生成式 AI 则能够解读信息并进行总结。此外,你还可以不断追问、获得更多背景信息以及在最初的提问基础上拓展讨论。正是对话这一特性使其区别于传统搜索引擎,提示词就像聊天机器人的关键词。
你可以将它作为思想伙伴、研究助手,或者作为你想了解任何信息时的谷歌替代工具。但需要注意的是,生成式 AI 有时会产生虚假信息 —— 即它可能传递错误或杜撰的内容,这一点在谷歌早期 AI 概览出现在搜索结果中的阶段尤为明显。
既然 ChatGPT 是最知名的聊天机器人,我们就从它开始,并与另一个热门聊天机器人 Claude 进行对比。二者都是免费的,但均提供每月 20 美元的高级版本。
其他流行的聊天机器人还包括谷歌的 Gemini、Microsoft 的 Copilot 和 Perplexity。可以从你最熟悉的聊天机器人开始使用。
AI 聊天机器人最适合用来做什么?
你可以用聊天机器人完成的最佳用途包括:
- 通常会通过谷歌查询的问题,并且可以边问边追问后续问题。 - 针对个人决策,提供更多背景信息。 - 与工作相关的任务,比如总结文件和编辑电子邮件。
AI 聊天在个人决策中的应用
提示词越精准,得到的回答也越准确。为避免得到泛泛的回复,应尽可能向聊天机器人提供更多背景信息。例如,假设你正在搬到纽约市。对于搜索来说,“纽约市最佳社区”这一关键词就足够了,但 AI 却需要在提示词中获得更具个性化的信息。
相反,你可以这样提问:“请提供关于纽约最佳社区的信息,适合一位 36 岁、已婚且计划建立家庭的女性。我希望居住在年轻专业人士、艺术气息浓厚、有公园和户外空间的区域。我不需要住在曼哈顿,倾向于降低租金成本并获得更大的居住空间。我希望公寓离地铁站步行 10 分钟以内。”
看看你起初对 AI 聊天的具体描述有多详细?利用 ChatGPT 的新网页搜索功能,我得到了以下回复 —— 一份列出了五个可能适合我需求的纽约社区:Astoria, Queens;Park Slope, Brooklyn;Long Island City, Queens;Williamsburg, Brooklyn;以及 Forest Hills, Queens。
聊天机器人的一个优点是,你可以对它不认同的观点提出异议,或要求提供更多信息。我随后又要求该聊天机器人对 Park Slope 和 Astoria 提供更多建议。
我很喜欢其实时比较功能。
然后,我请求它提供每个社区的人口统计数据。我发现 Park Slope 的家庭中位数收入是 Astoria 的两倍,于是我问这对当地居民意味着什么。
ChatGPT 回答说,更高的收入可能会导致当地餐饮、娱乐和商店的价格上涨。然而,家庭收入的增加同样可能为当地设施(如公园和社区项目)带来更多资金支持。
这些信息都十分有价值。
AI 聊天在工作事务中的应用
那么,使用聊天机器人处理工作相关任务呢?这正是 Anthropic 致力于引导 Claude 发挥作用的领域。Claude 作为一款 AI 助手,在朝九晚五的工作中可能会派上大用场。
例如,假如你在一家快速发展的科技初创企业任职,并希望获得关于绩效反馈的建议。你可以这样提问:“我在一家正在成长的科技初创企业工作,该公司没有正式的绩效评估机制。我已经在公司工作一年了。我们是一个小团队,每个人都承担多重角色。请提供一些非正式的建议,让我可以跟经理交流并请求反馈。”
刚开始得到的建议就非常有用。Claude 综合了建议和可采取的行动,建议例如可以设立定期的一对一会议,将反馈过程转变为持续性的,而不是一次性的。
非常赞。
接着,我让 Claude 撰写一封邮件,建议设立每周 15 分钟的例行检查电话,将其定位为一个对齐问题与想法的机会。
邮件内容已经接近“可直接发送”的程度。
我又请求 Claude 使邮件看起来更具对话性,结果变得更加出色。
和所有 AI 工具一样,使用时还是需要持保留态度 —— 就像对待搜索结果一样。
尽管 AI 聊天暂时还无法替代“直接谷歌搜索”得来的首个回答,但它确实是你工具箱中极具价值的一项技能。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。