GPT-4的橫空出世,讓許多人對自己的科研擔憂重重,甚至調侃稱NLP不存在了。
與其擔憂,不如將它用到科學研究中,簡之「換個卷法」。
來自哈佛大學的生物統計學博士Kareem Carr稱,自己已經用GPT-4等大型語言模型工具進行學術研究了。
他表示,這些工具非常強大,但同樣存在一些非常痛苦的陷阱。
他的關於LLM使用建議的推文甚至獲得了LeCun的推薦。
一起來看看Kareem Carr如何利用AI利器搞科研。
一開始,Carr給了第一個最重要的原則:
永遠不要向大型語言模型(LLM)詢問你無法自行驗證的信息,或要求它執行你無法驗證已正確完成的任務。
唯一的例外是它不是一項關鍵的任務,例如,向LLM詢問公寓裝飾的想法。
「使用文獻綜述的最佳實踐,總結過去10年乳癌研究的研究」。這是一個比較差的請求,因為你無法直接驗證它是否正確地總結了文獻。
而應該這麼問「給我過去10年關於乳癌研究的頂級評論文章的清單」。
這樣的提示不僅可以驗證來源,自己也可以驗證可靠性。
要求LLM為你寫程式碼或尋找相關資訊非常容易,但是輸出內容的品質可能會有很大的差異。你可以採取以下措施來提高品質:
設定上下文:
#•明確告訴LLM應該使用什麼資訊
#使用術語和符號,讓LLM傾向正確的上下文資訊
如果你對如何處理請求有想法,請告訴LLM使用的具體方法。例如「解這個不等式」應該改成「用Cauchy-Schwarz定理來解這個不等式,然後再應用完成平方」。
要知道,這些語言模型在語言方面比你想像的要複雜得多,即使是非常模糊的提示也會有所幫助。
具體再具體:
這不是Google搜索,所以也不必擔心是否有網站在討論你的確切問題。
「二次項的聯立方程式如何求解?」這個提示就不是明確的,你應該這樣問:「求解x=(1/2 )(a b) 和y=(1/3)(a^2 ab b^2) 關於a和b的方程組」。
#定義輸出格式:
#利用LLMs的彈性,將輸出格式化為最適合你的方式,例如:
• 程式碼
##• 數學公式
#• 文章
#• 教學
#• 簡明指南
你甚至可以要求提供產生以下內容的程式碼,包括表格、圖面、圖表。
儘管你得到了LLM輸出的內容,但這只是一個開始。因為你需要對輸出內容進行驗證。這包括:
• 發現不一致之處
• 透過Google檢索工具輸出內容的術語,取得可支撐的信源
#• 在可能的情況下,編寫程式碼自行測試
#需要自行驗證的原因是,LLM經常犯一些與其看似專業水平不一致的奇怪錯誤。例如,LLM可能會提到一個非常先進的數學概念,但卻對簡單的代數問題摸不著頭緒。
多問一次:
大型語言模型生成的內容是隨機的。有時,重新創建一個新窗口,並再次提出你的問題,或許可以為你提供更好的答案。
另外,就是使用多個LLM工具。 Kareem Carr目前根據自己的需求在研究中使用了Bing AI,GPT-4,GPT-3.5和Bard AI。然而,它們各有自己的優缺點。
引用生產力
#根據Carr經驗,最好同時向GPT-4和Bard AI提出相同的數學問題,以獲得不同的觀點。必應AI適用於網路搜尋。而GPT-4比GPT-3.5聰明很多,但目前OpenAI限制了3小時25條訊息,比較難訪問。
就引用問題,引用參考文獻是LLM的一個特別薄弱的點。有時,LLM給你的參考資料存在,有時它們不存在。先前,有個網友就遇到了同樣的問題,他表示自己讓ChatGPT提供涉及列表數學性質的參考資料,但ChatGPT生成了跟不不存在的引用,也就是大家所說的「幻覺」問題。
然而,Kareem Carr指出虛假的引用並非完全無用。
#########根據他的經驗,捏造的參考文獻中的單字通常與真實術語,還有相關領域的研究人員有關。因此,再透過谷歌搜尋這些術語,通常讓你可以更接近你正在尋找的資訊。 ##################此外,在搜尋來源時必須也是不錯的選擇。 ##########生產力
#對於LLM提高生產力,有許多不切實際的說法,例如「LLM可以讓你的生產力提高10倍,甚至100倍」。
根據Carr的經驗,這種加速只有在沒有對任何工作進行雙重檢查的情況下才有意義,這對作為學者的人來說是不負責任的。
然而,LLM對Kareem Carr的學術工作流程有很大改進,具體包括:
##- 原型想法設計- 識別無用的想法- 加速繁瑣的資料重新格式化任務- 學習新的程式語言、套件和概念- 谷歌搜尋
##借助當下的LLM,Carr稱自己用在下一步該做什麼上的時間更少了。 LLM可以幫助他將模糊,或不完整的想法推進到完整的解決方案。
此外,LLM也減少了Carr花在與自己主要目標無關的副業上的時間。
我發現我進入了心流狀態,我能夠繼續前進。這意味著我可以工作更長時間,而不會倦怠。最後一句忠告:小心不要被捲入副業。這些工具突然提高生產力可能會令人陶醉,並可能分散個人的注意力。
關於ChatGPT的體驗,Carr曾在領英上發表了一篇動態分享了對ChatGPT使用後的感受:
身為資料科學家,我已經用OpenAI的ChatGPT做了幾週的實驗。它並不像人們想像的那麼好。
儘管最初令人失望,但我的感覺是,類似ChatGPT的系統可以為標準資料分析工作流程增加巨大的價值。
在這一點上,這個價值在哪裡並不明顯。 ChatGPT很容易在簡單的事情上弄錯一些細節,而且它根本無法解決需要多個推理步驟的問題。
未來每個新任務的主要問題仍然是評估和改進ChatGPT的解決方案嘗試是否更容易,還是從頭開始。
我確實發現,即使是ChatGPT的一個糟糕的解決方案也傾向於激活我大腦的相關部分,而從頭開始則不會。
就像他們總是說批評一個計劃總是比自己想出一個計劃更容易。
網友對於AI輸出的內容,需要進行驗證這一點,並稱在大多數情況下,人工智慧的正確率約為90%。但剩下10%的錯誤可能是致命的。
Carr調侃道,如果是100%,那我就沒有工作了。
那麼,為什麼ChatGPT會產生虛假的參考文獻? # 值得注意的是,ChatGPT使用的是統計模型,基於機率猜測下一個單字、句子和段落,以符合使用者提供的上下文。 由於語言模型的來源資料規模非常大,因此需要「壓縮」,這導致最終的統計模型失去了精確度。 這意味著即使原始資料中存在真實的陳述,模型的「失真」會產生一種「模糊性」,從而導致模型產生最“似是而非”的語句。 簡而言之,這個模型沒有能力評估,它所產生的輸出是否等同於一個真實的陳述。 另外,該模型是基於,透過公益組織「Common Crawl」和類似來源收集的公共網路數據,進行爬蟲或抓取而創建的,數據截止到21年。 由於公共網路上的資料基本上是未經過濾的,這些資料可能包含了大量的錯誤訊息。 近日,NewsGuard的一項分析發現,GPT-4實際上比GPT-3.5更容易產生錯誤訊息,而且在回覆中的說服力更加詳細、令人信服。 在1月份,NewsGuard首次測試了GPT-3.5,發現它在100個假新聞敘事中產生了80個。緊接著3月,又對GPT-4進行了測試,結果發現,GPT-4對所有100種虛假敘述都做出了虛假和誤導性的回應。 由此可見,在使用LLM工具過程中需要進行來源的驗證與測試。
以上是LeCun力薦!哈佛博士分享用GPT-4搞科研,細到每個工作流程的詳細內容。更多資訊請關注PHP中文網其他相關文章!