我把應大學同學邀約，和他的CS學生們聊AI的英文底稿，交給AI翻譯。
承蒙博友可能成功的P點明中間一大段不清不楚，讓人看不明白。
現在把那不光榮的曆史藏起來了。把可能成功的P的留言搬到這裏。
最西邊的島上看了我投在美語壇的英文原稿，也看了中文翻譯。西島姐更指出，英文原稿比AI翻譯的中文容易理解。
唉，我真不能偷懶，馬上被捉包。隻好重寫一次，把比較專業的部分也去掉了，隻說故事吧。
前幾天，我的一位同事跟我講了他偶然看到的一個影片。影片裏的人做了各種各樣的事情，但有一件事他們就是不做。
他們不會在臉上揮舞三根手指。
原來，這是一段AI生成的影片。
在臉上揮舞三根手指，是辨識「深度偽造」（Deepfake）的常用技巧。
但是，這可能已經不是可靠的測試方法。
因為AI領域變化非常迅速。
舉個例子，上周五我參加了在麻省理工學院舉辦的AI Summits。
其中一位小組成員是MIT教授，解釋人腦的工作原理。他說：“人類可以將我們學到的知識轉化為圖表。AI做不到這一點。”
主持人打斷了他，說：
“教授，那是老黃曆了。AI現在可以呦。”
教授很驚訝，問道：“從什麽時候開始的？”
主持人說：“大約兩周前。”
和ChatGPT同時出現的還有一個名詞，Generativ AI。
什麽是Gen AI？
生成式人工智慧基上就是機率。所以相同的問題，每次給的答案不一定完全一樣。有時候可能還錯的離譜，所以你不能完全信任AI。
為什麽是這樣呢？因為，他的回答不是經過和人類一樣的「思考」。而是從邏輯模式來預測下一個詞，然後從最有可能出現的詞中進行選擇。
然後它又重複一遍。
一遍，又一遍。
感覺像是思考。
實際上，是一連串非常複雜的猜測。
一個簡單的比喻：
它就像是你手機的自動補全功能，隻不過是加強版。
它不知道答案。
它隻是知道最有可能的答案是什麽。如果，沒有任何答案時，AI會捏造。
紐約發生過一個案例。
一位律師引用了ChatGPT列舉的案例。
問題是，這些案例並不存在。
法官判律師罰款5000美元。
AI聽起來很有說服力，連律師都被騙。
所以你必須需自己驗證。
怎麽驗證？
你可以要求AI逐步解釋它的推理過程，它是如何得出結論的？它從哪裏獲得資訊的？
有一位朋友是法學教授，發表過很多論文。最近，他正在寫一篇新論文，需要一些例子和案例來佐證他的觀點。他使用AI模型來輔助搜索，不出所料，AI模型給出了一些支持他理論的案例。
但我的朋友是一位經驗豐富的學者，他會要求提供資料來源。 AI提供了引用處。
法學教授用另一個AI模型對這些引文進行了交叉檢查。
結果，根本找不到來源。
於是他回到原模型，非常直接地問道：“我無法核實來源。這是你編造的嗎？”
人工智慧大方的承認了。
這種情況會一而再再而三地發生。
所以，你必須學會??懷疑結果，深入分析，持續驗證結果。
這樣的思考能力不是與生俱來的。
但是，我們有幾個世紀的哲人和智者留下許多文史讓我們學習。現代學者還能利用科學，與我們的大腦活動交互驗證，重新思考。
介紹幾本改變了我的思考方式的書。
丹尼爾卡尼曼的（Daniel Khneman）《思考，快與慢》（思考，快與慢）
卡尼曼的書告訴讀者：
不能隻相信自己的直覺，必須問問自己：
“我真的經過深思熟慮了嗎？還是隻是直覺反應？”
尤瓦爾·諾亞·赫拉利（Yuval Noah Harari）《人類簡史》和《Nexus》。
在 《人類簡史》，哈拉裏的觀點是：人類一直以來都堅信某些被重述千萬遍的「故事」（Story）。所以寫故事的人，無形中左右了我們的想法。
《人類簡史》讓你質疑我們所相信的故事。
在 Nexus 中，他指出，「更多資訊並不意味著更多真相」。
而是，誰控製了資訊，誰就因掌握資訊而獲得權力。
讀完這本書，讓我在聽完某些敘事之後，會想：是誰在講這些故事？他的目的是什麽？
亞當·格蘭特（Adam Grant）《再想一遍》（Think Again）。
這篇是關於重新思考，如何質疑自己的假設。
如果卡尼曼展示了思考方式是如何出錯的，格蘭特則告訴你該怎麽改進錯誤的思考方式。
祝您閱讀愉快！
英文原稿
https://bbs.wenxuecity.com/mysj/333357.html
