LeCun力薦！哈佛博士分享用GPT-4搞科研，細到每個工作流程

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。

第一原則：自己無法驗證的內容，不要找LLM

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。

撰寫「提示」小技巧

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！