Μονάδες
1. Εισαγωγή στην Τεχνητή Νοημοσύνη στη Φιλοσοφία και την Εφαρμοσμένη Ηθική: Ρόλοι, Όρια, Επικύρωση και Ηθική 2. Ανάλυση κειμένου και κοντινή ανάγνωση: Ανάλυση φιλοσοφικών κειμένων με τεχνητή νοημοσύνη 3. Αντιστοίχιση επιχειρημάτων: Εξαγωγή υποθέσεων, συμπερασμάτων και δομής συμπερασμάτων 4. Ανασκόπηση Λογοτεχνίας και Σύνθεση Πηγών 5. Επαλήθευση πηγής και ακεραιότητα παραπομπών 6. Παραγωγή Μαθήματος και Περιεχομένου: Διδασκαλία Φιλοσοφίας, Σχεδιασμός Περίπτωσης και Συζήτησης 7. Υποστήριξη Ακαδημαϊκής Γραφής: Προσχέδιο, Αναθεώρηση, Δομή και Όριο Πρωτοτυπίας 8. Ανάλυση περίπτωσης εφαρμοσμένης ηθικής: Αρχές, πλαίσιο και αιτιολόγηση 9. Συζήτηση για την ηθική της τεχνητής νοημοσύνης: Οργανισμός, ευθύνη, προκατάληψη και διαφάνεια 10. Πρωτοτυπία συλλογισμού, ψευδαισθήσεων και πνευματικής ειλικρίνειας 11. Ροή εργασιών από άκρο σε άκρο, εμπιστευτικότητα, ακαδημαϊκή ακεραιότητα και έλεγχος
Μονάδα 2 / 11

Ανάλυση κειμένου και κοντινή ανάγνωση: Ανάλυση φιλοσοφικών κειμένων με τεχνητή νοημοσύνη

Κέρδη:

  • Δυνατότητα ανάλυσης του κύριου ισχυρισμού, τεχνικών όρων και δομής προτάσεων ενός φιλοσοφικού κειμένου ως πρώτη σάρωση με τεχνητή νοημοσύνη
  • Δυνατότητα να δείτε τη λεπτή γραμμή μεταξύ απλοποίησης και παραμόρφωσης και να διατηρήσετε τις αποχρώσεις της ποσότητας και της τροπικότητας συγκρίνοντάς τις με την αρχική
  • Δυνατότητα κατασκευής της τελικής ερμηνείας κάνοντας ορατές σιωπηρές υποθέσεις και συνδέοντας κάθε έξοδο πίσω στο κείμενο

Ανάλυση κειμένου και κοντινή ανάγνωση: Ανάλυση φιλοσοφικών κειμένων με AI

Το βασικό υλικό της φιλοσοφίας είναι το κείμενο. Η κατανόηση ενός φιλοσόφου απαιτεί πρώτα να διαβάσετε σχολαστικά αυτά που λέει. Η προσεκτική ανάγνωση - η μέθοδος προσεκτικής και αργής ανάλυσης ενός κειμένου πρόταση προς πρόταση, έννοια προς έννοια, για να αποκαλύψει τι ακριβώς είπε ο συγγραφέας και πώς το κατασκεύασε - είναι η πιο θεμελιώδης δεξιότητα της φιλοσοφίας. Αλλά τα φιλοσοφικά κείμενα είναι συχνά πυκνά, λεκτικά, φορτωμένα με τεχνικούς όρους και ιστορικά μακρινά. Ένας μαθητής μπορεί να χαθεί σε μια παράγραφο του Χέγκελ. ένας ερευνητής μπορεί να χάσει μια κρίσιμη διάκριση μιας εργασίας. Η τεχνητή νοημοσύνη είναι ένα ισχυρό βοήθημα για την αρχική εξέταση και τον σκελετό αυτής της εργασίας ανάλυσης — αρκεί να διατηρήσετε την τελική ανάγνωση και ερμηνεία.

Σε αυτήν την ενότητα, θα δούμε βήμα προς βήμα πώς να χρησιμοποιήσετε την τεχνητή νοημοσύνη ως βοηθό ανάγνωσης από κοντά: εξαγωγή του κύριου επιχειρήματος ενός κειμένου, διευκρίνιση τεχνικών όρων, απλοποίηση της δομής προτάσεων, καθιστώντας ορατές σιωπηρές υποθέσεις και επισήμανση διφορούμενων περιοχών. Στόχος μας δεν είναι η τεχνητή νοημοσύνη να αντικαταστήσει την ανάγνωση, αλλά να σας επιτρέψει να διαβάζετε βαθύτερα και πιο γρήγορα.

Τα βήματα της κοντινής ανάγνωσης και η θέση της ΑΙ

Ας δούμε τα κλασικά βήματα που ακολουθούνται κατά την ανάλυση ενός φιλοσοφικού κειμένου και πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει σε κάθε βήμα.

1. Τοποθετήστε το πλαίσιο. Από ποιον, πότε και ενάντια σε ποιο επιχείρημα γράφτηκε το κείμενο; Η τεχνητή νοημοσύνη μπορεί να δώσει μια γενική περιγραφή του πλαισίου. αλλά θα πρέπει να επιβεβαιώσετε αυτές τις πληροφορίες με μια αξιόπιστη ακαδημαϊκή πηγή, επειδή τα σφάλματα ημερομηνίας και παραπομπών είναι κοινά.

2. Βρείτε τον κύριο ισχυρισμό. Ποια είναι η κεντρική θέση του κειμένου; Ρωτήστε τον AI "Ποιος είναι ο κύριος ισχυρισμός αυτού του κειμένου σε μία πρόταση και σε ποια πρόταση τον βασίζετε;" παρακαλώ. Δείτε μόνοι σας τη βάση του ισχυρισμού στο κείμενο.

3. Ανοιχτές έννοιες. Τι σημαίνουν οι τεχνικοί όροι στο κείμενο (π.χ. «υπερβατικό», «φαινόμενο», «υποχρέωση», «ωφελιμισμός»); Το AI δίνει μια αρχική εξήγηση. ελέγχετε αν είναι κατάλληλο για τη χρήση αυτού του φιλοσόφου, επειδή ο ίδιος όρος έχει διαφορετικές σημασίες σε διαφορετικούς συγγραφείς.

4. Απλοποιήστε τη δομή της πρότασης. Βάλτε το AI να απλοποιήσει μια μεγάλη πρόταση — αλλά συγκρίνετε την με την αρχική για να δείτε αν η απλοποίηση παραμορφώνει το νόημα.

5. Καταργήστε τις σιωπηρές υποθέσεις. Το καλό διάβασμα φιλοσοφίας βλέπει και αυτό που δεν λέγεται. Ρωτήστε την τεχνητή νοημοσύνη «ποιες μπορεί να είναι οι μη δηλωμένες υποθέσεις αυτού του επιχειρήματος;» παρακαλώ; Αυτό ανοίγει τυφλά σημεία.

Συμβουλή: Όταν δίνετε το κείμενο στο AI, επαναλάβετε την οδηγία "μόνο με βάση αυτό το κείμενο, μην προσθέτετε πληροφορίες από έξω" κάθε φορά. Αυτή η μεμονωμένη πρόταση εμποδίζει σε μεγάλο βαθμό την τεχνητή νοημοσύνη από το να αναμιγνύει κλισέ από τα δεδομένα εκπαίδευσης στο κείμενο και διευκολύνει την επαλήθευση.

Η λεπτή γραμμή μεταξύ απλοποίησης και παραμόρφωσης

Υπάρχουν δύο κίνδυνοι όταν η τεχνητή νοημοσύνη απλοποιεί μια πρόταση. Το πρώτο είναι η υπεραπλούστευση: η απώλεια μιας απόχρωσης που ο φιλόσοφος εισήγαγε εσκεμμένα (π.χ. τη διαφορά μεταξύ «στις περισσότερες περιπτώσεις» και «σε όλες τις περιπτώσεις»). Το δεύτερο είναι η σημασιολογική μετατόπιση: η απλοποιημένη πρόταση έρχεται να πει κάτι που δεν λέει το πρωτότυπο. Επομένως, δείτε κάθε απλοποίηση ως "προτεινόμενη ερμηνεία", όχι ως "οριστική απάντηση". Τοποθετήστε την απλοποιημένη πρόταση δίπλα στην πρωτότυπη και ζυγίστε τη διαφορά μόνοι σας.

Προσοχή: Στη φιλοσοφία, η απόχρωση είναι συχνά η καρδιά του επιχειρήματος. Οι προτάσεις «Η γνώση είναι δικαιολογημένη αληθινή πεποίθηση» και «η γνώση συνήθως συνδέεται με τη δικαιολογημένη αληθινή πεποίθηση» είναι εντελώς διαφορετικές φιλοσοφικά. Η τεχνητή νοημοσύνη κάνει τέτοιες απώλειες συχνά κατά την απλοποίηση. Είναι δουλειά σας να διατηρήσετε την απόχρωση.

τρεις μίνι θήκες

Περίπτωση 1 — Ο όρος διευκρινίστηκε. Ένας προπτυχιακός φοιτητής μπέρδευε τη διάκριση μεταξύ «ωφελιμισμού προτίμησης» και «ωφελιμισμού της ευχαρίστησης» σε ένα άρθρο για τον ωφελιμισμό. Έδωσε το κείμενο στο AI και τον έβαλε να εξηγήσει τους δύο όρους σύμφωνα με τους ορισμούς του κειμένου. Μέσα σε 10 λεπτά η διάκριση ήταν ξεκάθαρη. Στη συνέχεια, ο μαθητής επιβεβαίωσε αυτή τη διάκριση συνδέοντάς την με δύο παραγράφους του κειμένου και παρατήρησε ότι η τεχνητή νοημοσύνη κάπου είχε μπερδέψει τους δύο όρους και τη διόρθωσε.

Περίπτωση 2 — Η σιωπηρή υπόθεση αλιεύτηκε. Ένας μεταπτυχιακός φοιτητής ρώτησε την AI για σιωπηρές υποθέσεις κατά την ανάλυση ενός κειμένου πολιτικής φιλοσοφίας. Ο ΥΖ επεσήμανε ότι το κείμενο χρησιμοποιεί την υπόθεση των «λογικών ατόμων» χωρίς να το αναφέρει. Αυτό ήταν το ισχυρότερο σημείο κριτικής στην παρουσίαση του μαθητή σε σεμινάριο — αλλά ο μαθητής υπερασπίστηκε την υπόθεση επισημαίνοντας μόνος του ποιο συμπέρασμα έκρυβε το κείμενο.

Περίπτωση 3 — Η απλοποίηση διαστρεβλώθηκε το νόημα. Ένας λέκτορας ζήτησε από το AI να απλοποιήσει μια πρόταση από τον Kant. Η τεχνητή νοημοσύνη αποδυνάμωσε τον ισχυρισμό του επιχειρήματος για καθολικότητα αλλάζοντας μια φράση που σημαίνει «πάντα» σε «τις περισσότερες φορές». Ο λέκτορας είδε τη διαφορά σε σύγκριση με το πρωτότυπο και το επεσήμανε στους φοιτητές ως «τον κίνδυνο της απλοποίησης». Η μετατόπιση 1 λέξης άλλαξε ολόκληρο το επιχείρημα.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Εξήγησέ μου αυτό το κείμενο.

Αυτή η προτροπή απελευθερώνει το AI: προσθέτει πληροφορίες από το εξωτερικό, παραλείπει τις αποχρώσεις, είναι μη επαληθεύσιμο και δεν είναι σαφές σε ποια πρόταση βασίζεται.

Ισχυρή προτροπή:

Ο ρόλος σας: σχολαστικός βοηθός κοντινής ανάγνωσης. Αναλύστε το παρακάτω κείμενο. Κανόνες:1) Βασιστείτε μόνο σε αυτό το κείμενο. προσθέτοντας εξωτερικές πληροφορίες.2) Δώστε τον κύριο ισχυρισμό σε μία πρόταση και σημειώστε την πρόταση στην οποία βασίζεστε.3) Εξηγήστε τους τεχνικούς όρους σύμφωνα με τη χρήση τους στο κείμενο.4) Όταν απλοποιείτε μια πρόταση, βάλτε το πρωτότυπο δίπλα της.

Αυτή η απαίτηση περιορίζει την πηγή, επιβάλλει τη βάση, διατηρεί τις αποχρώσεις και καθιστά την έξοδο επαληθεύσιμη.

Τέσσερα πρότυπα με δυνατότητα αντιγραφής

1) Κύρια αξίωση και εξαγωγή δομής:

Δώστε (α) τον κύριο ισχυρισμό του παρακάτω κειμένου σε μία πρόταση, (β) 2-4 ενδιάμεσα βήματα που υποστηρίζουν αυτόν τον ισχυρισμό, (γ) την παράγραφο στην οποία βασίζεται κάθε βήμα. Βασιστείτε μόνο στο κείμενο. Κείμενο: [κείμενο]

2) Δημιουργία γλωσσαρίου όρων:

Καταγράψτε τους τεχνικούς/φιλοσοφικούς όρους σε αυτό το κείμενο. Για κάθε όρο: ορισμός 1-2 προτάσεων ανάλογα με τη χρήση στο κείμενο και την πρώτη πρόταση στην οποία αναφέρεται ο όρος. Εάν ο ίδιος όρος χρησιμοποιείται με διαφορετική έννοια, προσδιορίστε.Κείμενο: [κείμενο]

3) Απλοποίηση πρότασης (διατηρείται η απόχρωση):

Ξαναγράψτε την παρακάτω πρόταση σε πιο κατανοητή γλώσσα. Κανόνας: Διατηρήστε τους ποσοτικούς δείκτες (κάθε/μερικούς/περισσότερους), τους τρόπους (υποχρεωτικό/πιθανό/πιθανό) και τους όρους κατά λέξη. Παρουσιάστε το πρωτότυπο και το απλοποιημένο δίπλα-δίπλα. Σημειώστε κάθε απόχρωση που αλλάξατε. Πρόταση: [πρόταση]

4) Σιωπηρή υπόθεση και κυνήγι κενού:

Καταγράψτε τυχόν μη δηλωμένες αλλά απαραίτητες υποθέσεις σε αυτό το επιχείρημα. Δείξτε επίσης τα βήματα που παρακάμπτει το όρισμα ή σβήνει. Βασιστείτε μόνο στο κείμενο. μην υπερβείτε το κείμενο.Κείμενο: [κείμενο]

Πίνακας σύγκρισης μεθόδων

Αναζήτηση

μοναχικός άνθρωπος

Μόνος AI

Human + AI (συνιστάται)

Εύρεση του κύριου ισχυρισμού

Αργή αλλά αξιόπιστη

Γρήγορο αλλά μπορεί να παραμορφωθεί

Γρήγορο σχέδιο + ανθρώπινη επαλήθευση

Περιγραφή όρου

Είναι αλήθεια αλλά θέλει χρόνο

Το Fast μπορεί να χάσει το πλαίσιο

Πρόχειρο + έλεγχος χρήσης

Απλοποίηση

Διατηρήθηκε η απόχρωση, αργή

Γρήγορο, κίνδυνος απώλειας αποχρώσεων

Σύγκριση δίπλα δίπλα

σιωπηρή υπόθεση

Βαθύ αλλά τυφλό σημείο

Μια καλή λίστα προειδοποιήσεων

Το AI προειδοποιεί, οι άνθρωποι επαληθεύουν

Συνήθη λάθη

  • Ξεχνώντας την εντολή "προσθήκη εξωτερικών πληροφοριών". Η τεχνητή νοημοσύνη συνδυάζει κλισέ από δεδομένα εκπαίδευσης σε κείμενο. Επαναλάβετε αυτό το όριο με κάθε προτροπή.
  • Νομίζοντας ότι η απλοποίηση είναι η οριστική απάντηση. Η απώλεια της απόχρωσης αμαυρώνει το επιχείρημα. να έχετε πάντα μαζί σας το πρωτότυπο.
  • Αποδοχή του όρου σε ένα πλαίσιο. Η ίδια λέξη είναι διαφορετική σε διαφορετικούς φιλοσόφους. Συγκρίνετε τον γενικό ορισμό της τεχνητής νοημοσύνης με τη χρήση στο κείμενο.
  • Χρησιμοποιώντας τη λίστα των σιωπηρών υποθέσεων ως έχει. Το να παρουσιάσετε τις υποθέσεις που προτείνει η τεχνητή νοημοσύνη ως δική σας ανάλυση χωρίς να τις συνδέσετε ξανά με το κείμενο είναι και λάθος και πρόβλημα πρωτοτυπίας.
  • Αναθέτοντας πλήρως την ανάγνωση. Να είστε ικανοποιημένοι με τη σύνοψη AI χωρίς να διαβάσετε καθόλου το κείμενο. Στη φιλοσοφία, η άμεση επαφή με το κείμενο είναι απαραίτητη.

Συνοπτικά

Η προσεκτική ανάγνωση είναι η βασική δεξιότητα της φιλοσοφίας και η τεχνητή νοημοσύνη επιταχύνει αυτήν την ικανότητα, όχι την αντικαθιστά. Χρησιμοποιήστε την τεχνητή νοημοσύνη ως βοηθό πρώτης εξέτασης για να βρείτε την κύρια αξίωση, να αποσυσκευάσετε όρους, να απλοποιήσετε προτάσεις και να κάνετε ορατές τις σιωπηρές υποθέσεις. Προσοχή σε δύο κινδύνους: την υπεραπλούστευση και τη σημασιολογική απόκλιση. Συνδέστε κάθε έξοδο με το κείμενο, συγκρίνετε την απόχρωση με το πρωτότυπο και δημιουργήστε μόνοι σας την τελική ερμηνεία. Η οδηγία "Βασιστείτε μόνο σε αυτό το κείμενο" είναι το κλειδί για τη σωστή χρήση.

Εργασία εφαρμογής

  1. Επιλέξτε μια πυκνή φιλοσοφική παράγραφο (Καντ, Χέγκελ, ένα σύγχρονο δοκίμιο — δεν πειράζει).
  2. Λάβετε τον σκελετό από το AI χρησιμοποιώντας το πρότυπο "κύρια δήλωση και εξαγωγή δομής".
  3. Συνδέστε κάθε ενδιάμεσο βήμα πίσω στην πρόταση του κειμένου. Σημειώστε αυτό με αδύναμη υποστήριξη.
  4. Απλοποιήστε την πιο δύσκολη πρόταση με το πρότυπο "απλούστευση πρότασης" και συγκρίνετε την με την αρχική για τυχόν απώλεια αποχρώσεων.
  5. Πάρτε μια σιωπηρή υπόθεση ότι το AI βρίσκει και δικαιολογήστε το μόνοι σας από το κείμενο.

λίστα ελέγχου

  • [ ] Έδωσα το όριο "Βασιστείτε μόνο σε κείμενο" σε κάθε προτροπή.
  • [ ] Ο ίδιος είδα τη βάση του κύριου ισχυρισμού στο κείμενο.
  • [ ] Σύγκρισα τις περιγραφές όρων με τη χρήση στο κείμενο.
  • [ ] Τοποθέτησα τις απλοποιήσεις δίπλα-δίπλα με το πρωτότυπο και έλεγξα για απώλεια αποχρώσεων.
  • [ ] Επιβεβαίωσα σιωπηρές υποθέσεις συνδέοντάς τες με το κείμενο.
  • [ ] Διάβασα το ίδιο το κείμενο. Δεν έμεινα ικανοποιημένος μόνο με την περίληψη.