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 4 / 11

Ανασκόπηση Λογοτεχνίας και Σύνθεση Πηγών

Κέρδη:

  • Δυνατότητα εφαρμογής της πειθαρχίας της χρήσης τεχνητής νοημοσύνης για εννοιολογικό χάρτη και όχι ως κατάλογο πόρων.
  • Δυνατότητα επαλήθευσης κάθε αποτύπωσης που παράγεται από την τεχνητή νοημοσύνη σε έναν ανεξάρτητο κατάλογο και εξάλειψη ψεύτικων πηγών
  • Να είναι σε θέση να αναπαραστήσει κάθε άποψη στην πιο δυνατή και ειλικρινή της μορφή κάνοντας τη σύνθεση να γίνει με πραγματικά κείμενα που παρέχονται από τον ίδιο όσο το δυνατόν περισσότερο.

Κάθε φιλοσοφική και ηθική μελέτη βασίζεται σε μια λογοτεχνία. Η ανασκόπηση της βιβλιογραφίας (η μελέτη της χαρτογράφησης του πεδίου με την εύρεση και ανάγνωση προηγούμενων βασικών εργασιών, άρθρων και συζητήσεων για ένα θέμα) είναι η βάση της εργασίας ενός συγγραφέα διατριβής, ενός διαιτητή ή ενός λέκτορα που προετοιμάζει ένα μάθημα. Δεν μπορεί να γίνει μια πρωτότυπη συνεισφορά χωρίς να γνωρίζουμε ποιος λέει τι για ένα θέμα, ποια στρατόπεδα έχουν σχηματιστεί και πού συνδέεται η συζήτηση. Αυτή η δουλειά είναι παραδοσιακά μια κουραστική, ακατάστατη εργασία που διαρκεί εβδομάδες. Η τεχνητή νοημοσύνη μπορεί να επιταχύνει τη χαρτογράφηση και τη σύνθεση αυτής της σάρωσης — αλλά στους ανθρώπινους τομείς υπάρχει μια πολύ ιδιαίτερη και επικίνδυνη παγίδα εδώ: ψεύτικη πηγή και ψεύτικη απόδοση.

Σε αυτή την ενότητα θα δούμε πώς να χρησιμοποιήσετε με σιγουριά την τεχνητή νοημοσύνη ως βοηθό λογοτεχνίας, πώς να εξαλείψετε το πιο καταστροφικό λάθος των φανταστικών πηγών και πώς να συνθέσετε ειλικρινά διαφορετικές απόψεις.

Ο μεγαλύτερος κίνδυνος: ψεύτικες πηγές

Το βάζουμε στην κορυφή γιατί είναι ο νούμερο ένα όλεθρος της χρήσης τεχνητής νοημοσύνης σε ανθρώπινα πεδία. Όταν λέτε σε μια τεχνητή νοημοσύνη να "καταγράψει βασικά άρθρα για αυτό το θέμα", το μοντέλο παρουσιάζει συχνά έναν συνδυασμό πραγματικών άρθρων και άρθρων που δεν υπήρχαν ποτέ: ένα επινοημένο άρθρο με το όνομα ενός πραγματικού συγγραφέα, έναν τόμο/τεύχος που δεν είναι σε πραγματικό περιοδικό, έναν ψεύτικο αριθμό DOI που φαίνεται σωστός. Αυτά φαίνονται τόσο πειστικά που ακόμη και έμπειροι ερευνητές δεν μπορούν να τα ξεχωρίσουν με την πρώτη ματιά. Μια και μόνο ψευδής αναφορά σε μια διατριβή ή ένα άρθρο μπορεί να καταστρέψει την αξιοπιστία ολόκληρης της εργασίας και να οδηγήσει σε μια ακαδημαϊκή έρευνα.

Αυτό οφείλεται στο πώς λειτουργεί η τεχνητή νοημοσύνη: το μοντέλο δεν είναι μια «βάση δεδομένων παραπομπών». Έχει μάθει "πώς μοιάζει μια παραπομπή" από μοτίβα κειμένου και παράγει μια αναφορά με ρεαλιστική εμφάνιση, ανεξάρτητα από το αν είναι αληθινή ή όχι. Για το λόγο αυτό, καμία πηγή που παρέχεται από την YZ δεν μπορεί να χρησιμοποιηθεί χωρίς να επαληθευτεί αυτολεξεί σε έναν ανεξάρτητο κατάλογο (βιβλιοθήκη, βάση δεδομένων με κριτές, σελίδα εκδοτικού οίκου).

Προσοχή: Ένας πόρος που δημιουργείται από την τεχνητή νοημοσύνη δεν είναι πραγματικός μόνο και μόνο επειδή "φαίνεται υπερβολικά ρεαλιστικός". Το όνομα του συγγραφέα, το περιοδικό και το έτος μπορεί να είναι γνωστά, αλλά το ίδιο το άρθρο μπορεί να μην έχει γραφτεί ποτέ. Ποτέ μην χρησιμοποιείτε κάθε πηγή χωρίς να τη βρείτε σε αξιόπιστο κατάλογο εκτός από την YZ και να αντιστοιχίσετε ακριβώς την αναφορά της.

Η σωστή ροή εργασίας: η πηγή πρώτα, η σύνθεση αργότερα

Η σειρά ασφαλούς μελέτης της βιβλιογραφίας είναι σημαντική.

1. Χρησιμοποιήστε AI για τον χάρτη, όχι τον κατάλογο. Ρωτήστε την AI «ποια είναι τα κύρια στρατόπεδα αυτής της συζήτησης, ποιες έννοιες είναι κεντρικές, ποιες διακρίσεις είναι σημαντικές;» παρακαλώ. Αυτός ο εννοιολογικός χάρτης συνήθως λειτουργεί. Αλλά πάρτε την έξοδο "give me source list" ως σημείο εκκίνησης, όχι ως οριστική λίστα.

2. Επαληθεύστε κάθε πόρο σε σχέση με τον μεμονωμένο κατάλογο. Αναζητήστε κάθε έργο που προτείνει η YZ σε μια αξιόπιστη βάση δεδομένων. Καταργήστε τον πόρο που δεν μπορείτε να βρείτε από τη λίστα. Διορθώστε επίσης την παραπομπή (συγγραφέας, τίτλος, έτος, περιοδικό, σελίδα) της υπάρχουσας πηγής στον κατάλογο.

3. Διαβάστε μόνοι σας τις πηγές και, στη συνέχεια, κάντε τη σύνθεση τους. Η πιο ασφαλής σύνθεση είναι να συνοψίζει και να συγκρίνει τα κείμενα που παρέχετε από το AI. Έτσι, η τεχνητή νοημοσύνη δεν μπορεί να προσθέσει κατασκευή από έξω. Λειτουργεί μόνο με το πραγματικό κείμενο που παρέχετε.

4. Εκπροσωπήστε τις απόψεις με ειλικρίνεια σε σύνθεση. Παρουσιάστε τα διαφορετικά στρατόπεδα στα δυνατά τους. Μην γελοιογραφείτε μια γνώμη.

Συμβουλή: Όταν έχετε την τεχνητή νοημοσύνη να κάνει μια περίληψη λογοτεχνίας, δώστε της εντολή «να βασιστεί μόνο στα κείμενα που σας δίνω, να προσθέσετε συγγραφείς ή άρθρα από τη δική σας μνήμη». Αυτό περιορίζει σε μεγάλο βαθμό την εξωγενή ψευδαίσθηση και συνδέει κάθε αξίωση με το κείμενο που παρέχετε.

τρεις μίνι θήκες

Περίπτωση 1 — Επινοήθηκε η κατασκευασμένη απόδοση. Ένας μεταπτυχιακός φοιτητής ζήτησε από την τεχνητή νοημοσύνη τα "8 άρθρα με τις περισσότερες αναφορές" για ένα θέμα. Ο μαθητής έψαξε τη βάση δεδομένων της βιβλιοθήκης για κάθε μία: 3 από τις 8 πηγές δεν υπήρχαν καθόλου — δημιουργημένα άρθρα με το όνομα πραγματικών συγγραφέων, άρθρα που φαίνονταν αληθινά αλλά δεν υπήρχαν. Ο μαθητής εξάλειψε αυτά τα 3 και διόρθωσε τα υπόλοιπα 5 με τις πραγματικές τους ετικέτες ταυτότητας. Το βήμα επαλήθευσης εμπόδισε 3 αναφορές φαντασμάτων να εισέλθουν στη διατριβή.

Περίπτωση 2 — Δεδομένου του κειμένου, η σύνθεση ήταν ασφαλής. Ένας λέκτορας συγκέντρωσε ο ίδιος 6 πραγματικά άρθρα ως PDF και έβαλε το AI να συγκρίνει μόνο αυτά τα κείμενα και να δημιουργήσει έναν πίνακα θεμάτων. Η έξοδος ήταν έτοιμη σε 30 λεπτά και δεν περιείχε ψευδείς πηγές επειδή το AI λειτουργούσε μόνο με τα πραγματικά κείμενα που παρέχονται. Ο ομιλητής συνέδεσε κάθε αναφορά θέματος με το αντίστοιχο άρθρο.

Περίπτωση 3 — Διορθώθηκε η παραμόρφωση της όρασης. Ένας ερευνητής ζήτησε από την τεχνητή νοημοσύνη να συνοψίσει δύο αντίθετες ηθικές θέσεις. Η AI παρουσίασε τη θέση της μειοψηφίας με αδύναμο και στερεότυπο τρόπο. Όταν ο ερευνητής στράφηκε στα κείμενα των αρχικών υποστηρικτών αυτής της θέσης, βρήκε ένα πολύ ισχυρότερο επιχείρημα και διόρθωσε τη σύνθεση. Η τάση της τεχνητής νοημοσύνης να απεικονίζει το «δημοφιλές ως ισχυρό και τη μειοψηφία ως αδύναμο» έχει εξισορροπηθεί από την ειλικρινή εκπροσώπηση.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Δώστε τις 10 κορυφαίες πηγές σας για αυτό το θέμα και τις περιλήψεις τους.

Αυτή η προτροπή είναι ένα εργοστάσιο ψεύτικης πηγής: το AI δημιουργεί ρεαλιστικά αλλά πλαστά αναγνωριστικά από τη μνήμη του και εμπιστεύεστε τη λίστα προτού μπορέσετε να την επαληθεύσετε.

Ισχυρή προτροπή:

Ο ρόλος σας: προσεκτικός βοηθός λογοτεχνίας. Θα κάνουμε ΔΥΟ ΣΤΑΔΙΑ. Στάδιο 1 (χάρτης): Σχεδιάστε τα κύρια στρατόπεδα, τις κεντρικές έννοιες και τις βασικές διακρίσεις αυτής της συζήτησης. ΜΗΝ ΠΑΡΕΧΕΤΕ ΠΙΣΤΩΣΕΙΣ ΠΗΓΩΝ. απλά δώστε έναν εννοιολογικό χάρτη. Φάση 2 (σύνθεση): Θα συγκρίνουμε τα πραγματικά κείμενα που θα σας ανεβάσω. Απλά βασιστείτε στα κείμενα που παρέχω, μην προσθέτετε συγγραφείς/άρθρα από μνήμης. Συνδέστε κάθε αξίωση με το σχετικό κείμενο. Θέμα: [εισάγετε θέμα εδώ]

Αυτό το αίτημα αποτρέπει την παραγωγή πλαστών αποτυπωμάτων. Λαμβάνει τον εννοιολογικό χάρτη από το AI και τους πραγματικούς πόρους από εσάς.

Τέσσερα πρότυπα με δυνατότητα αντιγραφής

1) Εννοιολογικός χάρτης (χωρίς πηγές):

Προσδιορίστε τα κύρια στρατόπεδα του [θέματος] συζήτησης, τον κεντρικό ισχυρισμό κάθε στρατοπέδου και τα κύρια σημεία διάκρισης μεταξύ των στρατοπέδων. Αναφορά πηγής/CITATION; Απλώς δώστε έναν εννοιολογικό χάρτη. Εάν δεν είστε σίγουροι, σημειώστε τη διάκριση ως "πρέπει να επαληθευτεί".

2) Πίνακας σύνθεσης δεδομένων κειμένων:

Παρακάτω σας δίνω Ν πραγματικά κείμενα. Με βάση μόνο αυτά? προσθήκη εξωτερικών πόρων. Εμφανίζεται ένας πίνακας: γραμμές = θέμα σύγκρισης, στήλες = θέση κάθε κειμένου σε αυτό το θέμα. Αναφέρετε το όνομα του σχετικού κειμένου σε κάθε κελί. Κείμενα: [επικόλληση κειμένων]

3) Παραγωγή λίστας ελέγχου επαλήθευσης πηγής:

Για κάθε αναφορά στη λίστα πηγών παρακάτω, εμφανίζεται μια λίστα ελέγχου στον μεμονωμένο κατάλογο των πεδίων που πρέπει να επαληθεύσω: συγγραφέας, πλήρης τίτλος, έτος, περιοδικό/εκδοτικός οίκος, τόμος/τεύχος, σελίδα, DOI. ΕΣΕΙΣ επαληθεύετε την αυθεντικότητα της πηγής. Αναφέρω μόνο τις περιοχές που θα ελέγξω. Λίστα: [πηγές επικόλλησης]

4) Έντιμος έλεγχος εκπροσώπησης:

Στην παρακάτω σύνθεση, ελέγξτε εάν κάθε θέση παρουσιάζεται στην πιο δυνατή μορφή της ή σε μια αδύναμη καρικατούρα. Έχει αποδυναμωθεί άδικα μια μειοψηφική ή μη δημοφιλής γνώμη; Επισημάνετε όπου απαιτείται δικαιότερη εκπροσώπηση. Σύνθεση: [επικόλληση κειμένου]

Πίνακας επιπέδου αξιοπιστίας πηγής

Από πού προέρχεται η πηγή

Επίπεδο εμπιστοσύνης

Τι να κάνουμε

Αποτύπωμα που παράγεται από μνήμη AI

πολύ χαμηλά

Επαληθεύστε ή απορρίψτε ακριβώς στον κατάλογο

Το κείμενο που παρέχετε και το AI συνοψίζει

ψηλά

Συνδέστε την αξίωση με το κείμενο

Κατάλογος βάσης δεδομένων/βιβλιοθήκης με κριτές

ψηλά

Χρησιμοποιήστε το αποτύπωμα κυριολεκτικά

Επίσημη σελίδα εκδότη / περιοδικού

ψηλά

άμεσο αξιόπιστο

Συνήθη λάθη

  • Βασιζόμενος στη λίστα πόρων του AI. Το πιο καταστροφικό λάθος. Κάθε αποτύπωμα δεν μπορεί να χρησιμοποιηθεί χωρίς να έχει επαληθευτεί σε ανεξάρτητο κατάλογο.
  • Τεστ «Φαίνεται ρεαλιστικό». Ακριβώς επειδή μια αναφορά φαίνεται πειστική δεν σημαίνει ότι είναι αλήθεια. Τα φτιαγμένα αποτυπώματα φαίνονται εξίσου πιστευτά.
  • Αποδοχή DOI χωρίς επαλήθευση. Η τεχνητή νοημοσύνη μπορεί να παράγει πλαστό αλλά τυπικά σωστό DOI. Αναλύστε το DOI και δείτε αν έχετε φτάσει στο πραγματικό άρθρο.
  • Καρικατούρα τη θέα. Η τεχνητή νοημοσύνη τείνει να παρουσιάζει τη θέση της μειοψηφίας ως αδύναμη. Παρέχετε ειλικρινή εκπροσώπηση.
  • Μη ορισμός ορίων εξωτερικών πόρων. Το να ζητάς μια σύνθεση χωρίς να πεις «απλώς βασίσου στα κείμενα που σου δίνω» ανοίγει την πόρτα σε εξωτερικές κατασκευές.

Συνοπτικά

Η ανασκόπηση της βιβλιογραφίας είναι το θεμέλιο της φιλοσοφικής εργασίας και η τεχνητή νοημοσύνη μπορεί να την επιταχύνει — αλλά η πιο επικίνδυνη παγίδα στις ανθρωπιστικές επιστήμες είναι κατασκευασμένες πηγές και παραπομπές. Η ασφαλής διαδρομή είναι ξεκάθαρη: χρησιμοποιήστε AI για τον εννοιολογικό χάρτη, όχι τον κατάλογο πόρων. επαληθεύστε κάθε αποτύπωμα αυτολεξεί σε σχέση με μια ανεξάρτητη βάση δεδομένων. να γίνει η σύνθεση, κατά προτίμηση με τα πραγματικά κείμενα που παρέχετε. και αντιπροσωπεύουν με ειλικρίνεια κάθε άποψη στην πιο δυνατή της. Το "Φαίνεται ρεαλιστικό" δεν είναι επαλήθευση. Η ακεραιότητα της πηγής είναι η εγγύηση της ακαδημαϊκής σας αξιοπιστίας.

Εργασία εφαρμογής

  1. Εξαγωγή στρατοπέδων για ένα θέμα από την τεχνητή νοημοσύνη με ένα πρότυπο "εννοιολογικού χάρτη" (χωρίς πηγές).
  2. Επίσης, το AI να παράγει 6 ετικέτες πόρων.
  3. Αναζητήστε αυτές τις 6 ετικέτες μία προς μία σε έναν αξιόπιστο κατάλογο. Προσδιορίστε πόσα είναι αληθινά και πόσα είναι ψεύτικα.
  4. Διαβάστε μόνοι σας 2 από τα πραγματικά και ζητήστε από την τεχνητή νοημοσύνη να δημιουργήσει έναν πίνακα σύνθεσης.
  5. Ελέγξτε εάν μια προβολή αναπαρίσταται σωστά στη σύνθεση.

λίστα ελέγχου

  • [ ] Χρησιμοποίησα AI για τον εννοιολογικό χάρτη, όχι ως κατάλογο πόρων.
  • [ ] Έχω επαληθεύσει κάθε αναφορά πηγής αυτολεξεί στον ανεξάρτητο κατάλογο.
  • [ ] Αφαίρεσα τις ψεύτικες πηγές από τη λίστα.
  • [ ] Έκανα τη σύνθεση με αληθινά κείμενα που παρείχα όσο το δυνατόν περισσότερο.
  • [ ] Συνέδεσα κάθε αξίωση με το σχετικό πραγματικό κείμενο.
  • [ ] Αντιπροσώπευα κάθε άποψη στην πιο δυνατή και ειλικρινή της μορφή.