目錄

20200718 想法源起 20200719 我們在做什麼(一) 20200722 我們在做什麼(二) 20200725 竟然成為數學家(一) 20200729 竟然成為數學家(二) 20200801 竟然成為數學家(三) 20200805 不同職級(一) 20200808 不同職級(二) 20200812 趕客系列(一)為什麼讀大學? 20200815 趕客系列(二)不同大學學位跟工作的關係 20200819 趕客系列(三)大學的目的 20200822 趕客系列(四)大學為什麼要有主修 20200826 趕客系列(五)要挑選一個什麼樣的主修 20200829 沒有無緣無故的恨(一) 20200831 科普系列 - 數學與電影動畫製作(一) 20200902 沒有無緣無故的恨(二) 20200905 沒有無緣無故的恨(三) 20200907 科普系列 - 數學與電影動畫製作(二) 20200909 終身職位的評核 20200912 學術界吸引人的地方 20200914 科普系列 - 數學與電影動畫製作 (三) 20200916 學術界辛苦的地方(一) 20200919 學術界辛苦的地方(二) 20200921 科普系列 - 數學與電影動畫製作 (四) 20200923 大學的讀書成績有多重要 20200926 本科生研究機會 20200928 科普系列 - 數學與圖像修復(一) 20200930 用創新的方法去教育科學 20201003 參加研討會的重要 20201005 科普系列 - 數學與圖像修復(二) 20201007 教授與教學 20201010 研究是什麼(一) 20201012 科普系列 - 數學與圖像修復(三) 20201014 研究是什麼(二) 20201017 研究是什麼(三) 20201019 科普系列 - 數學與圖像修復(四) 20201021 如何閱讀研究論文 20201024 研究生應該修什麼課 20201026 科普系列 - 數學與圖像修復(五) 20201029 本科生的多主修多副修 20201102 科普系列 - 數學與數獨(一) 20201105 幾位教授(一) 20201109 科普系列 - 數學與數獨(二) 20201112 幾位教授(二) 20201116 科普系列 - 數學與數獨(三) 20201119 幾位教授(三) 20

ChatGPT在科研的應用(一)

 


在以前提到生成式人工智能(下面簡稱人工智能)時,相關的討論主要聚焦於其能力和在教育或學習上的應用方法。然而,在研究使用方面,卻缺乏足夠的探討。這可能是因為技術相對較新,大部分研究學者未必熟悉其使用方法。此外,由於每個人對研究都有自己的心得和解決問題的方法,如何與人工智能配合,並不一定能讓他們更加得心應手。

曾經讀過黃易的小說《覆雨翻雲》,其中提到一把絕世寶刀,名為鷹刀。武林高手可以藉由鷹刀傳說中的傳鷹和鷹緣活佛,窺探武學精粹,用家可吸收宇宙精神力量,提升自己的功力。故事中描述了武林中各人為了爭奪這把寶刀而瘋狂鬥爭。然而,對於真正的高手而言,即使這把寶刀放在他們面前,他們仍會猶豫不決。故事中提到,這把刀在普通兵器室內顯得不起眼,但當高手進入練武室時,大家一方面會對它產生異樣的感覺,另一方面會盡力保持內心平靜,避免受到它的影響。作者通過女主角夢瑤的解釋,揭示各大門派掌門都有類似的反應,因為他們都經過長時間的摸索,對武道有自己的見解,並對這些成果珍惜不已。如果他們憑藉這把鷹刀窺探通向武道不同之路,他們不知道是否會對自己已領悟的武道產生負面影響,進而得不償失。因此,這把刀對於高手而言, 並不一定能增加他們武學修為,反而可能會影響了他們武道的認知。基於這些判斷,這些武林中視都盡量不會顯示出他們對這把武器的感受。

鷹刀猶如人工智能,擁有它,你就能夠連接宇宙,獲得無盡的知識。然而,能否將這些力量融會貫通,運用到自己的技藝中,則取決於個人的天賦、掌握和理解能力。此外,對於教授而言,他們經過多年的學習,建立了自己的研究方式和問題解決方法。然而,人工智能是否能幫助他們的研究,並沒有一個確定的答案。學習新技能所需的時間可能比真正進行研究的時間還要長。因此,對於長期從事研究的人來說,學習如何使用人工智能技術可能並不具有很大的誘因。

回顧過去幾周有關人工智能的討論,我們不禁想象這些新技術如何有助於科學研究。然而,討論可能不會深入,並且由於技術日新月異,文章正式發表後,科技可能已經有所更新,討論的結果也可能不盡完美。儘管如此,我們可以拋磚引玉,共同探討這個議題。

其中一個對ChatGPT生成式人工智能的批評是,它的內容不一定準確。尤其是對於一些資料性的問題,可能隨機作答,給出的答案可能是似是而非的,這樣的結果不能成為我們使用人工智能幫助研究的理由。因為科研需要準確的結論,過程不能馬虎了事,每一步都需要有充足的證據去證明和立論。每個論點都必須基於事實,如果中間推論過程有任何缺失,我們研究的成果也可能因此作廢。因此,大多數人不相信生成式人工智能可以幫助我們進行研究。有些讀者可能也同意,發覺一些人工智能不僅會給出錯誤的答案,而且可能不承認自己的錯誤,這也增加了使用人工智能進行研究的風險。

我認為這其實與人類本身有些相似。有時即使在課堂上學習的知識也不一定完全正確。有時我們在課堂上提出的問題,也未必能立即給出正確的答案。有時甚至需要到下一節課才能修正答案。對於同學提出的問題,我們也未必能立即給予正確的答案。有時可能只能簡單地想一想,給出一個近似的答案,之後在課後仔細回想時才發現瑕疵,只能在下一節課重新講解。在研究時,我們在網上尋找資料,但這些資料也不一定完全正確。科學理論也需要隨著時間不斷修正和調整,以解釋更多的現象,這正是建模的過程,也是科學界多年來一直相信的理論架構。

留言