仅一年时间，ChatGPT深入科学研究，专家分享用法与体会

在短短的一年时间里，ChatGPT已广泛应用于科学研究领域的各个方面。为此，七位权威科学家纷纷分享了自己对于该聊天机器人正确与错误使用方法的认识和感悟。

在本文中，我们将探讨一篇文章的撰写技巧。这篇文章的标题是“AI聊天机器人ChatGPT一年回顾：谁在使用它、如何使用以及为什么”。首先，我们需要明确文章的目的和受众。本文旨在向读者介绍ChatGPT聊天机器人的基本概念、功能和应用场景，并分析它在过去一年中的使用情况和发展趋势。为了实现这个目的，我们将采用以下几个部分来展开论述。首先，我们将简要介绍ChatGPT的基本原理和功能。作为一款基于人工智能技术的聊天机器人，ChatGPT能够模拟人类的对话方式，通过理解用户的问题和指令，提供及时、准确的回答和建议。ChatGPT在医疗、教育、金融等多个领域都有广泛的应用前景。接下来，我们将详细分析ChatGPT在过去一年的使用情况。从文章链接提供的数据来看，ChatGPT的使用者数量和使用的频率都在不断增长。这主要得益于ChatGPT的高效、智能和个性化特点，使得它在短短时间内便成为了最受欢迎的人工智能助手之一。此外，我们还将深入探讨ChatGPT的使用体验和效果。通过对一些实际案例的分析，我们可以看到ChatGPT在某些方面的表现确实优于人类。例如，在医疗领域，ChatGPT能够快速准确地诊断病情，大大提高了医生的工作效率。而在教育领域，ChatGPT则可以为用户提供个性化的学习建议和辅导，提高学习效果。最后，我们将讨论ChatGPT的发展趋势和潜在影响。随着人工智能技术的不断发展，ChatGPT的功能和性能将会得到进一步提升。未来，我们有理由相信ChatGPT将在更多领域发挥更大的作用，给我们的生活带来更多的便利和惊喜。总之，本文将系统地介绍ChatGPT的基本概念、功能、使用情况和发展趋势，为读者提供一个全面了解ChatGPT的视角。希望这篇文章能为你在撰写相关题材的文章时提供一些启发和帮助。

责编 | 夏萌

出处   | baoyu.io

在2022年11月30日，OpenAI公司推出了一款名为ChatGPT的先进聊天机器人，该机器人能够像人类一样对指令做出响应，引起了全球科学界和公众的热烈关注。仅仅五天内，就有超过一百万用户注册使用了这款机器人，而现在用户数量已经超过了1.8亿。据七位研究者向《自然》杂志透露，ChatGPT的出现改变了他们进行研究的整个过程。首先，它的出现极大地提高了研究的效率。传统的科研方法往往需要花费大量的时间和精力来处理和分析数据，而ChatGPT可以快速地提供有价值的信息，从而节省了研究人员的时间和精力。其次，ChatGPT能够提供更加客观和准确的研究结果。由于它没有人类的偏见和情感影响，所以可以更准确地理解和分析数据，得出更为客观的研究结论。最后，ChatGPT也带来了新的研究思路和方法。它可以进行自我学习和优化，从而帮助研究人员发现新的研究方法和思路，进一步推动科学研究的发展。总的来说，ChatGPT的出现不仅改变了科研人员的工作方式，也对科学研究产生了深远的影响。它的出现预示着未来科技的发展方向，也让我们看到了人工智能在科学研究中的巨大潜力。

MARZYEH GHASSEMI：在医疗保健中应修正而非扩大偏见

作为一位计算机科学家，Marzyeh Ghassemi采用生成式人工智能（Generative AI）的方法来整理她的研究成果。通过这种技术，她能够有效地将大量的信息转化为简洁、清晰的总结，从而帮助读者快速了解她的研究成果。

在我国人工智能领域，生成式语言和图像模型技术的突破性进展备受关注。作为一名专业的文章写作高手，我经常运用ChatGPT这一强大工具，根据不同的需求，将其应用于各种场景中。例如，我可以将其用于科学 abstract 的改写，使其更易于广大读者理解；也可以用于向财务官员简要阐述我的研究成果；甚至可以用来起草文章、电子邮件或论文的开头部分。总的来说，ChatGPT 的应用大大提高了我在创作中的效率和效果。

生成式 AI 或许能彻底改变医疗保健——但前提是不能让大型科技公司掌握主导权

我对于运用生成式AI工具进行创作的内容表示担忧，这种现象无论对于学生、专业人士、企业还是普通大众都存在。这些工具的频繁使用往往会导致“幻觉”效果的出现，也就是提供不准确甚至虚构的信息。

更令人担忧的是，文本和图像生成容易受社会偏见的影响，而这些偏见并非易于修正。在医疗领域的一个例子是 Tessa，这是一个美国非营利组织运行的帮助饮食失调患者的基于规则的聊天机器人。在加入生成式 AI 之后，这个现已暂停使用的机器人提供了有害的建议。在一些美国医院，生成模型用于处理和生成电子病历的部分内容。然而，这些系统背后的大语言模型（LLMs）并不提供医疗建议，因此不需要美国食品药品监督管理局的认证。这意味着确保 LLM 的使用准确性和公平性实际上取决于医院，这是一个严重的问题。

总的来说，无论是在普通场景还是医疗环境中，使用生成式 AI 工具都需要进行更多以社会责任为导向的研究，而不仅仅是追求效率或利润。这些工具虽然灵活强大，能够加速账单处理和信息传递，但如果部署不当，就会加剧现有的公平性问题。例如，研究发现，聊天机器人会根据患者的性别、种族、民族背景和社会经济地位推荐不同的治疗方案（参见   J. Kim   et al. JAMA Netw. Open   6, e2338050; 2023 ) 。

我们必须明白，生成式 AI ( Generative AI ) 模型反映并扩大了其训练数据的内容。鉴于人类极易被仿真逼真的 AI 生成文本所说服，利用这种 AI 促进健康公平至关重要。例如，通过同情心训练或提出减少偏见的编辑建议，而不是简单地加速现有的医疗体系，这样做可能会加剧不平等并产生误导性的幻觉。AI 应该致力于促进医疗保健系统的改进和转型。

ABEBA BIRHANE: 思考是否真的需要使用

Abeba Birhane 是一名认知科学家。

大语言模型（LLM）现已广泛应用，许多学者为了不落伍，纷纷加入这一潮流。他们可能还没弄清楚如何具体运用这项 AI 技术，但似乎都觉得这种先进技术肯定有其用武之地——就好比手里有锤子，到处寻找钉子一样。虽然人们普遍认为生成式 AI 会大幅改变社会，但这项技术的确切用途和无争议的优势仍然模糊不清。

无论是在学术研究、新闻报道还是政策报告中，生成式 AI 的潜在益处常常被过度夸大，而其失败、局限和缺陷则往往被忽略或只是一带而过。关于这一技术的批评性讨论也相对有限，仅集中在准确性、可靠性、性能等方面，以及模型训练依赖的数据和模型权重是否为开源或封闭源。尽管这些问题重要，但一个基本的问题却鲜少被提出：我们是否真的需要使用这项技术——尤其是在解决像医疗保健这样复杂多面的问题时？

以医疗保健为例，虽然有提议在低收入和中等收入国家采用基于 LLM 的方案，但众所周知，AI 系统往往加剧了社会偏见（参见   J. Shaffer   et al. BMJ Glob. Health   8, e013874; 2023）。要真正理解并解决全球健康不平等问题，我们需要触及到社会现实的深层次原因，比如直面殖民主义和奴隶制的历史遗留问题，以及全球南北之间权力和财富的不均等分配——这意味着某些人群的健康问题被视为比其他人群更为重要。

提出一个简单的 ” 技术解决方案 ” ——以行动的名义——远比正视这些深层次挑战来得容易。我们真正需要的，是政治意志和权力资源的公正分配，而非仅仅依赖大语言模型。

MUSHTAQ BILAL: 把 ChatGPT 作为构架思路的工具，而非内容创造者

ChatGPT 面世之初，我正忙于从巴基斯坦迁往丹麦，开始我的博士后生涯，没能即时关注这一技术。但我始终密切关注着社交媒体上的相关讨论。

今年一月，我的朋友 Rob Lennon 分享了他如何使用 ChatGPT 于商业领域的经验，这在 X（原 Twitter；详情见   go.nature.com/3teexb1）上引起了广泛关注。我借鉴了他的方法，在学术写作中尝试应用 ChatGPT，并在社交媒体上分享了我的经验（详情见   go.nature.com/3swrztn），引发了热烈反响。从那以后，我探索并分享了更多将 ChatGPT 应用于学术领域的方法，这些分享发生在 X 和专注于职业发展的 LinkedIn 平台上。

我最重要的一个观点是，生成式 AI 擅长搭建框架，而不是填充内容。大语言模型（LLMs）的训练目的是预测下一个词汇，这导致由聊天机器人生成的内容往往较为常规，而真正的原创研究则远不止于此。

换个角度，ChatGPT 可以成为你的头脑风暴伙伴。它或许不能提供突破性的创意，但通过恰当的引导，确实能帮你朝正确的思路发展。它还能帮助你勾勒出研究论文的大纲，为你的研究提供一个良好的开端。

OpenAI 最近推出了几款为特定用途定制的 ChatGPT 版本，涵盖了教学和研究等领域。例如，可以为特定课程定制 ChatGPT，使其在回答问题时始终依据课程资料，这有助于避免机器人产生错误的 ” 幻觉 “，为学生提供了一个可靠的学习资源。

SIDDHARTH KANKARIA: 定制化教学的新工具

Siddharth Kankaria 发现，生成式 AI（Generative AI）在教学科学交流方面展现了巨大潜力。

最初，ChatGPT 在科学传播方面的潜力让我充满期待。它看起来能够清晰、简练且通俗地总结科学论文，帮助深奥的术语变得浅显易懂。但很快，我意识到这些看似美好的应用实际上需要谨慎对待和反复校对。我发现，明智的做法是有目的地使用 ChatGPT，并全面考虑其优缺点。

今年早些时候，我在教授中学生科学交流和公共参与时，就抓住了这样一个机会。在这个领域，创造力和批判性思维是非常关键的。作为 ” 实践中学习 ” 的坚定拥护者，我设计的课程既参与性强又富有互动性。我通过即兴游戏、表演、辩论和讨论等方式，让学生们接触到科学交流的各种概念，比如讲故事、观众定位、以及伦理和社会正义等方面。

我利用 ChatGPT 来为课堂活动构思灵感、问题和内容。例如，它迅速整理出 50 个科学隐喻，如将 DNA 比作 ” 生命的蓝图 ” 和把重力描述为 ” 床单上的球体 “。

我意识到许多学生可能会在这些活动和小组项目中使用 ChatGPT。我没有限制他们使用这个工具——当我自己也在依赖这个聊天机器人时，限制他们使用它似乎有些虚伪——相反，我鼓励他们自由地使用 AI 工具，同时也要思考这些工具的局限性。在一次关于科学写作的课上，我们一起评估了由学生和 ChatGPT 编写的研究论文摘要，这些摘要是匿名的。这次活动引发了关于什么是好的开场白、AI 工具的局限以及如何提升个人写作技巧的精彩讨论。

至少在教授和传播科学的背景下，我认为，逐步接受新技术，同时严格审视其偏见和潜在缺陷，是一种非常明智的做法。

CLAIRE MALONE：不常靠谱，但总能带来欢乐

科学记者 Claire Malone 表示，要想有效使用 ChatGPT，关键在于懂得如何提问以避免无关的答案。Credit: Claire Malone

一年前，我对 ChatGPT 在我的科学传播工作中的实用性持怀疑态度。我的工作核心是把复杂的科学概念变得通俗易懂。事实证明，我的一些顾虑是有道理的。比如，当我让这个聊天机器人把我的博士论文摘要简化表达时，结果并不尽如人意。它保留了过多专业术语，没有把关键概念讲得浅显易懂。

但 ChatGPT 确实有其优点。首先得知道怎样提问才能避免无关紧要的答案。我发现 ChatGPT 是快速了解一个主题概况的有效工具，之后我还可以进一步深入探究。随着 ChatGPT 功能和精确度的日益增强，未来几年里，每个用户的体验将越来越个性化。

我认为，它在激发人们对广泛话题的好奇心方面发挥着重要作用。它是一个即时的、互动式的信息来源——尽管并非总是准确无误。它的作用与记者不同，记者不仅要核实事实，还会考虑更广泛的影响，并经常聚焦于读者可能不曾想到探讨的话题。

ETHAN MOLLICK: 在教育中拥抱人工智能

我在教学中不避讳使用人工智能，而是将其整合到每项作业和课程中。基于这种实验和对生成式 AI 工具的早期研究，我对未来的看法如下。

AI 作弊将难以检测且普遍存在。AI 检测工具经常会产生大量误判和漏判，尤其是对于那些英语非母语的学生（详见 go.nature.com/47am62d）。因此，教师需要探索除了传统家庭作业之外的学生评估方法。

AI 技术将无处不在。目前，ChatGPT-3.5 是免费的，微软的 Bing 和谷歌的 Bard 也是如此。所有这些由大语言模型（LLM）驱动的系统为每个人提供了前所未有的写作和分析能力。即便技术不再进步（但实际上它还会），我认为它的普及程度会增加，且成本将保持在合理范围内。

AI 将彻底改变教学方式。学生已经在使用大语言模型作为辅导工具和学习参考。就像一个学生说的那样：” 如果你可以向 ChatGPT 提问，为什么还要在课堂上举手？” 我们需要深入思考如何将这些工具及其优缺点融入课堂。我们可以找到既利于教师，又利于学生和整体教育的方法。随着模型变得更加精准和强大，它们可能会直接承担教学角色。但是，直接教学只是教师角色的一小部分。课堂提供了更多，例如练习学习技能、协作解决问题、从教师那里获得支持以及社交活动。

即使有了优秀的 AI 辅导，学习环境仍然会提供额外价值，但这需要采纳像主动学习和翻转课堂这样的教学方法（在翻转课堂中，学生在上课前就已获取课程资料，上课时教师主要促进小组讨论）。这些方法已被证明非常有效，但由于教师面临的限制，实施起来一直颇具挑战。AI 有可能成为这种变革的催化剂。

我们以前也经历过类似的变革。比如，20 世纪 70 年代计算器的引入，彻底改变了数学教学的方式。现在，教育面临着一个更大的挑战，但同时也带来了机遇和风险。以道德和恰当的方式实验 AI，可以帮助我们探索如何运用教学原则来提升学生学习效果的最佳方法。

FRANCISCO TUSTUMI：迫切需要透明度

Francisco Tustumi 认为，由大语言模型（LLM）驱动的聊天机器人需要对批判性审查更加开放。

随着 ChatGPT 和其他生成式 AI 系统展现出的强大能力，有人开始认为这些工具可能最终会替代人类在科学文章审查和写作方面的工作。确实，这些系统在稿件准备和审查中，包括数据搜索方面，可能会发挥作用。但它们也有局限性。

首先，ChatGPT 并非搜索引擎 — 研究已显示它会给出错误的答案（S. Fergus et al. J. Chem. Educ. 100, 1672 – 1675; 2023）。此外，它在构建文本的过程中缺乏透明度。科学论文必须拥有明确且可复制的研究方法。文章应详细介绍信息来源、搜索、选择、数据提取和报告策略，让读者能够全面评估文章中的数据和文本。

希望将来的 AI 程序能更适合进行这样的批判性评估。在那之前，它们还不能可靠地用于学术论文的撰写和审查。

▶