AI专题·X：用ChatGPT进行对话式学习
对话式的学习也许是「学习」最原本的样子。
OpenAI的CEO山姆·阿尔特曼（Sam Altman）在一次访谈中提到，他现在宁可通过ChatGPT——而不是读书——学习一个东西。那怎么学呢？
这是一种对话式的学习。这也许是「学习」最原本的样子。我们设想，在书籍变得流行之前，在没有正规教材，甚至都没有正规课堂的时候，在孔子和苏格拉底那个时代，学习大概就是以师生问答的形式进行的。
再比如说，如果你是皇太子，全国学问最好的几位师傅专门教你一个人，你会怎样跟他们学。你大概会跳过所有的繁文缛节和场面话，要求老师直达学问的本质。你会根据你的理解反复提问，老师会给你提供最直接的反馈。而且老师会根据你的情况用最合适的语言教你。你听不懂还可以要求老师换一套更通俗的语言……对吧？
正所谓「假传万卷书真传一句话」，这种学法的效率显然要高得多。
可是如果你学每一项知识，都能跟老师进行两个小时的问答，得到专门针对你的指导，那是一种什么局面。
现在好了，ChatGPT能做到这些。
✵
搞个小项目是跟ChatGPT学习哲学家康德的《纯粹理性批判》。这本书以晦涩难懂著称。
首先，让ChatGPT简单讲讲康德的《纯粹理性批判》的逻辑和观点 ——
这里边的核心思想是康德认为人的理性不足以认识世界真正的本质。为了确认这个理解是对的，立即提问：康德是否认为物理学反映了世界的本质？
ChatGPT的回答符合我的预期。数学应该是特殊的，数学是超越宇宙的存在，应该属于世界的本质。于是又问ChatGPT：数学呢？——
ChatGPT说，康德一方面认为数学是人类理性能力的最高表现，一方面也承认，数学在某种程度上能够揭示世界的本质规律。然后它又说，“不过，康德也强调，数学只能探讨与数量相关的问题，而不能探讨其他方面的问题……”
开始问ChatGPT各种问题，有的是为了验证自己的理解，有的是自己真不知道，需要解惑——
* 我们的先验结构是世界本质的一部分吗？
* 理性是世界的本质吗？
* 康德的“物自体”是什么？
* 为什么康德认为理性不足以认识世界的本质，世界本质除了理性之外，还有什么？
* 世界为什么一定有个本质？也许世界就是我们的先验结构。
* 有什么证据表明在我们的认知能力之外，还有不可被我们认知的世界的本质？
* 康德是否认为理性认知高于感性认知？二者的区别是什么？
* 康德说“人为自然立法”，是什么意思？
* 康德哲学中，感性、知性和理性的区别是什么？……等等等。
ChatGPT一一做答，它说的非常自洽。其中还让ChatGPT举个例子说说物自体究竟是什么，它也说的挺好——
还质问它，有什么证据表明在我们的认知能力之外，还有不可被我们认知的世界的本质？ChatGPT表示没有直接的证据，但是康德这么想是有道理的——
这样从各个侧面反复追问之后，基本就搞清楚了。康德的体系中，世界的道理大约可以分为四层 ——
1. 感性，也就是人人都有的最基本的感知；
2. 知性，是个人对感性经验的总结和分类，可以每个人总结出不一样的东西，可以是错的；
3. 理性，是超越感性经验和知性认识，直指事物本质和普遍规律的东西，包括物理定律。理性是客观的，每个人用理性应该得到同样的结论；
4. 物自体，是世界真正的本质，是人类理性也许无法全面认识的。
所谓纯粹理性批判，就是说理性认识有局限性，人不能真的认识世界的本质，给人的认知找到了边界。
这一切都很好，但注意到，康德所理解的理性，跟我们现在理解的理性，似乎有个重大差别：我们现代人认为理性认知得出的结论也是临时的，也可以说是主观的，比如牛顿定律会被爱因斯坦相对论取代——而康德似乎认为物理定律一旦成形就是不变的。
这个理解对吗？康德可没见过物理学的历次革命……但是幸好，不是在跟康德，而是在跟ChatGPT对话。于是又问ChatGPT几个问题——
* 人的理性是主观的吗？不同的人会总结出不同的、但同样可能正确的自然规律吗？
* 卡尔·波普尔、托马斯·库恩这些后来的哲学家，会怎样评价康德的客观理性认识？
* 后现代主义哲学对康德有哪些批评？
通过ChatGPT的回答，发现理解是对的。
学习过程中还很随便地问了一些在真实的课堂上有可能不太合适的问题，比如“康德会怎样看人工智能？”“人工智能是否可能拥有超越人类先验结构的认知能力？”“人的灵感可能来自物自体吗？” 它也都回答的挺好——
这能算是学会了《纯粹理性批判》吗？至少可以跟人谈论康德的观点了。不过可以立即验证掌握情况：让ChatGPT出几道康德哲学题考考——
它先出的都是主观题，不好作答，于是让它出选择题——
因为事先没说清楚，这些题目的范围已经包括了《实践理性批判》的内容，好在之前也了解一点。这些题都答对了 ——
如果你喜欢的话它还可以出判断题……
✵
你觉得这个学习体验怎样。总共花费没超过两小时，但是我觉得收获还是很大的。如果让我一字一句地读康德原文，自己想明白所有这些问题，那将是极为困难的——更何况康德原文里可没有托马斯·库恩和人工智能。
跟ChatGPT学习的危险在于，它可能会把知识讲错，它甚至可能给你凭空编造知识。当前ChatGPT最大的缺点就是对于不知道的东西它不说自己不知道，它给你编。有人用中国历史的一些冷门知识测试ChatGPT，它给出了胡编乱造的答案。
那可能是因为ChatGPT用的中文语料太少。网上流传一份资料说ChatGPT超过93%的语料是英文的，中文只占不到0.2%。
我们之所以能用中文跟ChatGPT谈论那么多问题，是因为它先把中文翻译成了英文再处理，然后再翻译成中文给你——而不是因为它学过那些问题的中文版。
跟ChatGPT学康德应该是安全的，毕竟关于康德的材料实在太多。但如果是比较冷门的东西，你就得多加小心。
✵
由此再进一步，能不能跟ChatGPT学习一本特定的新书呢？比如现在有本新书出来，你懒得自己读，就让ChatGPT替你读。它读完先给你大致说一下书中的内容，然后你问它各种问题，这样你就能迅速掌握这本书。
再或者，能不能让ChatGPT通读一个作者所有的作品，然后让它代表这个作者跟你聊，这岂不是很有意思？
这些，都已经有人做到了。
✵
你可能听说过一个哲学家叫丹尼尔·丹尼特（Daniel Dennett），在进化论、人的意识、认知心理学和计算机科学方面都很有思想。那你想不想跟丹内特聊聊呢？他可是还活着。
加州大学河滨分校的埃里克·施维茨格贝尔（Eric Schwitzgebel）等研究者，今年刚刚发布一篇论文，说的就是他们做了一个丹内特哲学聊天机器人。他们把丹内特所有的书和文章都输入给GPT-3，在GPT-3已有的知识的基础上，让它全面掌握了丹内特的思想。然后利用GPT-3的语言能力，让它扮演丹内特，回答问题。
研究者总共提出十个问题。基于GPT-3的四个模型把这些问题各自回答一遍，又让真正的丹内特也回答一遍。这样每个问题有五个答案，其中一个来自丹内特本人，四个来自AI。研究者想看看人们能不能区分AI丹内特和真丹内特，让受试者从中选择真丹内特的答案。如果AI和丹内特无法区分，那就等同于随机选，受试者选对的概率就应该是20%。
结果，25个熟悉丹内特领域的哲学家的平均得分是51%；经常阅读哲学博客的丹内特粉丝的得分也差不多如此；而其他领域的研究人员的得分跟随机选几乎就是一样的。尤其其中有两道题，AI的答案被专家普遍认为比丹内特本人的答案更像丹内特。
也就是说经过丹内特语料专门训练的AI，做出的答案几乎跟丹内特差不多。
✵
所以技术已经都有了，现在只是操作还比较麻烦。OpenAI设定每次给GPT-3喂料的长度不能超过大约2000个字，你得把一本书拆成很多小段才行……但是，现在已经可以做了。
现在已经有好几个应用推出了允许你跟名人的bot聊天的服务，还有公司搞出了AI心理咨询服务。这几天OpenAI把GPT-3.5的API流量降价了十倍，我们可以想见这样的服务会越来越多。
已经有一些公司（比如 https://www.askcorpora.com/ ）提供用你们公司所有的内部文档训练一个AI的服务。以后你要用到公司哪个知识，不用翻找也不用查阅，直接问AI就行。
那我们设想，如果给每本电子书、每个作者都做一个bot，你可以像我对康德那样通过跟作者对话的方式直接学习，这岂不是很好吗？
AI专题·X2：用GPT-4编程的体验
GPT会大大提高程序员的编程效率，它不但让编程更容易，而且让编程更值得了。
GPT-4是个威力无比强大的AI，但是绝大多数人根本没有让它充分发挥。把ChatGPT当做一个聊天机器人随便玩玩，既对不起你自己的时间和金钱，也对不起GPT。如果你家有个机器猫，你会只跟它玩脑筋急转弯吗？
GPT不是一个聊天工具，而是一个「生成性」AI。生成性的意思是它会创造内容。它能发挥到什么程度，不是取决于它，而是取决于你。能把GPT用到飞起，可能会是你平生最重要的几项技能之一。
这一讲探索一下GPT最厉害的一项功夫，编程。这是OpenAI的独门功夫，现在好几个大公司都推出了自家的大语言模型，有的参数比GPT多，但是会编程的，大概只有GPT一个。
搞个小项目是制作一个成语连线游戏。选择的程序语言是Python，假装一点都不会，从0基础开始。这次真正的程序员不是我，而是ChatGPT界面下的GPT-4模型。整个过程都是用中文交流
✵
首先需要验证GPT确实有我想要的东西。先让ChatGPT随机列举了10个成语，并且提供它们的解释。它做得很好——
那么就开始直接提需求了，“写一个Python 程序，把这些成语和它们的解释分开，分别列表，打乱顺序，在一张A4纸上分两列列出，形成一个连线题”。
说的比较笼统。并没有告诉它怎么做，没有设计详细算法。只是提了一个需求。事实证明这种小需求GPT完全可以胜任。
它立即听懂了要求，但是没有直接开始编程，而是先提醒安装一个「程序库」，因为这个库不是每台电脑上都有的，而这次编程会用到：
然后它就哗哗哗把整个程序写出来了。看一段截图，它把每一段程序实现的功能都用注释标记好了，方便我理解——
当然，作为零基础，并不想理解。整个程序只有70多行，很简单。
运行了程序，立即出错了。报错信息是说字体错误。GPT用的是英文字体，无法显示中文，它显然没有事先考虑到这一点。告诉它这个问题，它立即改正，还说“很抱歉给您带来了困扰” ——
还告诉去哪找中文字体。但运行之后又出错。这回连出错信息都没看，直接复制给它，它意识到加中文字体需要另外挂载一个库，告诉我应该怎么办，并且重新写出了完整的程序 ——
中间有个字体的路径还需要改一下，然后程序就运行成功了。生成了一个PDF文件，打开就是一套成语解释连线题 ——
也许你可以做着玩，但这还不是我想要的。我想要的是每次运行程序都生成一套新题，以至于我自己也可以做着玩。我不能每次都先用ChatGPT生成成语再复制到程序里，我必须把这一切给自动化，以至于我只要一个命令，就能得到一套新题。
为此，我们必须调用OpenAI 的 API。API就是干这个用的，它允许你的机器直接跟GPT远程对话，自动返回结果。
✵
这是我第一次使用API，我是零基础。不过没关系，我跟它一说，ChatGPT就非常善解人意地告诉我要用API必须先做些什么——
完全按照它给的步骤操作，它哗哗哗把整个程序写出来了。而且它还记得我们需要中文字体……这里有个小细节是GPT-4并不知道OpenAI开放了GPT-3.5的API而且流量价格便宜十倍，它一开始给的是老模型，是我自己改成了新的（model="gpt-3.5-turbo"）。
结果一运行又出错，把错误信息复制给它，它立即意识到问题所在并且做了修改——
然后它说，“现在，程序应该能够正常运行。请注意，使用 GPT-3.5 可能会产生额外费用。确保在使用之前了解相关费用。”
还怕浪费钱，真是贴心啊。又这样来回改了几次错误，程序终于顺利运行，说明API调用成功了，但是输出结果是这样的——
不但格式不对，而且成语和解释没有分开和打乱顺序。没办法给ChatGPT看图，只能用语言描述了问题所在，结果它一听就懂了！
它修改了程序，结果一运行又出了几次错。这时候它用了一个程序员常用的调试程序的办法：它让我在程序中间几处地方插入打印语句，看看中间结果，以此来发现问题到底出在哪一步——
运行了程序，告诉了它结果，然后它就找了问题所在 ——
这样折腾几次，我们——我和它——都意识到这是因为GPT-3.5的API输出的内容并不是标准化的格式，你必须自己想个办法区分哪里是成语，哪里是成语的解释。什么话都没说，ChatGPT自己想了个办法——找其中的冒号！成语和解释之间有个冒号，应该用冒号区分。
这一关过去，程序就运行成功了。但是输出结果不太理想 ——
又折腾了一番，程序突然又报错。这次错误非常有意思。原来GPT-3.5作为一个语言模型，跟你对话有时候会变一变语气，比如开头先客气一句：“好的，以下是10个中文成语或固定短语及其解释：”——它这一客气不要紧，ChatGPT之前用冒号算好的格式就不好使了。
但是ChatGPT马上又想了个办法——
等于是以更智能的方式寻找成语和解释。这个方法成功了， 不过后来ChatGPT干脆修改了我最初写给GPT3.5的提示语，让它每次必须按照标准格式输出——
我为我一开始没考虑到这一点而感到惭愧。
最后程序终于成功，输出的结果是这样的 ——
每次运行都是一套新题，成语和解释的顺序是打乱的，需要你连线 ——
其实版面还不够美观，但我已经满意了。你还可以把解释变成英文的，用这个程序练习英语……
总共花了三个多小时。
✵
这是一次神奇的编程体验。全程只有两次主动对程序做了调整，一次是ChatGPT给出的中文字体路径不对，一次是它后期对一个函数的定义顺序有点小问题，可能是因为反复修改造成的，我看出来就顺手改了。其实我的主要工作是严格按照ChatGPT的要求修改程序、运行程序并且把报错信息反馈给它。
它完全可以自己做这些事情。OpenAI之所以禁止GPT直接上手编程，是出于安全的考虑：你真不知道它能编出什么来。
当然我也不是一点贡献都没有。我的主要作用是提需求。这个程序的想法是我的，调取API这个“大设计”是我的，对最终结果接不接受的决定权也是我的……尽管连最后呈现的版面设计也是GPT做的。
这就是「自然语言编程」。像用Python调取API、生成表格这些功能我以前都没用过，我根本不知道——也无需知道——具体的编程语句是什么，我借助注释大概看看是什么意思就行。我甚至没有设计——甚至都不用思考——中间操纵成语和解释的字符串的算法。你想想这得节省多少时间和精力。
GPT-4并没有一次就生成完美的程序，但这只不过说明它不是神！它证明了自己是个非常优秀的程序员。程序里没有一个低级错误。所有错误都或者跟具体运行环境有关、或者跟GPT-3.5 API返回的结果有关，都是你必须试了才知道的问题。GPT-4在整个过程中一步都没有浪费。机器返回的每一个报错信息，我说的每一个现象，它都正确理解了并且直达本质，而且立即给出解决方案。
最为惊叹的还是GPT-4表现出的主动性和创造性。它主动让我在程序中添加几个打印中间结果的信息，来帮助自己调试。面对GPT-3.5的不规则输出，它先是创造性地想到了用“冒号”确定区分成语和解释，又发明了适应性更强的搜索方法，最后索性直接修改了我写的提示语。
如果是一个人类程序员跟我合作，难道能做得比它更好吗？
其实在编程过程中，我下意识地，已经把它当成了人。有时候我本能地不好意思再把报错信息给它——我几乎想跟它说，要不咱们先休息一会儿再弄吧—— 我必须用意志力说服自己它只是个AI，它不怕麻烦不怕累！才能继续下去。
每次收到报错信息，ChatGPT总是先对我说抱歉。它哪里知道，其实是我感到很抱歉……真是太麻烦人家了。
我不知道你对AGI的定义是什么，在我看来这就是AGI。
✵
GPT会不会取代人类程序员的工作？至少目前不会。程序员应该比AI更清楚项目经理的需求，而且对于更大的程序，大概还是需要有个程序员设计大局。但也许更根本的原因是，GPT不被允许独立编程：必须有个人类帮他编译、运行程序和报错才行。
可是GPT会大大提高程序员的编程效率。你从此之后再也不需要记住具体的程序语句，也不需要设计小算法了。GPT是你最忠实最得力的助手。而且你从此都不用独自编程了，你获得了陪伴感。
但是GPT最大的贡献，还是让平时不编程的人可以编程了。我不可能每天花五个小时编程，但是你要说每周花三个小时，那我非常愉快。世间有无数的人有想法而没时间，现在有了GPT，这些人都可以立即开展自己的「秘密项目」。GPT是在给人赋能，它解放了我们。
就在GPT-4发布后短短的几天，Twitter上就有好多人晒出了自己使用GPT-4的编程项目。有人做了用AI处理文档和语音的小程序，有人做了浏览器插件，有人做了手机APP，还有几个人做了桌面电子游戏。这些很多都是平时不编程的人。
事实上GPT不但让编程更容易，而且让编程更值得了。因为你现在可以在程序里调用AI！程序里有了AI，那绝对是画龙点睛，它就活了，它可以做各种各样神奇的事情。以前谁能想到一个人在家能写出一个会自动出成语题的程序来呢？我还有好几个有意思的想法，我打算找时间把它们实现。
AI专题·X3：日常应用进阶
这一讲分享几个平时对AI的用法。
讲三个主要应用场景：改写、调研和写作。
✵
有一天听一个播客节目，对人生意义产生了一个新的疑问，似乎值得记下来。我就用了一个网页应用叫 AudioPen （AudioPen.ai），它能把你的语音整理成流畅的文档。
没有组织语言，直接对着手机话筒，等于是喃喃自语一般，说了一番话。AudioPen自动语音识别，先把我的话转成文字 ——
怀疑它用的是OpenAI的Whisper语音模型。你要知道我平时说话就容易吐字不清，当时还是躺在床上小声说的，而且中文夹杂英文。模型自动识别了两种语言，而且总体准确率可以说是非常之高。识别出的这段文字没有标点、没有分段，中间还有若干处是模型听错了，而且我说的毫无章法，不利索，很多重复。你要是直接读这段话，阅读体验是极差的。
魔法发生在第二步。无需动手，AudioPen自动根据我事先设定的风格，把这段文字整理成了流畅的书面语 ——
你看现在这段话是不是就相当可读了。不但语言流畅，而且意思清晰，还给分了段。
这就如同你身边有个精通文字的秘书，你随便说，他给你好好整理。他还可以直接给你整理成英文或者别的什么语言，可长可短。
这个东西的用处可就太大了。它可以随时记录你的所思所想；它可以仅仅根据你的口述生成一封电子邮件，而且还可以是外语的；它可以做会议记录；它可以直接把你的零散谈话变成一篇文章。
你不一定非得用AudioPen，相关的工具都已经普及了。你可以用任何一个语音转文字工具生成原始文字，不用特别精确；你还可以把原始文字直接丢给ChatGPT，它能提供更细致的输出。
✵
这就是改写。除了编程，改写是GPT最有用的一项日常功能。改写是对一段文字的任何操作，它可以是 ——
* 把一段文字翻译到另一种语言；
* 把一种语言风格变成另一种语言风格，比如从严谨变成轻松；
* 把一种语气变成另一种语气，比如非正式口语变成正式的、礼貌的一封信；
* 生成一段长文的摘要；
* 借助插件生成一段长视频的内容提要；
* 从文档中提取关键信息，并且做分类标签……
这些事情对人来说也并不简单，你需要有一定的文字功底，你需要花时间小心地阅读原文，你需要做出判断和取舍——但是现在AI做这些不但轻松，而且准确，最重要的是特别快。
再看一个高级用法。2023年四月，著名计算机科学家吴恩达和OpenAI合作推出了一个《给开发者的ChatGPT提示语工程》课程，重点讲怎么通过编程，让GPT批量处理文档。假设你负责一家公司的客服业务，你们收到了大量的用户评论。你希望用AI阅读、判断这些评论，分门别类，并且有选择地进行回复，现在GPT已经可以做得很好了。
比如下面是一条对某个电动牙刷的用户评论：
我的牙科卫生师推荐我使用电动牙刷，这就是我为什么会购买这款的原因。到目前为止，它的电池寿命给我留下了深刻的印象。在初次充电并在第一周内一直插着充电器以保养电池后，我已经拔掉了充电器，并在过去的3周里每天使用它刷两次牙，都是用的同一次充电。但是，牙刷头太小了。我见过的婴儿牙刷比这个还要大。我希望牙刷头能大一些，刷毛长度不同，以便更好地清理牙齿之间的空隙，因为这款牙刷做不到。总的来说，如果你能以50美元左右的价格买到这款牙刷，那它就是一笔不错的交易。厂家的替换刷头相当昂贵，但你可以买到价格更合理的通用型刷头。这款牙刷让我感觉像每天都去看牙医一样。我的牙齿感觉闪闪发光，非常干净！
这个用户啰里啰嗦说了一大堆，其实关键信息就那么一点。对你来说，你想知道的是第一，这条评论的情绪是正面的还是负面的；第二，她说了产品的哪些优缺点。GPT非常善于提取这些信息。
提示语先设定了电子商务网站用户评论的场景，然后要求用最多20个英文单词总结这条评论：
GPT输出：“电池寿命长，牙刷头小，但清洁效果好。如果购买价格在50美元左右，那么这是一笔划算的交易。”正是你最关心的信息。
只要做一点简单的编程，你就可以让GPT按照固定格式输出每条评论的情绪值和关键信息，然后自动对所有正面情绪评论回复表示感谢，给所有负面情绪评论回复表示我们的客服人员会帮你解决问题，并且在回复中切实列举客户反映的问题。
✵
2023年五月，ChatGPT的付费用户已经全都可以使用带上网功能的GPT-4，Google更是推出了速度更快、天生会上网的新一代Bard，再加上微软的New Bing，让AI替你上网搜索信息可以说是家常便饭了。那用AI调研，和自己上网搜索，有什么区别呢？
一个是帮你省时间。AI可以根据你的意图，自行搜索相关信息，并且生成一份综合性的报告给你。比如我问ChatGPT，Google发布的新AI大模型，跟GPT-4相比有哪些优劣？它浏览了若干个网页，给我提供了如下答案——
它做得并不是很完美，有时候还会访问失败，但是可以说已经非常有用了。比如你要调研一款汽车的口碑、一家律师事务所的声望、某地公立中学的入学手续什么的，你自己不是不能做，但是费时费力而且没意思，你就想随便找个明白人给你说几句，那么让AI去调研是最好的办法。
而有一种调研，却是传统搜索引擎难以做到，非得用AI做才好的。比如我多年前看过一部电影，我只是依稀记得其中的情节，但是片名、演员名等等关键词全都不记得。像这种情况我怎么搜索呢？ChatGPT能帮我——
GPT-4说错了电影的出品年份（应该是2001年），但是它说的的确是我想的那部电影。
别小看这种对话，这是从以前的关键词搜索，升级到了内容搜索，甚至可以说是到了模式识别。我再举个例子。
你注意到没有，一般老百姓很喜欢行为邋遢、不修边幅、最好还给人感觉很贫穷的学者形象，比如穿着破衣服的院士和每天只吃馒头的数学家。公众可能会以为真正做学问的人就应该如此，如同武侠小说里武功最高的一定是外表最卑微的“扫地僧”……我认为这是一个认知偏误，但我不知道是不是已经有人总结过这个规律，甚至提出过什么理论。那么我可以问AI ——
ChatGPT说的确有这么一个普遍现象，叫「智者不温顺效应（Stereotype of the Absent-Minded Professor）」。它说的这个名词的中文并不准确，其实应该叫「心不在焉的教授的刻板印象」，但是那个英文术语是准确的。
这个能力对写文章、做研究特别有用。可能你观察到的这个现象别人早就观察过、而且研究过了，你先看看人家怎么说的，就可以避免重新发明轮子。我经常问GPT“有没有一个理论说……”“这是一种什么心理学现象”“有没有一句名言或者谚语说……”这样的问题。
它不是总能给我好答案，你总是需要亲自调研一番才知道它说的是否准确，但是它经常能给我好答案。这样的快问快答不但是个思考助力，而且能让你变得更敏感，你会观察到更多的有意思现象。
✵
写作是生成性AI的天生能力，你要写个发在淘宝上的产品简介，给求客户写封感谢信，包括在单位内部刊物上发个什么表扬稿，ChatGPT都能帮你做得很好。现在像Notion这样的笔记工具都已经集成了AI功能，要缩写、扩写、改写都很方便。
也许AI可以写得比90%的人都要好。但是如果你要公开发表作品，甚至想拿稿费，你至少得进入十几亿中国人中的前十万名，而这意味着你得写得比99.99%的人都好才行。你的大纲、素材、论证方法和语言最好都是新颖有趣的，是AI难以想到的才好。
但AI还是可以帮助你。我最常用的是「头脑风暴」。比如我要说明一个什么道理，感觉还缺少一个更有力的例子或者论点，那我就可以问问ChatGPT。它可能给我提供六个论点，其中两个是我也想到了的，两个是没用的，但是常常总会有那么一两个，是对我的启发。
直接把AI给的论点写进文章就太草率了，你需要再做一点研究，然后用自己的语言把它写出来。
还有一个做法是我先设定一篇文章的题目和大概的主要思想，并且写好开头第一段，然后让AI把全文写完。这是最典型的「预测下一个词」，是GPT的看家本领。比如下面这个例子，我构思了一篇文章叫《平庸使者和惊奇使者》，我写了开头和内容提要，要求ChatGPT调研相关理论生成这篇文章 ——
它去做了一番搜索，效果并不是很理想，很多网页打不开……不过它的确找到了一个理论来支持文章的观点 ——
只可惜那个理论是我们专栏读者早就熟知的，没意思，所以我不会使用。
这就是一个专栏作家工作的日常，你经历很多失败才能找到好东西。AI在这里的任务并不是真的给我把文章写出来，而是生成一份具有一定水平的内容让我参考：也许其中有一两个点是可以借鉴的；就算什么都没有，我至少也知道了「普通水平」的基线在哪里。
我不会告诉你我在哪篇专栏的哪个地方参考了AI的意见。但是你能理解这番操作。
能工摹其形，巧匠摄其魂。我用了AI没有？用了。我的文章里有AI生成的内容没有？没有。这就叫「用AI于无形」。
✵
