5個問題，讓GPT快速幫你了解未知領域
“角色扮演”是GPT的特殊能力。當GPT扮演搜索引擎時，好的提問思路，連續(xù)系統(tǒng)的提問思路，要遠遠比一個單獨完美的Prompts(提示詞)更重要。
你要看到GPT扮演“搜索引擎”時的優(yōu)點和局限，它目前更適合掃盲式的搜索。
掃盲檢索，是我想快速入門，快速獲取與問題相關的系統(tǒng)性知識，解決“我不知道我不知道”的問題。那么，我應該怎么搜索？
其底層思路我在知識營中教過：任意領域最核心的知識只有20%并且占據80%的知識權重，這20%的知識，由1%的人貢獻。我們需要找這1%的人和這20%的知識。
即使到了AI到來時代，這思路也沒有任何變化，因為這是“信息的基本規(guī)律”。
這個思路等于兩個基本方向：
1.一個領域20%的核心知識聚集是什么？在哪里？
答：核心知識是核心理論、方法、模型等。對于顯性知識，在各領域的教材中。對于，隱性知識搜索引擎解決不了，你要找人拜師學藝。找誰拜師就與第二的問題相關。
2.一個領域1%的核心貢獻者聚集都有誰？在哪里？
答：核心貢獻者是核心理論、方法、模型創(chuàng)造者。對于顯性知識，主要是學術權威，網絡上主要集中在各種學術平臺。對于，隱性知識，那就是你認可并且能接觸到的專家、高手。
下面我們談顯性知識掃盲的搜索邏輯。
在上圖中，我敏銳地發(fā)現(xiàn)了一個新信息“二語習得”，這個學科名稱很有趣，我們都有一個母語，那么這是我們第一語言。然后我們學習的任何第二語言，就是二語習得。沒想到已經形成了專門的學科。
2.你是一個學術搜索引擎，請列出____這個學科的最重要的5個理論，其提出者，并簡述理論，請用表格呈現(xiàn)。
表格返還結果真的很方便。
3.你是一個學術搜索引擎，請列出____學科的5位引用量最高的學者，其谷歌學術應用量，還有代表作品，請用表格呈現(xiàn)。
5.請介紹一下XXX理論/請介紹一下XX作者。
通過上面3張圖，我們可以知道“Stephen Krashen”這個人每次都出現(xiàn)，那么他極有可能是當前這個學科領域中影響最大學者，所以我會追問GPT這個人及其相關理論。
不要忘了對比驗證：我們需要從兩個獨立的信息源，對同一個信息進行對比。比如重新搜索谷歌，對比驗證Stephen Krashen的學術地位，代表作品，和核心貢獻理論。
結論：第二語言學習領域中當前影響最大的假說是“可理解性輸入假說”由“Stephen Krashen”提出，這個假說很反常識，英語能力的提升重點不是在說和寫，而是在聽和讀。接下來我會用這兩個關鍵詞進一步做專項搜索、閱讀、研究。
綜上，總結一下GPT的兩個優(yōu)點：
1.GPT讓人可以使用自然語言進行檢索，而不需要學習高級檢索語言如“insite:”“intitle:”“布爾邏輯”等等。
2.GPT可以用自然語言并且可以返回表格結果，這點確實提效很多。
這兩個優(yōu)點是當前GPT比傳統(tǒng)搜索引擎強大的地方，對于一般人更易用。
但是，GPT無法進行更為深度的檢索，就以二語習得和“可理解性輸入”為例，如果深入一點，GPT的回答就一直是“車轱轆話”了。
獲取更為深度的需要“垂直檢索”，即你直接訪問目標優(yōu)質信息的空間聚集地，然后直接進行檢索的方式。
比如找代碼去Github，找論文去知網或者谷歌學術，找餐廳評論去大眾點評，旅游目的地信息去小紅書等等。
在這個案例之下，我要就直接去檢索Stephen Krashen的"Second Language Acquisition and Second Language Learning"內容了。
雖然GPT當前做不到，但不代表未來做不到。
不過即使未來GPT能做到了，我當前的基本判斷是GPT這款產品，能力強在文本生成，而不是檢索。即使是Bing+GPT-4的Newbing，GPT-4還是輔助檢索。
根據我對GPT技術模型的理解，匹配人類智能的搜索很可能需要另一種大模型。
所以，當前不能完全依賴GPT給出的答案，GPT也無法替代傳統(tǒng)搜引擎。
最后，即使有AI永遠不要忘記：對比驗證和信息溯源。
創(chuàng)作者列表：- 素材/卡片：葛仲然（全部文章、工具、課程歡迎搜索同名公眾號）
- 大綱/潤色：ChatGPT-4&葛仲然
- 標題/摘要：ChatGPT-4
- 封面/內圖：Midjourney & Jun
- 排版/視覺：Jun
- 所用卡片編碼：1/11a1a2、1/11a1a2a、1/11a1a2b
