本文作者介绍:悟鸣,蚂蚁集团讲师,阿里云、CSDN、51CTO 等技术平台博客专家,热爱写作、喜欢分享。
AI已经带来学习方式的改变,降低了我们学习知识的难度,加快了我们解决问题的速度。
本文介绍如何通过AI工具,通过直接对大模型、对Agent、对文档、对知识库提问的方式,快速学习知识快速解决问题等。
本文还提到了当前AI工具局限性和AI时代提问的重要性的讨论。
欢迎大家添加小助手微信jqzn-robot加入【AI分享交流群】,学习、分享更多有趣,有用的AI~
在AI快速发展的今天,我们需要学习:驾驭大模型的能力、学习最基础最核心的知识、培养不容易被AI取代的能力。我们可以跨行业寻找机会,在这个 “人人都是工程师”的时代基于大模型快速创建应用解决痛点,灵活运用AI帮助自己解决问题。并且强调在AI时代应该使用AI来加速学习。
接下来我将从什么是问题驱动式学习、为什么问题驱动式学习更有效,以及在AI时代怎样基于问题驱动来加速学习。友情提示:如果不了解前因后果,只想了解如何在AI时代实践问题驱动式学习,直接跳到第四部分即可。
传统的问题驱动式学习更强调解决问题,AI时代的问题驱动式学习提出问题和解决问题并举。
在我看来,提出问题甚至比解决问题更重要,尤其是在AI时代,解决问题的难度大大降低。
问题驱动式学习(Problem-Based Learning,简称PBL)是一种以学生为中心的教学方法,其核心在于通过解决实际问题来推动学生的学习。这种方法鼓励学生在寻找问题解决方案的过程中,积极主动地获取知识、应用知识、并发展批判性思维和解决问题的能力。
问题驱动式学习通常涉及以下几个步骤:
问题驱动式学习的优势在于它能够激发学生的学习兴趣,提高他们的主动学习能力,促进批判性思维和团队合作能力的发展。这种方法适用于各种学科领域,特别是在医学、工程学、商业管理和法律等领域中得到了广泛应用。
AI发展到现在这个阶段,让我们有机会直接对AI提问,直接对着文档提问,直接对着知识库提问。
虽然这种方式和传统的问题驱动式学习有一些区别,但可以被看作是问题驱动式学习(PBL)的一种现代化应用,尤其是在信息获取和知识探索的环节。虽然它不完全符合传统PBL的所有步骤和特征,但它与PBL共享核心理念——即通过提出问题/解决问题来促进学习。
以下是几个方面的考虑:
AI时代的问题驱动式学习确实为传统的问题驱动学习(PBL)带来了新的维度和可能性,使学习过程更为高效和动态。
以下是一些原因,解释为什么AI时代的问题驱动式学习可能更有效:
AI让深度学习成为可能。很多AI平台在提问后会给出很多建议追问的问题,我们可以对一个问题不断追问,对一个问题了解更全面和深入。
通常我们经常处理的任务都是相似的,经常需要输入相似的提示词,每次都要重新输入或者粘贴过来效率很低,体验略差。
我们可以根据自己的学习、工作中的场景,创建各种Agent ,将提示词内嵌其中,避免每次提问都输入相似的提示词。
这些平台可以解决提示词的效率问题,也可以上传文档使用AI对话,但通常并不是专门为文档设计的。
下次提问时再找到对应的问题不太容易。
当然,我们也可以尝试创建 “发散性提问助手” 或者“头脑风暴助手”,给出Agent一个主题,让Agent进行头脑风暴,发散性地提出N个相关问题,我们选择比较好的问题再去问其他Agent,可能会有意想不到的收获。
可以参考下面的提示词自己二次优化:
## 背景
你是一个发散性提问助手,可以根据用户发送的概念或者问题,请你进行头脑风暴发散性地提出 10 个相关问题,以便给用户带来新的灵感。
## 约束
1 回答务必使用中文
2 如果用户发送的是问题,不要直接回答用户的问题而是根据问题从不同角度提出 10 个发散性的问题
我们可以使用万知、通义智文 或者其他类似的平台,如天工AI阅读、 ChatPDF 、PDF ChatBot等。直接和文档、网页、论文、图书对话。
万知
通义智文
这类工具也存在局限性,比如几乎所有文档都需要上传或者贴链接,文档之间很难共享,支持的文件类型也有限。
文档的共享非常重要,降低查找资料并上传的成本。于是类似txyz这类公共的AI知识平台应运而生。
当然,你也可以上传自己的PDF,或者提供PDF链接上传到知识库进行对话。虽然类似的平台提供了一定的资料共享和自定义资料库的功能,但和“和文档对话”方式类似对文档的管理比较粗放,如支持的资料类型有限,缺乏对资料的归类整理等。
以前经常会看到很多精品的PPT、有深度的文章、非常有质量的PDF电子书等,总是收藏之后就没然后了。我们要么时太忙没时间看,要么就是需要的时候已经记不起资料在哪里。想看但是英语或者语言有点深奥而读不下去的论文,都可以扔到知识库里,直接提问来学习。
学习某个技术文档太多,解决某个问题时找到对应的知识点非常费劲,可以直接将文档扔进去,相关问题直接提问即可。注意:禁止将公司内部的文档传到外网,可以尝试将一些公开的外部的技术文档放进去。AI时代,类似iki.ai这样的智能的个人和团队知识库应运而生。
可搜索性:所有知识通过自然语言查询可搜索。
共驾模式(Co-pilot):主动助手帮助研究、推理和创意。
自我组织:个人维基,自动生成知识线索和自动标签。
协作:为团队和同伴创建私有空间。
可信赖:被来自不同领域的人员和团队所信赖。
你可以创建多个知识集合,将自己珍藏多年的PDF 、文章链接等传到知识库中:
提问时,可以选择从网络上获取资料还是从知识库获取资料。
当你选择对知识库提问时,它会先检索你知识库中的先关资料,然后再进行整理回答。
相信未来类似的AI知识库产品会越来越多,如果传统的笔记软件不能很好地重构,传统的笔记软件很可能掉队淘汰。
当然,iki也有一些缺点,上传资料有时候很快有时候会卡住上;传到某个知识库合集结果没有归类需要重新添加到该合集;中间部分可以打开对应的文档,边看文档边提问,但如果是网页或者文字版PDF还好,如果是PPT 字太小影响阅读;AI的回答主要以文字形式,无法做到图文并茂,甚至可以通过动画视频等更好。
现在虽然很多大模型公司都在宣传“多模态”,但是目前的多模态通常并不是“同一个大脑”。大模型还是通过将图片转为文字,然后再将文字转为图片和视频。转换过程中会出现很多偏差,丢失“精度”。
目前的使用AI进行问题驱动式学习,AI给出的回答基本都是文本形式,无法实现图文并茂,甚至可以配上非常贴切的视频。图片模型似乎更擅长绘制人物、风景、建筑等,并不擅长绘制图片版本的流程图、非常专业的PPT等。
相信,随着AI的不断发展,未来用户提问以后,AI可以用通俗易懂、图文并茂,甚至配套视频。甚至未来人们可以类似《创:战机》、《黑客帝国》那种进入到虚拟空间进行学习。
虽然AI时代用户可以通过提问快速得到想要的答案,但也面临一些挑战,如确保AI提供的信息准确无误、维护学习者的隐私安全、以及防止过度依赖 AI而忽视基础学科学习和人际互动的重要性。
我们在使用AI时,尤其是重要信息,需要通过多方核对,避免因为AI误导给自己的决策和工作带来负面影响。
比如有些同学使用AI优化代码,优化出BUG;比如有些同学相信AI给的数据发现是错误的。
(1)提问时警惕先入为主
就像有些记者,通过预设前提先入为主的方式诱导性提问让被采访者掉入语言陷阱里,沿着错误的角度进行回答一样。
(2)提问能力很重要
有些人提出的问题和实际的问题不符,提出的问题片不能触及本质,AI给出的答案再全面也无法帮助你很好地解决问题。
AI让我们找答案变得更容易,AI让每个人解决问题的能力趋于接近。但,如何发现问题,提出有关键的有价值的问题更加重要。AI最先代替的是每个行业只会做事而缺乏思考、创意的的“低端”从业者。
现在的AI非常依赖人类提出的问题,如果人类提出的问题存在错误或者偏差,就很难得到让人满意的效果。
如果AI能够充分了解我们的问题,自己能够提出非常有价值的问题,并且借助强大的知识储备,就可以帮助我们解决更多难题,发挥出更大价值。
大家需要特别警惕:用进废退。互联网时代大多数人都会因为长时间打键盘不写字而“提笔忘字”。
一些非常简单的枯燥的任务我们可以直接让AI来做;但有些需要思考的任务,我们应该首先自己思考,当我们智力极限仍然不能很好和很高效地解决问题时,我们应该尽快寻求AI的帮助。
AI时代,传统的学习方式必将被淘汰。“未来人手一个AI助手”的时代已经到来并且正在快速发展,我们需要快速适应这个过程。
希望本文介绍的这些工具和方法能够帮助你更快速和全面深入地学习和应用知识,让AI真正融入我们的学习、工作中,真正享受AI时代带给我们的红利。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。