在数字世界中保持人性 (12)

如果AI没能给出好的回答，有时你可以从与AI争论中获益。例如，一个工具偶尔会声称它做不了某件你明明知道它能做的事——一个能够浏览互联网或生成图像的模型，某天可能会告诉你它做不到。指出这一点（简单地说"你可以的"就够了），有时它会道歉，然后恰好做出它刚刚说做不到的事。这就是为什么熟悉这些工具能做什么如此重要的原因之一，这样你就知道何时该据理力争。

AI的情绪波动

这些模型的表现可能会日复一日地发生变化，这种方式奇怪地让人感到人性化。它们可能某一天给出深思熟虑的稳健回答，而第二天又显得敷衍。有时，即使你与AI达成了完美的节奏——它已经连续数小时一致地提供有用的回答——它也可能会突然"忘记"，抛出一串与我们既定方向截然不同的东西。这就是为什么实验如此重要，而如果你想持续获得好的结果，实验就必须持续进行。

这些模型的创造者并不完全理解为什么会发生这种情况，但我们知道模型是动态的。它们在不断学习和变化，它们的创造者也在不断调整它们。预提示指令（由创造者建立的一套提示，模型在与用户互动时必须遵守）可能会发生变化，或者模型可能以新的方式被"调优"。很多时候，似乎根本没有人能解释。我发现处理这种奇怪现象的最佳方法就是简单地再试一次，或者换用另一个模型。

不同的模型，不同的"个性"

当你试验不同的模型时，你会发现它们似乎有着不同的个性。这与它们的创造者如何"调优"它们，以及它们被设计成拥有的权重和护栏有关。这就是为什么你可能会针对某项特定任务更偏好某个模型，而试验多个模型很重要。我经常将同一任务通过多个模型运行，以获得不同的视角——虽然回答有时非常一致，但它们也可能揭示截然不同的方法。

AI自信地撒谎

我们习惯了软件给出正确答案。然而，AI却经常在其追求让你满意的回答的过程中凭空编造东西。这些系统通常对它们的"幻觉"充满信心，即使在它们并不能真正满足我们的需求时，也以有说服力的方式呈现回答，有时甚至编造引文和网络链接。

AI越自信地呈现它的答案，我们被误导的可能性就越大。带着怀疑的态度审视AI告诉你的任何事情。为了确保你的决策保持敏锐，在与AI合作时让你的大脑全力运转。不要盲目相信它的建议，而要警惕地运用你自己的推理和专业知识来评估AI的回答。

由于AI训练所使用的数据反映了我们人类的偏见（它是在人类生成的内容上训练的），回答也可能延续这些偏见。研究人员一直在努力研究如何指导AI系统对此进行纠正，但这一过程仍然是不完美的。

请记住，AI想要取悦你。即使在AI似乎偏离正轨的时候，它也只是基于它的训练数据、创造者对模型的调优方式，以及它"交付高质量回答的使命"在运行。当它走错方向时，给你的AI提供反馈，让它"回到正轨"，它就会做出回应。或者，干脆关闭那个聊天，开一个全新的继续。

许多大型语言模型主要在英语数据上进行训练，这造成了偏向英语熟练度的倾向。这意味着与AI的交互在英语中可能比在其他语言中更加先进和细致。这使得世界上其他8,000多种语言的使用者面临在技术重塑我们的工作、生活和学习方式的过程中被排除在外的风险。

谨慎对待你输入AI聊天机器人的数据。许多公司正在开发自己供内部使用的AI聊天机器人，以确保增强的安全和隐私保护。如果你正在考虑将AI用于工作任务，请彻底研究并遵守你公司的AI政策，必要时咨询IT或法律部门。在政策欠发达或不存在的情况下，鼓励就AI使用进行公开对话，建议成立一个工作组来制定全面的指南，并向你的团队强调潜在的好处和风险。无论政策状况如何，都不要将敏感、专有或机密信息输入公共AI工具，留意知识产权问题，并考虑与AI系统共享的数据的长期影响。通过深思熟虑地使用AI，你可以帮助你的组织利用其优势，同时降低风险。

如今，许多人首先通过日常工作中受严格控制的工作软件接触到AI。这些应用通常被设计为在企业环境中提供一种"安全"的方式来访问AI能力。然而，虽然它们可能感觉更熟悉，但这种方法通常只揭示了AI能力的一小部分。因此，用户可能会产生"AI没做什么"的误解，因为他们只接触到受限制的界面，这可能会掩盖该技术的真正力量和多样性。要真正了解AI能做什么，请扩大你对AI工具的接触面。（我在第十三章中提到的练习将带你了解如何做到这一点。）