通过ChatGPT加快学习进度（八）

八、提示问题（Questiongeneration）

拥有不同的问题确实极为重要。当面对不同的问题时，你可以尝试去回答它们，如此便能更深入地理解相关材料。通过练习，对各种重要的问题、概念以及你需要知晓的事情进行思考。然而，你也清楚，这些往往隐匿于教科书与答案之后。那么，我们该如何达成这些目标呢？当你正在学习一个全新的概念、一些理念，或者初次聆听一场演示文稿时，要提出这些问题或许颇具难度。那么，我们又该如何解决这一难题呢？借助生成式AI，我们能够利用它来生成问题。这是一个相当简单的概念，只是当我们急于寻找答案时，往往容易忽略它。接下来，让我们瞧瞧它究竟是何种模样。不过，我期望你能深入思索如何让它生成问题，我并不希望你只是简单地要求它在冗长的提示中生成问题。我希望你考虑为它提供丰富的原始材料。在大多数工具里，你能够做到的一件事便是将文件附加到提示当中。例如，倘若你进入ChatGPT，可能会看到类似加号或者回形针的图标。要是你使用Claude，或许也会看到极为相似的东西。这便是你上传并为其提供补充信息以配合提示的功能。执行这一操作时，提示就不仅仅是单纯的问题或指令，还涵盖了你上传的文件。这真的相当有用。

我在此处所做的是选取了一个PowerPoint演示文稿。你可以想象这是你正在参与的培训课程或者讲座的幻灯片，而你想要对其有更深入的了解。又或者，这可能是你从外部供应商那里获取的一份新提案，该供应商将为你提供某些服务，只是它处于你不太熟悉的领域。所以，帮助自己理解材料、实践材料的起始点在于能够生成与材料相关的问题。于是，我上传了我的演示文稿，大概有100张PowerPoint幻灯片。

请协助我更好地理解这些材料。为加深理解，我应当提出哪五个问题呢？

为了加深你对幻灯片中呈现内容的理解，这里有五个你可以考虑询问的问题:

1.在生成式AI中使用提示模式的主要优势是什么？与非结构化提示相比，它们如何提高输出质量？

2.“增强智能”的概念与传统人工智能有何不同？这种方法在日常任务中有哪些实际应用？

3.生成式AI如何改变传统的计算界面？这对未来的软件开发和用户交互设计有什么影响？

4提示工程中的迭代细化和对话方法如何增强与ChatGPT等生成式AI模型的交互？

由于这是我自己的演讲，所以我觉得这样做颇为有趣,能够解答这个问题或许会大有裨益。增强智能的概念与传统人工智能有何差异？增强智能是我在本次演讲中探讨的一个概念，并非运用人工智能取代人类，而是人类与人工智能携手合作，以此强化并放大自身的批判性思维、推理能力以及创造力，借助它来增强自身的工作效能，而非将其取代。

所以，这个简单的理念是依据我们正在学习的材料生成问题，但并非只是简单地要求生成一堆或许相关的问题。实际上，采用我们正在运用的材料，诸如课程的实际幻灯片、真实的教学大纲、阅读材料、提案、演示文稿等，并依据这些来构建问题才是正确的途径。因为这有助于减少我们所提及的那种错觉，并且有助于我们精准地剖析它正在分析的信息，从而生成问题。

在不提及具体姓名的情况下，我们团队应当提出并讨论哪五个问题，以助力思考我们的计划？

让我们再来看另一个例子。通常我们会遇到一群人共同研讨想法、齐心协力解决某些问题，并在这个过程中学习。因此，我们能够做的一件事是，利用诸如Zoom和MicrosoftTeams等在线会议工具，在这些工具中我们可以录制会议并获取文字记录。我从与一位亲密合作伙伴的讨论中提取了一份文字记录。这是一家与我们有合作关系的公司。我从我们的Zoom通话记录中选取了文字记录，并提出：在不提及具体姓名的情况下，我们团队应当提出并讨论哪五个问题，以助力思考我们的计划？它给出的回答是：此次合作的核心目标与优先事项是什么？我们怎样才能有效地吸引并协调所有相关利益方？它为我们提供了一些值得学习与思考的内容。它接着说道：在我们当前的流程中，创新能够解决的最重大挑战或机遇是什么？我们应当如何塑造品牌并传达将采用哪些指标或关键绩效指标来衡量成功？所有这些都是我们作为一个团队应当考量并解答的重要问题，因为我们实际上正在共同学习如何解决这个问题，如何与他们合作，将生成式AI融入他们正在开展工作的空间之中。而其中存在诸多复杂之处。所以这实际上引出了一些问题，整个团队可以对这些问题展开讨论，以协助共同明晰我们将如何处理并解决它。

因此，我们不必仅仅考虑材料、书面材料方面的问题，还可以思索整个团队应当提出的关于他们如何协调、规划、沟通以及合作的问题。

再举一个例子，我们只是想要更多的练习机会，想要去实践。我们已经意识到练习的重要性，不要轻易放弃和舍弃一切，我们确实需要练习。那么，我们怎样才能获取更多问题以便直接进行练习呢？我们可以从课程的幻灯片中获取，或者在这个例子里，从我正在进行的演讲幻灯片中获取，

如果我能回答这五个问题，就能表明我对这份材料有广泛的理解，这些问题是什么？

然后提出：如果我能回答这五个问题，就能表明我对这份材料有广泛的理解，这些问题是什么？因此，当我们创建这些问题时，我们便是在创建一组问题，随后我可以进行练习并思考。

基于GenerativeAIandAgentialAI的演讲内容所提出的五个问题，这些问题旨在帮助人们全面理解相关材料。

1.询问生成式AI所驱动的计算领域中的两大关键变革是什么，以及它们与之前的计算界面和能力有何不同。这有助于了解生成式AI在计算技术发展中的突破点。

2.代理式AI如何在计算中充当通用翻译器，以及这对自动化复杂任务有何影响。了解这一点可以帮助我们明白代理式AI在处理多样化计算任务中的作用。

4.研究通过对话进行迭代优化如何提高生成式AI应用中提示工程（promptengineering）的有效性。这对于优化AI应用的交互过程非常重要。

5.语言翻译在克服数据共享障碍中的作用，以及代理式AI如何促进这一过程以实现特定目标。这有助于理解语言和AI在数据共享中的协同作用。

接着开始进行回答练习，因为这不仅仅是思考。我们能够运用问题来助力我们更深入地思考与学习，通过引导我们如何去思考特定问题的方式。我们可以在问题中借助它来协助一群人共同学习，剖析一个问题，并思考哪些内容值得讨论。但我们同样可以将其应用于实际的直接练习，进行测验，获取可供我们尝试解答的问题等等。倘若你在课堂上听我讲课，这将会是一个很棒的测验问题。而这正是你能够直接运用并武装自己的类型，即将任何材料转化为实践。与其将材料转化为答案，不如将材料拿来制作练习，依据特定领域生成你所需数量的问题。你可以聚焦于演示文稿的特定方面，提出与这些主题相关的问题，或者对我进行测试并告知我在哪些主题上表现欠佳。给我一系列问题，告诉我在各种有趣的事情上的表现情况，我们能够借助它来强化我们自身的学习实践，而生成问题或者疑问是我们能够做到的最基础的事情之一。

很赞哦!（37）