生成式人工智能使用方法（一）

最近，科大發送了一封電子郵件，鼓勵我們擁抱人工智能技術，長遠來說使用它們來幫助學生學習。因此，本周要求所有老師考慮如何應對學生使用生成式人工智能技術（例如ChatGPT或Notion AI）。我認為這些技術非常強大，學生應該盡早學習如何使用它們來幫助他們的學習。所以，當學校要求我們決定是否允許學生使用這些技術時，我非常支持。然而，由於學校沒有提供任何關於如何把生成式人工智能技術整合到現有課程或如何調整成績安排的指導，因此我們有責任根據我們所教授的課程為學生設計合適的指引。

本學期，我教授的科目都與報告有關，學生不需要做任何功課或參加任何考試，只需提交一份研究報告。如果允許學生使用生成人工智能技術，是否意味著他們只需按一個按鈕就能讓人工智能寫出整份報告呢？下學期，我將教授一門應用電腦學習的微積分課程，我允許學生在考試時使用網絡搜索任何相關的資訊。在上學期第一次開設這門課程時，生成人工智能技術的計算能力還不夠強，因此我允許學生使用任何可用的支援。但在下學期，當學生被允許使用生成式人工智能技術在網上搜索如何解決數學問題時，我應該如何處理？是否應該允許他們使用？

因此我編寫了兩份指引：一份簡要介紹學生如何使用這項新技術來幫助他們撰寫學習報告，另一份為我下學期教授的微積分課程設計的評分標準。

寫作中使用生成式人工智能技術的指導方針

當寫專題報告時，生成式人工智能技術（如ChatGPT和Notion AI）可以成為一個有用的工具。通過遵循以下指導方針，學生可以使用生成式人工智能技術協助他們寫作，同時保持學術誠信，確保其工作的質量。

• 將生成式人工智能技術視為一種工具，而非替代品：生成式人工智能技術應該作為寫作過程中的一種輔助工具，而不是批判性思維、研究和寫作技能的替代品。

• 公開使用生成式人工智能技術：學生應在報告中說明是否使用了生成式人工智能技術協助寫作。這可以包括引用使用的生成式人工智能模型並承認其對論文的貢獻。

• 審查和編輯生成的文本：學生應審查和編輯由人工智能模型生成的文本，以確保其連貫、相關且符合報告的要求。

• 不要抄襲（見附錄A）：學生不應使用生成式人工智能技術抄襲內容。如果生成的文本包含來自外部來源的信息，他們應確保其原創並進行適當引用。

• 了解生成式人工智能技術的限制：學生應了解生成式人工智能模型的限制，並不僅僅依賴於它們撰寫專題報告。

• 使用高質量的輸入數據：用於訓練生成式人工智能模型的輸入數據的質量可能會影響生成的文本的質量。學生應使用可靠來源的高質量數據。

• 評估生成式人工智能技術的輸出（見附錄B）：學生應評估生成式人工智能模型的輸出，並確定其是否適當且準確地應用於其報告中。如果不符合其需求，他們還應準備修改或忽略輸出。

學生可以：

• 使用生成式人工智能技術生成寫作任務的想法或靈感。通過輸入與其主題相關的關鍵詞或短語，人工智能技術可以建議潛在的主題或子主題進行探索。

• 使用生成式人工智能技術生成現有內容的摘要或改寫，以進行研究。通過輸入研究問題或主題，人工智能技術可以創建相關文章或論文的摘要，識別關鍵主題和概念，甚至建議其他要探索的資源。

• 使用生成式人工智能技術校對和編輯其寫作作業，以修正其語法、標點和拼寫錯誤，或通過分析生成文本的語言和結構來提高其寫作技能。

• 使用生成式人工智能技術分析數據或視覺化其專題論文的結果。通過輸入數據集，人工智能技術可以生成圖表、表格和其他可視化數據，以幫助說明研究的主要發現。

學生不可以：

• 使用生成式人工智能技術輕易創建完整的文章或作業，而不付出任何努力。這種做法被視為抄襲，可能會帶來嚴重的學術後果。

• 以任何方式使用生成式人工智能技術來操縱或欺騙教師或同學。

• 使用生成式人工智能技術侵犯版權法，生成侵犯他人知識產權的內容。

本文據ChatGPT（由gpt-3.5-turbo驅動）的回答撰寫。

附錄A：學生如何確保在使用生成式人工智能技術時不會抄襲？

學生在使用生成式人工智能技術時，很難確保不會抄襲，因為該技術可以生成與現有內容非常相似的文本。然而，以下是一些學生可以遵循的提示，以幫助避免抄襲：

• 將生成式人工智能工具作為研究和想法生成的起點，而不是原創思維的替代品。學生仍應進行批判性思考，進行徹底的研究，並製作反映自己想法和見解的原創作品。

• 使用生成式人工智能工具進行改寫和總結現有內容，但始終要確保生成的文本與原始內容有顯著區別。學生應比較生成的文本與原始來源，以確保他們沒有過度抄襲。

• 正確引用所有來源，即使文本是由人工智能工具生成的。如果文本從現有來源生成，學生仍應像對待任何其他改寫或總結一樣引用該來源。

總之，學生應該道德地和負責任地使用生成式人工智能工具，並採取積極措施，確保在使用這些工具進行寫作時不會抄襲。

附錄B：我們應該多少信任由生成式人工智能技術產生的輸出？

我們可以放心地信任由生成式人工智能技術產生的信息的程度取決於幾個因素，包括用於訓練模型的數據質量、任務的複雜性以及生成輸出的不確定性水平。

以下是評估由生成式人工智能技術產生的信息可信度時應考慮的一些因素：

訓練數據：用於訓練生成式人工智能模型的訓練數據的質量和代表性可能會影響生成信息的準確性和可信度。如果訓練數據存在偏差或不完整，模型可能會生成不準確或不完整的信息。

任務的複雜性：生成式人工智能模型執行的任務的複雜性也會影響其可信度。如果任務相對簡單，例如生成隨機圖像或文本，生成的信息可能更可靠。但是，如果任務更複雜，例如預測自然災害發生的可能性，生成的信息可能存在更多的不確定性。

輸出的不確定性：生成式人工智能模型可能會為生成輸出提供置信區間或概率分布。如果置信區間較窄或概率分布高度集中，可能表明生成的信息更可信。

專家評估：領域專家可以評估生成的信息以確定其準確性和可信度。專家評估可以幫助驗證生成的信息並提供額外的上下文和見解。

總的來說，在依賴由生成式人工智能技術產生的信息時，需要謹慎行事。雖然這些模型可以是強大的工具，但它們並不是萬能的，可能會生成不準確或不完整的信息。評估生成的信息時需要使用多種方法，並考慮訓練數據的質量和任務的複雜性。此外，專家評估可以提供有價值的見解，並幫助驗證生成的信息。