AI支持下的构思生成和测试：面向AI支持的知识开发环境
摘要：机器学习用于筛选大量知识源，创建灵活的大型语言模型。这些模型可以理解上下文并预测各种通信形式中的顺序信息。生成式人工智能利用Transformer生成文本或视觉输出，模仿人类回应。它为用户提供一个或多个上下文可行的解决方案供其考虑。然而，生成式人工智能目前不支持追溯思想，这是搜索引擎提供的指示信息来源的有用功能。生成式人工智能的叙述风格受到积极的接收。人们从故事中学习。然而，早期ChatGPT在真实性、参考、计算和准确地绘制地图等方面存在困难。通过联接为中心的搜索方法我们已经使用了两十年，当前的功能可以更好地满足参考位置和链接到应用的需求。部署真实可信的解决方案不仅仅是通过生成式人工智能模拟上下文相关性。将生成式人工智能的创造力与互联网来源的可追溯性在混合场景中结合起来，可以增强互联网的使用效果。生成式人工智能被视为草稿，可以激发思考，为最终版本或行动提供替代想法。我们考虑了信息请求的场景。我们讨论了如何通过生成式人工智能消除人类偏见来推动创意生成。我们还描述了搜索如何验证事实、逻辑和上下文。用户评估这些生成的想法以进行选择和使用。本文介绍了一个面向知识工作者的系统，Generate And Search Test，使个人能够高效地创建之前需要专家顶级合作的解决方案。
作者：Ted Selker
论文ID：2307.08876
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-07-19