生成式AI被用于生成多种内容，包括文本和图像。
要充分发挥这些先进技术的作用，需要人类的认知技能。
这些建议概述了生成式AI在我们生活中的作用，以及如何最好地使用它。
ChatGPT和Bard标志着我们与先进技术互动的方式，以及我们彼此期望的方式，开始发生真正的变化。
与以往的技术不同，生成式人工智能（AI）需要人类的输入和好奇心；它需要我们认识自身的优势与局限；它还要求我们摆脱熟悉而被动的“用户”心态。
这或许听起来有违直觉，但充分发挥生成式AI作用的最佳策略，是更加积极地运用我们最具人性、最为主动的认知能力。
在AI辅助的世界里，人类需要哪些技能？什么将区分成功与失败？简而言之，是提出出色且富有成效的问题，以及熟练地质疑存疑答案的能力。
我们需要了解生成式AI的哪些知识？
首先，包括生成式AI在内的AI应用，目前仍最适合两种一般用途之一：在我们确信所需结果、因为过往表现明确满足未来需求和/或人类能力限制的情况下，辅助或取代常规性的人类任务；或者在数据集过于庞大、或时间框架过短以至于人类难以处理的情况下，发现新的洞见和预测，或揭示数据之间潜在的关联。这并不涵盖所有任务——AI也正在为许多其他类型的用例而开发。但就目前而言，在我们希望它“循环往复”或“扫描并建议”的场景中，它的效果最好。
其次，如前所述，生成式AI并不适合“用户”或“消费者”的思维模式。恰恰相反，它要求一种积极的方式：探究、共同创造与协作。我们的语言应当随之改变以体现这一点。生成式AI工具与我们习惯的数字产品和设备存在根本区别——它们既不是设备，也不是产品。没有我们，生成式AI就是不完整的。 我们不应仅仅消费它提供的内容。
第三，没有人确切知道这些技术最终会使我们能够做什么，也无法界定即使技术上可行，我们也不应去做的事情。这些工具将在定义明确、重复性的任务上变得更出色，并能吸收海量数据。它们在概括大量文本（或其他媒体）以及表述半复杂想法的初稿方面也会相当出色。
但它们是统计建模工具，而非推理工具（结果是基于复杂模式匹配得出的预测，“学习”也仅限于此意义上）；它们或多或少会默认所提问题的有效性，而不管该假设是否合理，例如“告诉我地球是平的最佳论据”。它们将继续受“输入垃圾，输出垃圾”问题的困扰（基础数据中的错误会在结果中显现）。而且它们与我们人类一样存在不精确的缺陷，以及并非总是知道（或承认自己不知道）某些事情。
我们如何才能最大限度地从生成式AI中获益？
无论你是首席执行官还是学生，是护士还是律师，建立一个简明的框架都有助于我们理解生成式AI在生活中可以发挥的作用，以及如何最好地使用它。以下是适用于每个人的三项关键考量。
1. 提出问题
在面对这些先进技术时，好奇心至关重要，请提出这样的问题：它们有什么用途、如何构建，以及它们的局限是什么。同样，更具体地说，生成式AI工具将要求我们学会如何提出并给出周全、准确的问题与指令，从而获得有用、切合目的、稳健且能减少错误、偏见和隐私风险的答案。
并非所有问题都一样。我们如何提问以及如何向工具下达指令，会直接影响我们得到的结果，以及这些结果的价值、可辩护性和安全性。例如，要求一个癌细胞检测模型识别样本图像中所有非典型细胞，与要求该模型排除所有典型细胞，是不同的。两种情况下的假阳性率和假阴性率会有所不同；当依赖模型输出来支持个人癌症状况的专业诊断时，这种差异具有重大影响。要求模型为一双泵推荐方案，可能会引发同样的问题，但后果则远不那么严重。
设计有用的指令并非看上去那么简单——这是一项高度依赖语境、具有文化特异性的工作。我们在询问事情时常常做了很多假设。我们往往不够精确（即下达指令关于如何做一个三明治），使用特定语言的习语（如“小菜一碟”）或假设过多（如“这之前行得通，所以之后也会行得通”）。这些问题中的每一个，实际上都可能随着专业知识和经验水平的提高而加剧。
2. 审视答案
同样，生成式AI要求我们学会以批判的眼光评估所有模型输出。我们必须抽出时间和空间，允许人类对技术驱动的建议提出质疑。这正是“输入垃圾，输出垃圾”问题出现之处（技术和人类双方皆然），同时也是我们审慎审视历史做法、在某些方面加以改进，并同时改进与AI赋能工具协作方式的机会。
生成式AI可以产出一系列输出。我们选择将其中哪些输出付诸实施以产生结果，取决于我们自己，而且通常会因具体情况而异。当AI取代可重复、易理解的任务时，识别合理或恰当的输出可能更为容易。我们在评估这类输出方面积累了大量经验，但对于独特或新颖的任务或洞见则并非如此。审视预期输出以及出人意料的输出尤为重要。如果你得到的是其中之一，你真正知道的只是：你遗漏了由同一问题可能产生的一整系列其他结果。
并非所有答案都是正确答案。事实上，许多答案完全错误，有些答案尚可接受但并非最佳，或者对某些条件足够好却不适用于其他条件。我们也会持续地从工具中以及彼此之间学习。同样，我们能够做某事，并不意味着我们就应该去做。因此，在实际场景中使用这些工具时，我们需要保持谦逊与审慎，随时准备考虑：在输出成为结果之前，我们自己的判断，或同事、学生、供应商的判断，可能有充分理由对模型输出提出质疑。一些学生已经在这样做，希望更多人很快也能如此。
3. 负责任地使用
这些是新工具，并不完美，其设计目的是与人协作（而人也并不完美），而非取代人。各种恶作剧、错误假设和粗制滥造的工作都可能发生。风险管理实践和治理控制措施正开始考虑所有这些可能性。重要的是，许多此类治理实践并不新鲜。即使在生成式AI领域，我们每个人仍可以在日常工作中，从手头已有的工具开始，营造尊重、人性化和包容的规范。我们应鼓励孩子和同事学习使用生成式AI工具，同时确认公民社会的规则依然适用。或许，这些规则更应适用。
基于此，以下是每个人都可以采取的九项措施，以更有效地使用生成式AI：
鼓励、奖励并为自己和他人的好奇心与提问留出时间。
多次运行同一问题。
以多种方式提出同一问题。
标明工作何时得到了AI工具的协助。
不要直接接受或依据首次结果行事。
努力发现那些既能产生最令人惊讶的结果、也能产生最符合预期结果的问题。
学会解释你为何接受或偏好某些输出（相较于其他选项）。
不接受粗鲁、辱骂或剥削性的结果。
保持好奇与谨慎。
