在数字互动维持社交纽带的时代,印度研究人员提出了如何用最少的精力去维持数字友谊的方法:对朋友发送的各种梗回复“Haha So True!”。研究报告发表在《Journal of Astrological Big Data Ecology》期刊上。研究人员对 150 名参与者进行了三盲随机实验,测量了 Haha So True! 回复的效果,并对比了类似 OMG LMAO 或 LOL, I just snorted coffee 不同回复的效果差异。结果显示,Haha So True! 相比字数更多更努力的回复,在让朋友满意、减轻罪恶感和投射“我在乎……就够了”氛围上效果相差无几。
发表在《哈佛商评》上的一项新分析认为,虽然拥有新的能力,AI 工具仍然只是一种预测引擎,成功部署需要高质量数据和人类判断。今天的生成式 AI 能处理写作和编程等复杂任务,但预测机器的本质意味着使用它的组织必须理解其局限性,需要提供恰当的监督。低质量的数据会导致错误,而部署时缺乏人类判断会导致战略失败,尤其是在高风险的情况下。计算机本质上是一种算术机器,成功使用 AI 时代前的计算机需要理解它严格遵循指令。不精确的指令会导致错误的结果。在生成式 AI 流行前,AI 主要是作为一种预测应用。生成式 AI 将更多的复杂任务如写作、绘画和编程都加入到了可预测范围内,但它并没有改变预测机器的本质。
2004 年 11 月 20 日 Google 推出了学术搜索(Google Scholar),提供了一个可以免费搜索学术文章的网络搜索引擎。过去 20 年,Google Scholar 逐渐成为科学界最重要的工具之一。但近年随着 AI 工具的兴起,科学家开始越来越多的使用这些新工具。华盛顿大学的 Jevin West 认为,如果 Google Scholar 有一天不再是科学行业的主要搜索工具,那么这一天可能就是现在。以 ChatGPT 为代表的 AI 大模型被科学家日益用于搜索、评估和总结科学文献。新加坡管理大学的学术文献管理员 Aaron Tay 以前的默认搜索工具是 Google Scholar,但现在开始使用 AI 工具。Google Scholar 联合创始人 Anurag Acharya 欢迎这一变化,他表示 Google Scholar 尚未提供 AI 生成的搜索结果摘要,原因是 Google 尚未找到有效的解决方案,以简洁的方式总结多篇论文的结论并保留重要背景信息。