来源：微信公众号：AI超级营

第二步，我们进一步给AI确定回答的范围与标准。

一开始我们可以问一些比较简单的问题，比如“特斯拉的创始人是谁?”。

通过基础问题，我们也可以进一步确定AI已经找到了指定的知识库。

同时，在AI回答正确的时候，也可以选择确认。这样AI就能联系上下文，知道哪些信息是已经确认的信息。

在基础问题后，我们可以开始问一些稍微有些复杂的问题。

比如，“马斯克的降价策略对特斯拉的股价有什么影响?”

问题的设置最好是由已知到未知、由限定问题到开放问题、由简单到复杂。

已知未知是对我们来说的，不要一开始就问一些我们自己也不知道对错的问题。

要知道，即便是GPT-4，答案也并非完全是对的。

限定问题与开放问题指的是问题的开放程度。

限定问题往往有标准答案，而开放问题正好相反。

我们向AI提问，一开始应该选用限定问题。比如，像之前提到的“特斯拉的创始人是谁?”这样的问题。

简单和复杂是相对难度来说的，面对较为复杂的问题，同时开启“Web Browsing”模式的话，ChatGPT就会对答案进行网络检索并进行分析。

在实际使用中发现，同样是调用网络资源，ChatGPT和Bing Chat还是有很大的区别。

如果用中文提问，Bing Chat的回答素材主要还是来自中文网站，比如知乎、网易新闻等。

但ChatGPT则会将中文的问题翻译成英文，在更多的信息源中查询，在搜索完成后，又将英文信息转化成中文信息。

通过这种方式输出的答案依然是通顺流畅的。因此，相比Bing Chat，ChatGPT的答案更加丰富。

在面对这个问题时，ChatGPT的答案显然不算完全正确。

因此，我们可以针对答案对ChatGPT进行二次提问。

这里，我们质疑“为什么特斯拉降价初期的股价是上涨的?”在我们提出提问后，ChatGPT会继续进行解答。

这个时候我们再提问关于“特斯拉销量与股价的问题”时，ChatGPT的答案显然更准确了一点。

在结论上，ChatGPT承认“股价影响是复杂的”，而且在具体讨论中也区分了“短期”和“长期”。

相比最开始的回答，这一次的答案更加全面。

反馈非常重要，这相当于告诉AI，什么样的答案是我们需要的。

很多要求可能无法准确描述，但通过对回答的评判，AI自然会学习到我们对于答案的一些要求。

这就是GPT-4强大的学习能力。

最后一步，我们继续问“马斯克的哪些举措提高了特斯拉的销量?”这个时候，ChatGPT的回答会更加具体。

他提到了马斯克的降价策略、宏大的生产目标、空中更新和驾驶体验等商业策略。

还有一个重要的变化是，训练后的答案会更加客观。

ChatGPT对提问的内容还进行了拓展，除了给出了马斯克提高销量的举措外，甚至还提出了一些分析师反对马斯克的看法。

对于获取信息的我们来说，这样的答案显然更有助于我们解决问题。

我们总结一下，GPT模型强大的能力在于理解上下文的能力，所以如果想让GPT-4的回答更加精准，就需要不断给他增加信息。

可以通过下面这几个步骤来实现：

在这些步骤中，第二步尤其重要。虽然GPT-4比前几代的模型的出错率更低，但依然可能存在错误。

所以，为了保证答案的正确性，我们需要由浅入深地向ChatGPT提问。

如果AI在前几个问题中出现了错误，我们也必须立即纠正他的回答，并进行重新提问。

可以这么说，想和AI“优雅地”聊天，关键在于训练。

训练既包括设定身份、限定范围，也包括对已知的错误进行校正。

对于ChatGPT，我们不能期望一步就得到答案，而是在训练过程中让答案越来越准确。

今天，我们正处于一个过渡点，接下来AI将无处不在。ChatGPT引发的AI浪潮，在规模上与工业革命、电力的发明相当。

未来的竞争，不是人与人工智能AI的竞争，而是掌握AI的人，与未掌握AI的人之间的竞争。

先人一步，掌握当下最流行的AI工具和知识，能让你在未来的生活和职场中具备超级竞争力。