2024年4月8日，《Nature》杂志发表了一篇题为《Three ways ChatGPT helps me in my academic writing》的专栏文章，由Dritjon Gruda撰写，引起了学术界的广泛关注。 在文章中，他详细阐述了ChatGPT在三个关键方面如何提升学术写作的效率和质量。
尽管学术界对于ChatGPT的积极与消极影响仍有争议，Gruda本人却几乎每天都在使用这项技术来提高他的论文写作水平。他强调，AI技术的价值并非来自于其自动生成文本的能力，而是通过与工具的互动，结合自己的专业知识来提炼和优化内容。以下是Gruda指出的ChatGPT在学术写作中的三种应用方式：
- 润色学术论文：AI可以帮助学者使论文更加清晰和连贯。为了获得最佳效果，提供明确的上下文和具体指令至关重要。Gruda建议，在使用ChatGPT进行论文润色时，应清晰地说明论文的主题、主要论点以及具体需求。
- 辅助同行评审：在同行评审过程中，AI可以协助总结关键点、组织反馈，并帮助撰写评审意见。这不仅可以提高评审的质量，还能提供新的视角。Gruda建议，在审阅完稿件后，使用AI来帮助组织和表达反馈，同时注意不要直接输入或上传稿件文本以保护隐私。
- 编辑反馈：虽然原文中未详细说明，但可以推断AI在编辑反馈阶段同样可以发挥作用，例如通过分析和建议来提高论文的逻辑结构和语言表达。
Gruda的文章不仅展示了ChatGPT在学术写作中的潜力，也提醒了我们在使用这些工具时需要考虑的最佳实践和伦理问题。如果你没办法使用ChatGPT
试试看kimi，在中国大陆地区，我使用kimi的感受基本上跟ChatGPT没什么区别了，比如本文就是kimi写的哦！网页链接是：https://kimi.moonshot.cn/chat
其实关键在于如何合理的使用
如果仅仅是命令你的ai去帮你完成一个你不擅长的内容，那么ai的幻觉会让你的任务完成效果大打折扣，甚至造成不可控的可怕的后果。但是如果你ai协助你完成你可以做但是耗费时间的，你仍然是有全局掌控能力有判断能力，那么ai就是你的好帮手啦！
ai再强大也不可能帮助小学生或者幼儿园学生
很多人会有一个错觉， 现在有了ai是不是就没必要学习生物信息学了。实际上，十年前也有类似的讨论，就是有了海量的云平台，网页工具，是不是没有必要自己费时费力的学习生物信息学数据处理，事实证明那些想偷懒的小伙伴们都错了。已经是错失了过去的十年生物信息学的爆发期，接下来的十年是ai的爆发期，你仍然是得从零开始学习而不是完完全全借助于工具本身，毕竟是掌握和使用工具的前提是你们有平等交流和沟通的权利，要不然给一个小学生或者幼儿园学生一个核武器又能怎么样呢？生物信息学基础的获得，可以看看我们的生物信息学马拉松授课（买一得五） ，你的生物信息学入门课。
以下是ai的全文翻译和整理
Gruda在葡萄牙天主教图波特商学院研究个性和领导力，同时也是《个性与个体差异》和《领导心理学》杂志的副编辑。以下是原文的翻译和整理哦：
我从生成性人工智能中获得的价值，并不是来自于技术本身盲目地生成文本，而是来自于与工具的互动，并运用我自己的专业知识来提炼它所产生的内容。我和聊天机器人之间的对话不仅增强了我工作的连贯性，而且随着时间的推移，教会了我如何以更简单的方式描述复杂的话题。
无论你是在写作、编辑还是同行评审中使用人工智能，以下是它如何为你做同样的事情的方法。
润色学术论文
你有没有听过房地产的口号，“位置，位置，位置”？在生成性人工智能的世界里，那就是“上下文，上下文，上下文”。
上下文至关重要。你不能指望生成性人工智能——或者任何事物和人——在没有它的情况下对问题提供有意义的回答。当你使用聊天机器人来润色你论文的某一部分以提高清晰度时，首先要概述上下文。你的论文是关于什么的，你的主要论点是什么？你可以以任何格式记下你的想法——即使是要点也行。然后，将这些信息呈现给你选择的生成性人工智能。我通常使用加州旧金山OpenAI制作的ChatGPT，但对于需要深刻理解语言细微差别的任务，比如分析搜索查询或文本，我发现由谷歌研究人员开发的Gemini特别有效。当你离线工作但仍需要聊天机器人的帮助时，位于巴黎的Mixtral制作的开源大型语言模型是理想的选择。
无论你选择哪种生成性人工智能工具，成功的关键都在于提供精确的指令。你说得越清楚，效果就越好。例如，你可能会写：“我正在为领先的[学科]学术期刊写一篇关于[主题]的论文。我在下面这一段尝试表达的是[具体观点]。请为了清晰度、连贯性和简洁性重新表述它，确保每个段落都能顺畅地过渡到下一个。去掉行话。使用专业的语调。”你可以在稍后再次使用相同的技术，来澄清你对审稿人评论的回应。
记住，聊天机器人的第一次回复可能不是完美的——这是一个协作和迭代的过程。你可能需要细化你的指令或添加更多信息，就像你与同事讨论一个概念时一样。正是互动改善了结果。如果有些东西不太准确，不要犹豫说：“这不是我的本意。我们来调整这部分。”或者你可以称赞它的改进：“这更清晰了，但让我们调整结尾，以便更顺畅地过渡到下一部分。”
这种方法可以将一个具有挑战性的任务转变为一个可管理的任务，填满你可能自己没有完全获得的洞见。这就像进行了一场开启新视角的对话，使生成性人工智能成为在发展和提炼想法的创造性过程中的协作伙伴。但重要的是，你在使用AI作为一个反馈板：它不是在为你写文件；它也没有在审阅手稿。
提升同行评审
生成性人工智能可以是同行评审过程中的宝贵工具。在彻底阅读一份手稿后，总结关键点和审查领域。然后，使用AI来帮助组织和表达你的反馈（不要直接输入或上传手稿的文本，从而避免隐私问题）。例如，你可能会指示AI：“假设你是一个有20年以上学术经验的专家和经验丰富的学者[领域]。根据我对一篇[领域]的论文的总结，其中主要关注[一般主题]，请提供这篇论文的详细评审，按以下顺序：1）简要讨论其核心内容；2）识别其局限性；3）按重要性顺序解释每个局限性的重要性。在整个过程中保持简洁和专业的语调。”
我发现AI伙伴关系可能非常丰富；这些工具经常提供我未曾考虑的视角。例如，ChatGPT擅长解释和证明我在审稿中识别的特定局限性背后的原因，这有助于我理解研究贡献的更广泛影响。如果我识别了方法论的局限性，ChatGPT可以详细阐述这些，并建议如何在修订中克服它们。这种反馈通常帮助我连接局限性及其对论文整体贡献的集体影响之间的点。偶尔，然而，它的建议可能是离题的、牵强的、不相关的或完全错误的。这就是为什么审稿的最终责任始终在你身上。审稿人必须能够区分什么是事实，什么不是，没有任何聊天机器人能够可靠地做到这一点。
优化编辑反馈
我从聊天机器人中获益的最后一个领域是我作为期刊编辑的角色。向作者提供建设性的编辑反馈可能很具挑战性，特别是当你每周都要监督几篇手稿时。由于我亲自收到过无数件无帮助、不具体的反馈——例如，“经过仔细考虑，我们决定不继续你的手稿”——我认识到清晰和建设性沟通的重要性。ChatGPT在这个过程中变得不可或缺，帮助我制定精确、富有同情心和可操作的反馈，而不会取代人类的编辑决策。
例如，在评估一篇论文并指出其优缺点后，我可能会将这些输入ChatGPT并让它起草一封合适的信件：“根据这些笔记，起草一封给作者的信。强调手稿的关键问题，并清楚地解释为什么手稿，尽管主题有趣，可能没有提供足够的实质性进展，不值得发表。避免使用行话。直接了当。始终保持专业和尊重的语调。”同样，可能需要几次迭代才能使语调和内容恰到好处。
我发现这种方法不仅提高了我的反馈质量，而且有助于确保我以支持性的方式传达我的想法。结果是编辑和作者之间更积极和富有成效的对话。
毫无疑问，生成性人工智能对科学界提出了挑战。但它也可以提高我们工作的质量。这些工具可以加强我们在写作、审阅和编辑方面的能力。它们保留了科学探究的本质——好奇心、批判性思维和创新——同时改善了我们如何传达研究成果的方式。
考虑到这些好处，你还在等什么呢？