新闻|全新科研利器gpt-k8凯发旗舰

        3月14日gpt震撼发布，gpt-4在识图能力、文字输入限制、回答准确率、创作等方面有了飞跃式的提升，gpt-4相比以往的ai都要更加具备实用性、和创意。

        gpt虽然不能代替我们学习，但是我们可以借助gpt帮助我们学习。在学习过程中，我们可以把gpt看成一个很好地引擎，关键在于，g老师有很好的理解能力以及归纳能力。比起单一的搜索引擎，比如百度，它的回答非常的多元。举个例子：

1. 检索相关文献

        向gpt提问“erp检测相关深度学习方法，及其达到的性能，论文出处”

        首先，值得夸奖的是，gpt面对有歧意的问题，回答很完整，逻辑也非常有条理性，内容似乎没有遗漏问题的要点，理解了本意“erp检测常见的方法分类 类别的介绍 相关文献”。

        为了证实gpt没有“胡言乱语”，接着我们对里面的文献进行内容核实。针对cnn方法中bashivan 等人提出的learning representations from eeg with deep recurrent-convolutional neural networks [1]。同时，这篇文献也出现在了rnn方法的相关文献中。接下来，我们在arxiv上找到了它，来源确认无误。但不对劲的是，标题和rnn方法相关。在下载后，仔细看文章，除了最主要研究的rnn方法，以及其它对比实验，里面也并没有介绍cnn方法。

        虽然gpt出现了小小的错误，但是我们还是“原谅”它，继续求证其它文章。但是遗憾的是rnn方法中zhang等人提出的a deep learning approach to event-related potential detection in brain–computer interface systems在很多网页中没搜索到相关信息，当再次询问gpt的时候，其给出了原始答案相悖的信息，比如发行时间等。

        2. 写论文英文摘要

      （1）给出关键词，写英文摘要

        这句话没有理解睡眠阶段、情绪识别和erp检测之间的联系，于是继续提问。

        为了演示方便，我们采用deepl给大家翻译一下。

        显然gpt还是没太理解。

     （2）给出英文原文，gpt润色

        这里我们选用deepsleepnet[2]的摘要作为即将要被润色的素材。

        这样看来，gpt的润色效果还不错。

        3. 解释代码

        给出一段代码，让gpt解释代码的意思。下面结果来看，回答挺好理解。

除了以上演示的作用，gpt还可以帮忙调试代码的bug。虽然缺陷难免，但是性能已经超越了某些浏览器（而且没有广告）。总体使用体验是正确地使用gpt在科研方面是利大于弊的。本次使用有以下一些小建议：

首先，提出问题要有逻辑性，避免出现二义性的句子以及长难句等。

其次，gpt有一定的逻辑，在提问过程中，可以层层递进、循循善诱地提问，会发现它有别于浏览器的重大优点，可以得到除了问题本身更连贯的解答。

然后，不要赋予对gpt过多期待，它还是有一定的局限性。

最后，作为使用者，在享用gpt-4便利的同时，也应该持有谨慎的态度，核实gpt回答的出处，对找不到来源出处的东西存疑。

[1] bashivan, p., rish, i., yeasin, m., & codella, n.c. (2015). learning representations from eeg with deep recurrent-convolutional neural networks. corr, abs/1511.06448.

[2] supratak, akara , et al. "deepsleepnet: a model for automatic sleep stage scoring based on raw single-channel eeg." ieee transactions on neural systems & rehabilitation engineering pp.99(2017).

撰写人：杨叶泽盛

指导老师：李景聪