为什么在人工智能时代中批判性思维比以往任何时候都更重要
为什么在人工智能时代中批判性思维比以往任何时候都更重要
在当今世界，我们拥有比以往任何时候都更多的信息。只需进行一次快速的Google搜索或使用像ChatGPT这样的生成式人工智能（GenAI），就可以在几秒钟内获得答案。但仅仅因为我们能快速生成想法，是否意味着它们总是最好的想法？
Photo byDarius BasharonUnsplash
这让我们思考：在一个充满信息的世界里，尤其是来自人工智能的信息，停下来思考再行动比以往任何时候都更为重要。没有仔细思考，我们可能会被信息淹没，错失其中的质量。
在我们继续之前，让我们先进行一个快速测验，看看你对信息是如何思考的。用“是”或“否”回答以下问题：
- 你是否曾经质疑你听到或读到的内容是否属实？
- 你是否考虑过信息的来源和背后的人是谁？
- 你是否在想人工智能生成的信息是否是最好和最可靠的，还是只是最快和最容易找到的？
如果你对每个问题的回答都是“是”，那太棒了！你已经在运用批判性思维技能了。如果不是，请不要担心-本文将解释什么是批判性思维，并向你展示如何开始。
什么是批判性思维？
批判性思维是辨别真伪信息的技能。它就像一个“真实过滤器”，帮助我们分辨可靠和不可靠的信息。
这种技能已经存在超过2500年，起源于希腊哲学家苏格拉底。批判性思维的一个简单例子可能是：“我怎么知道批判性思维是从苏格拉底而非孔子开始的？”像这样提出问题就是批判性思维的全部意义。通过质疑观念和假设，我们正在运用苏格拉底方法。这种方法以苏格拉底命名，他认为提出问题有助于我们更好地理解事物。
当时，苏格拉底的思想是新的，他并没有把它们写下来。事实上，他认为写作不如口头交流在寻找真理时那么有用。但他的学生柏拉图写下了许多苏格拉底的思想，确保它们能被后人记住。多亏了柏拉图，我们也有了西方哲学的基础，从而亚里士多德发展了结构化思维。他帮助我们分类信息，发现逻辑错误，并创造有说服力的论点，为演绎推理奠定了基础。我们将在另一篇文章中讨论演绎推理。
在16世纪，像弗朗西斯·培根这样的思想家进一步塑造了我们对批判性思维的理解。培根关注认知偏见和归纳推理，帮助我们引领了科学革命。当你分析信息并从一般观察中得出结论时，你正在使用归纳推理，这是培根帮助发展的一种方法。我们将在另一篇文章中讨论演绎推理。
简而言之，批判性思维包括质疑，测试和完善想法 - 这些原则可追溯到苏格拉底，柏拉图，亚里士多德和贝肯等人。理解他们的贡献有助于我们更清晰地思考今天。
什么是人工智能（AI）？
人工智能（AI）是一种以像人一样具有智能的方式行事的技术。但我们所认为的“智能”取决于我们的观点。例如，有些人可能认为国际象棋程序是智能的，而另一些人可能认为数字家庭助手也同样智能。重要的是要记住，人工智能（计算机智能）和人类智能彼此非常不同。
- 人类的智力因人而异。有些人擅长语言，其他人在科学技术方面表现优异，还有些人是有天赋的艺术家，但在数学方面不擅长，或者相反。这种多样性使得很难定义一个单一的人类智力标准。
- 计算机智能，然而，遵循固定的规则和模式。例如，几十年来，计算机一直在象棋和国际跳棋等游戏中击败人类。但是，计算机并不理解游戏的目标；它们只是遵循程序化的规则和匹配模式。
总之，人类智慧和计算机智慧是不同的。计算机在具有明确规则和模式的任务上表现非常出色，但它们不明白为什么要做这些任务。人工智能在任务具有严格规则和模式的情况下表现最佳。
为什么在人工智能时代批判性思维至关重要？
最近，有人使用ChatGPT来帮助写LinkedIn的“关于”部分。然而，结果并不符合个人品牌。相信很多人也有类似的经历。
理解人工智能的局限性
人工智能是通过大量数据进行训练的，这些数据可能包含偏见，比如与性别或种族有关的偏见。这些偏见可能会影响人工智能提供的结果。了解这些偏见很重要，因为人工智能的表现取决于它学习的数据。因此，在工作中使用人工智能之前，了解其伦理限制是很重要的。
做出自己的决定
AI是一种工具，而不是决策者。它提供建议，但最终选择权在于你。在这个过程中，批判性思维非常重要。在AI提出许多选择的情况下，你需要决定什么对你的情况是正确的还是错误的。例如，AI可能会基于数据推荐一种市场营销策略，但它是否反映了公司的价值观？批判性思维帮助你审查这些选择，考虑可能的结果，并根据目标和道德选择最佳选项。
小心与人工智能分享什么
在使用人工智能时，请注意分享的信息。想象一下，输入到人工智能工具中的每个信息都像显示在一份热门报纸的头版上一样是公开的。数据会留下数字足迹，就像电子邮件或谷歌搜索一样。请考虑数据可能在将来被如何使用。
- 数据真的私密吗？
- 有哪些措施可以保护它？
- 人工智能提供商是否在竭尽所能确保信息安全？
即使像ChatGPT这样的工具很有用，但分享的任何东西都可能被用来训练未来的模型。请谨慎分享敏感或个人信息，以保护隐私。
保持对AI预测的灵活性
AI不是一个水晶球。它可以帮助预测趋势，但它不能给我们确切的答案。随着人工智能的不断提高，它的预测可能会变得更加准确，但我们仍然应该质疑它们。我们可以信任人工智能来预测未来多少？世界是不可预测的，人工智能无法考虑到一切。虽然人工智能提出可能的结果，但重要的是不要过分依赖它。灵活性和适应性至关重要。人类的美好之处在于可以以人工智能无法做到的方式来应对不确定性。这就是为什么在当今由人工智能驱动的世界中，批判性思维非常重要。
关键思维与其他类型思维（如战略思维和创造性思维）有何不同？
我们可以将战略性、创造性和批判性思维视为解决问题的不同工具。
- 战略思维就像下棋一样。提前计划着走法，专注于长期目标和可能的结果。
- 创意思维是将思想以新的方式结合，创造出新鲜原创概念的过程。
- 批判性思维是关于检查信息质量的。它问：这个信息可靠吗？它是否相关？它是否有效？战略性和创造性思维帮助计划和产生想法，而批判性思维确保决策基于可信赖的数据。
生成式人工智能可以通过帮助制定战略或提出新的想法来支持战略性和创造性思维。然而，仍然需要批判性思维来检查从人工智能获取的信息是否准确和有用。
要成为一个优秀的思考者，需要具备创造性、战略性和批判性思维。
一个使用GenAI的批判性思维框架
在课程中，学习了一个实用的框架，可以将批判性思维与生成式人工智能结合起来使用，现在每天都在使用。这个框架被称为“PIQPACC”。通过使用这个框架，它可以帮助在与人工智能合作时指导思考、问题和结论。
定义与GenAI的明确目标和界限
框架中的第一步是目的。这是定义AI研究的目标并设定边界的地方。为了做到这一点，要问自己，“为什么要这样做？”然后，问适当的问题来确定主要问题。
例如，假设在一家快速消费品（FMCG）公司的市场研究部门工作。注意到其他部门经常要求团队提供报告、数据分析和业务建议。他们也经常将请求描述为“紧急”。
为了与genAI设立明确的目标和界限，可以创建一个类似这样的提示：
“我们是一个由5名市场研究团队组成的团队，处理诸如创建报告、分析数据和提供业务建议等重复请求。有哪些问题可以帮助澄清目标并设定边界？”
可能会看到类似这样的结果：
Response generated by ChatGPT
可以使用GenAI来询问什么样的请求算是“紧急”请求。例如：“请提供一个清晰的标准列表，以确定哪些请求是‘紧急’的。这些标准应该是客观的，没有偏见。”
可能会看到这样的结果：
Response generated by ChatGPT
目标是让目的清晰，并在其周围设定清晰的边界。
最后，可以创建一个类似这样的提示：“能帮我创建一个目的性陈述，使团队保持集中注意力，防止偏离目标吗？”
可能会看到这样的结果：
Response generated by ChatGPT
在做决定时应用这个框架。思考如何利用GenAI帮助创建明确的目标声明。与最喜欢的GenAI工具分享目标，并要求它帮助设立界限。每当不确定一个决定是否符合目标时，可以向Gen AI寻求指导。
测试信息质量
下一步是测试信息的质量。可以通过检查三个关键因素来进行：可靠性，相关性和有效性。
- 可靠性检查信息是否来自可信赖的来源。问问自己：它是来自可靠的人、组织或工具（比如秤或GenAI）吗？
- 关联性是指信息是否对目的重要。它是否直接与问题、主题或正在调查的问题相关？
- 有效性检查信息是否准确，并讲述完整的故事。即使信息可靠和相关，如果遗漏了关键细节，它仍可能是无效的。
评估安迪的建议
想象安迪建议创建“标准化请求表格”是处理来自多个团队的重复请求的最佳方式。他认为，这样做可以确保每个新请求的清晰度和完整性。他支持自己的建议，附上了一篇来自Aha！标题为“Aha！路线图|管理跨功能请求的最佳实践”的文章。
为了检验安迪的建议的可靠性，可以要求 GenAI 评估信息来源。例如，可以询问：
“我们正在评估一个来自Aha的文章支持的声明，该声明称标准化的请求表格是管理多个团队提出的重复请求最有效的方法，每个团队都认为自己的请求很紧急。能评估一下这个声明和信息来源的可信度吗？”
可能会看到这样的结果：
Response generated by ChatGPT
或者，可以问：
“能评估标准化的请求表格是否是最有效的工具，用于管理来自多个团队的反复请求，这些团队认为他们的请求是紧急的？请提供可靠的来源来支持或挑战这一说法。”
可能会看到类似这样的结果：
Response generated by ChatGPT
使用GenAI可以帮助通过检查信息来源的可信度来评估信息。有可靠的信息，可以做出更好的决定。
使用生成式人工智能来创建有力的问题
赋能问题旨在激发好奇心、鼓励深入思考并激发洞察力。这些问题有趣易答，展现真正的兴趣，超越表面层次的询问。想要使用生成式人工智能创建赋能问题，请按照以下步骤进行：
- 了解受众：了解向其提问的人，让问题对他们具有相关性和吸引力。
- 使用生成式人工智能：将目标和关于受众的相关细节输入像ChatGPT这样的工具。
- 生成问题：要求人工智能创造符合赋权问题标准的问题。
从前面的例子中，想象正在与销售团队合作。可以创建一个像这样的提示：
“正在帮助一个在快速消费品（FMCG）公司工作的由5人组成的市场调研部门管理其他团队对报告、数据分析和商业建议的重复请求。他们经常将这些请求描述为‘紧急’。”
这是宗旨陈述：“我们的目的是通过精确的数据分析和战略报告，提供可行的见解，使组织得以做出必有的商业决策。专注于与核心业务优先事项一致的要求，并提供可衡量的价值，确保努力推动进步，支持公司的战略目标。”
想要问销售团队1-2个赋权问题，以产生深思的分析。赋权问题必须符合以下5个标准：
- 引发好奇心。
- 很有趣，要回答需要做一些研究，了解询问的人，以便理解对他们来说什么可能是有趣的回答。
- 充满感染力，需要在表面之下思考。
- 表达出兴趣，显示出提问的人真诚地对有思想的答案感兴趣。
- 激发启示，使提问者和回答者受益。
销售团队由一群非常敬业的人组成，他们热衷于使用客户行为数据来预测下一个季度哪些产品将有最高的需求。
可能会看到类似这样的结果：
Response generated by ChatGPT
询问有力的问题可以使你准备好与任何人进行有趣的对话。
使用生成式人工智能探索不同的观点
GenAI可以帮助探索对一个观点或主张的不同观点，从而减少确认偏见。通过输入一个主张，可以要求人工智能从不同群体，如批评者、支持者或专家，呈现观点。这鼓励批判性思维，提供一系列观点，帮助建立更全面的理解。
例如，想要了解社交媒体对社会是有益的还是有害的，可以使用以下问题提示AI：
“社交媒体对社会更有益还是更有害？请提供社交媒体意见领袖、心理健康专家和隐私倡导者的观点。”
可能会看到类似于这样的结果：
Response generated by ChatGPT
这种方法可以让考虑更广泛的意见，帮助做出更加明智的决策。
使用生成式人工智能来审查假设
识别隐藏的假设是批判性思维的关键。生成式人工智能可以通过提出问题来挑战假设。例如，评估一家公司的成功时，可以考虑：最近的销售增加是短期提升还是长期增长的迹象？
示例提示：输入：“我们公司最近的销售增长显示了长期的成功。”问问 AI：“对销售增长的可持续性做出了什么假设？是否忽视了任何外部因素？”
可能会看到类似这样的结果：
Response generated by ChatGPT
通过质疑假设，可以澄清思维并做出更明智的决定。
用生成AI澄清概念
清晰的沟通对于批判性思维至关重要。为了避免混淆，重要的是每个人都能理解讨论的概念。生成式人工智能可以通过提供对复杂想法的定义和观点来帮助。
示例提示：输入：“在工作场所创造力的背景下，‘自由’意味着什么？”询问AI：“从法律、伦理和组织的角度解释工作环境中的‘自由’。”
可能会看到这样的结果：
Response generated by ChatGPT
通过在分享想法或做决定之前澄清意图，可以减少误解，帮助每个人保持在同一页面。
通过生成式人工智能加强结论
生成式人工智能可以帮助审查信息 - 这是构建强有力、有支持的结论的关键步骤。区分事实、真实主张和观点。
事实验证：事实可以被验证，并应该是结论的基础。真相需要进一步的背景和仔细检查，而观点是主观的。
示例提示：输入：“公司的利润稳步增长。” 问AI：“这个陈述是事实、真相声明还是观点？为每个分类提供证据。”
Response generated by ChatGPT
通过使用人工智能来区分事实和观点，可以基于可靠、经过验证的信息得出结论。专注于事实，仔细考虑真实性主张，并将其与观点相平衡，制定全面、适应性强的结论。
在当今世界，批判性思维比以往任何时候都更为重要。随着指尖提供了如此多的信息，像ChatGPT这样的工具可以快速生成想法。然而，这并不意味着所有的想法都是可靠的或是最佳选择。批判性思维帮助评估看到的信息的质量，质疑听到的内容，并做出更好的决定。它鼓励更深入地审视信息的来源、相关性和准确性，而不是立即接受。在使用人工智能时，这一点尤为重要。批判性思维帮助明智地使用人工智能的建议，而不是盲目接受。它还帮助考虑道德问题，比如人工智能数据中的偏见，并记住人工智能只是一个工具，而不是决策者。使用像PIQPACC这样的简单方法，可以帮助做出更好的决定，并避免被人工智能提供的信息量所压倒。总之，批判性思维帮助谨慎地、周到地应对当今人工智能驱动的世界的挑战。