„Führen Sie eine umfassende Literaturübersicht über die hochmoderne Artwork des maschinellen Lernens und des Energieverbrauchs durch. (…) ”
Mit dieser Eingabeaufforderung habe ich die neue Deep Analysis-Funktion getestet, die seit Ende Februar in das Openai O3-Argumentationsmodell integriert wurde-und innerhalb von 6 Minuten eine hochmoderne Literaturübersicht durchführte.
Diese Funktion geht über eine normale Websuche hinaus (z. B. mit Chatgpt 4o): Die Forschungsabfrage wird unterbrochen und strukturiert, das Web wird nach Informationen gesucht, die dann bewertet werden, und schließlich wird ein strukturierter, umfassender Bericht erstellt.
Schauen wir uns das genauer an.
Inhaltstabelle
1. Was ist tiefe Forschung von Openai und was können Sie damit machen?
2. Wie funktioniert tiefe Forschungsarbeiten?
3. Wie können Sie tiefe Forschung verwenden? – Praktisches Beispiel
4. Herausforderungen und Risiken des tiefen Forschungsmerkmals
Letzte Gedanken
Wo können Sie weiter lernen?
1. Was ist tiefe Forschung von Openai und was können Sie damit machen?
Wenn Sie ein OpenAI -Plus -Konto haben (den Plan von 20 USD professional Monat), haben Sie Zugang zu tiefen Nachforschungen. Auf diese Weise haben Sie Zugriff auf 10 Abfragen professional Monat. Mit dem Professional-Abonnement (200 USD professional Monat) haben Sie mit 120 Abfragen professional Monat den Zugang zu tiefen Forschung und zur Forschungsvorschau von GPT-4,5 mit 120 Abfragen.
Openai Verspricht, dass wir mehrstufige Forschung mit Daten aus dem öffentlichen Internet durchführen können.
Dauer: 5 bis 30 Minuten, abhängig von der Komplexität.
Bisher dauerte solche Forschungen normalerweise Stunden.
Es ist für komplexe Aufgaben gedacht, die eine tiefe Suche und Gründlichkeit erfordern.
Wie sehen konkrete Anwendungsfälle aus?
- Führen Sie eine Literaturübersicht durch: Führen Sie eine Literaturübersicht über hochmoderne maschinelle Lernen und Energieverbrauch durch.
- Marktanalyse: Erstellen Sie einen vergleichenden Bericht über die besten Advertising and marketing -Automatisierungsplattformen für Unternehmen im Jahr 2025 basierend auf aktuellen Markttrends und -bewertungen.
- Technologie- und Softwareentwicklung: Untersuchung von Programmiersprachen und Frameworks für die Entwicklung von KI -Anwendungen mit Leistung und Anwendungsfallanalyse
- Investitions- und Finanzanalyse: Führen Sie Forschungen zu den Auswirkungen des KI-angetriebenen Handels auf dem Finanzmarkt durch, basierend auf den jüngsten Berichten und akademischen Studien.
- Rechtsforschung: Führen Sie einen Überblick über die Datenschutzgesetze in Europa im Vergleich zu den USA durch, einschließlich relevanter Entscheidungen und jüngsten Änderungen.
2. Wie funktioniert tiefe Forschungsarbeiten?
Deep Analysis verwendet verschiedene Tiefes Lernen Methoden zur systematischen und detaillierten Analyse von Informationen. Der gesamte Prozess kann in vier Hauptphasen unterteilt werden:
1. Zersetzung und Strukturierung der Forschungsfrage
Im ersten Schritt verarbeitet der Instrument die Forschungsfrage mithilfe von NLP -Methoden (Pure Language Processing). Es identifiziert die wichtigsten Schlüsselbegriffe, Konzepte und Unterfragen.
Dieser Schritt stellt sicher, dass die KI die Frage nicht nur buchstäblich, sondern auch in Bezug auf Inhalt versteht.
2. Relevante Informationen erhalten
Sobald das Instrument die Forschungsfrage strukturiert hat, sucht es speziell nach Informationen. Tiefe Forschung Verwendet eine Mischung aus internen Datenbanken, wissenschaftlichen Veröffentlichungen, APIs und Internet -Scraping. Dies können offene Zugriffsdatenbanken wie beispielsweise Arxiv, PubMed oder Semantic Scholar, aber auch öffentliche Web sites oder Nachrichtenseiten wie Guardian, New York Instances oder BBC sein. Am Ende auf alle Inhalte, auf die on-line zugegriffen werden kann und öffentlich verfügbar ist.
3.. Analyse und Interpretation der Daten
Der nächste Schritt besteht darin, dass das KI -Modell große Mengen an Textual content in kompakte und verständliche Antworten zusammenfasst. Transformatoren und Aufmerksamkeitsmechanismen stellen sicher, dass die wichtigsten Informationen priorisiert werden. Dies bedeutet, dass es nicht einfach eine Zusammenfassung aller gefundenen Inhalte erstellt. Auch die Qualität und Glaubwürdigkeit der Quellen wird bewertet. Und Kreuzvalidierungsmethoden werden normalerweise verwendet, um falsche oder widersprüchliche Informationen zu identifizieren. Hier vergleicht das KI -Instrument mehrere Quellen miteinander. Es ist jedoch nicht öffentlich bekannt, wie dies in der tiefen Forschung getan wird oder welche Kriterien dies dafür gibt.
4. Erzeugung des Abschlussberichts
Schließlich wird der Abschlussbericht erstellt und uns angezeigt. Dies geschieht mit der Erzeugung der natürlichen Sprache (NLG), so dass wir leicht lesbare Texte sehen.
Das AI -System generiert Diagramme oder Tabellen, wenn sie in der Eingabeaufforderung angefordert werden, und passt die Antwort an den Stil des Benutzers an. Die verwendeten primären Quellen sind ebenfalls am Ende des Berichts aufgeführt.
3.. Wie Sie Deep Analysis verwenden können: Ein praktisches Beispiel
Im ersten Schritt ist es am besten, eines der Standardmodelle zu verwenden, um zu fragen, wie Sie die Eingabeaufforderung optimieren sollten, um tiefe Recherchen durchzuführen. Ich habe dies mit der folgenden Eingabeaufforderung mit Chatgpt 4o gemacht:
„Optimieren Sie diese Aufforderung, eine tiefe Forschung durchzuführen:
Durchführung einer Literaturrecherche: Führen Sie eine Literaturrecherche zum Stand der Technik zum maschinellen Lernen und zum Energieverbrauch durch. “
Das 4O -Modell schlug die folgende Aufforderung für die tiefe Forschungsfunktion vor:
Das Instrument fragte mich dann, ob ich den Umfang und den Fokus der Literaturrecherche klären könne. Ich habe daher einige zusätzliche Spezifikationen bereitgestellt:
Chatgpt gab dann die Klarstellung zurück und begann die Forschung.
In der Zwischenzeit konnte ich den Fortschritt sehen und wie mehr Quellen allmählich hinzugefügt wurden.
Nach 6 Minuten warfare die hochmoderne Literaturüberprüfung abgeschlossen, und der Bericht, einschließlich aller Quellen, stand mir zur Verfügung.
Tiefes Forschungsbeispiel.MP4
4. Herausforderungen und Risiken des tiefen Forschungsmerkmals
Schauen wir uns zwei Definitionen der Forschung an:
„Eine detaillierte Untersuchung eines Themas, insbesondere um neue Informationen zu entdecken oder ein neues Verständnis zu erreichen.“
„Forschung ist kreative und systematische Arbeit, um den Wissensbestand zu erhöhen. Es beinhaltet die Sammlung, Organisation und Analyse von Beweisen, um das Verständnis eines Themas zu erhöhen, das durch eine bestimmte Aufmerksamkeit für die Kontrolle von Quellen für Verzerrungen und Fehler gekennzeichnet ist. “
Die beiden Definitionen zeigen, dass Forschung eine detaillierte, systematische Untersuchung eines Themas ist – mit dem Ziel, neue Informationen zu entdecken oder ein tieferes Verständnis zu erreichen.
Grundsätzlich erfüllt die tiefe Forschungsfunktion diese Definitionen in gewissem Maße: Sie sammelt vorhandene Informationen, analysiert sie und präsentiert sie strukturiert.
Ich denke jedoch, wir müssen uns auch einige Herausforderungen und Risiken bewusst sein:
- Gefahr der Oberflächlichkeit: Deep Analysis wurde hauptsächlich so konzipiert, dass vorhandene Informationen in einer strukturierten Kind (zumindest in der aktuellen Stufe) effizient suchen, zusammenfassen und bereitstellen. Absolut toll für die Übersichtsforschung. Aber was ist mit tieferem Graben? Die echte wissenschaftliche Forschung geht über die bloße Reproduktion hinaus und sieht sich die Quellen kritisch an. Die Wissenschaft lebt auch davon, neues Wissen zu generieren.
- Verstärkung vorhandener Vorurteile in Forschung und Veröffentlichung: Papiere werden bereits eher veröffentlicht, wenn sie signifikante Ergebnisse haben. Es ist weniger wahrscheinlich, dass „nicht signifikante“ oder widersprüchliche Ergebnisse veröffentlicht werden. Dies ist uns als uns bekannt als Publikationsbias. Wenn das KI -Instrument jetzt hauptsächlich häufig zitierte Papiere bewertet, verstärkt es diesen Development. Seltene oder weniger weit verbreitete, aber möglicherweise wichtige Erkenntnisse gehen verloren. Eine mögliche Lösung wäre hier, einen Mechanismus für die gewichtete Quellenbewertung zu implementieren, die ebenfalls weniger zitierte, aber relevante Papiere berücksichtigt. Wenn die KI -Methoden hauptsächlich Quellen zitieren, die häufig angegeben werden, können weniger weit verbreitete, aber wichtige Befunde verloren gehen. Vermutlich gilt dieser Effekt auch für uns Menschen.
- Qualität der Forschungsarbeiten: Obwohl es offensichtlich ist, dass die These eines Bachelor-, Grasp- oder Doktorarbeits nicht nur auf der Forschung von A-generierten A-generierten Forschungsergebnissen beruht, ist die Frage, die ich habe, wie Universitäten oder wissenschaftliche Institutionen mit dieser Entwicklung umgehen. Die Schüler können einen soliden Forschungsbericht mit nur einer einzigen Aufforderung erhalten. Vermutlich muss die Lösung hier darin bestehen, die Bewertungskriterien anzupassen, um eingehender Reflexion und Methodik mehr Gewicht zu verleihen.
Letzte Gedanken
Zusätzlich zu OpenaiAndere Unternehmen und Plattformen haben ebenfalls ähnliche Funktionen integriert (noch vor OpenAI): zum Beispiel, Verwirrung Ai hat eine tiefe Forschungsfunktion eingeführt, die Suchvorgänge unabhängig durchführt und analysiert. Auch Gemini von Google hat eine so tiefe Forschungsfunktion integriert.
Die Funktion gibt Ihnen einen unglaublich schnellen Überblick über eine erste Forschungsfrage. Es bleibt abzuwarten, wie zuverlässig die Ergebnisse sind. Derzeit (ab März 2025), Openai selbst schreibt als Grenzen Dass das Characteristic noch in einem frühen Stadium befindet, kann manchmal Fakten in Antworten halluzinieren oder falsche Schlussfolgerungen ziehen und Probleme mit der Unterscheidung maßgeblicher Informationen von Gerüchten haben. Darüber hinaus ist es derzeit nicht in der Lage, Unsicherheiten genau zu vermitteln.
Es kann jedoch angenommen werden, dass diese Funktion weiter erweitert wird und zu einem leistungsfähigen Instrument für die Forschung wird. Wenn Sie einfachere Fragen haben, ist es besser, das Commonplace-GPT-4O-Modell (mit oder ohne Suche) zu verwenden, wo Sie eine sofortige Antwort erhalten.
Wo können Sie weiter lernen?
Möchten Sie weitere Tipps und Methods zu Technologie, Python, Knowledge Science, Knowledge Engineering, maschinellem Lernen und KI? Erhalten Sie dann regelmäßig eine Zusammenfassung meiner am meisten gelesenen Artikel auf meinem Substant-kuratiert und kostenlos.