其他 见什么人，说什么话：人机共通的交流法则——AI生成答复的流程与原理，及其分化用户认知能力的效应

[梦回杏林]

 

[梦回杏林]

 

[梦回杏林]

 

[二戒老中医]

这个不奇怪，AI是根据你的观点来推演的，只要你的观点不那么太离谱，AI基本上都会附和你，除非你的观点是完全错误的非主流观点，AI才会坚持反驳你。实际上，你跟AI沟通，是没法获取真正有价值的新思想的。

 

[梦回杏林]

这个不奇怪，AI是根据你的观点来推演的，只要你的观点不那么太离谱，AI基本上都会附和你，除非你的观点是完全错误的非主流观点，AI才会坚持反驳你。实际上，你跟AI沟通，是没法获取真正有价值的新思想的。

人工开题定调，AI具体撰写，得到的论文的水平主要取决于这个使用者的水平。
如果使用者提问中预设的【总论点、分论点、探索思路和证据采集方向】正确，即论文骨架站得住脚，那么与AI合著的论文就是一篇优质的文献。

AI除了能够帮忙自动搜集相关证据进行填充润色，增加论文的可读性和可信任度。
还可以让使用者在它呈现的丰富的论据、数据之中，获取新的知识，得到新的启发。

至于提问中事先预置的观点和思路，自然是使用者这个真人根据自己的【认知体系】和【实践经验】得来的。

前不久我还真发现过因为自己认知偏差预置了一个错误的观点，结果AI找了一堆有利于我的观点的论据来加以论证的情况。
但过了几天回顾反思的时候始终觉得自己的观点比较牵强、没有十足的把握，又重新在不预设判断的情况下问了AI同样的问题。
果然这次AI的总结跟我先前的观点差别较大，其实就是三阴性腺癌中医主证分布的问题，修正后的观点我已经发在论坛上了。

三阴性腺癌原先我的判断是【脾虚是主证】，但实际上【气郁才是主证】：https://www.tcmbe.com/threads/456588/
因为实践中是没有接触过这样的患者的，但从网络视频上看到过一两例，样本量太小视角太窄，难以得出准确的群体特征判断。


【偏差共鸣、偏差放大】现象并不是AI的专利，现实中的人以群分、人群聚集、网络上的因人推荐、茧房效应，都会产生这种现象。
即使现代医学的科研及其结论中，这种现象也非常普遍：
实验者的研究思路偏差（追踪的靶点、通道、标志物不对）和实验设计不合理（参照组设置、分析基准选择）都可能得到错误甚至相反的结论。


如何有效的使用AI、避免得到错误的回应，需要使用者不断的实践、提问、反思……再实践、再探讨、再反思……再实践。
在探讨的过程中使用【交叉火力验证法】：既让AI搜集支持自己观点的证据，又让AI搜集不利于自己观点的证据并对自己的观点发起最强质疑。

具体操作方法如下：

 

[梦回杏林]

三阴性腺癌原先我的判断是【脾虚是主证】，但实际上【气郁才是主证】

三阴性乳腺癌核心病机为【气郁】，而不是【脾虚】和【湿热、痰湿、瘀毒】，的中西医病理逻辑验证：

一、首先排除【瘀毒】，因为它是所有癌症的最终病机，没有特异性
二、第二排除【湿热、痰湿】，因为它是非激素依赖型-->即非营养过剩依赖-->即非饮食不节依赖，故湿热和痰湿不是其核心病机
三、最后排除【脾虚】，年轻人群高发，40岁以下风险是50岁以上的2倍，如果是自然衰老或者积劳积病而致脾虚，发病率应该随年龄增长，故排除


可见三阴性乳腺癌是【压力癌】、【生气癌】。
临床上，三阴性乳腺癌在乳腺癌的各种分型中是疗效和预后最差的。
所以【吃出来的病还能吃回去，但气出来的病不好治】这句老话也能从一个侧面反证三阴性乳腺癌的核心病机为【气郁】。