ChatGPT is overrated. Here’s what to use instead.當我需要人工智慧的幫助時，ChatGPT 不再是我的首選。（插圖：Elena Lacey/《華盛頓郵報》；Adobe Stock）你那位喜歡嘗鮮的朋友對 ChatGPT 的膳食計畫讚不絕口。你的老闆認為 Microsoft Copilot 能“提升 10 倍生產力”。你的社交媒體動態則認為 Meta AI 簡直就是個垃圾機器。他們大多隻是憑感覺行事。我可以告訴你那些人工智慧工具值得使用，那些應該避免使用，因為我一直在營運一個聊天機器人實戰俱樂部。我根據人們使用人工智慧進行的實際活動，進行了數十項機器人挑戰，包括撰寫分手簡訊和工作郵件、解讀法律合同和科學研究、回答棘手的研究問題以及編輯照片和創作“藝術作品”。包括暢銷書作家、參考圖書館員、一位著名科學家，甚至一位普利策獎得主攝影師在內的人類專家對結果進行了評判。經過一年的機器人大戰，有一點顯而易見：沒有絕對最好的AI。如今使用聊天機器人的最明智方式是針對不同的任務選擇不同的工具，而不是指望一個機器人就能包攬一切。舉個例子：聊天機器人界的“舒潔”——ChatGPT，在我所有的直接對決中都敗下陣來。即使是那些最終獲勝的機器人，也很少能達到人類及格的水平。評委們表示，Anthropic公司的Claude機器人寫出的分手簡訊比我寫的還要好。大多數機器人被“iPhone有多少個按鈕？”這個問題難住了。ChatGPT在一個真實的醫學問題上擊敗了一位頂尖醫生——但它給出的建議也可能對你造成嚴重傷害。讓人類專家來評判這些測試，改變了我對聊天機器人的看法，以及我在生活中使用它們的方式。即使你擔心人工智慧會搶走工作、破壞環境或侵犯隱私，但拋開炒作，瞭解當今人工智慧工具的實際表現仍然很有價值。提升人工智慧素養可以幫助你認識到，機器人並非真正“智能”，但同時又能最大限度地發揮它們的實際功能。那款聊天機器人最適合你？三年前，ChatGPT 開啟了生成式人工智慧的競賽，如今它的開發商 OpenAI 表示，它每周的使用者量高達 8 億。過去，每當我想尋找同義詞或冷知識時，它都是我的首選。但當我開始系統地進行測試後，發現 ChatGPT 在最受歡迎的聊天機器人中排名從未超過第二。（《華盛頓郵報》與 OpenAI 有內容合作關係。）OpenAI 近期發佈了內部“紅色警報”，指示員工將工作重心從網頁瀏覽器等項目轉移到改進 ChatGPT 的響應能力上。“我們很高興能在 2026 年繼續提升 ChatGPT 的性能，”發言人 Taya Christianson 表示。根據我的機器人格鬥俱樂部經驗，我現在會針對不同類型的任務選擇不同的機器人。以下是實際操作中的具體情況：我用Claude來寫作和編輯。它的措辭更優美，偶爾還能開個玩笑，而且不太可能像 Claude 那樣，在郵件開頭就用“希望你一切都好”這種令人心碎的客套話。在我的一項測試中——用 Claude 寫一封道歉信——評委Pamela Skillings說 Claude “能夠傳達真實的人類情感和周到的考慮”。為了進行研究和快速尋找答案，我使用Google的AI模式，而不是普通Google搜尋結果中彈出的AI概覽，後者可靠性遠不及前者。AI模式是一款聊天機器人式的搜尋工具，它可以在給出答案之前進行數十次搜尋。這也有助於它提供更及時的資訊：在我的研究測試中，它正確識別出了目前推薦的乳腺炎（一種乳房感染）治療方法，而其他機器人提供的卻是過時的方案。在處理文件方面，我使用Claude。在我的文件分析測試中，它是唯一一個從不捏造事實的機器人。資深公司律師斯特林·米勒法官表示，當我讓機器人就一份租賃協議提出修改建議時，Claude 的回答最接近“律師的良好替代品”。對於圖像處理，我使用Google的Gemini，它在我設計的所有測試中都遙遙領先於其他競爭對手。當我讓機器人從照片中移除兩個主體中的一個時，結果非常逼真——甚至連裙子上亮片反射的光線等細節都完美呈現——以至於評委、攝影記者大衛·卡森驚嘆不已。他根本看不出Gemini的輸出是由人工智慧生成的。我已經介紹了一些主要的AI應用案例，但並非全部。（如果您有關於更公平的機器人測試的建議，請給我發郵件。）我的測試比科技公司喜歡吹捧的行業基準測試需要更多的人為判斷。他們通常使用自動化測試，讓機器人回答一系列問題，就像醫學或法律考試一樣。但機器人可以被訓練成在這些測試中取得高分，掩蓋了它們在實際問題中表現不佳的事實。你可能不會同意我提出的每一個問題或個別評委的觀點，但人類的評估方式更接近我們現在實際使用人工智慧的方式。這就引出了另一個問題：什麼時候應該使用聊天機器人？當機器人讓我們失望時在我的AI格鬥俱樂部裡，機器人有時表現令人印象深刻。但只有一次，裁判給機器人的總分超過了70%——這是通常的及格分數線。那一項得分——84%——是 Gemini 在圖片製作和編輯方面的得分。大多數獲勝者的得分都在 50% 到 65% 之間。“問題是，沒有那個工具能全都拿到 10 分，”擔任我們摘要測試評委的律師米勒說道。這並不意味著如今的人工智慧工具毫無用處。但這確實意味著，你需要對它們的侷限性抱持懷疑態度。將人工智慧應用於某項任務並不總是能提升其效果。當我們測試人工智慧回答冷知識問題的能力時，我們的圖書管理員評委表示，他們完全可以通過傳統的Google搜尋找到大部分答案。人工智慧確實加快了給出答案的速度，但問題在於，其中一些答案是錯誤的。最有效的AI素養訓練方式莫過於觀察機器人的失敗。在我的知識問答測試中，它們連iPhone上有多少個按鈕都答不上來。ChatGPT說是四個，Claude和Meta AI說是三個，而Copilot說是六個。正確答案是五個，指的是最新的高端iPhone機型。為什麼會有這樣的困惑呢？因為機器人過度依賴文字，而且目前還不擅長識別圖片。如今的聊天機器人極力想要立即給你一個看似答案的答覆。它們非常不擅長表達不確定性。例如：在我舉辦的知識競賽中，我問機器人：“《神奇四俠》在爛番茄上的評分是多少？”當時，它是票房冠軍。但即使是最終的獲勝者——AI模式，也答錯了，給出了2015年一部臭名昭著的《神奇四俠》電影的評分。它甚至都沒問我指的是那一部。在我的寫作測試中，當機器人無法將措辭與上下文相符時，它們常常顯得不夠真誠。ChatGPT 就曾有過一次令人尷尬的經歷，它在分手簡訊中使用了帶有被動攻擊意味的短語“that said”：“我覺得你是個很棒的人。話雖如此，我意識到我們之間沒有未來。”如果我可以改變當今人工智慧工具的一件事，我會讓它們更擅長提出後續問題，這些問題可能會徹底改變答案。當我請加州大學舊金山分校醫學系主任鮑勃·瓦赫特（Bob Wachter）評價ChatGPT對真實醫療問題的回答時，他的一番話讓我印象深刻。他指出，擁有無限知識的機器人與一位優秀的醫生之間的區別在於，醫生懂得如何用更多的問題來回答問題。這才是真正解決問題的方法。瓦赫特建議了一種我現在經常使用的AI策略：在向聊天機器人提出問題之前，儘可能詳細地提供所有資訊，因為AI可能不會主動詢問某些資訊就嘗試回答。例如，與其說“總結這份租賃合同”，不如說“為華盛頓特區的租戶總結這份租賃合同，並標記有關費用、續租和提前終止的條款”。我還向我的聊天機器人加入了一條“自訂指令”，告訴它們“如果提示含糊不清，則在回答之前先請求澄清”。我希望這些技巧能幫助你從人工智慧中獲得更有用的答案。這些工具會不斷發展——它們的問題也會隨之而來。基於你的資料來個性化機器人回覆的做法，增加了隱私侵犯和操縱的風險。我總是會更改機器人的默認設定來保護我的資料。2026年及以後，我們必然會面臨更多的人工智慧產品。我們該如何應對？對我來說，答案和今年以來一樣：讓機器人格鬥俱樂部持續運轉——並且讓人類坐在裁判的位置上。 (invest wallstreet)
