如何使用神经网络来学习，而不是作弊
区别很简单：作弊让机器思考，而聪明的学习则把它据为己有。不要要求现成的答案，而是要求解释：让模型一步步分解主题，问你引导性问题，提出训练问题，检查你的思维。一个好的技巧是用自己的话复述材料，并要求找出理解中的差距和错误。这就是神经网络作为导师的工作方式，知识保留在你的头脑中，而不是在别人的文本中。早上抄下来的文章会被忘记，但讨论过的话题不会。
用简单的语言和类比分析复杂的主题
当教科书写得干巴巴的时候，要求你像十五岁一样用日常的类比和例子来解释这个话题。如果您不明白，请更简单地询问或从不同的角度询问，直到明白为止。分层是有用的：首先是两句话的本质，然后是细节，然后是对典型错误和误解的分析。您可以安排对话：您提出问题，模型回答并与您核对。这样的分析消除了对复杂主题的恐惧，并将临时抱佛脚转化为可以长期保留并转移到新任务的理解。
考试准备：笔记、抽认卡和测试
从长篇讲座中，神经网络将收集包含要点的浓缩摘要，并从摘要中收集问答卡，以便从记忆中重复。要求就该主题写一个练习测试，然后检查你的错误——这比重读效果更好。一个好的计划：首先快速回顾主题，然后通过测试进行自测，然后分析薄弱环节。该模型将提供助记符，帮助您在考试前一天计划复习，并解释为什么正确答案是正确的。检查教科书中的关键事实和公式 - 这样您就可以将准备速度与可靠性结合起来。
散文、文本和研究：帮助者，而不是作者
诚实的方法是在支持上使用神经网络，而不是代替它本身。与她讨论这个话题以找到观点，让她勾画出一个计划和一个论点列表，然后自己写下文字。提交你完成的草稿以供批评：让他找出薄弱的论点、逻辑漏洞和不令人信服的段落。她会告诉你哪里需要来源，帮助重新组织一个笨拙的短语并检查结构。这样，工作仍然是您的——带有您的想法和声音——并且质量也会提高。请记住大学规则：许多规则要求你表明人工智能的使用，并惩罚你提交生成的文本作为你自己的文本。
主要风险是神经网络的发明：如何检查一切
语言模型自信地生成可信的文本，但有时它只是编造事实、日期、引述，甚至不存在的来源——这称为幻觉。这对学生来说是一个陷阱：论文或考试中的错误代价高昂。规则很简单——通过教科书、讲座或可靠来源检查所有重要的内容，不要相信他们的话。明确允许模型回答“我不知道”而不是猜测并要求他们显示答案的依据是有用的。将神经网络视为一个聪明但有时充满幻想的对话者：助手 - 是，最后的手段 - 否。