请人工智能展示信息来源

人工智能几乎可以针对任何主题写出流畅、自信的段落。但流畅的段落不等于真实的段落。判断两者区别的方法，是询问信息来自哪里。来源是事实最初存在的地方：一项研究、一篇新闻报道、一个官方网站或一本书。当您要求人工智能展示来源时，就把一个只能听信的回答变成了真正可以核实的内容。

询问很简单。得到回答后，只需说："这段内容来自哪里？请列出带链接的来源。"或者将这句话加入最初的请求中："请解释这件事，并注明每个事实的来源。"您不需要使用复杂的措辞。问题越简单，回复就越清楚。许多能够浏览网络的人工智能工具都会返回可以点击的真实链接。

下面是需要坦诚面对的一点。无法浏览网络的人工智能并不真正“知道”自己的来源——它只是从文字中学习模式，并且可能会编造一个听起来非常可信的参考资料。它可能会为一篇从未存在过的论文提供看似真实的作者、标题和日期。因此，离线聊天机器人提供的来源只是一个起始线索，而不是证据。请以友善但审慎的态度看待它。

当您看到链接时，先扫一眼再相信它。这个网站确实存在吗？页面内容真的如人工智能所说吗？常见的失败情况是这样的：人工智能引用“哈佛健康，2021”，并附上一个整齐的网址，但您点击后却进入 404 页面，或看到完全不同的主题。无法打开的链接不是来源。

实时搜索网络的工具——例如珀普莱克西蒂，或处于搜索模式的 ChatGPT 和谷歌双子座——在提供来源方面好得多。它们会获取实时页面，然后引用其中的内容。您仍然需要核查，但至少链接是真实的。凡是正确性重要的事情，都应优先使用能够向您展示实时、可点击来源的工具。

再推进一步：“请引用来源中支持这一点的准确句子。”如果人工智能能够贴出真实的原句，您就可以搜索这些词来确认。如果它回避、含糊地改述，或者说“找不到准确的原文”，这就是一个微妙的信号，说明这一说法可能不可靠。准确引文技巧可以区分可靠的回答和自信的猜测。

来源存在还不够——它还必须可靠。一篇随意的博客和一项经过同行评审的研究都是“来源”，但它们的分量完全不同。请问：是谁发布的？他们是否有理由产生偏见？内容是否足够新？一项关于手机的 2009 年统计数据是有趣的历史资料，而不是当前事实。

您向人工智能询问所在城市的平均租金。它回答“$1,450”。您回复：“您的来源是什么？信息有多新？”好的回答会指向一个注明名称、发布于今年的租金指数。薄弱的回答则会说“基于一般数据”。第二种回答可能接近事实，也可能已经完全过时。来源会告诉您究竟是哪一种。

不是所有内容都需要引用来源。如果您让人工智能集思广益，提出礼物创意，或改写电子邮件，就没有需要查找来源的事实。请把核查来源的精力留给事实性主张：数字、日期、引语、医疗或法律方面的说法、新闻。让付出的努力与事情的利害程度相匹配。

随着时间推移，“这信息是从哪里来的？”会变成一种自动反应——就像优秀记者拥有的本能一样。您并不是在对人工智能无礼，而是在做一个谨慎的人。目标不是怀疑一切，而是基于正确的理由相信正确的事物。来源正是您赢得这种信任的方式。

所以，做法是：要求提供来源，优先使用能够浏览网络的工具，要求准确引文，点击链接，并判断发布者是否可靠。这样做，您就不再是人工智能文本的被动读者，而会成为主动核查者。人工智能负责起草；由您判断什么是真实的。这种合作才是真正的价值所在。

您刚刚得到一个语气笃定、带有统计数字的人工智能回答。

您学会了要求人工智能提供来源，也知道离线工具可能编造看似真实、令人信服的虚假参考资料，还学会了通过点击链接和要求准确引文来进行核查。优先使用浏览工具，判断发布者是否可靠，并把严格的来源核查留给真正的事实性主张。来源能把语气笃定的文本变成您真正可以信任的内容。