我们继续请张同找了几个他感兴趣的文字类的生成式AI的海外项目做了个感性评估,咱做个参考吧。
123RF AI Search Engine: 综合:四点五星
介绍:这是一个设计助理平台,平台的主要功能其实是帮助使用者完成一些日常办公中所需要的规划例如设计一些广告或者生成一段文字。平台的主要功能有摄影图像生成,矢量图设计,视频设计,音频设计,字体设计,人工智能图像生成器,AI人工智能作家。在这里,我想着重介绍一下AI人工智能作家。这是一个帮助使用者生成一些文字作品的部分,它的主要工作原理是通过设定好的模板和输入的提示词,生成使用者想要的文档。例如,我希望生成危机沟通计划,它允许使用者选定生成文章的语调以及生成文章的语言,通过选定的提示词主题,生成最后的文章。
评价与分析:当然,也有着一定的问题。例如,我希望生成有关火灾的一篇灾难交流方案,并且选定了幽默的口吻,但是事实上生成的文字我并没有发现幽默元素,但是当我将口气改成积极,给出的文字确实可以鼓舞人心。

WolframAlpha:综合:四点五星
介绍:这是一个计算引擎,可以执行广泛的任务,包括搜索和检索信息、求解方程、绘图等。 Wolfram|Alpha 以其能够为各种问题返回准确可靠的答案而闻名,其用户友好的界面使其可供广泛的用户使用。它通常被称为“计算知识引擎”,可以为从数学到物理到经济学到医学等广泛学科的用户提供强大的见解和数据分析。
评价与分析:例如,我输入在1922年1月十七号出生的名人,它会给予我很多的结果,并且和这些名人的相关信息。可以去看到,其中的结果十分的全面,包含了人物的生平,一些特点,甚至伴侣或者孩子的介绍。
但是,我觉得这个模型也有一定的不足。例如当我想查询chatgpt使用人数时,它并不能识别我输入的话语

但是当我单独输入chatgpt时,结果确实很明了,但是其中并没有揭示任何有关人数的信息:

这样就会存在一种问题,如果人们通过这种笼统的搜索并没有查找到自己需要的信息,他们应该如何使用这个网页呢?
Wanderlog Al Travel Assistant: 综合:四点五星
介绍:一个帮助使用者了解或者制作旅游攻略的网站。网站要求使用者输入想要旅游的国家或者城市,之后选定旅游开始日期和截止日期,便会生成一份旅游攻略,其中包括曾经旅游过的人们对于当地景点的建议,使用者可以在将想要参观的经典规划进自己的时间表中。不仅如此,它还可以帮助使用者规划所需的大概花费,包括租车,飞机票,旅馆费等等。

评价与分析:他最突出的的地方还是在于可以允许通过AI进行辅助聊天,例如你可以询问北京最好吃的食物是什么,或者评分最高的旅馆是什么,通过AI的筛选,会节省使用者很多的时间。
语义学者(Semantic Scholar):综合:四点五星
介绍:Semantic Scholar 是一个基于语义的学术论文搜索引擎,可分析文本内容以增强搜索结果。该方法使用“元数据”数组来表示学术文章的内容和主题等关键信息,可以更准确地进行内容分析和检索。 Semantic Scholar的核心技术是利用语义识别和语义分析来提取文章的主题和关键词。它使用机器学习模型来分析文章内容,找到文章中的关键语言,并在这些关键语言与文章的主题和主题之间建立联系。 Semantic Scholar的搜索功能比传统的文本搜索引擎更加准确、高效,能够更准确地回答用户的读者问题。同时,它也在学术文本检索和研究中发挥着重要作用,提供新颖的检索方法和数据分析工具。
在我的测试中,它在短时间内生成了大量相关论文,比Google学术等一些知名网页或带代码的论文生成论文的速度要快,而且发现的论文也更多。
评价与分析:
但我认为还有一些需要改进的地方。大量的论文和更全面的方向意味着人们很难找到自己想要的信息,需要花费更多的时间进行筛选。或许对于一些在这个领域有一定知识的人来说这并不是什么问题,但是对于一些想通过查询这个领域的论文来了解该领域的人来说,这可能就不是什么好事了。除此以外,它也并不支持使用者对他的提问。例如,当我输入“你可以给我提供一些数据科学在心脏病检测上的运用吗”,它并不能提供给我任何结果。但是当我输入数据科学在心脏病检测上的应用,它可以提供我很多的文章。我认为下一步可能是实施人工智能的辅助功能,例如配备实时聊天机器人,帮助观众更好地发现他们需要的文章。



附录A:
为了更好地测试这些模型,我想出了一个方法。我在这些模型中统一输入,并要求模型给我提供深度学习相关的文章,通过判断其运行时间和准确性来判断模型。让我们进行一个测试,下面是一些数据。
search deep learning essay | running time |
chatgpt3.5:no direct access to dataset | 0 s |
character.ai:it can work but the accruacy is not high enough | 413ms |
Semantic scholar:accuracy is very high | 2.3 s |