探索财经奥秘,指引财富未来

我要求人工智能选择我的下一个阅读内容。事情是这样的

Demilade Adejola 2024-05-27 00:09:27

与Goodreads和书店等传统方法相比,AI聊天机器人提供更快、更具体的图书推荐.

ChatGPT在爱情建议方面表现出色,Copilot有一些成功和失败的建议,而Gemini则在一致性方面举步维艰.

AI聊天机器人在准确定位利基图书偏好方面效率很高,但仍然可能犯错误,比如推荐错误的体裁.

我目前寻找新书的策略包括浏览推荐书单,扫描Goodreads上的评论,查看BookTok上的热门话题.

然而,这些方法的问题是,它们经常被击中或错过.

如果你能保证从现在开始你会喜欢你读的每一本书,那不是很好吗?这就是人工智能的用武之地.

所以,就让我们来找出答案吧!我们需要一些东西来比较人工智能的推荐,所以,我用老式的方法去找书.

我的第一站是Goodreads,在那里我去找了一本浪漫的书.

我专注于寻找一个最近发布的版本,它会牵动我的心弦,但仍然足够轻松,让我发笑,踢我的脚.

在花了几分钟时间浏览了十几篇评论后,我终于选定了艾米莉·亨利的《滑稽故事》,名单上的下一本是《巴恩斯与诺布尔》,正在寻找一本悬疑书.

由于我不太熟悉这一类型,我信任编辑,选择了C.J.Box的三英寸牙齿,与ChatGPT一起探索浪漫小说精选,最后,我在亚马逊上寻找一本奇幻小说.

我不得不费力地阅读由ChatGPT生成的书,但在浏览了几分钟后,我终于偶然发现了西德尼·J·希尔兹的《蜂蜜女巫》.

现在问题解决了,是时候探索人工智能的推荐了.

我让ChatGPT给我找了一本带有虚假约会比喻的浪漫爱情书,书中轻松有趣,但仍有情感深度.

为了获得指导,我在提示语中加入了我过去喜欢的类似书籍,并将其发送出去.

ChatGPT以Mazey Edding的The Plus One作为回应,这是这本书的摘要,以及它推荐这本书的几个原因.

我喜欢ChatGPT的推荐.

它完全符合我的标准,从提纲来看,这本书似乎足够有趣.

然而,我注意到它是在2023年4月出版的--并不完全是一个新的版本.

事后看来,这是有道理的,因为我使用的是免费版本的ChatGPT,而且直到那时它才接受过数据方面的培训.

除此之外,它是一个可靠的选择.

当我向双子座索要一本新出版的谋杀悬疑书,这本书会让我的肾上腺素飙升时,它给我回了一些中文文本和亚马逊的一个链接,指向这本书的第24小时:这就是结局吗?作者:詹姆斯·帕特森和马克辛·佩特罗.

(那个谷歌怎么了?),我对第一个结果不太满意,以防我的第一个问题引发了一些奇怪的故障,我给了双子座第二次机会.

我让它推荐一本谋杀案悬疑书,犯罪者故意留下线索.

相反,它推荐了利·巴杜戈的《乌鸦六记》,这本书让我感到困惑,因为我读过这本书,它根本不是一部谋杀悬疑小说.

事实上,它是一部年轻人的奇幻小说.

就连双子座也承认了这一点,它在回复中说,这本年轻的成人奇幻小说不是你典型的谋杀悬疑小说.

我让Copilot推荐一本既有魔力又有强烈浪漫次要情节的书.

Copilot返回了五个标题,结果好坏参半.

其中两个建议完全符合我的要求,而另外三个则完全不符合我的喜好.

一种建议甚至是一本没有任何魔力的科幻书.

此外,副驾驶似乎更喜欢城市奇幻,尽管我提供的参考书更接近于高级幻想.

幸运的是,当我让它选一本书时,Copilot选择了埃文·温特的《龙的愤怒》,这是符合我标准的两本书之一.

比起我在Goodreads上找到的那本书,我更喜欢ChatGPT的浪漫推荐.

副驾驶的建议很好,但我对Barnes&Noble的这本书更感兴趣.

至于双子座,它的推荐是不一致的,所以亚马逊在这一类中获胜.

通过比较这两种寻找新书的方法,我感到很惊讶.

首先,询问聊天机器人是找到阅读内容的最快方式.

直到现在,我才意识到自己花了多少时间仔细研读有关Goodreads的书籍.

这个平台有如此多的不同观点,以至于很难形成你对一本书的看法.

如果你像我一样是一个书迷,你可能有一个巨大的TBR清单,但仍然很难找到你的下一本书.

为什么不把决定权完全从你的手中拿出来,让人工智能聊天机器人来选择你的下一本书呢?我读了,结果很有趣.

如果你像我一样是个书迷,你可能会有一个很大的书单,但仍然很难找到下一本书.

为什么不把决定权完全从你的手中拿出来,让人工智能聊天机器人来选择你的下一本书呢?我这样做了,结果相当有趣.

许多图书目录网站和在线书店已经使用人工智能根据你过去的购买和评论来推荐新的阅读,但人工智能聊天机器人将事情带到了一个新的水平.

因为你可以与他们交谈,你可以更具体地提出你的要求,准确地描述你想要什么书.

此外,由于这些聊天机器人会学习,你越多地使用它们,它们就会提供更好的推荐--至少,这是这个想法.

这一理论能否站得住脚还有待观察.