Slik gir du instruksjoner for kritisk analyse

For å instruere et AI-verktøy til å kritisere logikken i argumentasjonen din, må du eksplisitt tildele det rollen som en skeptiker og forby det fra å oppsummere eller pusse på teksten din. Dette oppnår du ved å bruke promptstrukturer som tvinger modellen til å innta en motstående holdning, isolere spesifikke logiske feilslutninger og ubegrunnede antakelser, i stedet for bare å forbedre prosaen.

Hvorfor standardresponsene svikter

Standard AI-responser har en tendens til å være enige eller oppsummerende fordi de underliggende modellene er trent til å være hjelpsomme og samtaleorienterte. Når du limer inn et argument i et chatvindu uten spesifikke instruksjoner, går verktøyet automatisk over i en samarbeidsmodus. Det identifiserer hovedpoenget, formulering det om for klarhets skyld, og foreslår kanskje små stilistiske forbedringer. Denne atferden er nyttig for redigering, men ubrukelig for logikk. Modellen vet ikke at du ønsker at den skal finne sprekkene i resonnementet ditt; den antar at du ønsker bekreftelse eller finpussing. Derfor gjenspeiler ofte outputten dine egne bias, og styrker argumentet i stedet for å teste det. For å få kritisk analyse må du overstyre denne standard samarbeidsposisjonen med eksplisitte, motstridende instruksjoner.

Promptstrukturer for skepsis

For å tvinge frem en skeptisk holdning, bruk promptstrukturer som definerer en spesifikk, motstående rolle. I stedet for å spørre «Er dette argumentet godt?», be verktøyet om å opptre som en bestemt type kritiker. Be for eksempel modellen om å opptre som en formell logiker hvis eneste oppgave er å identifisere logiske feilslutninger og hull i resonnementet innenfor argumentasjonen din. Denne innrammingen fjerner presset på å være høflig eller hjelpsom i en generell forstand. Du kan også bruke rollespill-prompter som tildeles AI-en perspektivet til en bestemt motpart, som en fagfellevurderer kjent for strenge standarder eller en filosof som spesialiserer seg på epistemologi.

En annen effektiv struktur er «steel-man og kritikk»-tilnærmingen. Be verktøyet om først å formulere den sterkeste mulige versjonen av argumentet ditt, og deretter å demontere denne sterkeste versjonen. Dette forhindrer at AI-en angriper en svak, stråmann-versjon av poenget ditt. Du må eksplisitt forby modellen å oppsummere teksten. Inkluder en negativ begrensning i prompten, for eksempel «Ikke oppsummer argumentet. Ikke omskriv teksten. Identifiser kun logiske svakheter.» Dette tvinger outputen til å fokusere på struktur og gyldighet fremfor innhold eller stil.

Isolere feilslutninger og antakelser

Teknikker for å isolere logiske feilslutninger og ubegrunnede antakelser krever at argumentet brytes ned i sine komponentdeler. Ikke lim inn en lang essay og be om kritikk av hele teksten. Isolér i stedet den kjerne logiske strukturen. Du kan bruke QuillBot til å parafrasere eller oppsummere argumentet ditt til den nakne logiske skjelettet, ved å fjerne retoriske utsmykninger. Når du har denne nedstrippede versjonen, mate den til AI-en med instruksjoner om å identifisere hver premisse og konklusjon. Be verktøyet om å liste hver premisse og avgjøre om den er støttet av bevis eller kun påstått.

For å identifisere feilslutninger, be AI-en om å sjekke etter spesifikke vanlige feil, som å bekrefte konsekvensen, sirkelresonnement eller non sequiturs. Du kan også be den om å identifisere utalte antakelser. For hver konklusjon du trekker, spør verktøyet: «Hva må være sant for at denne konklusjonen følger av disse premissene?» Dette fremhever skjulte antakelser som du kanskje har oversett. Hvis du arbeider med komplekse, flerlags argumenter, kan Claudes utvidede tenkeevner brukes til å dypt analysere strukturelle svakheter og utalte antakelser som spenner over flere avsnitt. Dette lar modellen spore avhengigheter mellom fjerne deler av argumentet ditt som en enkel lineær skanning kanskje ville gå glipp av.

Iterere på kritikken

Å styrke argumentets robusthet krever iterasjon på kritikken. Behandle ikke den første kritikken som endelig. Ta tak i svakhetene som AI-en identifiserer, og revider argumentet ditt for å håndtere dem. Send deretter det reviderte argumentet tilbake til verktøyet med samme skeptiske prompt. Be AI-en kritisere den nye versjonen. Gjenta denne syklusen til AI-en ikke lenger kan identifisere vesentlige logiske hull. Denne iterative prosessen tester holdbarheten til argumentet ditt under vedvarende press.

I løpet av denne iterasjonen kan du bruke ulike verktøy for ulike faser av prosessen. Hvis argumentet ditt hviler på faktiske premisser, kan Perplexity brukes til å verifisere den logiske konsistensen i disse premissene mot siterte kilder, noe som sikrer at dine faktiske påstander er forankret. Hvis argumentet ditt er innlemmet i et større dokument eller presentasjon, kan Microsoft Copilot brukes til å kritisere logikken direkte innenfor arbeidsflyten, slik at du ser hvordan argumentet fungerer i kontekst. Hvis argumentet ditt involverer multimodale elementer, som diagrammer eller illustrasjoner, kan Gemini brukes til å kritisere argumentet som presentert i tekst, bilder eller videoformater samtidig. Hvis notatene dine er lagret i en database, kan Notion AI brukes til å analysere de lagrede argumentene for interne inkonsekvenser. Grammarly kan brukes til å identifisere strukturelle tvetydigheter som svekker argumentets presisjon, noe som sikrer at dine logiske påstander ikke blir utydelige på grunn av uklare syntaks.

Når du vurderer outputen fra noen av disse verktøyene, se etter spesifisitet. En god kritikk nevner den nøyaktige premissen som svikter og forklarer hvorfor den ikke støtter konklusjonen. En dårlig kritikk tilbyr vage generaliteter som "denne delen er svak" eller "du trenger mer belegg". Forkast output som er vag eller som kun gjentar ditt eget argument med andre ord. Bruk kritikken til å styrke argumentet ditt, ikke til å forkaste det. Målet er å produsere et argument som tåler rigorøs granskning.