Så här formulerar du en prompt för kritisk analys

För att få ett AI-verktyg att kritisera logiken i ditt resonemang måste du uttryckligen tilldela det rollen som en skeptiker och förbjuda det från att sammanfatta eller putsar din text. Du uppnår detta genom att använda promptstrukturer som tvingar modellen att inta en motstående hållning, isolera specifika logiska felaktigheter och obestyrkta antaganden, istället för att enbart förbättra prosan.

Varför standardsvar inte fungerar

Standardrespons från AI tenderar att hålla med eller sammanfatta eftersom underliggande modeller är tränade för att vara hjälpsamma och konversationella. När du klistrar in ett resonemang i ett chattfönster utan specifika instruktioner faller verktyget tillbaka på ett kooperativt läge. Det identifierar huvudpoängen, omformulerar den för tydlighet och föreslår kanske små stilistiska förbättringar. Detta beteende är användbart för redigering men värdelöst för logik. Modellen vet inte att du vill att den ska hitta sprickorna i ditt resonemang; den antar att du vill ha bekräftelse eller finjustering. Som ett resultat speglar utdatan ofta dina egna biasar och förstärker resonemanget istället för att testa det. För att få kritisk analys måste du åsidosätta detta kooperativa standardläge med uttryckliga adversativa instruktioner.

Promptstrukturer för skepsis

För att tvinga fram en skeptisk hållning, använd promptstrukturer som definierar en specifik, motstående roll. Istället för att fråga "Är detta resonemang bra?", be verktyget att agera som en specifik typ av kritiker. Be till exempel modellen att agera som en formell logiker vars enda uppgift är att identifiera logiska felaktigheter och luckor i resonemanget inom ditt argument. Denna inramning tar bort trycket att vara artig eller hjälpsam i allmänhet. Du kan också använda rollspel-prompter som tilldelar AI ett perspektiv från en specifik motpart, såsom en peer reviewer känd för rigorösa standarder eller en filosof specialiserad på epistemologi.

En annan effektiv struktur är metoden "steel-man och kritik". Be verktyget att först formulera den starkast möjliga versionen av ditt argument och sedan dissekera just den starkaste versionen. Detta förhindrar att AI:n attackerar en svag, halmgubbe-version av din poäng. Du måste uttryckligen förbjuda modellen från att sammanfatta texten. Inkludera en negativ begränsning i din prompt, till exempel "Sammanfatta inte argumentet. Skriv inte om texten. Identifiera endast de logiska svagheterna." Detta tvingar utdatan att fokusera på struktur och giltighet snarare än innehåll eller stil.

Isolera felaktiga resonemang och antaganden

Tekniker för att isolera logiska felaktigheter och obestyrkta antaganden kräver att argumentet bryts ner i sina beståndsdelar. Klistra inte in en lång essä och be om kritik av hela texten. Isolera istället den kärnlogiska strukturen. Du kan använda QuillBot för att parafrasera eller sammanfatta ditt argument till dess nakna logiska skelett, genom att ta bort retoriska utsmyckningar. När du har denna avskalade version, mata den till AI:n med instruktioner att identifiera varje premis och slutsats. Be verktyget att lista varje premis och avgöra om den stöds av bevis eller bara påstås.

För att identifiera felaktiga resonemang, be AI:n att leta efter specifika vanliga fel, såsom bekräftelse av konsekvensen, cirkelresonemang eller non sequiturs. Du kan också be den att identifiera outtalade antaganden. För varje slutsats du drar, fråga verktyget: "Vad måste vara sant för att denna slutsats ska följa av dessa premisser?" Detta belyser dolda antaganden som du kanske har missat. Om du arbetar med komplexa, flerdimensionella argument kan Claudes utökade tänkförmågor användas för att djupgående analysera strukturella svagheter och outtalade antaganden som spänner över flera stycken. Detta låter modellen spåra beroenden mellan avlägsna delar av ditt argument som en enkel linjär skanning kanske missar.

Iterera över kritiken

Att förbättra argumentets hållbarhet kräver att du itererar över kritiken. Behandla inte den första kritiken som slutgiltig. Ta de svagheter som AI:n identifierar och revidera ditt argument för att adressera dem. Mata sedan tillbaka det reviderade argumentet i verktyget med samma skeptiska prompt. Be AI:n kritisera den nya versionen. Upprepa denna cykel tills AI:n inte längre kan identifiera betydande logiska luckor. Denna iterativa process testar ditt argumentets hållbarhet under ihållande press.

Under denna iteration kan du använda olika verktyg för olika skeden i processen. Om ditt argument bygger på faktiska premisser kan Perplexity användas för att verifiera dessa premissernas logiska konsistens mot citerade källor, vilket säkerställer att dina faktapåståenden är väl underbyggda. Om ditt argument är inbäddat i ett större dokument eller en presentation kan Microsoft Copilot användas för att kritisera logiken direkt inom arbetsflödet, vilket låter dig se hur argumentet fungerar i kontext. Om ditt argument innehåller multimodala element, såsom diagram eller illustrationer, kan Gemini användas för att kritisera argumentet som presenteras i text-, bild- eller videoformat samtidigt. Om dina anteckningar lagras i en databas kan Notion AI användas för att analysera de lagrade argumenten för interna inkonsekvenser. Grammarly kan användas för att identifiera strukturella tvetydigheter som försvagar argumentets precision, vilket säkerställer att dina logiska påståenden inte blir otydliga på grund av oklar syntax.

När du bedömer utdatan från något av dessa verktyg, leta efter specificitet. En bra kritik namnger exakt vilken premiss som sviktar och förklarar varför den inte stödjer slutsatsen. En dålig kritik erbjuder vaga allmänheter som "detta avsnitt är svagt" eller "du behöver mer underlag". Förkasta utdata som är vaga eller som enbart återger ditt eget argument med andra ord. Använd kritiken för att stärka ditt argument, inte för att överge det. Målet är att producera ett argument som klarar rigorös granskning.