错误类比是一种逻辑谬误，它发生在将两个事物进行比较时，虽然它们在某些方面相似，但在关键点上却有着重要的不同。这种错误会导致结论无效或者误导。错误类比通常难以察觉，因为表面上的相似性可能会让人觉得比较是合理的。

例如，假设有人声称吸烟对健康的影响可以类比为吃巧克力，理由是两者都能带来快感。然而，吸烟与吃巧克力的关键区别在于，吸烟已被广泛证实会对健康产生长期负面影响，而适量食用巧克力则并不必然有害，且可能有一些好处。在这个例子中，错误类比忽略了吸烟和吃巧克力之间的重要差异，从而导致了一个有缺陷的结论。

识别或避免错误类比，可以考虑以下几个步骤：

检查比较对象之间的本质差异。

确定比较是否涉及相关属性。

考虑是否有更合适的类比对象。

类似的书籍有哪些，想学习

micoloveu (一点爱) 在 ta 的帖子中提到：

错误类比是一种逻辑谬误，它发生在将两个事物进行比较时，虽然它们在某些方面相似，但在关键点上却有着重要的不同。这种错误会导致结论无效或者误导。错误类比通常难以察觉，因为表面上的相似性可能会让人觉得比较是合理的。

例如，假设有人声称吸烟对健康的影响可以类比为吃巧克力，理由是两者都能带来快感。然而，吸烟与吃巧克力的关键区别在于，吸烟已被广泛证实会对健康产生长期负面影响，而适量食用巧克力则并不必然有害，且可能有一些好处。在这个例子中，错误类比忽略了吸烟和吃巧克力之间的重要差异，从而导致了一个有缺陷的结论。

识别或避免错误类比，可以考虑以下几个步骤：

……

这个混合我学习书上的内容，AI的一部分内容，我自己理解的一部分内容，入门的话，可以京东，看看那本《逻辑学》适合你。

ErwinFish (Schrodinger) 在 ta 的帖子中提到：

类似的书籍有哪些，想学习

我手头电子版的《逻辑学》经典，见附件：

ErwinFish (Schrodinger) 在 ta 的帖子中提到：

类似的书籍有哪些，想学习

AI在这种问题上真的靠谱么？

很多编造的概念和论证吧

micoloveu (一点爱) 在 ta 的帖子中提到：

这个混合我学习书上的内容，AI的一部分内容，我自己理解的一部分内容，入门的话，可以京东，看看那本《逻辑学》适合你。

AI可以拓展问题的广度，循着拓展内容，可以进一步阅读，补充我们读书时阅读范围往往也就是几本书的困境。虽然AI在深度上可能无法和经典相比，但是在综合已有知识方面效率是比较高的。

BlancRedCesc (Le Professeur) 在 ta 的帖子中提到：

AI在这种问题上真的靠谱么？

很多编造的概念和论证吧

广度上我同意——我的质疑点主要是如何分辨错误的信息。

在理科上它经常给出跟事实完全不相符的内容，尤其是到了细节方面。在哲学这一类不容易证伪的论断上，如何采信AI给出的看法和总结呢？

PS主要用的是GPT-4

micoloveu (一点爱) 在 ta 的帖子中提到：

AI可以拓展问题的广度，循着拓展内容，可以进一步阅读，补充我们读书时阅读范围往往也就是几本书的困境。虽然AI在深度上可能无法和经典相比，但是在综合已有知识方面效率是比较高的。

遇到和我们经典阅读而采信的知识相悖的AI信息时，我们会反思或者排斥，关键是符合我们认知时，我们应该采用什么样立场。

从AI工作原理来说，无非是综合已有知识，然后按着引用或者其他标准做排序和甄选，最后形成给我们的东西，所以AI给我我们的答案，并不是AI发明的，依然是人的答案，只不过通过算法而呈现给我们。他可能不够新，只要还没有被AI索引到的内容，不会呈现在答案中，他可能因为某些答案引用或者点击高而呈现给我们，而这些答案并不是最优解，甚至是错误的——只不过对此感兴趣的人比较多而已。

所以用AI需要连续提问，或从不同的角度提问，或深度提问，让AI给出引用的网址，去看原始的信息是怎么论述的。

天下文章一大抄，其实AI也是抄文章的专家而已。正确与否也是一个概率了，多数情况下是可以接受的。

受限于版权等诸多因素，AI只能用在网络空间人们发表的看法或者理论，有版权的电子书和线下的书，多数情况下是AI给不了的，只能买书去看了。

BlancRedCesc (Le Professeur) 在 ta 的帖子中提到：

广度上我同意——我的质疑点主要是如何分辨错误的信息。

在理科上它经常给出跟事实完全不相符的内容，尤其是到了细节方面。在哲学这一类不容易证伪的论断上，如何采信AI给出的看法和总结呢？

PS主要用的是GPT-4

有一定道理...

不过想补充一点“综合已有知识，然后按着引用或者其他标准做排序和甄选”——这个不太是目前大模型AI的逻辑。如果是这样的话，就不会出现大量生成的“缝合怪”式令人啼笑皆非的“知识”了...

不过结论还是，多看书！哈哈这个肯定没错

micoloveu (一点爱) 在 ta 的帖子中提到：

遇到和我们经典阅读而采信的知识相悖的AI信息时，我们会反思或者排斥，关键是符合我们认知时，我们应该采用什么样立场。

从AI工作原理来说，无非是综合已有知识，然后按着引用或者其他标准做排序和甄选，最后形成给我们的东西，所以AI给我我们的答案，并不是AI发明的，依然是人的答案，只不过通过算法而呈现给我们。他可能不够新，只要还没有被AI索引到的内容，不会呈现在答案中，他可能因为某些答案引用或者点击高而呈现给我们，而这些答案并不是最优解，甚至是错误的——只不过对此感兴趣的人比较多而已。

所以用AI需要连续提问，或从不同的角度提问，或深度提问，让AI给出引用的网址，去看原始的信息是怎么论述的。

……

：）

BlancRedCesc (Le Professeur) 在 ta 的帖子中提到：

有一定道理...

不过想补充一点“综合已有知识，然后按着引用或者其他标准做排序和甄选”——这个不太是目前大模型AI的逻辑。如果是这样的话，就不会出现大量生成的“缝合怪”式令人啼笑皆非的“知识”了...

不过结论还是，多看书！哈哈这个肯定没错