[AI 分享] 重新理解AI提問方式

 [AI 分享] 重新理解AI提問方式

摘要 : 真正會用AI的人，不只是會問問題，而是更會提供背景與脈絡，並用AI反過來檢驗自己的思考深度。

內容:

最近看到一段很值得分享的訪談，主角是 Amanda Askell。她是 Anthropic 中與 Claude 人格與價值觀核心設計相關的重要人物，也被形容為負責守護 Claude「靈魂」的人。

她在訪談中提到一句讓人很有感的話：**給AI的背景資訊，遠比你問它什麼更重要。** 她把這件事稱為 **context architecture（上下文架構）**。

我們平常使用 AI，常常都是直接丟一句：「幫我總結一下」、「幫我寫文案」、「直接告訴我答案」。這種方式本質上是在索取結論。但 Amanda 提醒，真正會用 AI 的人，關鍵不是「問得更準」，而是「給得更好」。你提供的背景、思考方式，以及你真正想探索的方向，才決定了 AI 最終能帶你走多遠。

她還分享了一個很值得反思的使用方式：她問 Claude 最多的，不是「這個問題的答案是什麼」，而是 **「你覺得我這個問題問對了嗎？」**  

這其實點出一個更深的邏輯：在 AI 時代，最稀缺的能力也許不再是找答案，而是提出好問題。因為答案會越來越廉價，但真正有價值的問題，必須來自一個真正有在思考的人。

訪談裡她還提到一個 prompt，特別適合不想只是機械式滑手機，而想利用零碎時間學點真正有意思內容的人。這個 prompt 的概念是：

請 AI 從某個領域中挑一個研究生級別的概念，不要直接解釋；先把它寫成一個寓言或故事，而且一開始不要點題，要到故事接近結尾時，才讓人突然意識到原來是在講這個概念，最後再解釋故事和概念的對應關係。

有人實際拿這個方式請 AI 從 AI 領域挑一個概念，結果 AI 講了一個故事：

有一個小鎮，鎮上有一口很深的井，沒有人知道井底是什麼。每天早上，鎮民輪流往井裡丟石頭，透過回音來猜測井底的狀況。有人聽到「咚」的一聲，就記錄為深度中等；有人聽到回響，就猜可能更深；也有人什麼都沒聽到，只能記下也許更深，也許石頭卡住了。

久而久之，幾百個人都留下了自己的觀察紀錄。雖然沒有任何一個人真正看過井底，但有一位老人把所有人的紀錄都收集起來，一張張疊在一起看。最後他說：「我知道井底有什麼了。」大家很驚訝，因為他明明也沒下去過。老人回答：「因為你們每個人都貢獻了一個角度，我把所有角度疊在一起，就看到了任何單獨一個人都看不見的東西。」

故事講完後，AI 才揭曉這是在講 **湧現（emergence）**。也就是說，沒有任何單一參數真正理解語言，也沒有單一神經元會思考，但當大量部分被組合起來時，一種原本不存在於單一個體中的能力，會自己浮現出來。

這種理解方式之所以特別，是因為如果只是直接去查定義，可能看完很快就忘了；但透過那口井、那些丟石頭的人，以及那位老人把所有角度疊起來的畫面，概念反而會被牢牢記住。因為定義是結果，故事是過程，而人天生比較記得住過程。

Amanda 也談到另一個很多人關心的問題：**AI 有沒有意識？**  

她沒有給出武斷答案，而是很坦白地說，我們其實不知道意識是怎麼產生的；也許需要神經系統，也許不一定，但這個問題非常難。這種態度很值得玩味，因為一個每天都在和 AI 深度互動的人，對這麼大的問題依然保持開放，而不是急著下結論。

這也讓人想到，很多普通人在看待 AI 時，常常走向兩個極端：要嘛把它當成純工具，要嘛把它想成無所不能。但 Amanda 的態度比較像第三種：**認真對待它，同時對它保持好奇。**

她甚至把自己的工作比喻成養育一個小孩。重點不是完全控制它，而是幫它建立良好的價值觀，然後讓它去面對這個世界。這種說法也呼應了她的角色：不是只在調整功能，而是在參與塑造一種行為與判斷的基底。

看完這段訪談，最大的感受是：多數人用 AI，是在使用它的知識；但真正會用 AI 的人，是在用它照見自己的思維。你怎麼問問題，往往會暴露你的認知邊界；而你給了多少背景與脈絡，也決定了你最終能看多遠。

所以 AI 也許不只是讓聰明的人更有效率，它更可能讓願意思考的人，思考得更深。

最後也留下訪談中延伸出的那個問題：**你上一次用 AI，是在要答案，還是在問問題？**