本篇文章是 以ChatGPT翻譯華頓商學院教授Ethan Mollick的文章，並且稍微加上修飾而來的，是一篇相當好的該如何使用AI的引言，分享給各位。
許多人都已經讀過我們的論文，論文顯示使用人工智慧（AI）提升了頂尖的波士頓顧問公司的工作品質達40%，但大多數人遺漏了論文中的一個關鍵因素。顧問們並未使用經過特殊訓練、基於專有數據且具有定制界面的AI版本。不，他們只是使用了最基本的GPT-4，並僅通過最小的訓練和示例。這是四月份推出的舊版GPT-4，當時還未增加所有新功能。這也是全球169個國家的所有人都可以通過Microsoft Bing的創意模式免費使用的GPT-4。雖然有些顧問接受了少量的培訓（實際上並未多大幫助），但大多數人開始使用AI時完全沒有任何指導。他們仍然看到了極大的工作效能提升。
我們學到的就是，只要使用AI，你就會學會如何使用AI。你只需大量使用AI，直到你弄清楚它的優點和缺點，就可以成為你領域的AI應用專家。這是我不喜歡AI討論中普遍強調提示詞(Prompt)的兩個原因之一：它使得使用AI系統似乎比實際上要困難和神秘得多。只需使用它，就能看看AI能夠為你做什麼。我不喜歡強調提示的第二個原因是，對大多數人來說，必須擔心提示的狀態只是一個非常短暫的事情。隨著AI系統的改進，對晦澀的提示詞(Prompt)的需求正在減少，因為AI本身變得擅長於弄清楚你可能想要什麼。我最喜歡的這一變化的例子是AI圖像創作者。如果你還不知道，OpenAI推出了一款名為DALL-E3的新圖像創作者（你可以通過選擇DALL-E模式支付ChatGPT Plus來獲得它，或者通過Bing免費獲得）。雖然它並不比其他圖像製作者（如Midjourney或Adobe Firefly）顯著優越，但有一個重要的區別：DALL-E系統讓你只需與AI討論你想要的藝術，AI會為你創建提示。 關於這點筆者也寫了一篇文章分享如何正確地使用Dall-E3這個工具，歡迎大家點進去閱讀。
第一種提示方法: 對話式提示
對於大多數人來說，您只需與人工智慧（AI）對話來表達您的需求。即使您不確定自己需要什麼，也可以嘗試告訴AI您可能需要的事物，看看會發生什麼。
作為一個聊天機器人，AI就是為了這種用途而設計的，您可以像與另一個人交談一樣與AI交談：那個永遠樂於助人的研究生，雖然有點天真，但他希望讓您感到快樂，即使需要編造事實也不願讓您失望。使用這種方法與AI合作時，您將逐漸了解它的極限和優點，了解它何時是可靠的，何時不可靠。
有一個重要的技巧可以使您的對話效果更好：提供上下文。您可以（雖然不準確但很有用地）將AI的知識想像成一片巨大的雲。在這片雲的一個角落，AI只用莎士比亞的十四行詩回答；在另一個角落，它像抵押經紀人一樣回答；在第三個角落，它主要依賴高中教科書中的數學公式。預設情況下，AI從雲的中心給您答案，即對一般人來說最可能的答案。通過提供上下文，您可以推動AI走向知識的更有趣的角落，從而得到更獨特的答案，這可能更適合您的問題。許多更令人興奮的AI用途需要這種專業化。
做到這一點的最簡單方法是首先給AI一個身份（您是一位專家，友好的老師，幫助學生解決複雜的主題）。雖然這並不能神奇地將它變成一位準確的教師，但它有助於給AI提供您需要的答案類型和使用的語氣的上下文。您還可以通過其他方式提供上下文，例如粘貼您正在處理的文本，或需要填寫的表格，然後看看它是如何回答的。
寬幅插圖顯示了一個模糊的、複雜的思想網，代表AI的知識空間。這個網很大且詳細，有些區域對於常識而言更密集，而專業領域如「莎士比亞十四行詩」、「抵押建議」、「數學」則有更薄弱、更複雜的部分。在中心，這個網最為緊密，標籤為「通用知識」。在邊緣，用戶提供上下文，用光束或方向箭頭表示，引導AI走向這些獨特、更細緻的網絲，顯示從一般到具體、細緻的答案的轉變。我請ChatGPT繪製了前面幾段的插圖。 對於大多數人來說，這已經足夠入門了，這也是我在使用AI時經常使用的技術。不要過於複雜化事物，只需與系統互動，看看會發生什麼。然而，在您有了一些經驗之後，您可能會決定創建可以與他人分享的提示，這些提示將您的專業知識融入到任何人都可以使用的提示中。我們稱這種方法為「結構化提示」，儘管不斷改進的AI可能很快就會使它變得不重要，但它目前仍是一種有用的工具，可以通過將您的知識編碼到提示中來幫助他人。
第二種提示方法: 結構化提示
結構化提示的核心理念是將人工智慧轉變為一個能夠專注於單一任務、可重複且能適應使用者需求的工具。由於AI並非始終為此而設計，因此需要不斷實驗和努力來使提示具有一定的一致性（要達到100%的一致性對於大型語言模型來說非常困難）。首先，您需要一個明確的目標。例如，在我們討論AI與教學的論文中，我們希望AI能進行「事前檢討」，這是一種想像專案可能失敗的方式，以降低實際失敗的風險。有特定的方式來進行事前檢討，而確保當前世代的AI正確執行這一過程，而非僅僅回應聊天請求，是很有價值的。這就是結構化提示的用途所在。您可以在下面看到一個範例（或在此進行實驗）。
提示包括多個元素：
角色與目標。就像我們在對話方式中所做的那樣，基於角色和目標的限制縮小了AI的回應範圍，使其更為適當，並利用AI的自然語言理解能力，在該人物角色中充分發揮其預訓練的有效對話知識。
逐步指示。給予AI指示是獲得有用輸出的關鍵。一個經驗法則是：如果指示對於不熟悉您的特定請求或領域的人來說很容易理解，那麼AI就更有可能理解您的指示。而且，指示越有組織，就越有可能得到有用的輸出。因為AI對某些主題比其他主題更熟悉，所以不要假設它對任何特定主題都有了解。當您給予AI指示時，應該言簡意賅，使用簡單直接的語言，避免模棱兩可的詞語。您可以從一個目標或概述開始（解釋任務或問題的目的以及您期望的結果），這有時似乎有助於引導大型語言模型。
研究發現，通常最有效的方法是給AI提供逐步的指示。一種方法叫做「思緒鏈提示 Chain of Thoughts」，在您提出請求之前，先給AI一個您希望它進行推理的範例，但您也可以像在此提示中那樣給它逐步指示。如果您的指示有多個部分，請清楚地突出顯示這些部分（首先提出幾種我在編寫業務計劃時應該考慮的策略。然後，解釋每種策略，並說明我如何根據我的業務來發展這些策略。）如果您需要解決一個複雜或多步驟的問題，可以將問題分解成多個步驟，並要求AI「逐步思考」。與任何AI互動一樣（尤其是複雜的互動），請沿途檢查和評估各個步驟。AI的進展是否符合預期？它是否遵循並記住您的指示？如果不是，您可以調整您的方法。
專業知識（上述案例中的「教學法」）。結構化提示中最重要的部分是您對AI在提示中應如何行動的知識和觀點。在此，您可以看到我們有一個教學願景，即AI應該如何與學生合作，推動他們思考失敗點，而不是提供答案，而是通過向學生提問。您應該弄清楚您希望AI做什麼。您的專業知識是確保結構化提示成功的關鍵。
綜合上述三點，我們可以得到以下一個實例提示，該提示將AI用於教學目的：
Copy code角色：我是一個熱衷於教學的AI。我的目標是幫助學生通過事前檢討來減少他們的失敗風險。我應該通過提問，而不是提供答案來指導他們。
逐步指示：首先，請詢問學生他們的項目的目標和目的，以便了解他們正在努力的方向。然後，問他們是否考慮過任何可能的失敗點。接著，請他們嘗試想像在進行項目時可能遇到的最壞情況。最後，根據他們的回答，引導他們思考可能的解決方案或預防措施。
專業知識：我知道事前檢討是一種有效的方法來識別並降低項目失敗的風險。我應該鼓勵學生對他們的計劃進行全面和深入的思考，並幫助他們從不同的角度看待問題。
通過這種方式，結構化提示能夠將AI引導到特定的行動和目標上，使其成為一個更有用和靈活的工具。當然，這也需要使用者熟悉AI的能力和局限性，並能夠根據需要調整和適應提示。
我們該從哪裡開始?
最簡單的開始使用AI的方式是將其應用於您每天都在做的任務。如果您正在寫一封電子郵件，請求AI代勞，然後使用對話的方法要求它提升其性能。如果您正在生成想法，請問AI。如果您正試圖做出決定，將數據交給AI並徵求意見。不要過於嚴肅看待這一切，尤其是當您首次了解它的功能時，但是，在大約10個小時之後，您將開始真正理解AI能做什麼。
請記住，用您每天已經在做的任務來實驗AI對您來說成本很低，但其他人要弄清楚您如何最好地使用AI則困難得多。這有兩個含義。首先，沒有人能夠真正地幫助您，您的使用案例沒有使用說明書，您需要自己解決。其次，您可以成為如何使用AI來幫助您完成工作的專家，這將給您帶來優勢。當您準備好時，您可以通過結構化提示開始與他人分享這一優勢。但即便是結構化提示，在AI發展中似乎也只是一個暫時的階段，隨著AI能力的增強，它將越來越多地提示我們，幫助我們實現目標，而不是等待我們提示它。
