ーー摘自《通往AI寶藏的鑰匙：提問的無限可能》
在與 AI 互動的過程中，我們常常會遇到一些模糊不清或不確定的問題。這些問題可能源於我們自身對問題的理解不足，或是問題本身就存在多種可能性。面對這些情況，如何透過提問來引導 AI 產出有用的資訊，就成了一項重要的技巧。本節將深入探討處理模糊與不確定性問題的方法，幫助讀者更有效地利用 AI。
1. 辨識模糊與不確定性首先，要能處理模糊或不確定的問題，第一步就是要能辨識它們。模糊性的問題通常缺乏明確的定義，可能有多種解釋方式；而不確定性的問題則可能有多個潛在的答案或結果，且無法確定哪個才是正確的。例如：
- 模糊問題範例：「如何讓生活更美好？」、「什麼是好的領導者？」
- 不確定問題範例：「明天股票市場會上漲還是下跌？」、「這項產品在市場上會成功嗎？」
辨識出問題的模糊或不確定性，是接下來制定提問策略的基礎。
2. 拆解與細化問題
當遇到模糊或不確定的問題時，一個有效的策略是將問題拆解成更小、更具體的子問題。透過這種方式，可以將原本龐大且難以處理的問題分解成多個容易管理的部分。例如，針對「如何讓生活更美好？」這個模糊的問題，可以拆解成以下幾個子問題：
- 「在健康方面，我可以做些什麼讓自己感覺更好？」
- 「在人際關係方面，我可以如何改善與家人朋友的關係？」
- 「在工作或學習方面，我可以如何提升效率或成就感？」
- 「在個人成長方面，我可以如何培養新的興趣或技能？」
透過這些具體子問題，就能夠引導 AI 針對不同面向提供更精確的建議。
3. 設定條件與範圍
模糊或不確定的問題往往缺乏明確的範圍，因此設定條件和範圍是處理這些問題的關鍵。設定條件可以幫助 AI 了解你所關注的特定情境或目標；設定範圍則可以限定 AI 的回答，避免資訊過於發散。舉例來說，如果想了解「如何有效學習新語言」，可以加入以下條件與範圍：
- 條件：「我每天只有 30 分鐘的學習時間」
- 範圍：「我想學習的是西班牙語，目標是在一年內達到基本溝通能力」
這樣設定條件與範圍後，問題就變得更具體，AI 也能提供更貼近需求的建議。
4. 使用假設性提問
針對不確定的問題，可以嘗試使用假設性提問，也就是在提問中加入假設的前提，來探討不同的情境和可能性。這種方式能夠幫助我們更好地理解問題的複雜性，並評估各種潛在結果。例如，針對「這項產品在市場上會成功嗎？」這個不確定的問題，可以使用以下假設性提問：
- 「如果這項產品的價格比競爭對手低 20%，市場反應會如何？」
- 「如果我們把主要目標客戶設定為年輕族群，行銷策略應該如何調整？」
- 「如果競爭對手也推出類似的產品，我們的競爭優勢是什麼？」
透過這些假設性提問，可以模擬不同情況，獲取更多元的資訊，幫助我們做出更明智的決策。
5. 嘗試不同提問方式
當面對模糊或不確定的問題時，嘗試不同的提問方式也很重要。可以從不同的角度切入，或使用不同的關鍵字，來測試 AI 的理解能力，以及其回答的品質。例如：
- 從不同的角度：「從消費者的角度來看，這個產品有哪些優缺點？」 vs. 「從生產者的角度來看，這個產品有哪些潛在風險？」
- 使用不同的關鍵字：「如何提高團隊的協作效率？」 vs. 「如何改善團隊溝通？」
透過不斷地嘗試不同的提問方式，能夠找到最佳的切入點，並獲取更全面的資訊。
6. 逐步引導與迭代
處理模糊或不確定的問題，往往需要一個逐步引導與迭代的過程。不要期望一次提問就能獲得完美的答案。應該先從初步的提問開始，根據 AI 的回答，進一步調整問題，並逐步深入探討。例如：
- 第一輪提問：「如何提高工作效率？」
- AI 回答：「可以嘗試時間管理、優先順序排序等方法。」
- 第二輪提問：「針對時間管理，有哪些具體的技巧和工具？」
- AI 回答：「可以使用番茄工作法、GTD 方法，或是使用 Todoist、Trello 等工具。」
- 第三輪提問：「對於初學者來說，番茄工作法應該如何入門？」
這樣逐步引導和迭代的提問方式，可以讓 AI 的回答更精確、更有針對性。
7. 結合其他工具與資源
在處理模糊或不確定問題時，AI 並非唯一的解答。可以結合其他的工具與資源，例如：網路搜尋引擎、專業論壇、專家諮詢等，來綜合考量並做出判斷。AI 的價值在於提供多元的觀點與資訊，但最終的決策仍需要仰賴人類的智慧和判斷。
總結
處理模糊或不確定的問題是一項挑戰，但透過有效的提問技巧，可以更好地利用 AI 的能力。記住要辨識問題的模糊或不確定性，拆解與細化問題，設定條件與範圍，使用假設性提問，嘗試不同的提問方式，並逐步引導與迭代。同時，也要結合其他工具與資源，綜合判斷。透過不斷的練習和探索，您將能更熟練地處理各種複雜的問題，並更有效地運用 AI 工具。
