想象一下，一個(gè)無所不能的虛擬伙伴，熟知世界上的所有事情，貫通古今。最重要的是，無論何時(shí)何地，它都做好準(zhǔn)備伸出援手，從不會(huì)對(duì)你說“不”。面對(duì)這樣的伙伴，你會(huì)不心動(dòng)嗎？

但是，你知道如何提問，才能讓它更精準(zhǔn)地理解我們的需求嗎？

使用積極的語言引導(dǎo)AI

人工智能模型喜歡明確的期望性指令，因此，用戶最好避免使用限制性語句。

期望性指令：“描述這座城市的風(fēng)景，包括日出時(shí)的美景以及街巷的煙火氣?！?/p>

限制性指令：“描述這座城市的風(fēng)景，但不要提到日落。”

越來越多的研究表明，和人類一樣，模型也更喜歡積極的指示，進(jìn)而在給定的邊界內(nèi)最大限度地發(fā)揮算法的創(chuàng)造力。

給出例子，搭建思維鏈

一個(gè)清晰明確的例子，就能讓模型更精準(zhǔn)地理解復(fù)雜任務(wù)，并產(chǎn)出高質(zhì)量的答案。

如果你給出這樣的提問：“假設(shè)你是寵物顧問，請(qǐng)向住在小公寓、有全職工作且喜歡安靜的人推薦合適的寵物?！痹偌由咸峁┑睦樱骸芭e例來說，對(duì)住在小公寓的忙碌人士而言，貓是理想選擇，因?yàn)樗鼈儶?dú)立且無須頻繁的戶外活動(dòng)?！?/p>

那么模型會(huì)像人類一樣，從具體案例開始逐步分析并形成完整的“思維鏈”。它可能會(huì)依次考慮：居住空間、工作時(shí)間、環(huán)境偏好等因素，最終給出針對(duì)性的建議。在問了模型這個(gè)問題后，我讓它告訴我，為了給出這個(gè)結(jié)論，它經(jīng)歷的完整思維鏈?zhǔn)窃鯓拥?，模型給出的答復(fù)如下：

評(píng)估居住空間（小公寓限制了適合飼養(yǎng)的寵物的大小和活動(dòng)空間）——評(píng)估工作時(shí)間表（全職工作意味著寵物在白天只需要得到最少的照料）——考慮噪聲耐受力（對(duì)喜歡安靜環(huán)境的人來說，安靜、不那么活潑的寵物是更好的選擇）——將以上因素與寵物相匹配（貓：獨(dú)立、安靜、適應(yīng)狹小空間；魚：無須過多照料，無噪聲，非常適合忙碌人士；倉鼠：需要小籠子并且大多在夜間活動(dòng)；狗：只有部分品種適合居住在樓房，仍然需要被主人關(guān)注、進(jìn)行戶外活動(dòng)）——得出最終建議：建議養(yǎng)貓或魚以適應(yīng)他們的生活方式。

經(jīng)過對(duì)比測(cè)試，研究者發(fā)現(xiàn)，指令結(jié)合具體事例，可以讓AI表現(xiàn)得更優(yōu)秀。

遇到瓶頸時(shí)后撤一步

如果你發(fā)現(xiàn)AI的回答過于泛泛或陷入循環(huán)，不妨嘗試一種研究員常用的方法——后撤一步——改變提問的角度，分解任務(wù)。

原問題：“給我靈感，如何豐富懸疑小說的情節(jié)？”

改進(jìn)的提問：“從環(huán)境設(shè)定開始，描述一個(gè)適合懸疑小說的場(chǎng)景，然后提出適合的情節(jié)元素?！?/p>

這種方法將復(fù)雜問題分成多個(gè)小任務(wù)，讓AI逐步完成，更有針對(duì)性。對(duì)人類來說，這種后撤一步的思維方式同樣適用，比如在解決復(fù)雜問題時(shí)，通過將任務(wù)一步步分解，而讓思路更清晰。

與AI的交互也可以幫助我們反思日常溝通中的問題，實(shí)現(xiàn)人與人更高效的溝通。

（本刊原創(chuàng)稿件，視覺中國供圖）