如何讓AI更懂你

想象一下，一個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，無論何時何地，它都做好準備伸出援手，從不會對你說“不”。面對這樣的伙伴，你會不心動嗎？

但是，你知道如何提問，才能讓它更精準地理解我們的需求嗎？

使用積極的語言引導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：“描述這座城市的風景，包括日出時的美景以及街巷的煙火氣。”

限制性指令：“描述這座城市的風景，但不要提到日落?！?/p>

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，進而在給定的邊界內最大限度地發揮算法的創造力。

給出例子，搭建思維鏈

一個清晰明確的例子，就能讓模型更精準地理解復雜任務，并產出高質量的答案。

如果你給出這樣的提問：“假設你是寵物顧問，請向住在小公寓、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，對住在小公寓的忙碌人士而言，貓是理想選擇，因為它們獨立且無須頻繁的戶外活動?！?/p>

那么模型會像人類一樣，從具體案例開始逐步分析并形成完整的“思維鏈”。它可能會依次考慮：居住空間、工作時間、環境偏好等因素，最終給出針對性的建議。在問了模型這個問題后，我讓它告訴我，為了給出這個結論，它經歷的完整思維鏈是怎樣的，模型給出的答復如下：

評估居住空間（小公寓限制了適合飼養的寵物的大小和活動空間）——評估工作時間表（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（對喜歡安靜環境的人來說，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：獨立、安靜、適應狹小空間；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；狗：只有部分品種適合居住在樓房，仍然需要被主人關注、進行戶外活動）——得出最終建議：建議養貓或魚以適應他們的生活方式。

經過對比測試，研究者發現，指令結合具體事例，可以讓AI表現得更優秀。

遇到瓶頸時后撤一步

如果你發現AI的回答過于泛泛或陷入循環，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。

原問題：“給我靈感，如何豐富懸疑小說的情節？”

改進的提問：“從環境設定開始，描述一個適合懸疑小說的場景，然后提出適合的情節元素?！?/p>

這種方法將復雜問題分成多個小任務，讓AI逐步完成，更有針對性。對人類來說，這種后撤一步的思維方式同樣適用，比如在解決復雜問題時，通過將任務一步步分解，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，實現人與人更高效的溝通。

（本刊原創稿件，視覺中國供圖）