向AI提问,我是怎么做的?

1 评论 4355 浏览 9 收藏 23 分钟

AI对话与人完全不同,它更多基于逻辑、数据、算法,更加注重信息传递和问题解决。所以AI软件的第一大问题,并不是“软件有多难操作”,而是“如何提出一个好问题”。我们该如何向人工智能提问,如何界定问题,如何掌握问题中的变量关系呢?本文作者对此进行了分析,希望能给你带来帮助。

AI对话与人完全不同。

人对话过程基于情感、文化背景、现状,需要考虑对方情绪、语气、表情等非语言因素,AI对话更多基于逻辑、数据、算法,更加注重信息传递和问题解决。

尽管各家都在推崇自然语言处理技术((Natural Language Processing, NLP),AI对话(文心一言、chatGPT)也在逐渐向着“人性化”方向发展,但两者本质依然存在明显区别。

面对AI出现,很多人有一定思想觉悟,通过学习知识来降低自我可替代性,但是他们发现,第一大问题,并非是“软件有多难操作”,而是“如何提出一个好问题”。

凯文凯利(Kevin Kelly)曾在一场知名演讲中提到未来发展的12大趋势,其中第11个趋势就是提问;不过,在中国目前管理学市场上,大家还未能充分利用提问。

什么是提问?我们该如何向人工智能提问、如何界定问题、问题怎么分类转化,如何把大问题缩成小问题,如何掌握问题中的变量关系,我试试能不能讲明白。

一、提问的逻辑

什么是提问(ask a question)?提问是提出问题,问题是目标(标准)与实际的差距。

比如,目标考90分,实际却考60分,60分和90分之间的差距,就是问题,怎么才能把问题提出来呢?需要先能“发现”和“找准”问题。

三个与提问紧密相关的要素是“是什么(what)、为什么(why)、怎么做(how)”,提问的核心也是搞清楚它们三者之间的关系;2009年美国营销顾问西蒙·斯涅克(Simon Sinek)在TED演讲中,首次用它来表达领袖力模型,这个模型后被称为黄金圈法则。

先说是什么(what)。

人们常常在这里搞不清楚,因为是什么(what)通常包括四个隐形条件,即:定义、内涵和外延、做出判断、概念之间的联系。

就像“爱情”,定义层面指一种深厚的感情,表现为对他人的无私关注、关心和感情依恋,它也可以是亲情,不同的人有不同的看法和体验。

可是,这会造成什么?

我们常常看到某个男生付出很多,最后依然没有收获爱情。双方对爱界定标尺不一样,边界不清晰,自然很难碰撞出火花。

回答是什么,需要注意概念与概念之间的关系,避免逻辑错误,说“羊城”和“广东省省会”指同一个城市广州,可两个概念却是同一关系。

概念与概念之间有6种关系,同一关系,包含关系,交叉关系,矛盾关系,反对关系,逻辑并列关系。(《实用逻辑教程(第5版)》,张绵厘著,中国人民大学出版社,2015)。

由此可见,尽管你知道差30分的事实,却不一定知道“是什么”造成的差距,怎么办?问“为什么(why)”。为什么是因果关系,是事物背后的道理。

比如:

发动机为什么能工作?背后后对应物理原理;飞机为什么能飞起来?背后有空气动力学原理。

我们知道创新、进步和解决问题拿到成果都非常重要;那么,想要创新、进步和解决问题拿到成果与提问是否有因果关系呢?

是的。如果不会提问,就无法找到问题。找不到问题就无法解决问题,进而无法获得成果。这种因果关系也进一步解释“为什么提问很重要”,毕竟提问可以带给我们更好的东西。

再说,怎么做(how)。

下雨后路上有一滩水,小孩子看到大人抬脚跨越过去,自己也学者迈过去,可是不巧,由于步子太小,一下子踩在水里面,惹得大人哈哈大笑。小孩子通过观察、模仿、学会了怎么做。

因此,“提问”看起来是解决问题,背后实则追去更好的东西。

就像看到一个动物,你不知道它是什么,第一个问题是“这是什么”;有人告诉你,这是马,你可能会问“马能干什么”;别人告诉你马可以用来骑、驮东西后,你也就明白“马对你有什么用处”,整个提问是对事物详细的认知过程。

可是,现实中问题很难界定。

我身边很多自媒体朋友,他们奋发图强,畅聊时说要写这个、那个选题,当坐在电脑旁,憋了半天,勉强在屏幕上打下“关于科学化做好营销的研究”后,就没下文了。

为什么?

因为问题包括宽泛议题(issue)、难题(problem)、疑问(question)、话题(topic)四种类型,虽然几个词在中文中不好区分,但所涉及的范围,含义却大有不同。

我写文章多半研究以疑问、话题为主,议题和难题要经过一定的思考过程转化为研究问题(research question),如果不在某个领域深度研究,表达会比较空泛。

三者区别何在?

一般来说,议题(issue)指宽泛话题,是一个问题丛包括面广,如元宇宙包括AR、VR、内容系统、操作系统、数字孪生、你根本研究不明白,要么陷入老虎吃天,无从下嘴的局面。

难题(problem)是实实在在的困境和麻烦,这类问题需要行动和干预以缓解,如宏观层食品安全下降,生育率下降,围观层找不到工作(就业)、找不到对象(婚嫁),抑郁(心理)等。

难题跟议题有重叠之处。

不过可大可小,你可以在选择中间层面提问,也就是融入疑问环节,就像”大规模裁员背景下,大学生就业难问题“该怎么解决,相对能找到聚焦答案;话题(topic)是对某个具体事件、现象的探讨;就像椰树频繁出圈,大家持不同看法,诸如此类。

不过,很多时候你面对的问题是,拿到某个背景信息,如何将陈述性事件增加一个问号,这就涉及到对提问类型的掌握。

二、提问的方法

提问类型?不就是直接问吗?

就像,notion AI帮我回答下,小红书做电商难点在哪?Chat-GPT,帮我起一个有关科学饮食的文章大纲。

经过验证,AI比较擅长解决两类问题:一类是结构化清晰的,例如写代码或做一件常规的事情;另一类是框架清晰的,只需要它来填充细节,并且你对细节有明确要求,所以,开放的问题可能本身就无解,也不具备太现实的意义。

怎么办呢?你可以试试这种方法。

其一,封闭式提问

主要回答事实性问题,用到谁、什么、何时。它如同填空,往往有确定性答案,但回答完也就结束了,不会做太多延伸。

比如:

我在查找各种概念时,会说chat-GPT帮我找一下,黄金圈法则是什么,谁提出的,有什么意义,提出者当时为什么要这样认为,尽可能举个例子。

或者,查理·芒格(Charlie Thomas Munger),针对批判性思维的发言有哪些?在什么场景下,这些发言起到哪种关键性作用。

其二,为什么怎么样

使用分析性问题我会用到“为什么怎么样”,它可以突破纯粹事实层面,把点点滴滴(connecting the dots)在混乱中找到秩序;比如:我问AI抖音为什么会做外卖,它做后会怎么样?得到答案如下:

只怪自己问的太浅,这种答案也许并不尽人意,对于”宽泛的议题“或者”只有背景的现实难题,如何转移成为更深层次的疑问呢?

我提出一个填空式三步提问法:

第一步,我要研究;

第二步,具体而言,①我想聚焦于以下疑问:为什么有的….有的….却?(此处比较现象中的差异)②什么印象了这一结果,③这些因素和结果之间作用机制是什么,怎么样的?

第三步,回答上述疑问后,解决哪些现实难题。

前两个步骤,分别区分议题、难题、和疑问;这样从宽泛的话题开始就能聚焦几个问题进行研究,最终答案能帮我们解决现实难题,推进论据。

第二步,分别涉及到:

为什么(why),从现实世界中发现有趣的对比、悖论以及差异;什么因素(what),大胆假设,寻找影响结果的可能因素;怎么样(how),小心求证,问清楚原理和结果之间的作用。

举个例子:

我要研究(关于抖音为什么要做外卖)。具体而言,我想聚焦一下疑问:①为什么抖音要做外卖,在哪些地方进行了启动;②什么因素会影响抖音外卖的扩张,有人说是骑手?有人说是关于商家,③这些影响因素的作用机制怎么样的?

当然,AI的回答只能作为指导性意见,它给出的答案也许比较宽泛,毕竟是基于“已有海量内容”基础上,作为整合;如果你想深入了解,还需要就细节部分进行现实调查、展开。

就像,北京朝阳有多少骑手、这些骑手每天送多少单、每个人挣多少钱、工作时长等。

品控圈(quality control circle,简称qcc),日本式质量管理的集大成者,石川馨 ( Ishikawa Kaoru)提出的“五个为什么”的方法我也经常使用。

具体方法是:

先确定一个问题、为问题提出为什么的问题、找出答案并再次问为什么;重复步骤2和3,直到达到根本原因、找到根本原因并解决它。

简单讲,这种方法通过反复问“为什么”,来深入探究问题是什么,然后在找到“怎么做”,似乎有点像埃隆·马斯克的经常讲的第一性原理。

我想,只有少数人这么做。毕竟,提问运用较多的还是”写作、文案、完善句式、以及提高表达立体感”几个维度,除非你是做深度报道,需要挖掘本质部分,不然,你不可能展开这么深。

问的细节上,怎么问呢?

不是直接上来“AI,为什么要这么做?”;而是从六要素(谁、什么、何时、哪里、为什么、怎么样)出发,我经常用谁、哪里、何时,什么不断收口,实现有效聚焦。

举个例子:

咱们以大学生心理研究为例,首先把研究对象(who)范围缩小,从中国大学生到本科生,或者到几个专业。

然后,再把时间范围(when)上缩小,把研究对象限制在某年级,例如大一新生,还可以进一步细化到新生的第一个学期内等。

再次,把地域范围(where)缩小,同上,缩小至某个地区;如北京、上海,这样研究所面临的地理范围就非常集中。

最后,还可以对研究主题(what)缩小,心理问题非常繁杂多样,每个症状都不同,聚焦一两种,问题就变得更加可控,如:研究焦虑。

一番操作,我们能得到什么?中国、北京、大一学生、入学第一学期、学生焦虑问题。

之所以这样做,一方面,AI给出的信息过于庞大,如果你询问的时间跨度大,范围不清晰,会淹没在喊如烟海的史料中;另一方面,空泛的问题通过窄化聚焦收口,增加限定词,会转化成具体,可控的研究。

有人会说,缩小到具体很窄角度,问题岂不是很琐碎?

如我一样,你用AI目的是提高写作、和商业研究的效率,那么,我们更关注“片面而深刻”,而非“全面而肤浅”。

假定两种情况,一种不停做所谓的“大问题”(例如头条、阿里商业分析、产业分析、竞争格局分析),由于问题过于庞杂,无法实现有效切分,很可能最终写成一些无关痛痒的空话套话,所谓的“大饼文章”。

另一种,如果针对竞争格局中的某个具体问题研究,攻其一点,不及其余,到那时,大问题就能以小见大,如同下棋,着眼大局但着手小局,此为可取之路径。

就写作与商业研究层面,提问的重要性毋庸置疑,三步提问、五个为什么,值得你刻意练习,试试看,愿你成为“问题青年”。

不过当你刚用AI时,可能会觉得“连环追问法”比较复杂,所以,你会把一些“简单处理的问题”直接交给它,但你还不想拿到“空泛”的答案。

怎么办?刚才过程中提到的“有的….有的….”句型也许比较适合你。

三、提问的变量

先讲个故事,日常中很多现象非常奇怪,咱们经常熟视无睹。

你去过酒吧吗?有没有注意到酒吧凳子的高度?大约70CM,而平时生活的凳子高度40-50CM。我知道你脑子里在想什么:为什么酒吧凳子会高出很多?

酒吧凳子与平常凳子的高度构成一个有趣对比,构成了一个对常识的悖离,因此才会形成问号。

如果我在告诉你,某“养生大师”51岁去世,你肯定会跌碎一地眼睛。我把这类问题称为谜题(Puzzle)。简单讲,新旧事实的不一致或矛盾,会让人感觉不确定,从而导致困惑或好奇,以至于想解决该问题。

提问的谜题,就在这里。

史蒂芬·列维特Steven Levitt在《魔鬼经济学》中举过很多例子,例如,印象里毒贩都很赚钱,为什么他们还和老母亲一起住?

再比如,为什么有的父母经常给小孩读书,经常带孩子去博物馆,孩子却不成功?为什么那些不怎么读书,不怎么去博物馆的人反而成功?这些问题,跟直觉相违背,才悄悄在脑袋里种下一个问号。

该怎么,设计一个谜题呢?

以一个问题为例,你认为在中国,医生和护士哪个群体多?大部分人会觉得护士,因为符合常识;但如果我告诉你,“中国医生数量曾长期多于护士,只有近几年护士才超过医生”;这个事实,听完什么反应?

如果第一反应是“为什么”,那就是一个好的问题,如果你听完回答“哦”,说明这个问题平淡无奇;找到那些与常识、现实或理论不一样的现象,找到那些让人想不通,觉得费解的问题,你能在AI那里能得到不一样的答案。

例如:

火车、飞机等出行工具能节省大量时间,为什么大家却总在问世间去哪了?这时,AI会告诉你,我们要清楚自己的目标和理想,然后利用出行工具实现它们。

假如我们直接问,“时间去哪了”?或请以“时间去哪“作为命题,论述时间重要性,你只能得到一堆“是什么”,这些材料,也许对你并没有太大用途。

一个经典的例子来自赵本山、高秀敏和范伟的小品《卖拐》,当中有句经典台词,我就纳闷了,同样是生活在一起的两口子,做人差距怎么就这么大呢?这句话大半个中国都熟知。

但大家不知道的是,它展示一个有趣的提问方式,这句话一半控制,一半比较;它控制了两个人的生活情境,比较了两个人做人的差距;因此形成一个有趣的谜题。

所以,这些奇怪的角度怎么来?

在大量与AI对话后,我认为变量很重要,也就是,你前面给到背景后,后面两个问题形成对比。“有的….有的….”句型,你可以成功将谜题转化为问题。

为什么有的地方…..有的地方….?为什么有的人…..有的人…..?为什么有的时候…..有的时候…..?我们通过比较不同地区、个人、时间在变量上的差异,来获得新视角。

这句话实际把哪里、谁、什么时候这三个问号给具体化了。

不善于提问者可以有意识通过“有的….有的….”训练自己的提问能力,虽然略显机械,但这个句型像学步车,可以让初学者迅速掌握AI对话技巧。

比如:

同样在互联网公司,为什么裁员时有的人大喊大叫要赔偿,有的人却保持沉默?同样在一个家庭长大的孩子,为什么有的孩子乖巧懂事,有的无法无天。

同样过日子,为什么有人快乐,有人抑郁了?同样熬夜,为什么有的依然头发茂密,有的头发稀疏?同样是酒,为什么红酒比啤酒高雅?同样是裁员,为什么美团、字节风平浪静,而京东总被网友吐槽。

谜题就在变量中,变量分为因变量(dependent variable)和自变量(independent variable),假设你想拿到一个待解释的结果,那就从结果出发,试着反推哪些原因造成了这个情况。

把这一系列方式,学着嵌套到你的问题上,然后甩给AI,你能得到惊讶的答案,不信?试试看。

四、总结

把为什么(why)设计好,是什么(what)怎么做(how)大致不会偏差。询问为什么(why)时,试试“五个为什么,以及三步提问法”。

如果觉得太难,那就从“有的….有的…..”出发吧。

记住运用一半控制一半比较;AI永远是工具,掌握AI提问的方法,才能提高解决问题的效率,祝你,活学活用。

专栏作家

王智远,公众号:王智远,人人都是产品经理专栏作家。畅销书《复利思维》作者,互联网学者,左手科技互联网,右手个体认知成长。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 看了。不错。如果能把结构化提问。再展开讲讲会更好

    来自北京 回复