AI 回答得不好時,我該先改自己的問題,還是先懷疑它的答案?
我想把這兩件事一起做。說清楚目標與脈絡,是使用者可以練習的事;檢查輸出與工具限制,也不能因為問題寫得完整就省略。
舊稿用「思維的鏡子」形容 AI,想提醒自己不要把判斷交出去。但鏡子不是一張責任轉移單:回答出問題,不能一律算在提問的人身上。
一、從可以核對的對談開始
NVIDIA於2024年4月15日發布的奧勒岡州立大學對談整理記錄,黃仁勳談到把運算用於自己的專業領域,以及協作、界定問題、修正方案、反覆嘗試與改變想法。他也承認 AI 有限制。
這讓我想到的,是提問與修正應該放在同一個學習過程裡。下面的「鏡子、協作、教育」是我的三個思考角度,不是黃仁勳本人提出或替我背書的三層理論。
這段對談也不替原稿中「如果今天是學生」的逐字引語補上來源。與其圍繞一句本次未核實原始出處的名言,我更願意從能確認的意思繼續談。
二、鏡子能提醒我什麼,又不能證明什麼
例如一項假設的摘要工作,我只寫「整理一下」,卻沒有說明對象、用途與希望保留的內容。收到不合用的稿件後,先補清楚需求,是合理的修正方向。
但需求清楚,不保證答案就對。如果輸出引用了一份文件,我仍需要確認文件是否存在、是否支持那個說法;若有重要條件被漏掉,也不能只因句子流暢就接受。
因此,「鏡子」是提醒我回看自己有沒有把事情說清楚的比喻,不是用輸出品質測量一個人的思考能力。資料是否足夠、工具能做什麼、結果如何驗證,都要分開看。
三、協作要回到具體工作
我仍想學怎麼與 AI 協作,但不再把它寫成所有人的唯一入場券。不同工作能交付的範圍、能承擔的錯誤,以及可用的資源並不相同。
同一個摘要假設中,可以先請工具列出重點,再由人對照原文。若查核與補工比自己整理更費力,也需要把這個結果算進評估,不能只看第一份稿件出現得多快。
〈AI持續服務的成本、權限與接手〉把這個問題放到工作安排裡。協作需要知道誰可做什麼、誰檢查、誰接手;「當同事用」這個比喻不能代替這些約定。
四、提問與專業知識一起練
如果不知道一份摘要漏掉什麼,光把指令寫得更長,未必能補上判斷。專業知識能幫我辨認重要條件,提問則把目的、脈絡與限制說出來,查核再確認結果是否可用。
所以我想增加的是練習:先自己說明問題,再看工具提出什麼,接著找證據修正。老師、同儕與原始材料,都可以是這個過程的一部分。
這是我對學習安排的期待,不是「AI已比多數老師好」的比較研究,也不是說所有學校只教記憶。知識、記憶、提問與思考不必互相排斥。
五、面對一份輸出的四個問題
想把一次對話變成可檢查的協作,我會問:
- 我有沒有說清楚目的、使用對象與必須保留的條件?
- 工具有哪些資料與操作範圍,哪些地方仍不確定?
- 輸出中的重要說法,要回到什麼材料或方法核對?
- 發現錯誤或無法確認時,要修改、另找協助,還是停止使用?
這是作者檢查 AI 協作的四個問題,不是個人能力評分、正確率或職涯安全的保證。
不需要每次都做一整套繁複程序,但重要性與可能影響應決定查核的程度。若沒有足夠依據,留下不確定,比把一份看似完整的答案直接交出去更負責。
六、保留能改變想法的空間
我仍喜歡「鏡子」這個比喻,只是希望鏡中看得到的不只有使用者,也包括工具、資料與工作安排的限制。
學習協作可以從一次小任務開始:說清楚一個需求、查回一個來源,或承認一段答案目前無法確認。這些是我願意練的動作,不是已驗證每個人都能獲益的公式。
我想保留的判斷力,是既願意改自己的問題,也願意拒絕工具的答案。證據有變,就準備改變想法;沒有證據時,也容許自己暫時不知道。
資料與查核範圍:2026年11月4日修訂
直接核對NVIDIA上述2024年對談整理中專業應用、協作與限制的段落,採有限轉述,不稱完整原音逐字核驗。三角度與四問為作者延伸,摘要工作明示假設。未核實「如果今天是學生」原始語段、台灣討論規模、個人公司實績、產出倍數、就業效果或教育比較研究,不用作論據。原發表日保留。
修訂說明: 撤下錯誤幾乎都源於提問、AI只暴露人的缺陷、三到十倍產出、拒學必邊緣化、AI勝過多數老師,以及工作被取代不算損失等定論。不再替黃仁勳補未說的下半句,也不從模型自述推定誠實或人的價值。


💬 留言討論
載入中...