AI沒效果原因

為什麼用AI卻沒效果?四個常被忽略的關鍵原因

我從2022年11月ChatGPT問世以來的觀察出發,指出覺得AI沒什麼用的人,多半是使用方式出了問題。文中整理四個關鍵原因:一是沒有清晰的目標,寫prompt前要先構思清楚要解決的問題與期望的呈現方式;二是數據結構不佳,提供的資訊若不完整或不相關,AI也只能根據有限資訊給出有限回應;三是領域知識不足,使用者自己也需要具備足夠的domain knowledge才能問對問題並判斷生成結果的優劣;四是期望過高又懶得優化,AI跟人一樣會有幻覺,使用者需要判斷結果是否為幻覺,同時也要持續學習讓自己跟上AI的進步速度。
為什麼用AI卻沒效果?四個常被忽略的關鍵原因

為什麼用AI卻沒效果?四個常被忽略的關鍵原因

你將學到什麼

目標要先構思清楚

寫prompt前要先想清楚要解決的問題與期望的呈現方式,而不是只丟一句話就期待好答案。

垃圾進垃圾出

提供的資訊若不完整或有偏差,AI只能根據有限資訊給出有限的回應,提問要盡量具體。

領域知識決定判斷力

要能問對問題、分辨生成結果的優劣,使用者自己得先具備足夠的domain knowledge。

AI也會有幻覺

生成式AI必然存在Hallucination,使用者需要學會判斷並持續優化自己與AI互動的方式。

誒,其實我今天本來預計要寫的文不是關於邪教,那只是出門上班路上突然覺得可以把去年做的圖拿出來呼應一下時事。

我今天原定要寫的主題是:為什麼有些人用了AI卻沒什麼效果?

從2022年11月至今,有很多人都已經嘗試過使用chatGPT或其他AI,試著用其改變自己的工作或生活。AI正在改變這個世界,但不是每個人都能充分發揮到它的全部潛力。

歸根究底,會覺得『AI沒什麼用』的人,大概率都是使用的方式出了問題。使用AI,就跟你學習、讀書一樣,需要用腦。大腦是個好東西,請務必操到底!

1️⃣ 沒有清晰的目標

使用AI之前,請先構思清楚『我要解決的到底是什麼問題?』、『我期望獲得的生成結果是什麼?以什麼樣貌呈現?』

我用 #構思,是因為當你開始要寫prompt的時候,prompt本身應該是一個有組織有架構的文字組合,不是『想』就夠了的事。

就像你到圖書館問館員:有沒有數學可以考高分的書?

這種問題就非常的粗淺,館員應該翻白眼到後腦勺去了。

而這樣的提問方法會更好:『有沒有適合高中生閱讀,數學程度中下,希望可以在半年左右提升整體數學成績表現至中上的參考書籍?』

這個問題,包含了使用者角色、現況、目標、時間;這才是架構。不過,這個問題,去問數學老師會更好,問館員不一定可以得到最佳解。

為什麼我要舉這個例子?因為很多人在寫prompt的時候,經常只有一句話,就跟去頭去尾的吻仔魚一樣,讓人類都分辨不出那一坨白軟趴趴的玩意是什麼,AI又怎麼能針對這樣的問題給出好答案呢?

當然,如果你只用了一句沒頭沒尾的話問完,就覺得AI生成的內容讓你很滿意了,那麼你應該反思一下是不是到了應該擴展自己的視野與本職學能的時機了?

能否分辨AI生成品質的好壞,也是你認為AI好不好用的關鍵。我必須說,多數人,在畢業之後就忘了大腦如何使用,因此很容易就會對『僅僅堪用』的內容感到滿意。

這是很危險的事情,因為隨著AI越來越聰明,你被取代的機會就會越高。

2️⃣ 數據結構不佳

Garbage in, garbage out. AI生成的品質高度依賴於你所輸入的數據與指令架構。

如果你提供的資訊不完整、不相關甚至有偏差,AI也只能根據這些有限的信息做出有限的回應,就像廚師只能用手邊的食材做出的菜品。

想要獲得更精確、更深入、更周全的回應,請確保你提供的是高品質的數據與指令架構。

在跟AI提問時,盡量描述明確的背景、具體的細節、希望他回答的格式...等。

比起問『如何做好銷售?』這種模糊的問題,更具體的提問應該長得像這樣:『在B2B領域中,面對價格敏感的客戶,該如何運用顧客分層segmentation來提高成交率?』。

注意到我加入英文了嗎?這是因為在不同領域裡,對於segmentation可能有不同的中文翻譯,為了讓AI更能理解,我會在容易混淆的關鍵點加入英文,這樣可以減少AI誤會的機率,也能讓回答更具體、更有價值。

3️⃣ 領域知識不足

AI雖然功能很強大,但並不是隨便寫寫就能解決所有問題的萬能魔法。

要真正發揮AI的潛力,除了需要具備充分或至少堪用的領域知識domain knowledge,還需要了解如何選擇合適的語言模型、了解基本的AI運作邏輯......等。

就像你會駕駛車輛,但不一定是修車高手,但至少你得知道加油、保養、方向盤的使用方式吧?而不是要左轉時打開雨刷提醒後車要注意三寶就在正前方。

同樣的道理,使用AI也需要基本的技能,這樣才能更有效地駕馭它。

而這裡最重要的就是領域知識,Domain Knowledge,如果你是一個行銷,那麼你的領域知識就是跟行銷有關的一切,如果你是一個諮商師,那麼各流派的心理諮商知識與技巧就是你的領域知識。

你要先確保自己具備足夠的領域知識,才有辦法問對問題、分辨生成結果的優劣。

4️⃣ 期望過高與懶得優化

AI會有幻覺 Hallucination,人類也一樣。

有些人會對AI抱有不切實際的期望,誤以為AI可以自動解決所有的問題,但別忘了目前的生成式AI仍舊是語言模型延伸出來的,因此Hallucination必然存在。

你需要有判斷這次生成的結果是否為 Hallucination 的結果,並接受目前的AI並不完美的事實,這樣才不會對於AI的產出照單全收。

AI是一個輔助工具,可以幫助你找到新的解決方案,甚至從不同的視角看待問題,但創造力和判斷力仍然需要依靠人類的判斷。

懶得優化也是個大問題,我說的是AI本身的優化,還有你自己的優化。AI一直在透過全球使用者的使用習慣在學習進步,那你呢?你上一次為了使自己更上一層樓的學習是什麼時候?

希望你的上一次學習不是太久之前的事情。

---

臉書上有很多成就斐然的AI專家高手,每一位都是持續在學習新技術的佼佼者,對於新工具、新發展的熱情都遠高於一般使用者,這些人不會說AI不好用,因為他們一直持續在讓自己保持與科技的同步性,讓自己永遠處於不lag的狀態。

好啦!手指酸了,總之呢!要釋放AI的真正潛力,請記住這些關鍵:清晰的目標、良好的數據與結構、廣泛的領域知識、合理的期望,當然還有對自己的持續的優化!

本文原發表於 2024/10/30 的 Facebook 貼文,原文照登,僅調整網頁排版;文中提及的產品、價格與活動以當時為準。

繼續追蹤酒Ann想看更多 AI 系統、工具實測、品牌方法與生活觀察,歡迎前往 酒Ann 的 Facebook

延伸學習

把這篇文章分享給需要的人FacebookLINEThreadsX

常見問答

文章整理了幾個AI用起來沒效果的常見原因?
共四個,分別是沒有清晰的目標、數據結構不佳、領域知識不足,以及期望過高與懶得優化。
提問時應該怎麼做才能得到更好的AI回應?
建議盡量描述明確的背景、具體的細節與希望的回答格式,必要時加入英文關鍵詞以減少AI誤解的機率。