如何用"元問題"打開未知的大門
如何突破傳統搜尋思維，善用AI的理解能力、耐心與記憶特質，透過元問題技巧重新定義知識互動模式，有效提升AI應用效益。
當答案變得越觸手可及且成本低廉，好的問題就越有價值
❏ 引言
冷氣團來襲，上週終於有冬天的感覺了，蠻喜歡這樣乾乾冷冷的天氣，這樣的溫度停在紅綠燈前面曬著太陽等 90 秒，也變得很 chill 😎。
上一期《AI提示詞: 懶人優化指南》我們聊到，怎麼透過一些自動化的工具，優化我們對模型的提問，讓 AI 能夠更精準的理解提問，並且回答出令人滿意的答案 (也就是所謂的提示工程 Prompt Engineering)。
確實，學習提示工程可以更好地發揮模型的效能，但是它不應該是阻礙人們實際在工作上應用 AI 來完成任務的門檻。
也就是說，即使你完全不懂「提示工程」，也應該要能讓 AI 成為你的武器
《Getting started with AI: Good enough prompting》[1] 這篇文章指出，許多人面對 AI 工具的時候，仍帶著舊有的知識互動習慣 — 或者說 ”搜尋” 的思維，與這些模型互動。
當 AI 無法一次到位或者給出有偏誤的答案時，部分使用者便會打退堂鼓，放棄繼續嘗試，其實蠻可惜的。
這期我們就聊聊，提示工程雖然重要，但真正能讓 AI 發揮實質影響力的是「個人與知識互動的思維轉變」。
~
📍 大綱
❏ 知識的四象限
❏ AI 的優美特質
❏ 元問題
《非正式寫作》著墨琢磨 技術趨勢、溝通領導、概念理解 與 生活實踐。
每週一四派送，如果您還沒有訂閱，請在這裡訂閱，加入 200+ 位每週讀者的行列：
🔍 工人智慧猜你也喜歡
❏ 知識的四象限
知識的自覺大致可分成四象限 (如上圖)。撇除 Unknow known (不知道的已知)，個人知識的成長，大體上都是從左側往 Known known 前進的過程。
如《AI Search 的未來是什麼》當中所說 [2]，傳統搜尋在於關鍵字的匹配，如果你對該領域不熟悉 (處於 Unknown unknown，不知道自己不知道什麼)，沒有掌握該領域的術語/關鍵字，其實很難搜尋到相關的內容。
回想自己研究生剛開始寫論文的時候就是這樣子，開了很多個搜尋視窗，盲試不同關鍵字，然後再從結果當中去慢慢拓展自己在該領域的詞彙量。是相當辛苦不斷往返 Unknown unknown ←→ Known unknown 的過程。
現在的 AI search 大大加速了這一過程，我們不需要具備該領域的資訊壓縮能力 (即識別該領域的專業術語)，也能透過盡可能的描述與迭代，讓 AI 理解我們的意圖。
也就是說，AI search 實際上在兩個層面上大幅提高了生產力：
理解人類意圖，並將其轉成相關領域關鍵字進行搜尋 (Unknown unknown → Known unknown)。
彙整搜尋結果，以滿足意圖為導向進行最終結果的呈現 (Known unknown → Knwon known)。
若僅從運算能力的角度理解 AI，將無法充分發揮上述兩項優勢。AI 真正的影響力在於其改變了個人與知識互動的方式，這種轉變主要源自 AI 的理解能力。
以搜尋任務為例：
傳統搜尋引擎猶如圖書館員，需要明確的分類或關鍵字才能列出相關清單
AI 搜尋則像博學的顧問，能夠理解問題本質，直接提供解決方案，並附上參考來源
理解能力使知識的互動更加深入，能夠從表層的「是什麼」(what)，
提升至「如何做」(how)，甚至達到「為什麼」(why)的層次。
AI 帶來「行動導向」的互動範式，與傳統的搜尋查找有顯著區別，
這種轉變代表了資訊應用的重大典範轉移。
.
❏ AI 的優美特質
引述 [1]：
正如《紐約時報》一篇關於這項研究的報導所指出：醫生們把 AI 當作搜尋引擎來問特定問題：「肝硬化是癌症的風險因子嗎？眼睛疼痛可能有哪些診斷？」
只有極少數醫生意識到，他們其實可以直接把整個病例複製貼上到聊天機器人中，並要求它針對整個問題提供全面的答案。
這個問題不僅存在於醫生群體中。在我任教的每個課堂或是我演講的每個組織中，大多數人雖然都嘗試過使用 AI，但常常在初期使用時感到困惑。正因為這種困惑，他們往往無法投入真正了解 AI 功能所需的約 10 小時時間。
把 AI 當作搜尋引擎來問特定問題，就像是請一位博學的顧問去幫你按照索引查找圖書一般，放著強大的理解能力沒有發揮。
除了理解能力以外，AI 另外兩個優美的特質，也值得我們注意：
無窮的耐心：AI 不會因為你重複問一樣的問題，被你的鬼打牆惹惱。如果第一次沒有得到你想要的答案，或者是他的解釋太複雜聽不懂，可以持續要求他進一步解釋，或是請他以更簡單的方式來回答 (explain it like i'm five)。
超強的短期記憶 (並且隨時可以遺忘)：與 AI 的每一輪對話都是一次嶄新的開始，所以他不會記仇，每一輪的對話都是獨立上一輪存在，這讓就事論事變得更加輕鬆。另外，AI 的短期記憶能力在不斷上升，在單次對話中，甚至可以將整本書的內容都塞給他，就像一個記憶力超強的助手。所以，如果手上有對完成任務有幫助的資料，也可以一併交給他，利用他超強的短期記憶來幫助搜索與理解。
無窮的耐心 和 超強的短期記憶 是 催化 AI 理解能力的兩個優美特質，
善用這兩個特質與 AI 進行真正的「對話」，而不是只拋出一個句點式的問題
.
❏ 元問題
搜尋引擎出現已經 20 多年了，關注 what 的搜尋思維深植在我們心中。如何練習跳脫出來，多嘗試以 how 甚至是 why 的思維來充分發揮 AI 的理解能力，我們需要多將注意力放在 “問題” 本身 — 也就是關注「元問題」。
元問題的意義在於你對「問題」本身的反思，你的問題究竟是不是對的問題？
你對於好的答案有怎樣的想像？ [3]
在《找到客戶的真正需求: 逆黃金圈法則》有提到，透過逆黃金圈的方式 (What → How → Why)，可以抽絲剝繭找到真正影響客戶決策的關鍵因子。
應用在知識的探索/互動也是如此，從 Unknown unknown 到 Known unknown 的路上，透過對 AI 詢問「元問題」，就像在 RPG 遊戲上開掛直接一秒全開地圖一樣，領域展開，讓你有機會在更高的視野和抽象，來反思你的提問。
以下是一些「元問題」的範例：
✔ 假設
如果 [特定條件/情境] 成真，會對 [議題/領域] 產生什麼影響？
例：如果LLM模型的上下文視窗可以無限大成真，會對RAG應用產生什麼影響？
假設未來 [某項技術/現象] 普及化，你會如何分析其可能帶來的機會與挑戰？
例：假設未來生成式AI普及化，你會如何分析其可能帶來的機會與挑戰？
在 [極端情境] 下，[現有系統/規則] 會如何被顛覆或重組？
例：在人類平均壽命延長到 100 歲的極端情境下，現有的退休金制度會如何被顛覆或重組?
✔ 時空
請從 [古代/未來] 的視角，評價現今的 [特定現象/議題]
例：請從古代春秋戰國時期諸子百家的視角，評價現今的社群媒體文化
[歷史人物/未來人] 會如何看待現今的 [特定問題]？
例：達文西會如何看待現今的人工智慧藝術創作
比較 [不同時代/文化] 對於 [特定議題] 的觀點差異
例：比較伊斯蘭文化與西方文化對於「科學與宗教關係」的觀點差異
✔ 反向
為什麼我們不應該 [做某事/採取某立場]？
例：為什麼我們不應該全面禁止人工智能的發展？
如何證明 [普遍觀點] 是錯誤的？
例：如何證明「科技進步一定會使社會更加平等」是錯誤的？
讓我們挑戰 [既定假設]，有什麼相反的可能性？
例：讓我們挑戰「經濟成長才能帶來幸福」這個既定假設，有什麼相反的可能性？
✔ 類比
[領域A] 中的 [現象/原理] 如何應用到 [領域B]？
例：心理學中的認知偏誤如何應用到市場行銷？
請找出 [議題A] 和 [議題B] 之間的相似模式
例：請找出社群媒體傳播和病毒擴散之間的相似模式
用 [特定領域] 的概念來解釋 [不相關領域] 的現象
例：用經濟學供需理論來解釋戀愛市場的配對過程
✔ Meta
請問 "<你原本要問的問題>" 這個問題背後的元問題是什麼
例：請問「如何定義成功?」這個問題背後的元問題是什麼?
.
透過 假設、時空、反向、類比 到 Meta 幾種技巧，我們可以觸發 AI 的理解能力，在 Unknown unknown 領域給我們更廣泛且深入的靈感。試著實際向 AI 提問這些範例問題，感受一下回答帶來的震撼。
下一期，我們接著聊聊，如何利用 AI 的理解能力和元問題，搭配 NotebookLM 在寫作中進行探索，在探索中進行提問，在提問中進行歸納。重新定義你與知識的互動模式。
❏ 結語
因為 AI，搜尋不再只是檢索，而是變成了探索和理解路上的好夥伴。它永遠不會不耐煩，記性又特別好，只要懂得善用這些特點，就能把對話帶到更深入、更有意義的層次。
「元問題」其實就是：問題該怎麼問？為什麼要問這個問題？用這種方式重新思考，不但能激發創意，還能打開新的視野。舉例來說，可以嘗試假設性的情境，或是從歷史角度來看事情，甚至大膽挑戰一下既有的想法。
學習問好問題。現在就打開 ChatGPT，寫下你最想問的三個問題，開始這趟探索之旅吧！
~
More ways I can help you 🚀
1:1 Coaching (Free)：與我預約諮詢《非正式閒聊》。無論是技術創新、團隊管理，或是個人成長 方面的疑問，都歡迎 預約諮詢。期待透過輕鬆愉快的對話，與各位交流分享、互相學習 🥳。我將協助您成為高績效的領導者和工程師。
🦥 parting thoughts 🦥
上週二很開心和一位讀者 Charlie Ku 線上見面《非正式閒聊》了 30 分鐘。時間雖短，但可以感覺到彼此都是對成長和生產力技術有所追求的人。意猶未盡，還約了下次實體喝咖啡 (因為公司還蠻近的)。如果你也想閒聊認識一下，歡迎手刀預約起來 👇
~
如果這篇文章有幫助到你，記得按讚加分享 👍，請我喝杯咖啡 ☕，我們下期見！
🔖 參考資料
[1] Getting started with AI: Good enough prompting -
[2] AI Search 的未來是什麼？-
[3] 創新之前，你問對問題了嗎？淺談厚數據與元問題 - https://medium.com/gogolook-design/%E5%89%B5%E6%96%B0%E4%B9%8B%E5%89%8D-%E4%BD%A0%E5%95%8F%E5%B0%8D%E5%95%8F%E9%A1%8C%E4%BA%86%E5%97%8E-%E6%B7%BA%E8%AB%87%E5%8E%9A%E6%95%B8%E6%93%9A%E8%88%87%E5%85%83%E5%95%8F%E9%A1%8C-bf748ad53fef