如何让AI更懂你

想象一下，一个无所不能的虚拟伙伴，熟知世界上的所有事情，贯通古今。最重要的是，无论何时何地，它都做好准备伸出援手，从不会对你说“不”。面对这样的伙伴，你会不心动吗？

但是，你知道如何提问，才能让它更精准地理解我们的需求吗？

使用积极的语言引导AI

人工智能模型喜欢明确的期望性指令，因此，用户最好避免使用限制性语句。

期望性指令：“描述这座城市的风景，包括日出时的美景以及街巷的烟火气。”

限制性指令：“描述这座城市的风景，但不要提到日落。”

越来越多的研究表明，和人类一样，模型也更喜欢积极的指示，进而在给定的边界内最大限度地发挥算法的创造力。

给出例子，搭建思维链

一个清晰明确的例子，就能让模型更精准地理解复杂任务，并产出高质量的答案。

如果你给出这样的提问：“假设你是宠物顾问，请向住在小公寓、有全职工作且喜欢安静的人推荐合适的宠物。”再加上提供的例子：“举例来说，对住在小公寓的忙碌人士而言，猫是理想选择，因为它们独立且无须频繁的户外活动。”

那么模型会像人类一样，从具体案例开始逐步分析并形成完整的“思维链”。它可能会依次考虑：居住空间、工作时间、环境偏好等因素，最终给出针对性的建议。在问了模型这个问题后，我让它告诉我，为了给出这个结论，它经历的完整思维链是怎样的，模型给出的答复如下：

评估居住空间（小公寓限制了适合饲养的宠物的大小和活动空间）——评估工作时间表（全职工作意味着宠物在白天只需要得到最少的照料）——考虑噪声耐受力（对喜欢安静环境的人来说，安静、不那么活泼的宠物是更好的选择）——将以上因素与宠物相匹配（猫：独立、安静、适应狭小空间；鱼：无须过多照料，无噪声，非常适合忙碌人士；仓鼠：需要小笼子并且大多在夜间活动；狗：只有部分品种适合居住在楼房，仍然需要被主人关注、进行户外活动）——得出最终建议：建议养猫或鱼以适应他们的生活方式。

经过对比测试，研究者发现，指令结合具体事例，可以让AI表现得更优秀。

遇到瓶颈时后撤一步

如果你发现AI的回答过于泛泛或陷入循环，不妨尝试一种研究员常用的方法——后撤一步——改变提问的角度，分解任务。

原问题：“给我灵感，如何丰富悬疑小说的情节？”

改进的提问：“从环境设定开始，描述一个适合悬疑小说的场景，然后提出适合的情节元素。”

这种方法将复杂问题分成多个小任务，让AI逐步完成，更有针对性。对人类来说，这种后撤一步的思维方式同样适用，比如在解决复杂问题时，通过将任务一步步分解，而让思路更清晰。

与AI的交互也可以帮助我们反思日常沟通中的问题，实现人与人更高效的沟通。

（本刊原创稿件，视觉中国供图）