提問力，是AI時代的生存武器。 一本書，幫助我們「精準提問、正確下指令」，和AI對話更有效率，工作和生活都用得到！ 自從生成式人工智慧（Generative AI）問世以來，它模仿人類的價值觀、信念和思考，如同人類的分身一樣。 像是ChatGPT這種生成式AI，許多回答看似言之有物卻不盡合理，甚至是捏造、偏頗的內容，讓人不知如何是好。 大型語言模型（LLM，Large Language Model）是生成式AI的核心技術，在進化的學習環境中，大型語言模型透過和人類對話，以及和其他生成式AI與各種應用程式、外部硬體互動，都會提升生成式AI的能力，更能幫助我們解決現實世界的課題。 為了要讓ChatGPT這類大型語言模型發揮最大的能力，身為人類的我們，必須學會如何和大型語言模型溝通，進而善用AI的最大潛力。 本書作者岡瑞起（OKA Mizuki）和橋本康弘（HASHIMOTO Yasuhiro）是日本AI專家，兩人帶領讀者了解「精準提問、正確下指令」的基本知識，並且分析大型語言模型的機制，介紹指令模式、觸發指令，幫助我們掌握與AI對話的技巧和知識。作者也提醒，生成式AI有可能成為人類的AI代理人，我們必須加速了解AI代理人的自律性、社會性和嶄新的資訊生態系。 提問力，是AI時代的生存武器。如果你還沒有準備好如何與AI對話，一定要閱讀這本書！

前言 第1章 大型語言模型登場 1-1 蔚為社會現象的ChatGPT 1-2 工作會隨著AI改變嗎？ 1-3 與AI共存的必要性 第2章 提示工程 2-1 什麼是提示詞 2-2 輸入提示詞的注意事項 2-3 馴服大型語言模型 第3章 提示模式 3-1 人物誌模式 3-2 受眾人物誌模式 3-3 精緻化詢問 3-4 認知驗證模式 3-5 翻轉互動模式 3-6 少量樣本提示模式 第4章 觸發式提示的威力 4-1 Chain-of-Thought模式 4-2 Chain-of-Verification模式 4-3 退一步提示模式 4-4 後設認知提示模式 第5章 進階發展的技術 5-1 自我一致性模式 5-2 ReAct模式 5-3 RAG（搜尋增強生成） 5-4 LLM-as-Agent 第6章 AI代理人和社會 6-1 AI代理人的自律性 6-2 AI代理人的社會性 6-3 嶄新的資訊生態系 結語

【前言】 隨著人工智慧（Artificial Intelligence，AI）的發展，「大型語言模型」這種創新技術也跟著登場，在自然語言領域掀起了全面改革。尤其OpenAI在2022年發表的ChatGPT，更是讓人類與電腦自然對話這件事成為現實，語言處理學會也因此以「ChatGPT是否將終結自然語言處理？」為題召開小組討論。這種讓某個學術領域害怕自己突然消失的創新，不是那麼容易了解的事情。 有鑑於技術出現了突破性的發展，本書將焦點放在我們必須具備的新技巧「提問力」。大型語言模型的確會對我們的各種問題提供再自然不過的回答，但箇中原理到底為何？我們又該如何應該這個現實呢？ 本書第1章以俯瞰全局的角度，介紹大型語言模型對社會的影響，以及今後可能帶來的變化，也為了幫助大家大致了解技術方面的重點，會簡單說明大型語言模型運作的機制。 第2章介紹「提示詞」這項概念。所謂的提示詞就是人類以自然語言給予電腦的指令，也是拜託大型語言模型運作時的命令。一如人類在接到不同的委託時，會給予不同的答案一樣，以適當的方式拜託大型語言模型運作，也同樣能夠得到我們想要的答案。這就是所謂的「優質提示詞」，而寫出優質提示詞的創作過程就稱為「提示工程」，這也是本書的核心主題。 第3章之後會具體解說製作提示模式的技術。會帶著大家學習角色扮演模式、翻轉互動模式、少量樣本提示模式，這些由大型語言模型的研究者或是經驗豐富的使用者發現的強力模式。只要懂得組合使用這些模式，就能有效活用大型語言模型。 第4章會討論觸發大型語言模型思考的「觸發提示詞」的威力。目前已知，以Chain-of-Thought模型（思維鏈）為代表的觸發提示詞能夠大幅提升模型的推測能力。了解這個機制與使用方法將更進一步解決進階的問題。 第5章會介紹讓多個模型合作，以及讓大型語言模型擁有記憶的「進階技術」。其中包含ReAct模型、RAG（擷取增強生成）、LLM-as-Agent這類最新的方法，想必這些方法都能讓大型語言模型的潛力大幅提升。 最後一章的第6章雖然有點偏離本書的技術主旨，但準備帶著大家想像AI代理對於我們人類的意義，以及在全新的資訊生態之中，我們人類該具備哪些能力與態度。 本書的目標在於大型語言模型這項嶄新的技術登場後，幫助大家從被動接受的立場轉為積極學習的立場，以及幫助大家學會相關的知識與技巧。 各位讀者透過本書將獲得「提問力」，也一定能親自體會大型語言模型的確是一項全新的知性創造工具，同時也能感受到活用這項工具的喜悅。 話不多說，就讓我們立刻跳進大型語言模型這個全新的世界。 2024年6月 岡瑞起 橋本康弘

工作會隨著AI改變嗎？ 剛剛解說了三種引領AI風潮的核心技術。了解這些技術，應該就能明白ChatGPT是專為對話設計的模型，也是為了特定目的學習的模型才對，所以也能利用公司的業務資料訓練成專門處理業務的模型。比方說，可以訓練處理會計、法律、醫學、教育以及其他領域的模型。 AI對工作的影響 如此說來，大部分與語言有關的工作都應該會受到大型語言模型的影響才對。其實OpenAI與賓州大學於2023年的研究指出，80%的美國勞工至少會受到10%的影響，每五個人就有一個人的日常工作會有一半受到影響。 換句話說，許多工作會受到影響是肯定的。如果工作肯定會受到影響，那麼AI會如何改變工作呢？ AI改變的產值 最先被改變的莫過於工作產值。當生成式AI能於業務應用，產值會產生什麼變化呢？ 最早將生成式AI的技術引入業務之中的業界就是開發軟體的電腦業界。觀察AI對於這個業界與工作的影響，或許就能一窺AI將在其他領域造成多少影響。讓我們以程式設計輔助工具GitHub Copilot為例，程式設計師在撰寫程式時，這套工具能夠即時提供提示詞建議，所以程式設計師能省去不少撰寫程式的麻煩，而且提示想撰寫的程式碼，Copilot還會提出程式碼的方案。只要正確地提示想撰寫的內容，有可能只需要輸入提示詞，就能寫出需要的程式碼。 一如Copilot的意思為「副駕駛」，指的是Copilot可提供與AI一起撰寫程式的體驗。所謂的結對開發（Pair programming）是指兩位程式設計師於同一台電腦輪流寫程式，一邊審閱彼此的程式碼，一邊進行開發的手法。如果使用Copilot，就等於與AI組隊寫程式。實際使用Copilot就會發現，Copilot真的是非常優秀的工具，會讓人覺得少了它就不想寫程式。在過去，寫程式都必須不斷地在網路搜尋相關的文法與使用方法，但Copilot問世後，再也不需要這麼麻煩，只需要在編輯器就能完成相關的工作。此外，程式設計師只需要先輸入提示詞，再檢閱Copilot產生的程式碼，這等於是從第三者的角度檢視程式碼的正確性，這讓人不禁覺得，這樣應該不大會出現錯誤的程式碼，這也是結對開發的效果。 AI可提升初學者的產值 到底使用Copilot可以提升多少工作效率呢？目前已有量化的評估方式。微軟研究院這類研究團隊曾透過實驗測量使用了Copilot的組別，以及未使用Copilot的組別各自花了多少時間完成工作，以及比較了兩者的工作完成度，結果發現，使用了Copilot的組別比未使用Copilot的組別快了40%的時間。這兩個組別的工作是利用JavaScript這種程式語言撰寫HTTP伺服器，所以也評估了伺服器的性能。結果發現，使用Copilot撰寫的伺服器，不僅比沒有使用Copilot撰寫的伺服器來得更省時間，性能也差不多。 這項實驗找來了95位接案的程式設計師為實驗對象，而實驗結果指出，年資愈淺的程式設計師愈能感受使用Copilot的優點。年資尚淺的程式設計師常常花很多時間確認函數的內容，而且也得花不少時間思考該使用哪些函數，但是當Copilot提出建議，就大幅縮減了查詢函數的時間，而且還能像是使用Copilot Chat一樣，一邊與Copilot對話，一邊開發需要的功能。如果這類功能變得更加實用，或許就能提升開發速度與開發品質。儘管這項實驗沒有出現統計的顯著差異， 但使用Copilot的程式設計師都表示，使用這項工具可減少 錯誤。 在困難的工作應用Copilot可提升資深程式設計師的能力 雖然Copilot的實驗結果指出，資淺的程式設計師的確受惠於Copilot的幫助，但是對資深的程式設計師又會造成什麼影響呢？一般認為，工作愈是困難，生成式AI對於資深程式設計師的影響應該愈大。就建置HTTP伺服器這項工作而言，從開始建置到結束建置的規格相當明確，該完成的部分也十分清楚，所以只要依照規格細心地撰寫每一項功能，就能完成工作，不大需要執行複雜的除錯步驟。 一如下圍棋時，我們必須依照對手的棋路調整自己的下一步，如果是看不見終點的工作，應該連資深程式設計師也會感受到Copilot的威力才對。下圖是圍棋棋手利用AI學習之後，棋力提升多少的圖表。從這張圖表可以得知，開始與AI對弈之後，棋手的棋路突然大增，下錯的次數也減少，下出好棋的機率也大幅提升。 這個傾向也會在資淺棋手或是年輕棋手身上看到，但是在經驗豐富的棋手或是年老的棋手身上更加顯著。這或許是因為愈是經驗豐富的棋手，愈明白AI提出的新棋路有多少價值，也能體會這些新棋路的用意。圍棋名人曾說，利用AI學習之後，讓他跳脫了舊有的框架，學到新的手法與路數，也讓他擁有更多精湛的棋路。利用大量資料學習的AI的確擁有更多知識，而要從這些知識找出有用的知識，當然需要擁有更多該領域的知識。愈了解該領域的知識，就愈能應用這類進階的工具，這就是大型語言模型這類生成式AI與古典的機械學習模型最明顯的差異，愈是懂得使用的人，愈能夠從模型引用更多不同的知識。 由此可知，不管是初學者還是專家，都能透過AI讓自己的能力出現明顯的成長。一如將棋的世界出現了藤井聰太這種天才棋手，任何領域或許都能在AI的輔助之下誕生天才。 人們的態度與期待的變化 如果初學者與專家的能力都因為生成式AI大幅提升，那麼會發生什麼事情呢？人們有可能會對工作成果抱以不同的期待，也就是說，人們會希望在短時間之內得到高品質的工作成果。比方說，除了希望專案早點完成，而且還會希望軟體的錯誤更少，或是想要取得更詳細的資料分析報告。 其實過去也發生過新技術普及後，社會產生變化的情況。比方說，網路剛普及時，來不及適應的企業便失去了大部分的市場。美國影視娛樂提供商百視達未能預測網路影片串流服務的崛起，尤其未能因應Netflix的成功而流失了大部分的市場。無獨有偶，銷售音樂的HMV也因為數位音樂的普及以及網路銷售模式的崛起失去了地位。至於日本，隨著數位相機的普及以及線上照片服務的崛起，相機專賣店KITAMURA以及其他的膠捲零售業的商業模式都受到威脅。從這些例子可以得知，未能適應新技術的風險有多大。如今，生成式AI普及的速度比前例的新技術還快，影響範圍也更大，如果組織或個人未能妥善應用AI，恐怕將會失去競爭力。 以下圖表清楚地列出AI的進化速度。縱軸是正確完成文字辨識、語言處理、影像處理這類工作的分數，從中可以發現，AI的分數一年比一年更高。最值得注意的部分在於2016年之後，AI的效能超過了人腦的效能，在閱讀能力、常識、數學、撰寫程式碼這類新工作方面，分數也出現驚人的成長。這些原本都是人類比較擅長的工作，沒想到AI瞬間就追上了人類，甚至超越了人類。 原本由我們負責的工作，或許會在不久的將來由A取代。 哪些工作會被AI取代呢？ AI帶來的自動化流程 哪些工作會被AI取代呢？ 美國未來主義者馬丁‧福特（Martin Ford）提供了分析這個問題的方法。據他所述，「某個人看了你的工作紀錄之後，是否就能了解你的工作該如何進行呢？」如果這個問題的答案是「對」，這種工作很可能就會被取代。 隨著IT技術愈來愈進步，人類的工作的一部分也開始自動化。例如，導入自動出納系統之後，原本負責結帳的人就只需要負責回答問題，或是解決機械的疑難雜症。 管理顧問公司麥肯錫（McKinsey & Company）的報告指出，當智慧機械或是軟體於職場扮演要角，人類與機械一同工作的工作流程或是工作空間就會不斷進化。以Amazon的倉庫為例，原本負責讓貨物上架的作業員現在只需要擔任機器人操作員的工作，負責監控自動化機械手臂，以及解決物流中斷的問題。 此外，隨著AI進化與普及，許多工作與作業也會自動化，能透過AI快速完成的工作愈來愈多，由人類負責的部分作業被AI取代的時代也終將到來。 教育服務業的變化 讓我們試著思考教師這個職業。在教師的工作之中，佔比最重的莫過於「教學」這個部分，也就是在學生應該學習的時期，將國語、算術、理科、社會這些資訊提供給學生。大學也一樣會根據各專業領域的課程安排提供學生必須知道的資訊。筆者自己也在大學教大學一年級學生微積分與資料科學，但是就算每年都面對新學生，教學內容幾乎每年相同。只要把講義交出去，然後看幾遍教學影片，有可能該領域的研究生就能上台教課。由此可知，提供資訊的這個角色很有可能被AI取代。 此外，回答學生問題的這個工作也很有可能被AI取代，因為只需要記錄學生在每堂課問了哪些問題以及答案即可。大型語言模型很有可能根據學生的背景、興趣、專業提供更簡單易懂的答案。 即使在技術上可行，但有些人或許還是覺得由人類擔任老師比較好，不過，調查以ChatGPT擔任家庭教師的例子，或許就會發現情況與想像的不一樣。 線上教育雜誌Intelligent.com於2023年6月發表的調查結果指出，85%的高中生與大學生，以及小孩正處於學齡期的父母親有96%都回答「ChatGPT比人類更能勝任家庭教師一職」，在高中生與大學生的回答者之中，高達39%讓ChatGPT完全取代了家庭教師這個角色。也有95%回答，將家庭教師換成ChatGPT之後成績提升了。 從這個調查結果來看，在不久的將來，負責提供知識與回答問題這類屬於老師的角色，很有可能被AI取代。其他的職業也很有可能發生相同的變化。 那麼，我們該如何因應呢？

作者：岡瑞起(OKA Mizuki) 譯者：許郁文 出版社：經濟新潮社 書系：經營管理 出版日期：2025-07-08 ISBN：9786267736036 城邦書號：QB1191 規格：膠裝 / 單色 / 224頁 / 14.8cm×21cm