《工作者的AI共智模式》華頓教授莫里克談AI協作：工作者真正該學的4件事【書籍推薦】

文 | 摘自《工作者的AI共智模式》

我們生活在有AI的世界，因此必須了解如何與AI合作，制定一些基本的原則。這裡考量的是共通原則，盡量談與本質有關、不受時間影響的做法。以下是我和AI合作時的四條原則：

AI協作原則1：事事邀請AI 參與

除非是法律或道德不允許，否則你該嘗試邀請AI協助你做每一件事。你拿AI來實驗的時候，有可能滿意，也可能感到挫折、無用或不安。不過，這麼做不只是為了有幫手，而是你摸熟AI的能力後，就更知道AI能以什麼方式協助你，或是威脅到你和你的工作。AI是通用技術，因此無法光看一本手冊或指南，就搞清楚AI的價值與限制。

此外，有個現象讓事情又更加複雜，我和論文共同作者稱為「AI的鋸齒狀前緣」（jagged frontier of AI）。你可以想像成堡壘的城牆，城牆有朝鄉間突出的塔樓和城垛，也有往城堡中心內縮的地方。AI的能力就像那樣的城牆。離城堡中心愈遠，代表愈困難的任務。牆內的每一件事，AI都能做到；牆外的事，AI則難以企及。

問題出在這道城牆是隱形的，也因此即便按照人類的邏輯來看，某些任務與中心的距離似乎一樣，難度理應相同，但其實有的任務落在牆內，有的落在牆外。有的任務對AI來講意想不到地簡單，有的任務照理而言似乎對機器很簡單，但對LLM卻是一大挑戰。你需要做實驗，才能找出前緣是什麼形狀。

此外，這種實驗讓你有機會利用AI做你擅長的事，成為全球最厲害的專家。理由與創新的基本道理有關：組織和公司若要創新，成本會很高，但是對個人來說卻很便宜。創新來自試錯（trial and error）。組織如果想推出新產品來協助行銷人員寫出更誘人的文案，需要先打造出產品，找很多人試用，不停修改；但個別的行銷人員則隨時都能實驗各種利用AI的方法，找出成功之道。既不需要雇用團隊，也不必走過昂貴的軟體開發週期。

AI協作原則2：擔任當事「人」

目前AI在人類的輔助下表現最好，而你想當那個幫忙的人類。即使隨著AI愈來愈能幹，需要的人類協助減少，你還是會想當那個人類。總而言之，第二條原則就是學著加入「人機迴圈」（human in the loop，HITL）。

隨著AI愈來愈厲害，我們會很想把每件事都交給它，仰賴其完成工作的效率與速度。然而，AI也有出乎意料的弱點。首先，AI不是真的「知道」任何事。由於AI只是預測序列中下一個會出現的字詞，它無法判斷什麼是事實、什麼不是。你可以想成AI在回答你的時候，試圖考量多個運算指標，而其中最重要的一點就是提供你會喜歡的答案，以「讓你開心」。這個目標的重要性通常高過「要準確」。如果你堅持要問AI不知道的東西，AI會捏造答案，因為「讓你開心」比「準確」更重要。

所以說，如果要參與人機迴圈，你必須有能力確認AI是否無中生有或虛構事實。你雖與AI合作，但不會被愚弄。你負責關鍵的監督，提供獨特的視野、批判思考能力與道德判斷。你參與AI流程，但不會過度仰賴AI、變得自滿，這樣的人機合作會帶來更理想的結果。參與人機迴圈將協助你維持、加強技能，積極向AI學習，並適應新型的思維與問題解決方式；此外，還能協助你和AI以共同智慧的方式合作。

AI協作原則3：把AI 當成人，告訴AI 它是誰

把AI想成做事效率超高的實習生，它急著討好你，但很容易歪曲事實。儘管我們過去把AI想成沒感覺又符合邏輯的機器人，但LLM的行為其實更像人類，既能發揮創意、幽默感、具有說服力，也會在被迫給出答案時含糊其辭，編造看似可信、實則錯誤的答案。

LLM不是任何領域的專家，但有辦法模仿專家的語言與風格，因此有可能真的幫上忙，但也有可能造成誤導。LLM無法意識到真實的世界，但能依據常識、模式生成可信的情境與故事。LLM不是你的朋友（目前不是），但可以依據你的回饋與互動學習配合你的偏好、性格，甚至看似能回應情緒操縱。

為了充分善用這段關係，你必須替AI建立明確的角色，定義AI是誰、該處理什麼問題。別忘了，LLM會從你給的東西接下去，再次預測接下來要接什麼字，所以不少模型的預設輸出有可能聽上去很類似，因為它們通常遵守差不多的書面文本模式。AI接受的訓練就是那樣。你打破那個模式後，就能得到更實用、更有趣的輸出。最簡單的方法就是提供脈絡與限制，告訴系統它該採取的觀點，讓系統知道自己是「誰」。

記住，你的AI實習生雖然速度驚人，知識也豐富，但它不是毫無缺點。絕對要以火眼金睛對待AI，把它當成替你工作的工具。你要定義AI的角色，以合作的方式走過編輯流程，不斷提供引導，才能獲得和AI一起工作的好處。

AI協作原則4：假設目前的AI 是最爛的版本

AI正在以新方式日漸相連：有辦法閱讀與撰寫文件、看與聽、製作聲音與影像，還能瀏覽網路。LLM能整合進你的電子郵件、網路瀏覽器與其他常見的工具。下一個階段，將有更多AI代理，也就是半自動化的AI，能在下達目標後，盡量不需要人類的協助便能執行。在這之後事情會如何發展就難說了，AI的風險與好處同時大增。不過有一個十分明顯、許多人卻沒意識到的結論：不論你目前使用哪一種AI，那在未來都將是你用過最糟的AI。