2023 一整年，幾乎所有的科技巨頭都在大型語言模型的戰場廝殺，就連對岸中國大陸也出現超過二百多個大型語言模型。從這些大型語言模型與生成式 AI 所延伸的工具，更是數以千計。這些工具功能看起來十分厲害，好像只要會操作，人人都可以是 AI 高手與人才，但是究竟要拿 AI 工具來做什麼？解決什麼問題？這些看起來基本且重要的思考，似乎很常被遺忘。

關切現象本身才是關鍵

生成式 AI 的出現，確實帶來許多突破性的變革，也改變許多工作與學習方法，不過回到本質，2017 年第三波人工智慧浪潮襲來之時，不論產業或是學校，都在問「AI 可以幫我們做到什麼事情？」這個問題的答案太多了，或許可以換個角度來思考：「我們希望透過 AI 來解決什麼問題？」

學校裡許多老師也發現，學生在進行 AI 專案的時候，很常一股腦兒就鑽進技術的世界，最在意的永遠是如何微調參數，讓模型跑出來的準確度近乎完美。但是只要被問到為什麼要做這個題目，或是為什麼要用這個方法來解，馬上被問倒。

「很多同學說起技術都很厲害，但是沒有真的很關心背後的問題。」國立政治大學傳播學院副教授、AI Junior Award 評審陳宜秀舉例，曾經有一屆 AI Junior Award 的隊伍提出希望用 AI 解決碳權的問題，這個出發點非常好，但是過程中同學糾結於技術的應用與呈現，導致問題的定義不明確，同時也因為過於專注某個技術，局限了重新定義碳權問題的其他可能性，「至少應該要有能力說出來，為什麼要這樣定義、為什麼用這樣的方式來解決、到底想要回答什麼問題。」他坦言，如何進行應用，是學生在面對AI時滿大的問題。

生成式 AI 出現後的設計思考

那麼生成式 AI 出現後呢？陳宜秀認為，對於如何引導學生重新思考 AI 專案，確實具有一定的挑戰。因為過去設計思考與 AI 的結合，是從問對問題著手，接著一步步探索背後的價值和目的，並且透過數據讓 AI 有能力進行「預測」、「分辨」與「判斷」，但是生成式 AI 讓 AI 從這三個動詞，擴充到無限可能。

早期跟 AI 的互動，是有固定輸入輸出的模式，例如請它判斷顏色、物品或數據，但是現在的輸出因為生成式 AI 變得更複雜，可能是文字內容、圖像甚至影音，不再只是單純的選擇題或者是非題，甚至已經可以寫申論題，或是產出結構完整的文章。

「接下來呢？」陳宜秀接著問，拿到了這篇文章後要做什麼？所以即便產出很多內容，目的還是要解決問題。因此，生成式 AI 看起來可以做的事情更多，但也需要更進一步思考，想要透過它達到什麼目的？「總不可能是聽它胡說八道吧？」他笑說。

這是一個高段技巧，請小心使用

可以發現，真的要把生成式 AI 用得爐火純青，需要一定的技巧，最重要的是「問對問題」以及「知道到底要解決什麼問題」。

陳宜秀舉例，在人機互動這個領域，其實很多人開始做類似的事情，例如把與使用者的訪談資料丟給 ChatGPT 做摘要，或是將原始數據整理成結構性資料，甚至可以將質化研究轉為量化研究，有了這個工具，確實可以節省大量的時間提升效率。

他回憶當年還是應用心理學領域的研究生，為了知道人際溝通的行為模式，經常要透過六分鐘影片觀察並記錄主角在對話中發生的行為，例如點頭、表情等，之後把觀察記錄攤開來，就會發現人跟人之間的對話是有一個結構存在，像在跳舞一樣，彼此很和諧。

想要了解這樣的研究結果，在當時還沒有 AI 輔助的狀況下，就會需要看很多影片，並且用電腦做記錄，最後進行計算與分析。但是現在只要把這些影片放到 OpenCV 的模型，它就會在很短的時間內把數據整理出來。然而這件事情的前提是，必須要先了解溝通心理學的資料，以及知道自己想要看什麼重點，才會知道要 OpenCV 做什麼事情。「因為問題需要反覆推敲，不容易成形，所以運用生成式 AI 是一個很高段的技巧。」陳宜秀說。