AI溝通的本質及對應

　近期 AI 繪圖及機器人聊天(ChatGPT)蔚為風潮，由此也引發了AI溝通(prompt engineering)及AI溝通師(prompt engineer)的話題。然而或許有人會納悶，AI不是依關鍵字或文句指令辦事嗎?為何還有溝通的問題?

　這使我想起以自然語文資料處理及創造性問題解決為取向的KJ法(川喜田二郎，《KJ法》，1986)在技法運用上的溝通問題，此法在操作時強調要「傾聽」卡片文義及「與卡片對話」，問題是以語文為單元的文義及卡片都不是人啊!如何傾聽及對話?其實它的本意就是要操作者降低我執，唯有盡可能放空自我或無我才能體會到卡片文義的心聲，也才能溝通運行。

　AI溝通的性質亦然，它不是人際溝通，因為到目前為止機器人仍不是人!機器人雖然能夠語言學習，但並不是直接解決問題；學習之後所謂的生成也不一定是創造；它只是依照使用者的指令邏輯，再據以進行舉一反三、聯想類推等擴張延伸，這表示無論「刺激」或「反應」方都存在變數，很難一次到位。因此使用者必須在系統上適當提問並參照答案滾動嘗試追問(林育聖，2023)，最終才有可能讓所期待的繪圖、文案、文章、歌曲或影片等達標。

　與KJ法無我執的統合頓悟式溝通相較，AI溝通是一種以技術性經驗為導向的假說檢定式溝通；但無論如何兩者都必須操作者自力完成，因為卡片語文或機器人都不能真正表達溝通意見，溝通是否順暢仍由操作者斟酌負責。當然除自然語言、機器學習、深度學習等基本技能外，透過包括統合、創造、判斷及其他相關思考等的不斷自我練習運用，都可能提升溝通品質。

　AI溝通既然是一種假說檢定的溝通，在以關鍵語或文句等指令提問機器人的開頭，宜先有個方向及主題，以利機器人的回答不致失焦、離譜、天馬行空甚至胡說八道，之後還要有結構化思維，拆解自己的問題，讓每個環節都產出更多可能，再去碰撞出新的答案，然後進一步擴張、整合及改變(林育聖，2023)。就此而言，整個進行參考架構或可試作一張KJ圖解代勞，包括象徵語、方向、主題及各群島、大中小標題、一匹狼、關係符號及相關問題文義內涵。

　AI溝通進行方式其實較KJ法溝通更為具體易行，其關鍵在於技術經驗上的假設提問與滾動參照答案再假設追問方法，如何持續透過自我累積經驗及參考相關知識與他人成功案例等提升效率，當為重要課題。