您與人工智慧系統溝通的方式直接影響收到的回應的品質。最近的研究表明，更有禮貌和結構良好的命令會產生更完整、有用和情境化的回應。這種現像不是由機器情感造成的，而是由模型訓練資料中存在的人類語言模式和文化細微差別造成的。
像 ChatGPT 這樣的語言模型可以從大量的人類文本中學習。當使用者透過清晰的指示和明確定義的上下文複製禮貌的溝通模式時，人工智慧可以更好地解釋意圖並產生更符合期望的回應。制定不當或過於激進的命令會降低請求的清晰度並直接影響品質。
為什麼提示的清晰度會改變結果
研究人員已經確定了影響語言模型行為的特定因素。在這種動態中，清晰的教學和明確的脈絡佔據著核心地位。使用禮貌用語，例如“請”和“謝謝”，有助於做出更有條理的回應。提示中的邏輯和客觀結構也顯著影響人工智慧產生的結果。
避免含糊或不明確的術語可以減少誤解。積極的互動，例如創造性的討論和尊重的指示，往往會提高回應的品質。消極的方法可能會產生更有限和膚淺的反應。
人工智慧中的功能性福祉概念
研究人員創造了「功能健康」一詞來衡量人類與人工智慧之間互動的品質。此指標評估問題類型是否有助於提供更豐富的答案或損害模型的表現。積極的互動往往會顯著提高該指數。
下表列出了交互作用及其影響的範例：
- 創造性和詳細的請求顯著提高了回應的品質、深度和相關性
- 親切的語言和致謝有利於更完整、協作和結構良好的回應
- 重複或籠統的請求會降低分析深度並限制資訊的豐富性
- 侮辱或攻擊性命令會損害協作並損害回應的清晰度
- 背景、清晰度和尊重越多，人工智慧在生成有用內容方面的表現就越好
數位教育的計算成本
有一個關鍵點涉及與人工智慧系統互動的計算成本。當使用者更有禮貌和詳細時，答案往往會更長、更詳細。這需要伺服器進行更多處理並消耗更多能量。
這項因素引發了關於人工智慧使用效率的討論，尤其是大規模使用。產生的單字越多，操作所涉及的計算成本就越大。在實踐中，品質和效率之間建立了平衡：更詳細的答案會消耗更多的運算資源，而直接提示會產生更短、更經濟的答案。長時間的互動會增加能源消耗，因此選擇取決於最終用戶的目標。
文化對人工智慧表現的影響
另一個相關點是文化對人工智慧對不同輸入的回應方式的影響。研究表明，不同的語言和文化背景直接影響在多語言資料上訓練的語言模型的表現。人工智慧不僅學習單字，還學習訓練資料中存在的社會和文化模式。
在以英語為主的西方環境中，當注重清晰度和客觀性時，適度的禮貌往往會更有效。在東方語境中，特別是在日語中，敬語的高度正式性和使用產生了更符合社會期望的精確反應。不同的語言承載著不同的文化期望，改變了提示的解釋。調整語氣，無論是正式語氣或休閒語氣，都可以顯著提升人工智慧在不同語言環境中的技術表現。
優化回應的最佳實踐
選擇直接還是更有禮貌取決於您想要的回應類型。如果目標是快速、切中要害，那麼簡短的提示就會很有效。另一方面，如果目的是探索想法或獲得更詳盡的內容，更親切的方式可以帶來更好的結果。最重要的是要明白，當人工智慧收到與人類語言自然模式一致的清晰、情境化指令時，它會做出更好的反應。
獲得更好答覆的良好做法包括明確而具體地提出請求。盡可能添加上下文可以改善解釋。使用自然且有組織的語言使處理更容易。根據所需的回應類型調整語氣可以優化最終結果。這個過程不涉及機器情緒，而是涉及解釋使用者發送的命令的效率。