微软首席科学家：未来AI会帮助我们更深入思考

数百万用户已经开始利用人工智能（AI）来克服空白页难题——当面对一片白纸时，我们都知道那种从第一个字就需要完美的感觉。

然而，在将大型语言模型集成到我们的生产力工具包一年后，我们不得不又开始面对另一个新的空白页：提示框。

提示是人们告诉AI工具他们想要它做什么的提问。如果你发现空白提示框令人不知所措，你不是唯一。尽管我们一生都在使用语言进行交流，但我们需要以不同于与他人交流的方式与大型语言模型对话，通常以一种不太自然的方式。而且，随着基础模型的改进，提示的用法也在不断演变，这意味着即使你今天掌握了一种有效的提示策略，明天可能就失效了。而且这些还是假设你知道要用AI做什么——这些新模型的能力如此之强，以至于很难想象它们能做的所有事情。

作为微软首席科学家，我花费了很多时间想弄清楚如何帮助人们更好撰写提示，无论是通过总结成功实践并形成培训材料，还是让人们更方便分享提示模版。但其实我的终极目标不是帮助人们如何充分使用AI，而是如何利用AI充分发挥各自潜力。也就是AI需要启发或引导我们，而不是期望每个人能以正确的方式向AI提问。

我对未来AI重大变革的预测是：计算机将开始向我们发问！从而让我们更好撰写提示，更清楚表达自己的想法，甚至开启新的探索视角。

通过AI澄清

我们即将看到的最明显的变化是来自AI的追问。没有人一上来就能提供足够背景文信息。如果有人让你创建一个幻灯片，你不会直接去做，而是会先询问一些额外的细节。你可能会说，“你的听众是谁？”或者“你要包含多少细节？”

同样，当你要求AI创建一个幻灯片时，它不应该在还不了解你想要什么的情况下直接创建幻灯片。

与他人一起工作并达成共同理解的过程称为“达成共识”。实际上，人们之间的任何对话很大一部分就是达成共识。

当AI系统在生成回复时，将背景信息纳入提示也是“达成共识”。例如，如果一个AI工具网络搜索帮助你回答问题，我们说这个答案是基于搜索结果的。但是，AI有时应该以更传统的模式达成共识——通过询问来澄清。

研究表明，人们使用的许多提示过于模糊或宽泛，无法产生好的结果，而让AI询问澄清问题可以改善。当然，AI系统的提问可能不像人类提出的问题，因为这些是生成高质量回复需要的信息。生成式AI通常在给定示例时做得更好。如果你想要一个有吸引人的标题，一个特别值得做的事情便是提供一个示例。

通过AI挑战

提问不仅能让我们意识到已熟知的内容，还能激发新的思考。最近关于AI如何帮助人们更快更有效完成任务的讨论有很多，研究一致表明，当人们使用AI来完成他们的任务时，例如撰写初稿或总结文章，会有显著的生产力提升。然而，我们不应只是让AI服从我们，还应该挑战我们，这样AI会变得更加有用。

我最喜欢使用AI的方式之一是获得新视角。总结一篇文章时，提示中我会问“我应该问什么问题？”当写一封棘手的邮件时，我会问我的内容将会让不同利益相关者反应。这其实是我在指示AI问我那些可以推动我完善论点，或激发我思考忽略掉的想法。

在写这篇文章时，我问AI“我可能遗漏了哪些观点？”模型问，我如何看待人工智能的局限性可能“影响交互的质量和它提问的相关性？”问题不需要完美才能激发我们思考——这让我思考人们需要准备好与AI进行批判性互动，并抓住一些最有趣的机会。我们必须心态开放，接受我们的想法受到挑战，并愿意反过来挑战AI。如果我们做到，这将会构建一条双向探索之路，推动我们走向成长和发现。

通过AI催化

当AI向我们提问时，这不仅会让我们与计算机的对话变得更好，还能使我们与他人的对话变得更好。想象一下，如果你知道最有效的讨论问题，以便充分利用大家的时间，你的会议将会变得多么有趣。

在开发Copilot的早期，由于全新且必要的基础设施尚未到位，我们的模型访问也非常有限。但很明显，我们的产品需要尽快弄清楚如何整合新模型的功能。因此，我每天与来自不同产品团队（如Word、Outlook和Teams）的代表开会，在屏幕共享提示框的同时，我们共同尝试越来越多的创意提示，看看模型可能产生什么。这些小组会议只是为了取得进展的一个技巧，但它们最终非常有价值，因为每个团队都能从其他团队的提问中学习。

现在，每个人都可以让模型参与会议。这使得我们所有人都可以通过AI激发有价值的对话，就像我们最初探索时那样。下次你使用Teams线上会议时，试试其中的预设提示，如“建议后续问题”、“有哪些未解决的问题？”或“按主题列出不同的观点”，看看会带来怎样的效果。

最终，AI最大的影响不是它如何帮助我们更快完成重复的事情，而是它如何帮助我们以全新、不同的方式工作，从而充分挖掘人类智能并帮助我们更深入思考。

当然作为微软首席科学家，我不会只是被动观察和预测AI将如何向我们提问。我将努力实现这一愿景。我们都应该努力让AI的未来成为我们乐于参与的一部分。