AI對話與人完全不同，它更多基于邏輯、數據、算法，更加注重信息傳遞和問題解決。所以AI軟件的第一大問題，并不是“軟件有多難操作”，而是“如何提出一個好問題”。我們該如何向人工智能提問，如何界定問題，如何掌握問題中的變量關系呢？本文作者對此進行了分析，希望能給你帶來幫助。

AI對話與人完全不同。

人對話過程基于情感、文化背景、現狀，需要考慮對方情緒、語氣、表情等非語言因素，AI對話更多基于邏輯、數據、算法，更加注重信息傳遞和問題解決。

盡管各家都在推崇自然語言處理技術（(Natural Language Processing, NLP)，AI對話（文心一言、chatGPT）也在逐漸向著“人性化”方向發展，但兩者本質依然存在明顯區別。

面對AI出現，很多人有一定思想覺悟，通過學習知識來降低自我可替代性，但是他們發現，第一大問題，并非是“軟件有多難操作”，而是“如何提出一個好問題”。

凱文凱利（Kevin Kelly）曾在一場知名演講中提到未來發展的12大趨勢，其中第11個趨勢就是提問；不過，在中國目前管理學市場上，大家還未能充分利用提問。

什么是提問？我們該如何向人工智能提問、如何界定問題、問題怎么分類轉化，如何把大問題縮成小問題，如何掌握問題中的變量關系，我試試能不能講明白。

一、提問的邏輯

什么是提問（ask a question）？提問是提出問題，問題是目標（標準）與實際的差距。

比如，目標考90分，實際卻考60分，60分和90分之間的差距，就是問題，怎么才能把問題提出來呢？需要先能“發現”和“找準”問題。

三個與提問緊密相關的要素是“是什么（what）、為什么（why）、怎么做（how）”，提問的核心也是搞清楚它們三者之間的關系；2009年美國營銷顧問西蒙·斯涅克（Simon Sinek）在TED演講中，首次用它來表達領袖力模型，這個模型后被稱為黃金圈法則。

先說是什么（what）。

人們常常在這里搞不清楚，因為是什么（what）通常包括四個隱形條件，即：定義、內涵和外延、做出判斷、概念之間的聯系。

就像“愛情”，定義層面指一種深厚的感情，表現為對他人的無私關注、關心和感情依戀，它也可以是親情，不同的人有不同的看法和體驗。

可是，這會造成什么？

我們常?？吹侥硞€男生付出很多，最后依然沒有收獲愛情。雙方對愛界定標尺不一樣，邊界不清晰，自然很難碰撞出火花。

回答是什么，需要注意概念與概念之間的關系，避免邏輯錯誤，說“羊城”和“廣東省省會”指同一個城市廣州，可兩個概念卻是同一關系。

概念與概念之間有6種關系，同一關系，包含關系，交叉關系，矛盾關系，反對關系，邏輯并列關系。（《實用邏輯教程（第5版）》，張綿厘著，中國人民大學出版社，2015）。

由此可見，盡管你知道差30分的事實，卻不一定知道“是什么”造成的差距，怎么辦？問“為什么（why）”。為什么是因果關系，是事物背后的道理。

比如：

發動機為什么能工作？背后后對應物理原理；飛機為什么能飛起來？背后有空氣動力學原理。

我們知道創新、進步和解決問題拿到成果都非常重要；那么，想要創新、進步和解決問題拿到成果與提問是否有因果關系呢？

是的。如果不會提問，就無法找到問題。找不到問題就無法解決問題，進而無法獲得成果。這種因果關系也進一步解釋“為什么提問很重要”，畢竟提問可以帶給我們更好的東西。

再說，怎么做（how）。

下雨后路上有一灘水，小孩子看到大人抬腳跨越過去，自己也學者邁過去，可是不巧，由于步子太小，一下子踩在水里面，惹得大人哈哈大笑。小孩子通過觀察、模仿、學會了怎么做。

因此，“提問”看起來是解決問題，背后實則追去更好的東西。

就像看到一個動物，你不知道它是什么，第一個問題是“這是什么”；有人告訴你，這是馬，你可能會問“馬能干什么”；別人告訴你馬可以用來騎、馱東西后，你也就明白“馬對你有什么用處”，整個提問是對事物詳細的認知過程。

可是，現實中問題很難界定。

我身邊很多自媒體朋友，他們奮發圖強，暢聊時說要寫這個、那個選題，當坐在電腦旁，憋了半天，勉強在屏幕上打下“關于科學化做好營銷的研究”后，就沒下文了。

為什么？

因為問題包括寬泛議題（issue）、難題（problem）、疑問（question）、話題（topic）四種類型，雖然幾個詞在中文中不好區分，但所涉及的范圍，含義卻大有不同。

我寫文章多半研究以疑問、話題為主，議題和難題要經過一定的思考過程轉化為研究問題（research question），如果不在某個領域深度研究，表達會比較空泛。

三者區別何在？

一般來說，議題（issue）指寬泛話題，是一個問題叢包括面廣，如元宇宙包括AR、VR、內容系統、操作系統、數字孿生、你根本研究不明白，要么陷入老虎吃天，無從下嘴的局面。

難題（problem）是實實在在的困境和麻煩，這類問題需要行動和干預以緩解，如宏觀層食品安全下降，生育率下降，圍觀層找不到工作（就業）、找不到對象（婚嫁），抑郁（心理）等。

難題跟議題有重疊之處。

不過可大可小，你可以在選擇中間層面提問，也就是融入疑問環節，就像”大規模裁員背景下，大學生就業難問題“該怎么解決，相對能找到聚焦答案；話題（topic）是對某個具體事件、現象的探討；就像椰樹頻繁出圈，大家持不同看法，諸如此類。

不過，很多時候你面對的問題是，拿到某個背景信息，如何將陳述性事件增加一個問號，這就涉及到對提問類型的掌握。

二、提問的方法

提問類型？不就是直接問嗎？

就像，notion AI幫我回答下，小紅書做電商難點在哪？Chat-GPT，幫我起一個有關科學飲食的文章大綱。

經過驗證，AI比較擅長解決兩類問題：一類是結構化清晰的，例如寫代碼或做一件常規的事情；另一類是框架清晰的，只需要它來填充細節，并且你對細節有明確要求，所以，開放的問題可能本身就無解，也不具備太現實的意義。

怎么辦呢？你可以試試這種方法。

其一，封閉式提問

主要回答事實性問題，用到誰、什么、何時。它如同填空，往往有確定性答案，但回答完也就結束了，不會做太多延伸。

比如：

我在查找各種概念時，會說chat-GPT幫我找一下，黃金圈法則是什么，誰提出的，有什么意義，提出者當時為什么要這樣認為，盡可能舉個例子。

或者，查理·芒格（Charlie Thomas Munger），針對批判性思維的發言有哪些？在什么場景下，這些發言起到哪種關鍵性作用。

其二，為什么怎么樣

使用分析性問題我會用到“為什么怎么樣”，它可以突破純粹事實層面，把點點滴滴（connecting the dots）在混亂中找到秩序；比如：我問AI抖音為什么會做外賣，它做后會怎么樣？得到答案如下：

只怪自己問的太淺，這種答案也許并不盡人意，對于”寬泛的議題“或者”只有背景的現實難題，如何轉移成為更深層次的疑問呢？

我提出一個填空式三步提問法：

第一步，我要研究；

第二步，具體而言，①我想聚焦于以下疑問：為什么有的….有的….卻？（此處比較現象中的差異）②什么印象了這一結果，③這些因素和結果之間作用機制是什么，怎么樣的？

第三步，回答上述疑問后，解決哪些現實難題。

前兩個步驟，分別區分議題、難題、和疑問；這樣從寬泛的話題開始就能聚焦幾個問題進行研究，最終答案能幫我們解決現實難題，推進論據。

第二步，分別涉及到：

為什么（why），從現實世界中發現有趣的對比、悖論以及差異；什么因素（what），大膽假設，尋找影響結果的可能因素；怎么樣（how），小心求證，問清楚原理和結果之間的作用。

舉個例子：

我要研究（關于抖音為什么要做外賣）。具體而言，我想聚焦一下疑問：①為什么抖音要做外賣，在哪些地方進行了啟動；②什么因素會影響抖音外賣的擴張，有人說是騎手？有人說是關于商家，③這些影響因素的作用機制怎么樣的？

當然，AI的回答只能作為指導性意見，它給出的答案也許比較寬泛，畢竟是基于“已有海量內容”基礎上，作為整合；如果你想深入了解，還需要就細節部分進行現實調查、展開。

就像，北京朝陽有多少騎手、這些騎手每天送多少單、每個人掙多少錢、工作時長等。

品控圈（quality control circle，簡稱qcc），日本式質量管理的集大成者，石川馨 ( Ishikawa Kaoru）提出的“五個為什么”的方法我也經常使用。

具體方法是：

先確定一個問題、為問題提出為什么的問題、找出答案并再次問為什么；重復步驟2和3，直到達到根本原因、找到根本原因并解決它。

簡單講，這種方法通過反復問“為什么”，來深入探究問題是什么，然后在找到“怎么做”，似乎有點像埃隆·馬斯克的經常講的第一性原理。

我想，只有少數人這么做。畢竟，提問運用較多的還是”寫作、文案、完善句式、以及提高表達立體感”幾個維度，除非你是做深度報道，需要挖掘本質部分，不然，你不可能展開這么深。

問的細節上，怎么問呢？

不是直接上來“AI，為什么要這么做？”；而是從六要素（誰、什么、何時、哪里、為什么、怎么樣）出發，我經常用誰、哪里、何時，什么不斷收口，實現有效聚焦。

舉個例子：

咱們以大學生心理研究為例，首先把研究對象（who）范圍縮小，從中國大學生到本科生，或者到幾個專業。

然后，再把時間范圍（when）上縮小，把研究對象限制在某年級，例如大一新生，還可以進一步細化到新生的第一個學期內等。

再次，把地域范圍（where）縮小，同上，縮小至某個地區；如北京、上海，這樣研究所面臨的地理范圍就非常集中。

最后，還可以對研究主題（what）縮小，心理問題非常繁雜多樣，每個癥狀都不同，聚焦一兩種，問題就變得更加可控，如：研究焦慮。

一番操作，我們能得到什么？中國、北京、大一學生、入學第一學期、學生焦慮問題。

之所以這樣做，一方面，AI給出的信息過于龐大，如果你詢問的時間跨度大，范圍不清晰，會淹沒在喊如煙海的史料中；另一方面，空泛的問題通過窄化聚焦收口，增加限定詞，會轉化成具體，可控的研究。

有人會說，縮小到具體很窄角度，問題豈不是很瑣碎？

如我一樣，你用AI目的是提高寫作、和商業研究的效率，那么，我們更關注“片面而深刻”，而非“全面而膚淺”。

假定兩種情況，一種不停做所謂的“大問題”（例如頭條、阿里商業分析、產業分析、競爭格局分析），由于問題過于龐雜，無法實現有效切分，很可能最終寫成一些無關痛癢的空話套話，所謂的“大餅文章”。

另一種，如果針對競爭格局中的某個具體問題研究，攻其一點，不及其余，到那時，大問題就能以小見大，如同下棋，著眼大局但著手小局，此為可取之路徑。

就寫作與商業研究層面，提問的重要性毋庸置疑，三步提問、五個為什么，值得你刻意練習，試試看，愿你成為“問題青年”。

不過當你剛用AI時，可能會覺得“連環追問法”比較復雜，所以，你會把一些“簡單處理的問題”直接交給它，但你還不想拿到“空泛”的答案。

怎么辦？剛才過程中提到的“有的….有的….”句型也許比較適合你。

三、提問的變量

先講個故事，日常中很多現象非常奇怪，咱們經常熟視無睹。

你去過酒吧嗎？有沒有注意到酒吧凳子的高度？大約70CM，而平時生活的凳子高度40-50CM。我知道你腦子里在想什么：為什么酒吧凳子會高出很多？

酒吧凳子與平常凳子的高度構成一個有趣對比，構成了一個對常識的悖離，因此才會形成問號。

如果我在告訴你，某“養生大師”51歲去世，你肯定會跌碎一地眼睛。我把這類問題稱為謎題（Puzzle）。簡單講，新舊事實的不一致或矛盾，會讓人感覺不確定，從而導致困惑或好奇，以至于想解決該問題。

提問的謎題，就在這里。

史蒂芬·列維特Steven Levitt在《魔鬼經濟學》中舉過很多例子，例如，印象里毒販都很賺錢，為什么他們還和老母親一起??？

再比如，為什么有的父母經常給小孩讀書，經常帶孩子去博物館，孩子卻不成功？為什么那些不怎么讀書，不怎么去博物館的人反而成功？這些問題，跟直覺相違背，才悄悄在腦袋里種下一個問號。

該怎么，設計一個謎題呢？

以一個問題為例，你認為在中國，醫生和護士哪個群體多？大部分人會覺得護士，因為符合常識；但如果我告訴你，“中國醫生數量曾長期多于護士，只有近幾年護士才超過醫生”；這個事實，聽完什么反應？

如果第一反應是“為什么”，那就是一個好的問題，如果你聽完回答“哦”，說明這個問題平淡無奇；找到那些與常識、現實或理論不一樣的現象，找到那些讓人想不通，覺得費解的問題，你能在AI那里能得到不一樣的答案。

例如：

火車、飛機等出行工具能節省大量時間，為什么大家卻總在問世間去哪了？這時，AI會告訴你，我們要清楚自己的目標和理想，然后利用出行工具實現它們。

假如我們直接問，“時間去哪了”？或請以“時間去哪“作為命題，論述時間重要性，你只能得到一堆“是什么”，這些材料，也許對你并沒有太大用途。

一個經典的例子來自趙本山、高秀敏和范偉的小品《賣拐》，當中有句經典臺詞，我就納悶了，同樣是生活在一起的兩口子，做人差距怎么就這么大呢？這句話大半個中國都熟知。

但大家不知道的是，它展示一個有趣的提問方式，這句話一半控制，一半比較；它控制了兩個人的生活情境，比較了兩個人做人的差距；因此形成一個有趣的謎題。

所以，這些奇怪的角度怎么來？

在大量與AI對話后，我認為變量很重要，也就是，你前面給到背景后，后面兩個問題形成對比。“有的….有的….”句型，你可以成功將謎題轉化為問題。

為什么有的地方…..有的地方….？為什么有的人…..有的人…..？為什么有的時候…..有的時候…..？我們通過比較不同地區、個人、時間在變量上的差異，來獲得新視角。

這句話實際把哪里、誰、什么時候這三個問號給具體化了。

不善于提問者可以有意識通過“有的….有的….”訓練自己的提問能力，雖然略顯機械，但這個句型像學步車，可以讓初學者迅速掌握AI對話技巧。

比如：

同樣在互聯網公司，為什么裁員時有的人大喊大叫要賠償，有的人卻保持沉默？同樣在一個家庭長大的孩子，為什么有的孩子乖巧懂事，有的無法無天。

同樣過日子，為什么有人快樂，有人抑郁了？同樣熬夜，為什么有的依然頭發茂密，有的頭發稀疏？同樣是酒，為什么紅酒比啤酒高雅？同樣是裁員，為什么美團、字節風平浪靜，而京東總被網友吐槽。

謎題就在變量中，變量分為因變量（dependent variable）和自變量（independent variable），假設你想拿到一個待解釋的結果，那就從結果出發，試著反推哪些原因造成了這個情況。

把這一系列方式，學著嵌套到你的問題上，然后甩給AI，你能得到驚訝的答案，不信？試試看。

四、總結

把為什么（why）設計好，是什么（what）怎么做（how）大致不會偏差。詢問為什么（why）時，試試“五個為什么，以及三步提問法”。

如果覺得太難，那就從“有的….有的…..”出發吧。

記住運用一半控制一半比較；AI永遠是工具，掌握AI提問的方法，才能提高解決問題的效率，祝你，活學活用。