撰 文 |馬 君 上海大學管理學院教授，博士生導師
楊雅雯 上海大學管理學院 研究生
徐正昊 上海大學管理學院 博士生
在古希臘神話中，普羅米修斯從神明那裡盜取了火種，這一壯舉不僅象徵著人類智慧的覺醒，更標誌著人類從此告別了蠻荒，跨入了利用工具點燃文明之光的新紀元。
今天，我們正站在另一個劃時代的門檻上，這一次，引領我們的是通用人工智慧的發展，GPT-4、Gemini、Sora、Claude 3等越來越多的多模態人工智慧工具，正在引領一場史詩級的變革，不僅催生出眾多的應用場景，更是在與傳統行業深度融合中創造出新的價值和更多新的可能。可以預期，未來隨著萬億引數級GPU計算和AI基礎設施的突破，還將湧現出更多的人工智慧工具，探索如何更優雅地實現人與AI共創，已成為我們共同的課題。
人類與人工智慧的
共創時代
埃森哲等諮詢機構聯合釋出的報告顯示，到2030年，人工智慧有望為全球GDP貢獻約20%的增長，並減少約3 000億工時的勞動，相當於每週為每個人節省兩小時的寶貴時間。微軟公司的一項發現揭示了一個引人注目的事實：使用Copilot的員工，完成任務所需的時間比未使用的同事少了26%~73%。
人工智慧已不再是單純的工具，而是化身為與人類並肩作戰的創新夥伴——透過人機互動，人類彷彿被賦予了第二顆大腦。這一切，預示著人類正跨入一個智慧與智慧共舞的新時代。
在共創征途中，我們必須打破將AI僅視為工具或過度擬人化的二元困境，而應從人類社交的細膩紋理中汲取靈感，營造一種類似人類與人工智慧共生的社會景象。
在古希臘神話中，第達羅斯（Daedalus）是一個技藝高超的工匠，他和兒子伊卡洛斯（Icarus）被國王米諾斯（Minos）囚禁在克里特島。為了逃脫，他設計並製造了一對能夠飛翔的翅膀，用蠟將羽毛粘合而成。起飛前，第達羅斯警告伊卡洛斯不要飛得太高，因為太陽會融化翅膀上的蠟，也不要飛得太低，因為海水會浸透羽毛。然而，迷戀自由與興奮的伊卡洛斯在飛行中忘記了父親的忠告，飛得越來越高，最終太陽的熱量融化了他的翅膀，導致他墜入大海溺亡。
AI 技術如同第達羅斯製造的翅膀，潛力巨大、活力無窮，但是正確的使用方式卻至關重要。事實上，人類與 AI 在創造力上各有側重各具千秋：人的創造力受到文化和知識的滋養，宛如清泉，湧動於直覺與情感之中；而人工智慧則似精密的鐘表，依託演算法與技術精準運轉，跨越多領域多模態展現其創造潛能。因此，人—AI共創是一種源於二者間的交融互動而產生的非對稱創造形式。個體在與AI合作上的差異，制約了人—AI共創力的發展水平。
諾貝爾經濟學獎獲得者赫爾伯特·西蒙指出，創造力並非“天才”的專屬特質，實際上，天才和普通人的思維過程沒有根本區別，只是前者更善於運用啟發式思維。啟發式思維並不是依賴系統、確定的步驟來尋找答案，而是透過個人的經驗規則來探索解決問題的方法。同樣地，在人與AI共創的過程中，核心也是這種啟發式思維。我們稱這種能力為“提示素養”（prompt literacy），它讓人類與AI能夠基於經驗、直覺和創意，共同探索並創造新的可能。
在駕馭生成式人工智慧系統時，提示素養的互動能力尤為關鍵。這種能力無需複雜的程式設計知識，卻能讓人們與人工智慧進行流暢的對話。學者黃耀漢等人將其定義為：人類透過精準的提示輸入AI，AI基於這些提示生成內容，隨後由人類解釋和確認輸出，透過反覆迭代直至達成目標的能力。這不僅僅是一種技能，更是一種藝術，透過自然語言引導AI完成複雜任務的智慧。
2024年，在新加坡政府科技局舉辦的首屆GPT-4提示工程大賽中，資料專家Sheila Teo憑藉CO-STAR框架奪得冠軍。她分享了經驗：“假設你是一位社交媒體管理者，需要草擬一篇Facebook帖文來宣傳公司的新產品。如果不使用CO-STAR，GPT-4的輸出會缺乏細節和吸引力。使用CO-STAR模板後，提示詞可以這樣寫：‘情境：宣傳Alpha的新型超高速吹風機Beta。目標：撰寫一篇Facebook帖子以推動點選率。風格：遵循Dyson 的風格。語調：說服性的語調。受眾：針對重視簡潔技術的老年群體。’這樣，GPT-4會輸出更詳細且有針對性的響應。CO-STAR框架綜合考慮了情境、目標、風格、語調、受眾等關鍵因素，幫助使用者生成更優質且相關的ChatGPT回應。”
提示素養要求使用者能夠準確設定任務目標和語境，並能理解和適時調整這些提示以達到預期的輸出結果。這種素養反映了使用者在互動過程中的理解和能力，以及在協作過程中如何有效地調整和最佳化提示以達成最終目標。相比之下，CO-STAR 框架提供了一個系統化的提示方法，證明了透過框架訓練可以顯著提升 AI 輸出的質量和相關性。然而，提示素養則更為廣泛和靈活，要求使用者在不同情境中能夠自主設定和調整提示，以實現最佳效果。
概括而言，提示素養涵蓋三大核心要素：輸入提示詞的質量、對AI輸出的解碼與判斷、以及迭代行為——每一步在人機共創中都不可或缺。這不僅是技術領域的革新，更是思維模式的飛躍。為了更直觀地展現人—AI 共創的流程和提示素養的價值，本文繪製了人—AI 共創流程圖（見圖 1）。該流程圖展示了一個開放式閉環：由“人啟動共創任務 →AI 響應→人評估與決策→共創任務完成”組成，系統探索了人與人工智慧的耦合關係，深入解析共創過程中的協同性、複雜性和動態性，揭示提示素養在其中的核心作用，旨在最佳化人—AI協作模式，提升共創效率，增強個人與組織的數字競爭力。
圖1 提示素養影響的人-AI共創流程圖
提示素養對人機共創的影響過程
流程第一步：共創任務的啟動
如圖1第二列所示，第一步是共創任務的啟動，使用者扮演啟動者角色。提示素養對於構建高質量提示詞、指導生成式人工智慧輸出高質量內容具有決定性的作用。不同提示素養的使用者在輸入提示指令時，其差異主要源於表達、知識和情感三個方面。
首先，表達差異體現在使用者是否能清晰、具體地闡述任務和需求上。清晰的表達方式會讓共創者更好地互通想法。
其次，知識差異則是使用者底蘊的體現。在特定領域的專業知識儲備，決定了AI輸出的深度與廣度。例如在生產領域，資深生產經理會要求 AI 根據原材料供應、人力資源狀況、裝置利用率和訂單優先順序智慧排程生產任務，以最大化生產效率。而新手管理者可能只是要求 AI 調整“每日生產計劃”，無法充分利用資料和演算法，影響生產效率。
第三，情感差異體現了輸出指令的情感色彩。使用者的情感詞彙和情感輸出方式不僅傳遞了文字資訊，更傳遞了使用者的情感與態度。大語言模型可以理解情感刺激，並在生成內容時利用情感刺激來增強模型的輸出質量。實踐中發現，在提示中使用諸如“相信自己的能力”、“出色”等短語，能有效激勵AI展現出更好的表現。
流程第二步：共創任務的響應
如圖 1 第三列所示，接收到使用者的提示指令後，AI會利用其內部的演算法和模型處理輸入資料，並生成相應的輸出結果。在這一過程中，基於人類反饋的對照學習使得AI能夠根據使用者的反饋資訊，調整和最佳化生成的結果，以提高任務的完成質量和使用者滿意度。在共創任務的響應過程中，AI的表現受到任務特徵、訓練AI的資料邊界以及AI的選擇偏好的影響。
首先，任務特徵，特別是任務顆粒度的探討，是理解這一現象的關鍵。任務顆粒度指的是任務的可描述性，即問題解決者在執行任務時所需的指導與自由度。通常粗顆粒度任務更加開放和靈活，因為問題解決者需要自行定義目標和路徑，具有更大的自由度和創造空間。反之，細顆粒度任務，任務目標和路徑基本已被明確界定，問題解決者只需按照常規方式進行規劃。而這種精確與高效，卻會將創意的畫布縮小，使得輸出的結果更具備一致性而難以出現開拓性。
其次，資料邊界涉及訓練 AI 的資料集範圍與質量。OpenAI 公司基於 Transformer 網路搭建的 GPT 模型，在推理、語言能力以及影像和文字輸入輸出等方面擁有無以倫比的能力，但它們大量來源於不同的資料訓練。這表明不同特性的任務執行輸出會因資料邊界的變化而受到影響。為了打破資料邊界的限制及資料造成的幻覺，或者“資料偏見”，業界進行了很多嘗試，包括擴充訓練集，或者模擬資料進行自我迭代，但是本質上依賴於數學框架的人工智慧仍然受限於此。
再次，AI的選擇偏好由任務顆粒度和資料邊界共同決定。學者凱里·莫爾維基等人認為，AI設計師通常基於錯誤的假設來構建演算法，即根據使用者行為（顯示偏好）訓練演算法，嘗試揭示使用者的真實偏好（規範偏好）。而奈飛的一項調查發現，使用者雖然傾向於將高雅的電影列入播放列表，但最終實際播放的卻是演算法推薦的低俗節目和電影。這是因為演算法通常根據點選量、瀏覽量和購買行為等顯示偏好來推測使用者的規範偏好。這反映了人類對放縱物和自律物之間矛盾慾望和動機。使用這些有侷限性的資料來訓練模型，必然會導致演算法產生資料偏見。
設想讓AI協助創作一幅獨具使用者風格的藝術作品，這屬於粗顆粒度任務，AI因資料集的限制，可能只能展示一些常見的藝術風格或流行趨勢，即受到“顯性偏好”的影響，難以準確捕捉使用者真正的目標和價值觀——“規範偏好”。因此，使用者可能需要提供更多的輸入與構想，甚至發現自己更願意親自動手創作，因為儘管AI強大，卻受限於訓練方式難以生成原資料庫不存在的創意。相反，當AI被賦予執行細顆粒度的演算法式任務，如語言翻譯，其特點是輸入與輸出之間存在明確且穩定的對映關係，資料集的邊界限制較小，任務更貼近使用者的“規範偏好”，人和AI共創的效率亦得以提升。
流程第三步：共創任務的評估
凱文·凱利曾形象地比喻：“AI就像一個實習生，尚不能獨當一面，我們需要對其工作成果進行二次核驗。”因此在創意過程中，評估目標與結果的關聯程度以及迭代試錯顯得至關重要。
在評估階段，提示素養仍然是我們手中的一把金鑰匙，直接影響對AI輸出的評價和判斷。
第一，評價標準。首先，評價的核心指標之一是關聯元素的新穎性和距離。創造性思維的過程涉及將相關聯的想法元素組合成新穎且實用的形式。在這個過程中，與概念有著較遠聯絡的元素，通常會促成更具創新性的組合。其次，效率也是一項評價標準。準確高效地達成使用者滿意的共創結果，可以增強使用者的創造動機，而高提示詞素養使用者在使用過程中迭代的準確性與靈感啟發性也可以進一步最佳化AI的共創流程。再次，倫理和道德觀更是不可忽視的評估標準。確保共創內容和結果符合健康和正直的倫理觀是AI倫理建設的一個關鍵需求，也理應成為我們評估AI共創內容的重要指標。最後，安全性是我們評估AI結果的一大核心標準。
作為一個可以創造內容的語言模型，生成式人工智慧本身也能對共創任務的結果進行評估，甚至可以構建AI—Agents叢集鏈條來程式化地進行評估。不是簡單地用“這個好，那個壞”的術語，而是透過結構化的反饋來幫助使用者思考想法。
第二，批判思維。基於以上評價標準，我們需要以批判性的思維審視每一個細節。這一過程不僅是對AI內容的深度剖析，更是對專業領域知識的提煉和昇華。
第三，整合能力。使用者需將AI的產出與自身的目標、標準或偏好相結合，以實現最佳的共創效果。
流程第四步：共創任務的決策
共創任務的決策，包括決定是否使用AI進行共創以及何時結束共創。諾貝爾經濟學獎獲得者丹尼爾·卡尼曼指出，人類在決策過程中並非總是理性，常受到各種認知偏見和啟發法（heuristics）的影響。
據此他提出了兩套決策系統：系統1是一種依賴直覺和經驗的快速思維機制，能夠在缺乏深思熟慮的情況下迅速做出反應。其特徵包括快速、認知負荷低和直覺導向。相對而言，系統2是緩慢而分析性的思維模式，依賴邏輯推理，適用於複雜且需要詳細分析的決策。其特點是慢速、認知負荷高和分析性強，需要時間來處理和分析資訊，決策過程需要大量的認知資源，主要依賴邏輯推理和深度分析。
卡尼曼指出，儘管系統2的決策準確性較高，但在實際生活中，人們更常依賴系統1，因為它反應迅速且節省資源。然而，這也使得我們的決策更容易受到各種認知偏見的影響。本文提到的人-AI共創的決策流程有效地規避了這種依賴性。生成式AI透過對話鏈和反饋鏈建立任務流程，這種類似討論的協作模式能夠有效激發系統2所需的邏輯推理和深思熟慮，從而減少對經驗和直覺的依賴。同時，反饋過程中提供的新資訊也有助於使用者更好地避免錨定效應。
流程第五步：共創任務的結束
人與AI的共創旅程旅並非永無止境，達到理想狀態通常是可遇不可求的情況。因此，使用者要學會“先加法，後減法”。學者大衛·伊格曼和安東尼·布蘭德提醒我們，在創意過程中，放棄大部分創意可能會讓人感覺浪費，但這實際上是創造過程的核心。受制於預算、時間、流程、程序等現實條件的約束，組織不可能讓使用者過度追求新奇而忽視切實可行的方案，或者過度迭代而錯過時機，因此，很多時候共創任務最終收斂於區域性條件最後的狀態下（見圖 1 最右端）。
儘管人與 AI 共創可能以不完美的狀態落幕，但我們切不可忽視其蘊含的“迴旋鏢效應”的潛力——它精準的回到初始點，為使用者的知識、表達與情感注入嶄新的活力，激發下一次共創的可能性。這就意味著，由提示素養引領的共創任務完成後，反過來將提升個體的提示素養，使用者進而將新的素養泛化到新的任務中，充分彰顯了共創與提示素養之間的相輔相成、相得益彰。
****
正如凱文·凱利所言：“雖然人類短期內不可能被人工智慧完全取代，但有可能會被那些善於運用人工智慧的人所取代，這已經成為一種普遍的趨勢。”當人類的思考與機器的邏輯交織碰撞，便激盪出絢麗多彩的創新火花，推動著我們翻越舊有的邊界，邁向未知的遠方。值得一提的是，提示素養的價值遠不止於與人工智慧的對話之中。它更是一種跨越領域、跨越場景的通用技能，適用於商業決策、工作創新乃至日常生活的方方面面。在技術的浩瀚海洋中，亦不能忘卻人性的溫暖與光輝，我們必須跨越演算法與資料的冰冷之境，在追求創新的同時，銘記科技向善的永恆主題，共同繪就人類與 AI 和諧共生的壯麗畫卷。