在生成式人工智慧（AI）技術席捲各產業的浪潮中，儘管開發者不斷優化模型架構與算力，卻常遭遇一個令人困惑的瓶頸：即便擁有最先進的模型，其輸出內容仍可能流於平庸，甚至與實際的商業脈絡格格不入。這項挑戰的核心，並非僅是AI的「幻覺」，而更深層地指向了「語言精準度」的缺失，以及人類在「提問藝術」上的不足。有趣的是，這正是文科背景人士展現其獨特價值之處，尤其在關鍵的「提示工程」（Prompt Engineering）領域，他們正以古典修辭學的智慧，引領一場全新的「邏輯逆襲」。
現象觀察：AI效能瓶頸與「語言精準度」的挑戰
首先，生成式AI雖然技術突飛猛進，但在實際應用中，其產出卻常顯得平庸，甚至偏離核心商業需求。許多人習慣將此歸咎於AI的「幻覺」，認為是訓練資料不足、模式誤判或上下文理解偏差所致。然而，業界觀察指出，問題的根源或許在於對語義的精準定義與邏輯架構缺乏深入理解。當開發者過度專注於調整模型參數（如Temperature或Top-P），卻忽略了指令中詞彙的權重與語境的邊界時，AI的輸出自然會趨於模糊，難以滿足精確需求。
「筆者觀察到，目前的技術瓶頸在於人類『不會發問』。」這句話點出了核心問題，即使AI模型再強大，若缺乏精準的提問引導，其潛力也難以充分發揮。
原因剖析：從語法到語義的典範轉移
其次，這項挑戰的核心，在於人機互動模式的典範轉移，以及人類在「提問藝術」上的不足。在過往的資訊時代，人機互動仰賴的是「語法」（Syntax），我們必須學習如Python、C++等電腦能理解的語言，將人類意圖轉譯為嚴謹的邏輯結構。然而，進入大型語言模型（LLM）時代，核心則轉向了對「語義」（Semantics）的掌握。LLM本質上是一座大型機率預測機器，根據上文預測下一個字出現的機率。商業決策與創意產出所需的，卻是符合特定脈絡的精準解方，這之間的鴻溝，正是文科生對語言細微差別的敏感度所能填補的。
影響評估：古典修辭學如何為提示工程賦能？
再者，若要有效提升AI的精準度，我們必須回歸語言的本質，而早在兩千多年前亞里斯多德（Aristotle）提出的古典修辭學，恰好為提示工程提供了完善的框架。它將說服的藝術解構為三個核心概念，這些概念在現代提示工程中展現出驚人的實用性：
- 人格特質（Ethos）：透過在提示（Prompt）中設定AI的角色（Persona），例如要求AI以「資深顧問」或「批判性學者」的身份回應，便能有效限縮模型的搜尋範圍，進而提升輸出的權威性和針對性。這就像為AI戴上一個專業濾鏡，讓它以更符合情境的視角來思考。
- 情感共鳴（Pathos）：明確定義目標受眾，是文科背景人士的優勢所在。他們能精準分析讀者的心理預期，引導AI調整語氣（Tone of Voice），使內容不僅正確無誤，更能具備強烈的穿透力和感染力，觸動人心。
- 邏輯論證（Logos）：這是提示工程的核心。藉由「思維鏈」（Chain of Thought）等手法，將複雜問題拆解為層層遞進的論點，確保AI的推理過程嚴謹且具說服力。一個優秀的提示工程師，便能構建一個邏輯場域，運用修辭學中的「結構化敘事」來約束AI的發散性，讓LLM展現出更嚴密的邏輯程度。
「筆者認為，優秀的提示工程師能構建一個邏輯場域，當我們運用修辭學中的『結構化敘事』來約束AI的發散性時，LLM展現出的邏輯程度會更嚴密。」這段話強調了人文素養在提升AI智能方面的關鍵作用。
趨勢預測：文科生在AI時代的戰略新定位
最後，隨著AI技術的普及，文科背景人才的獨特價值將被重新定義，他們將在AI決策與內容治理中扮演關鍵角色。長期以來，文科生常被標籤化為「感性、缺乏邏輯」，然而現今的AI時代，這項偏見正在被翻轉，因為自然語言的邏輯本質上是「開放式」的。文科訓練中強調的批判性思考、文本解構與詮釋學，正是處理開放式問題的利器。
當企業需要將抽象願景轉化為AI可執行的步驟時，「定義模糊邊界」及「脈絡化思維」成為文科生無可取代的優勢。他們能釐清概念之間的邏輯關聯，避免AI在概念滑轉中產生幻覺，並理解技術產出在社會、法律或道德層面的深遠影響。這些都是單純優化演算法無法觸及的領域。可以說，文科生的競爭力不僅在於產出內容，更在於「設定標準」。在內容生產過剩的未來，具備審美眼光、價值判斷與邏輯檢核能力的文科通才，將成為管理AI決策者的中堅力量。
AI雖然降低了技術門檻，卻無形中拉高了「敘事門檻」。一個能理解技術潛力，又能以深刻的人文視角進行跨學科敘事的人才，將獲得前所未有的機會。所謂「跨學科敘事力」，是指能將枯燥的數據、複雜的模型邏輯，轉化為具商業洞察與情緒價值的價值主張。當AI越強大，對於「人之所以為人」的論述就越顯重要，社會需求的是那些能與機器對話、並在對話中堅守邏輯底線與創意靈魂的人。
About the Author
