現在，讓我來跟你分享一個名為「思維鏈」（Chain of Thought，CoT）的提問技巧。簡單來說，這是一種讓機器人能夠學習像人一樣思考的方法。就像小時候在解決一道數學習題時，老師會教我們一步步地寫下解題過程一樣，而「思維鏈」則會讓機器人模仿這個推理的過程。

作者：鄭緯筌（專欄作家，「臺灣電子商務暨創業聯誼會」共同創辦人，前「APP01」網站總監、《風傳媒》產品總監和《數位時代》雜誌主編）

時序進入2024年，首先在此跟大家說聲新年快樂！我相信在過去這一年期間，大家對於ChatGPT、Bard或Claude這類生成式AI工具已經相當熟悉了！但是，如果問大家是否滿意ChatGPT提供的答案呢？我想，可能很多人會露出苦笑吧？

現在，讓我來跟你分享一個名為「思維鏈」（Chain of Thought，CoT）的提問技巧。簡單來說，這是一種讓機器人能夠學習像人一樣思考的方法。就像小時候在解決一道數學習題時，老師會教我們一步步地寫下解題過程一樣，而「思維鏈」則會讓機器人模仿這個推理的過程。

也就是說，如果你透過這種方式詢問ChatGPT一個複雜的數學問題，它會開始「思考」，一步步告訴你它是怎麼解題的，而不是直接跳到最終的答案。

這樣做，有兩個顯而易見的好處：首先，讓ChatGPT在面對真正複雜的問題時更有可能找到答案。其次，也讓我們更容易理解ChatGPT是怎麼想的？如果答案有錯，我們也可以更容易看出來，到底問題在哪裡？

這就好像當你跟一位朋友討論要去哪裡吃飯的時候，他也許很快就根據你的偏好和預算，推薦一家CP值頗高的餐廳給你。下次，當你再問他相關的問題時，他自然會基於上次的談話內容來提供建議。

根據維基百科的介紹，「思維鏈」又可稱為「思路鏈」，它是文本提示（Textual Prompting）的一種技術，該技術透過提示大型語言模型（Large Language Models，LLM）生成一系列中間步驟來提高其推理能力，這些中間步驟會導致多步驟問題的最終答案。該技術由Google公司的研究人員於2022年首次提出。

根據Google Brain團隊的研究科學家Jason Wei和Denny Zhou等人的研究，「思維鏈」在訓練大型語言模型和設計提問詞的過程中，得以發揮顯著的作用。

有些朋友可能聽過「提示工程」（Prompting Engineering）這個名詞，這是一種能夠讓ChatGPT等生成式AI工具更懂得如何回答問題的技術。它把問題以提示詞的形式提供給AI工具參考，不是單單只提供參數而已。如此一來，AI工具就可以直接從問題本身去學習。

科學家們發現，如果在提示詞裡加上類似「讓我們循序思考」（Let’s think step by step）這樣的語句，可以提高 ChatGPT等生成式AI工具在需要多步驟推理的問題上的表現。換句話說，這也就是所謂的「思維鏈」技術。

「思維鏈」讓AI工具在回答問題之前，先生成一系列的推理步驟，它的原理就像人腦在思考時的過程一樣。如此一來，就可以提升AI工具解決複雜問題的能力，尤其是面對需要思考推理或數學計算等問題。

設法擴大語言模型的規模，當然是一種技術的突破，然而這個過程不但漫長，通常也很花錢。所以，一群專家和學者們決定另闢蹊徑，設法透過「思維鏈」技術來有效提升ChatGPT等AI工具在複雜推理問題上的表現。它善於模擬人類思考的過程，足以讓AI工具的回答更容易被人理解。

「思維鏈」聽起來有點深奧，其實它指涉的是一系列與邏輯相關的思考步驟，只是我們把它串聯起來，形成一個完整的思維過程。

請你回想一下，當我們在生活中面對一些比較複雜的問題時，你會怎麼拆解跟處理呢？以我自己來說，我很喜歡使用「心智圖」（Mind Map）這種工具來全面地拆解思考步驟。比如，當你需要製作簡報或準備演講，我們會先把主題分解成相關的子題，然後針對每個子題逐步思考和落實細節，最後把所有想法組織起來，形成一個條理清晰的脈絡。這整個從分解到組織的過程，也就是一個思維鏈。

整體而言，「心智圖」是一種很適合用來拆解和重新建構知識的工具，而「思維鏈」同樣也是一個很棒的思維工具！所以，在學習提示詞設計的歷程中，我也建議你可以採用「思維鏈」的方法來提示大型語言模型的推理。

這種循序漸進的提問方式，更容易讓提問者檢驗大型語言模型的推理是否正確？即便在提問過程中出現錯誤，其實也不打緊，我們可以及時進行修正。

總之，運用「思維鏈」的概念來設計提示詞，就像是讓ChatGPT、Bard或Claude來做一道細緻的數理分析題，而不僅是簡單的填空題。它可以讓這些生成式AI工具詳細地展示推理過程和各個步驟的邏輯，進而提高其推理能力。

「思維鏈」的起源，可以追溯到古希臘時期的蘇格拉底式問答法，這種方法透過一系列問答深入探討主題。在現代，這種方法也廣泛被管理顧問、教育、心理學和科學研究等各種領域所採用。

「思維鏈」的特色，包括：

• 連貫性：問題之間具有邏輯上的連貫性，每一個問題都建立在前一個問題的答案之上。
• 深入性：透過一系列的問答，思維鏈允許深入探索一個問題的多個層面。
• 靈活性：可以應用於幾乎任何類型的問題解決過程，不受主題或領域的限制。

「思維鏈」的重要性不言可喻，主要在於它提供了一種結構化的思考方式，能夠幫助人們更全面和深入地理解問題。這種方法特別適合於解決複雜問題，因為它鼓勵探索問題的不同角度，並能從中發現新的洞見和解決方案。

最後，讓我來舉一個職場中常見的案例，來幫助你理解「思維鏈」的應用方式。

假設王嘉華是一名想要創業的年輕人，他想使用 ChatGPT 來獲取有關開設新咖啡店的市場分析和建議。

他可以運用「思維鏈」的概念來跟ChatGPT提問：

1. 開始提問：請問目前在臺北市中心的咖啡店市場情況如何？

   • ChatGPT 可能提供有關臺北市中心咖啡店的數量、類型和一般客流量的資訊。

2. 深入問題：這些咖啡店的主要客群是哪些人？

   • 藉此了解不同咖啡店吸引的客戶類型，例如上班族、學生或觀光客。

3. 進一步探索：近年來，臺北市咖啡消費者的偏好有哪些變化？

   • 這能夠幫助王嘉華了解市場趨勢，例如客人對特殊咖啡豆的偏好。

4. 市場空白：目前市場上是否存在未被充分滿足的客戶需求？

   • 探索潛在的市場機會，比如特殊飲品或獨特的咖啡體驗。

5. 競爭分析：臺北市中心的咖啡店競爭格局是怎樣的？

   • 了解競爭對手的強項和弱點，以及市場的飽和程度。

6. 潛在機會：如果開設一家新咖啡店，需要考量哪些關鍵因素？

   • 評估地理位置、店面設計、菜單選擇等因素對開店的影響。

透過這樣的問答過程，王嘉華不僅可以獲得有關咖啡店的市場資訊，還能夠深入理解相關行業的動態，並發掘潛在的商機。

現在，相信您已經了解：「思維鏈」是一種問題解決的方法，可以透過連續提問的方式來深入探究一個主題。而每一個問題都基於前一個問題的答案，這樣可以逐步深入到一個主題的核心或發掘更深層次的見解。

這篇文章 善用思維鏈，增進ChatGPT的提問效能｜專家論點【鄭緯筌Vista】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。