觀點｜鑽研Prompt還不夠！AI將放大你的10種直覺偏誤，學校沒教的常識才是關鍵

最近我重讀了《真確》（Factfulness）這本書。為什麼是這本書？因為這本書講得就是我們在 AI 時代的必備品。

現在很多人用 AI 時，最常問的就是怎麼寫出厲害的prompt（提示詞）。我覺得 prompt 下得好不好，反映的是對某個領域的領域知識與工作經驗。因為愈專業的人（例如本來就是畫家、導演、工程師）所下的 prompt 就愈好。

近期因 Nano Banana 的關係而瘋狂生成與編輯圖像，也問了很多玩出新花樣的大師，和他們聊過才知道，關鍵在於怎麼把任務與需求拆解成重要的步驟。

延伸閱讀：Nano Banana生圖新招！Google地圖怎麼轉3D圖示？9大熱門玩法、提示詞一次收

不過最近我有另一個心得：大家拚命學 prompt 的這件事，可能2、3年後就沒那麼重要了。因為 AI模型會愈來愈會「通靈」，根本不需要描述那麼仔細。到那時，身為操作者，真正需要的能力是什麼？

AI時代下，最需要的是「辨別力」

我認為是「辨別」。辨別 AI 的真假，或是它的邏輯是否走歪，需要的不只是知識，更需要「常識」。 但回頭看自己3、40歲這一代受的教育，學校通常教了知識、技能，給了特定學科當作未來專業的基礎，卻從來沒有一堂課是教授如何擁有常識。這真的很可怕。

當有 AI 如此強大的工具，想藉助它跨到別的領域時，才赫然發現自己根本缺乏常識的基底，來判斷AI 給的結果究竟是對是錯。

尤其現今，每天在社群或任何地方看到的內容愈來愈多由AI生成，裡面可能充滿假新聞或各種被渲染的消息，該怎麼判斷？

這就是為什麼我覺得《真確》這本 2018 年的老書在這個時代特別重要。它不是直接教如何「邁向真實」，而是反過來告訴我，在這條路上有10種會阻撓我的直覺偏誤。

這些偏誤其實都是大腦為了節省耗能而發展出來的「偷懶機制」，它幫我們快速篩選資訊，但也常常讓人遠離真相。如果要跳脫被這些謬誤支配的困境，就必須先了解它們是什麼。書裡提到的十種謬誤，分別是：

• 二分化直覺偏誤：習慣把世界分成黑與白。
• 負面型直覺偏誤：總是把事情想得很糟。
• 直線型直覺偏誤：認為趨勢會像一條直線一樣無限延伸。
• 恐懼型直覺偏誤：因為恐懼而誇大危險。
• 失真型直覺偏誤：對事物的比例、大小有錯誤的概念。
• 概括型直覺偏誤：把不同的東西歸為同一類。
• 宿命型直覺偏誤：認為某些事是注定且無法改變。
• 單一觀點直覺偏誤：只相信某個權威或單一的解釋。
• 怪罪型直覺偏誤：出事了就一定要找個戰犯。
• 急迫型直覺偏誤：覺得每件事都很緊急，必須馬上行動。

這十個謬誤，我看完覺得幾乎全中。其中，有幾個讓我特別有感。

失真型直覺偏誤〉放棄「抓大放小」迷思

第一個是「失真型直覺偏誤」。書裡舉的例子是，在莫三比克行醫，你該把有限的資源，用來救眼前這個在醫院裡的寶寶，還是用來做更大範圍的公衛教育？從整體存活率來看，後者其實效益更高。

當一件事不如預期時，我都會很想去挽救它，不斷做一些很小地方的調整跟修補，花費大量的力氣。但就像旁觀的朋友會點醒的：「你花那麼多力氣拯救這個小 project，對整個大 project 來說，其實根本不影響大局。」我們以為自己懂「抓大放小」，但實際上常常做不到。

這個偏誤在工作上處理數據時也特別明顯。很多人看到一個數字，比如「我們有一個 300 萬美金的潛在業績」，討論就停留在這裡了。但問題是，300 萬是多還是少？它的分母是誰？是 3 億裡面的 300 萬，還是 500 萬裡面的 300 萬？要花多少成本去取得？這個數字的趨勢是向上還是向下？如果沒有看到數字背後的 context，所有的決策都可能是錯的。

單一觀點直覺偏誤〉只信「神主牌」恐限制多元觀點

第二個很有感的是「單一觀點直覺偏誤」。就像巴菲特或蒙格說的：「當你手中有一把錘子，你看什麼都像是釘子。」很多人思考時，都有一套自己的「起手式」，習慣用固定的框架去切入問題。以前會覺得去理解每個人的框架很有趣，但久了就發現這很危險，因為你會被某種觀點禁錮住。

每個人心中都有一個「神主牌」，可能是自由市場、可能是某個權威說的話。但這種單一觀點，會讓人失去思考的彈性。所以我現在一直在練習，當有資訊進來時，不要只用自己習慣的觀點去看，而是盡可能去接受、去拆解不同的切入方式，即使這需要花費更多時間。

怪罪型直覺偏誤〉抓戰犯改變不了什麼

再來是「怪罪型直覺偏誤」，這點的反面就是「歸功型」，例如我們很習慣把 Tesla 的成功都歸功於 Elon Musk。書裡有個例子真的太棒了：作者說，大藥廠很少研究瘧疾，因為不賺錢。台下學生馬上說：「應該把藥廠老闆抓出來打一頓！」

作者就順著他的邏輯往下推：

「好，那我去打老闆。但老闆也是聽董事會的，那我是不是該打董事會？」
「董事會也是對股東負責，那我是不是該打股東？」
「那要打誰？大藥廠的大股東很多是退休基金。」
「退休基金的錢是誰的？是一堆等著領退休金的老奶奶的。」
「所以，我是不是該去打老奶奶？」

這個思想實驗告訴我，很多時候想怪罪的那個人，根本不是問題的根源。人後面還有人，決策後面還有更複雜的系統。

就像以前大家很愛罵記者，覺得記者寫假新聞、沒水準。但反推回去，記者為什麼要這樣寫？因為有流量、有 KPI。流量誰給的？平台演算法。平台為什麼要這樣設計？因為對股東跟營收有利。那平台的股東是誰？可能就是買了 ETF 的你我。

那最後要打誰？打我自己嗎？

這不是說我們就什麼都不用做了。而是當真的想改變一件事，必須先跳脫這種只想找個戰犯打死的思維，去理解整個系統是怎麼運作的，然後思考改變哪個環節，才能最有效地衝擊整個結構。

急迫型直覺偏誤〉慢慢來比較快

最後一個，也是覺得足以改變一生、受用無窮的，是「急迫型直覺偏誤」。

很多人總是把每件事講得好像都很急。老闆告訴你這案子很急，專家告訴你氣候變遷很急，你手機上的新聞開頭都在 "Breaking"。但如果把時間拉長來看，這世界上真的沒有那麼多事情那麼緊急。

當對一件事抱有很高的期待時，就會焦慮、緊張，會害怕它失敗。 而這些情緒，完全不會幫助我把事情做得更好。它只會讓我受蛛絲馬跡的影響，放大所有人的言行舉動，但這些東西跟成敗本身，其實幾乎沒有關係。

如果能盡量降低心中的預期，也許就更能全力以赴。因為沒有過高的期待，所以不會害怕失敗，也因此能夠更專注在過程本身。這聽起來很反直覺，因為大家會覺得「沒有期待，我幹嘛要做？」但其實只有在這種狀態下，人才能把事情做好。

總結：把事情想更複雜一點

總結來說，這十個謬誤，其實都是 AI 時代的放大器。AI 會逐漸分擔掉我們的思考，讓我們更容易取得答案，也更容易掉進這些思維陷阱。我們應該做的，不是去追逐演算法、不是被「再不學就完蛋了」的 FOMO 情緒綁架，而是反過來，建立自己內在的思維架構。

願意花時間把一個問題想得更複雜；願意接受世界不是非黑即白；願意玩一個長期的賽局遊戲，即使每年只改善一點點。這才是真正能接觸到世界真實樣貌的方法，或許也才是身處 AI 時代，我們真正需要替自己打的「疫苗」。

延伸閱讀：快收藏！OpenAI釋出Prompt免費懶人包：工程師、行銷等11大領域，AI困境一次解決

責任編輯：蘇柔瑋

更多報導
Spotify高層換血！Daniel Ek宣布交棒「雙CEO」：分工互補還是雙頭馬車？
獨家數據｜台灣手搖市場大揭秘：誰是飲料王？為何一沐日草仔粿會紅？三大趨勢一次看