今天上完「與 AI 對話」這堂課了。

昨天還在寫我的 taiwan-sciencepark-briefing SKILL，今天就真的拿來課堂上用了。

今天的主題是「台灣半導體產業的崛起」。

上課前我有先跟同學說一件事情：

問 AI 的問題不要太大、太廣，要盡量問得精準一點。

因為如果你直接問：

「半導體產業對台灣有什麼影響？」

這個範圍實在太大了。

人口、土地、教育、就業、房價、水電、地方社會、產業政策、地緣政治全部都可以講，AI 當然也可以洋洋灑灑回答一大篇。

但最後通常就是：好像什麼都有講，又好像什麼都沒有真的回答。

所以我今天一直覺得，與 AI 對話的第一步，其實不是 Prompt 要寫得多漂亮，而是先搞清楚自己到底要問什麼。

今天同學們後來提出來的問題，就開始變得很有意思。

有人從科學園區徵收往下追：

園區到底是怎麼決定要蓋在哪裡？有沒有像水壩、高鐵、焚化爐一樣做環境評估？除了被徵收的居民之外，有沒有人從自然環境、生態的角度討論科學園區開發？

有人開始問教育：

半導體一直擴張，理工人才需求越來越大，文科卻開始面臨招生壓力。長期下來，台灣的人才培育會不會越來越傾斜？

也有人問熊本：

日本熊本的半導體投資目前遇到了什麼問題？這些變化會不會影響後續第二、第三座工廠？

有人從徵地一路問到地方發展：

科學園區帶來很大的經濟效益，但得到高薪工作的可能還是特定專業的人，對原本住在地方的人呢？房價上升、土地改變、文化流失，這些成本又是誰在承擔？

還有人拿台南跟新竹比較：

為什麼先進製程大量集中在台南？這種集中發展對房價、就業、交通與公共建設有什麼影響？跟當年新竹科學園區發展的路徑又有什麼不同？

另外還有我自己很有興趣的：

歷年的科學園區規劃理念到底有沒有改變？以前的園區開發，有沒有把地方文化、原有聚落與地表紋理放進規劃裡？

以及：

科學園區快速進入原本以客家人、宗族與地方網絡為主的社會之後，到底改變了什麼？

甚至有人直接把問題拉到整個台灣：

當台灣越來越依賴半導體產業，人口移動、物價、教育與產業結構會發生什麼改變？

我覺得這些問題跟一開始問：

「台灣半導體產業的崛起是什麼？」

已經完全不一樣了。

不是因為用了什麼厲害的 Prompt。

而是因為問題的範圍開始清楚了。

我今天重新理解的 AI 對話方式

如果今天要請 AI 幫忙，我現在大概會先把問題拆成幾件事情：

第一，範圍是什麼？

我要問的是整個台灣？

還是新竹？

還是台南？

還是某一個科學園區？

我要看 1980 年到現在，還是只看最近五年？

第二，我到底要分析什麼？

同樣是半導體，可以分析的東西完全不同。

可以問土地徵收、人口移動、房價、就業、教育、水電資源、地方文化、環境影響、國際供應鏈、海外擴廠。

所以不能只告訴 AI 一個「主題」。

還要告訴它：

我要你從哪一個角度分析。

第三，我希望它怎麼處理資料？

這也是我最近做 SKILL 之後才開始特別注意的。

不是只跟 AI 說：

「回答這個問題。」

而是告訴它先找哪些資料、哪些要用官方資料、哪些可以用新聞、不同資料要怎麼比較、有矛盾的地方要標出來，哪些資訊需要再次查證。

也就是把分析的過程一起交代清楚。

第四，最後我要什麼？

我要的是一段回答？一張比較表？一條時間軸？新竹跟台南的比較？文獻整理？還是一份可以拿去上課的簡報？

同樣一個問題，Output 不一樣，AI 整理資料的方法也會不一樣。

所以我今天對「與 AI 對話」的理解，大概可以寫成：

範圍 → 問題 → 資料 → 分析方法 → Output

先把這五件事情講清楚，再去問 AI。

今天其實還有兩個同學直接問我本人。

一個問：

「你除了 SKILL，還會用什麼方法檢視？這些都是 AI 提供的資料嗎？你怎麼判斷這些資料是你要的？」

我覺得這題很好。

因為 AI 可以幫我找資料、整理資料，但最後判斷：

「這是不是我要的？」

還是我自己。

另外有一位同學說，今天聽起來好像比較像在聽台積電的歷史。

這題我當下其實也有回。

我想先搞清楚一件事情：

今天這堂課是「與 AI 對話」，不是我自己收集一堆資料之後，上台做一場完整的產業史報告。

而我們跟 AI 對話的題目，就是「台灣半導體產業的崛起」。

所以我沒有打算把整段產業史從頭到尾講完，而是先跟 AI 一起把幾個重要時間點抓出來。

像是 1970 年代政府想發展什麼產業、送哪些工程師去美國學習，後來怎麼在新竹成立科學園區。

除了早期個人電腦產業之外，後續也有談到半導體產業的興衰，以及哪些公司被併購、哪些公司留下來。

這些其實課堂上都有交代。

所以如果只聽到某一段，就覺得今天是在講台積電歷史，我反而覺得要先回頭看：

我們今天設定的題目是什麼？這堂課的形式又是什麼？

這也剛好再次驗證我今天一直在講的事情：

範圍要先搞清楚。

不管是問 AI，還是聽一場報告，都一樣。

你要先知道今天想處理的是什麼問題、涵蓋到哪裡、哪些內容只是其中一段，而不是把其中一段當成全部。

所以今天上完課之後，我反而更確定一件事情：

會使用 AI，不一定是你會多少 Prompt 技巧。

更重要的是，你能不能把一個大問題慢慢拆開，知道自己要看什麼、怎麼分析、最後需要什麼。

AI 可以幫我們回答很多問題。

但在那之前，人還是得先負責一件事情：

把問題問清楚，也把範圍搞清楚。