和 AI 聊了一陣子，有時會覺得自己忽然懂了好多。明明一開始聊的是動物，後來卻好像連睡眠、工作方法都能說上幾句。那種感覺很有趣。
不過，關掉螢幕後，也可能什麼都說不出來。想把聊天變成學習，就得在閱讀回答的過程中，留幾個自己參與的機會：先提出猜想、查核依據，最後試著親口解釋。
所以，「光和 AI 聊天會不會變聰明」，取決於你在對話中做了什麼。以下從一個例子出發，看看怎麼追問、怎麼確認出處，以及怎麼檢查自己是不是只有「懂了的感覺」。
從「鼴鼠也會心情低落嗎？」開始，把問題拆開
開頭可以很輕鬆。就從「鼴鼠也會心情低落嗎？」問起。如果 AI 介紹了動物的壓力研究，接下來值得問的，不只是「還有哪些動物會這樣？」
- 這項研究測量了什麼，才把這種狀態稱為「類憂鬱」？
- 研究者怎麼區分活動減少是因為疲勞、運動能力下降，還是其他原因？
- 根據這些結果，能對人類做出多大範圍的推論？
這樣問，一段有趣的介紹就成了可以查證的問題。以果蠅研究為例，在認定「果蠅也會和人一樣心情低落」之前，先看看實驗實際觀察到哪些行為。
話題還能從這裡延伸到冬眠、隨季節改變的情緒，以及腦中念頭停不下來的狀態。不過，把這些話題連起來之後，也得逐一確認每條連線有什麼依據。幾種現象看起來相似，並不代表背後就是同一套機制。
請 AI 找出追問的方向，不只是把答案講得更長
想聊得深入一點時，如果一直說「再詳細一點」，得到的可能只是越來越長的解釋。不妨直接指出自己卡住的地方。
「請從體力、環境和後天習得的行為三個角度，解釋活動減少這個現象。每種解釋各需要觀察什麼，才能檢驗？」
這樣比較容易選出下一步該查什麼。碰到專業術語時，也可以問：「這個概念能幫我們說明哪些差異？」
也試著先說出自己的猜想：「我覺得用『累了，所以不想動』就能解釋。如果這個解釋不夠，哪些觀察結果會顯示這一點？」無論猜對或猜錯，都能看出哪裡需要修正。
一開始不必問得多犀利。你可以直接說「我自己也不知道到底是哪裡沒懂」，請 AI 一次問一個問題，幫你找出理解上的缺口。
解釋聽起來環環相扣時，回頭看出處
這個例子需要留意的是：「活動減少」這個共同點，很容易被拿來解釋所有事情。所以，要分清楚每份資料究竟支持什麼。
- Ries 等人的果蠅實驗，報告了振動壓力之後自發行為減少的現象。
- Dantzer 等人的回顧論文，整理了發炎、生病時的行為改變與憂鬱之間的關係。
- 美國國家心理衛生研究院（NIMH）將季節性情感疾患說明為一種隨季節反覆發作的憂鬱症。
- Suddendorf 與 Corballis 在 1997 年的論文中，討論了想像過去與未來的「心智時間旅行」。
如果直接把這些資料歸納成「冬季憂鬱就是輕度冬眠」或「憂鬱是為了及時停損而演化出來的」，就把比喻和假說混進了研究介紹。「低耗能模式」這個比喻也許好懂，卻不能直接拿來解釋病因或治療方式。同樣地，只引用一篇 1997 年的討論，也無法據此斷定當今研究對其他動物的認知能力有什麼結論。
可以這樣請 AI 幫忙：
「請把剛才的解釋分成三類：研究確認的內容、研究者的假說，以及用來說明的比喻。涉及研究的部分，請列出論文名稱、年份、研究對象、測量內容和網址。」
接著打開連結，核對論文名稱與作者，閱讀摘要或相關段落。連結確實存在，不代表它就能支持剛才的說法。找不到依據的主張，先保留為「尚未確認」。多做這一步，就能分清楚一個聽起來順暢的故事和經過查證的知識。
「用得上的模型」，會讓你看見下一步該確認什麼
這裡說的模型，是幫助我們整理狀況、思考下一步能試什麼的簡單架構。不必是一套能解釋全世界的大理論。
例如一個很平常的情境：「坐到書桌前，工作卻一直沒進展。」先別停在「我就是沒有專注力」這個判斷上，可以把原因拆成三種可能。
- 通知不斷跳出，注意力一直被打斷
- 「做一份資料」這個任務太籠統，不知道第一步該做什麼
- 太睏，讀了文字也看不進去
不同的原因，值得嘗試的方法也不同。關掉通知，先專心做一小段時間；先寫出三個小標題；暫停工作，看看最近的睡眠狀況。這裡談的是日常工作上的調整。如果情緒或睡眠問題持續存在，已經影響生活，也可以考慮諮詢醫療人員。
用鼴鼠打個比方：與其先煩惱「沒有土可挖的我，還算什麼鼴鼠」，不如查查「到底哪裡有土可以挖？」甚至可以再問一句：「我真的非挖不可嗎？」
有趣的比喻，價值就在於能讓問題往前走。實際改變一個條件，看看工作是不是比較容易開始。如果沒有效果，就重新調整這個架構。
關掉螢幕後，還能說清楚嗎？換個例子，還用得上嗎？
讀完 AI 的解釋，覺得「原來如此」時，不妨做個簡短檢查。
先關掉螢幕，用自己的話寫三句話，整理要點。再想一個聊天時沒出現過的例子。最後，舉出一種這個解釋不適用的情況。
例如，「改變條件，行為也可能跟著改變」這個想法，能用在整理東西上嗎？在決定東西要不要丟掉之前，也許該先看看是不是還沒替它安排固定的位置。不過，若把所有困擾都歸結為「東西沒放對地方」，解釋就太粗略了。
如果把自己的解釋傳回給 AI，與其說「幫我潤飾」，不如這樣問：
「請指出解釋中遺漏的地方，以及哪些結論說得比證據能支持的更肯定。先不要直接給正確答案，請問我一個能幫助我重新思考的問題。」
這樣就能從抄寫答案，走向修正自己的理解。本文說的「思考肌力訓練」，就是用來比喻這種用法。不必拿聊天的長度，或記住多少專業術語來衡量收穫。
聊天結束時，只留下三件事
把感興趣的話題一路聊下去，本身也很有趣。不過，若想之後派得上用場，結束前可以留一份簡短筆記。
- 現在能說清楚的：觀察到行為減少，和解釋行為為什麼減少，需要分開確認
- 還不清楚的：這次提到的實驗，換一組條件還會得到相同結果嗎？
- 接下來要做的：閱讀引用論文的摘要，對照 AI 的解釋
這份筆記就能成為下次翻開書或論文的起點。透過與 AI 對話，先畫出問題的地圖，再查核出處，讀完後重新修改地圖。看得出哪些地方值得細讀，查閱資料的時間也更容易用在需要的地方。
讓有趣的話題，走到自己能重新思考的那一步
和 AI 對話的樂趣之一，是一個隨口問出的問題，就能把你帶到原本沒想到的相鄰領域。可以從鼴鼠聊起，也可以問：「為什麼整理東西總是開始前最讓人嫌麻煩？」
提出一個猜想，打開資料確認依據，換個例子想想，再用自己的話說清楚，必要時修正。能這樣來回思考，聊天結束後留下的東西就會更多。
下一句當然可以是「再多說一點」。但有時也值得問：「到目前為止，哪些說法還沒有確認？」話題也許就是從這裡開始，變得更有意思。
- Suddendorf & Corballis（1997）, Mental Time Travel and the Evolution of the Human Mind
- NIMH, Seasonal Affective Disorder
- Ries et al.（2017）, Serotonin modulates a depression-like state in Drosophila responsive to lithium treatment
- Dantzer et al.（2008）, From inflammation to sickness and depression: when the immune system subjugates the brain
