和AI聊過的知識，真的學會了嗎？用5個問題檢驗「懂了」

發布: 2026年10月15日約10分鐘

閱讀功能說明

收聽會朗讀正文；速讀會依序顯示短語，速度可調。語言練習可對照現有的不同語言版本。收藏儲存在本瀏覽器中，可從播放器的收藏清單再次開啟。用打磚塊來讀會把正文的文字變成磚塊，邊打邊讀。

分享這篇文章

「蒼蠅也會心情低落嗎？」「冬眠和睡覺，到底差在哪裡？」問AI一個問題，下一個疑問就跟著冒出來。從動物聊到睡眠，再從睡眠聊到自己的生活。原本不知道的事情漸漸串連起來，這樣的時刻，真的很有意思。

但關掉螢幕，想向別人說明時，有時卻講不出個所以然。記得的只有「這些事好像都連在一起」的感覺。對話聊得順暢，和自己真正能思考這些問題，中間還差了一步。

為了走完這一步，不妨把與AI對話的時間，從「聽它解釋」轉成「試著檢驗自己的解釋」。保留不斷追問的樂趣，也把查證答案的步驟放進來。

「用得上的模型」，能幫你推想下一種情況

這裡說的模型，不一定是複雜的數學公式。它也可以是一張簡單的思路圖，幫助我們判斷：「在這些條件下，可能會發生什麼事？」重點不在於取個聽起來很厲害的名字，而在於條件改變時，你能不能說明接下來會怎樣。

例如，你認為「電子郵件一直沒人回，是因為寫得太長」。從這個解釋，可以推想：「如果只提一個請求，對方也許比較容易回覆。」不過，如果對方正在休假，就算把信寫短，可能還是等不到回信。

這個例子把「信件太長」的假設，和「對方在休假」的另一種可能擺在一起，也讓我們看見原本解釋的適用範圍。在認定「沒回信就是因為討厭我」之前，可以先多找幾個能查證的條件。

當然，只憑一次短郵件收到回覆，還無法確定原因。也有可能只是剛好遇上對方有空。把模型當作判斷的初稿，再依結果調整。

如果用「低耗能模式」來概括動物的壓力反應、冬眠和冬季心情低落，好像一下子就清楚多了。對話常常在這裡變得熱絡，也容易在這裡出現推論上的跳躍。

有一項蒼蠅研究指出，反覆受到壓力刺激後，蒼蠅嘗試攀爬等行為有所減少。[1] 但這無法證明「蒼蠅也像人一樣在自我否定」。測量到的行為，和只有當事者才知道的主觀經驗，需要分開看待。

季節性憂鬱症也需要另外查證。美國國家心理衛生研究院（NIMH）將它描述為一種隨季節變化、反覆出現的憂鬱症。[2] 即使想到「人類的輕度冬眠」這個比喻，也不表示已經證實兩者有相同機制。不要用一個比喻帶過身心不適；如果已經影響生活，應向醫療專業人員諮詢。

可以這樣問AI：「請把剛才的解釋分成三類：研究中觀察到的事實、從中提出的假設，以及幫助理解的比喻。哪些連結還需要更多證據？」不過，這份分類本身也是AI的回答，重要部分仍然要回到原始資料查證。

在土耳其一所高中的數學實驗中，學生使用AI練習時的表現，與之後在沒有AI協助的情況下測得的學習成果，有時並不一致。[3] 這項結果來自土耳其一所高中的數學課堂，測試的是特定的AI工具設計，不能據此推論，所有AI使用都會妨礙學習。

不過，這仍能提醒我們檢視自己的用法。看懂解題步驟之後，換一組數字的題目，自己還解得出來嗎？請AI整理過一段說明文字之後，自己能說清楚為什麼要照這個順序寫嗎？

急著完成任務的時候，可以請AI直接提供完整答案。想練習的時候，則可以說：「先不要給答案，只告訴我，目前的想法中，最需要確認的是哪一點。」依照當天的目的，選擇適合的用法。

「我是這樣想的。哪些前提值得確認？」先用一句話寫下自己的預測。目的不是猜中正確答案，而是看清楚對話前後，想法有什麼變化。暫時想不出預測的話，可以先從解釋名詞或一個小例子開始。
「這個詞具體指的是什麼？」不要停留在「聰明」「有壓力」「效率好」這些詞上，而要問清楚，這裡看的是哪些行為或數值。像蒼蠅的例子，就先弄清楚觀察到的行為，再思考如何與人的心情比較。
「有沒有這個解釋不適用的例子？」就像找出「信寫短了，對方仍然沒回覆」的情況，試著尋找會讓解釋失效的條件。AI提出的反例也可能出錯，因此不能因為出現了反駁，就認為事情已經有了定論。
「影響判斷的關鍵說法，可以在哪份原始資料中查證？」除了作者、標題和URL，也請AI指出支持這項說法的具體段落。實際開啟資料，閱讀研究對象、方法和結果。即使論文確實存在，也不一定支持對話中的主張。無法查證，就先保留判斷。
「不看螢幕說明一遍，我漏掉了什麼？」先關掉對話，用自己的話簡短說明。接著和資料比對，補上遺漏、修正錯誤。與其完全交給AI為答案打分數，不如請它指出哪些地方需要進一步確認。

這5個問題不是每次聊天都得嚴格照做的儀式。聊完只覺得「原來如此，好有趣」，也有它的價值。只在想真正學會某個主題，或想用某種解釋來做判斷時，多花一點力氣就好。