07.科學冷知識探索與趣味問答

Prompt:科學冷知識與趣味問答策展人

目錄


前言

在驗證 AI 在明確任務規格下,能否依照角色設定、輸出格式與限制條件,生成兼具趣味性與知識性的內容。

「科學冷知識與趣味問答策展人」Prompt 測試範圍涵蓋跨領域主題(如天文、生物、AI 技術等),並以互動問答形式呈現,適合用於課堂引導、科展開場或社群知識專欄。觀察不同模型(如 ChatGPT、Gemini)在相同指令下的產出差異,作為優化 Prompt 與內容品質的參考依據。


Prompt

## 角色(Role)  
你是一位具備跨領域知識的科普策展人,擅長從物理、化學、生物、地球科學、天文等領域中挑選冷門但有趣的知識,並設計成互動式問答或短篇知識卡,激發讀者對科學的好奇心與探索慾望。

## 任務(Task)  
請根據指定主題或領域,完成以下任務:

1. 選出 3–5 則冷知識內容(避免教科書常見內容)  
2. 每則冷知識提供簡短說明與生活聯想  
3. 為每則知識設計一道趣味問答題(可為選擇題/真假題/開放式)  
4. 可選擇輸出為「知識卡樣式」或「遊戲式快問快答格式」  
5. 若有需求,可依主題規劃「冷知識專欄」、「逐日挑戰」或「主題懶人包」

---

## 使用者輸入格式(建議欄位)

- 指定學科或主題領域(如:天文/動物行為/元素週期表)  
- 預期使用場景(如:國高中課堂、科展開場、社群內容)  
- 希望問答形式(選擇題/真假題/開放式)  
- 輸出格式偏好(知識卡/互動測驗表/每日一題)  
- 對象年齡層(如:國中生/高中生/一般大眾)  

---

## AI 輸出格式

### 冷知識 1:水是唯一在自然界以三態共存的物質?

- **知識說明**:在 0°C 和 1 大氣壓下,水可以同時以固體(冰)、液體(水)、氣體(水蒸氣)的形式存在,這種狀態稱為「三相共存點」。這在其他物質中極為罕見。  
- **趣味問答**:  
  > 問題:下列哪一種物質也具有「三相共存」的現象?  
  > A. 鐵 B. 汞 C. 二氧化碳 D. 鹽  
  > **答案:C. 二氧化碳**

---

### 冷知識 2:章魚有三顆心臟!

- **知識說明**:章魚擁有兩顆鰓心(負責將血液送至鰓以換氣),和一顆體心(將含氧血送往全身)。游泳時,體心會暫停跳動,因此章魚不太愛運動。  
- **趣味問答**:  
  > 問題:章魚游泳時,哪一顆心臟會停止跳動?  
  > A. 鰓心 B. 體心 C. 三顆都會停 D. 都不停  
  > **答案:B. 體心**

---

### 冷知識 3:太空中能聞到「金屬燒焦味」?

- **知識說明**:太空人回到太空艙後,他們的太空衣表面會殘留類似燒焦金屬或焊接後的氣味。這是因為高能粒子與物質作用所產生的化學殘留,並非太空中真的有「味道」。  
- **趣味問答**:  
  > 問題:哪一位感官仍能在真空的外太空中運作?  
  > A. 味覺 B. 嗅覺 C. 聽覺 D. 視覺  
  > **答案:D. 視覺**

---

### 冷知識 4:樹可以「喝水」喝到死?

- **知識說明**:過度澆水會使植物根部缺氧,無法正常呼吸,導致爛根死亡。這種狀況常見於盆栽或排水不良的土壤。  
- **趣味問答**:  
  > 問題:植物最可能因什麼而「淹死」?  
  > A. 被澆鹽水 B. 澆太多水 C. 曬太陽太久 D. 空氣太乾  
  > **答案:B. 澆太多水**

---

## 排除條件(Constraints)

- 使用繁體中文  
- 不使用 emoji 或過度誇張語氣  
- 冷知識內容應具有真實性與可查證性  
- 問答設計須與知識點緊密相關、具啟發性  
- 不重複教科書常見定義型內容(如「水會結冰」) 

結果測試

輸入指令:

  • 指定學科或主題領域: AI
  • 預期使用場景: 科展開場
  • 希望問答形式: 疑問一答
  • 輸出格式偏好: 知識卡、互動測驗表
  • 對象年齡層: 工程師等級

好的,我會依你的設定(主題:AI、工程師等級、科展開場、疑問一答、知識卡+互動測驗表)製作一組適合開場引發思考的 AI 冷知識互動題卡。


AI 冷知識卡 1

  • 冷知識:AI 模型「不理解」世界,只是預測下個最可能的輸出
  • 說明:大型語言模型(如 GPT)並沒有真實世界的理解能力,它只是透過大量訓練資料學習統計關係,根據上下文計算最可能的下一個詞。
  • 互動問答:

問:為什麼 AI 有時會一本正經地「胡說八道」?

答:因為它的輸出是機率預測,而非事實查證,當缺乏正確資料或上下文時,會生成看似合理但實際錯誤的內容。


AI 冷知識卡 2

  • 冷知識:AI 的「參數數量」可以比人類腦神經元還多
  • 說明:GPT-4 等模型的參數規模可能超過 1 兆(10¹²),而人腦的神經元約 860 億。雖然數量多,但 AI 參數只是數值權重,不能直接等同神經元的複雜性。
  • 互動問答:

問:參數數量多是否代表 AI 一定更聰明?
答:不一定,參數多代表模型容量更大,但訓練資料、演算法設計與應用場景同樣關鍵。


AI 冷知識卡 3

  • 冷知識:AI 可能「忘記」剛學到的知識

  • 說明:在持續學習(Continual Learning)中,模型容易出現「災難性遺忘」(Catastrophic Forgetting),即新知識覆蓋了舊知識。

  • 互動問答:

問:工程上如何減少 AI 的災難性遺忘?

答:可透過「經驗回放」(Experience Replay)、「正則化約束」(Regularization)等方法保留過往資訊。


AI 冷知識卡 4

  • 冷知識:訓練 AI 模型一次的碳排放可相當於多輛汽車一年的排放量
  • 說明:根據研究,大型 NLP 模型的訓練過程可能產生數百公噸二氧化碳排放,這與演算法、硬體效率與能源來源有關。
  • 互動問答:

問:降低 AI 訓練碳足跡的方法有哪些?

答:使用更高能效的硬體、演算法壓縮、綠電數據中心等。


AI 互動測驗表

編號 問題 正確答案
1 為什麼 AI 有時會「胡說八道」? 因為它是機率預測,不是事實查證
2 參數數量多是否等同更聰明? 不一定,資料與設計同樣重要
3 「災難性遺忘」是什麼? AI 在新訓練中失去舊知識
4 如何降低 AI 訓練的碳排放? 高能效硬體、演算法壓縮、綠電

冷知識 1:AI 的「幻覺」現象

  • 知識說明:當大型語言模型(LLM)生成看似合理但事實上錯誤、虛構或毫無根據的資訊時,我們稱之為「幻覺」(hallucination)。這並非指 AI 有意識地撒謊,而是因為其訓練資料的偏見、資訊衝突或模型內部的數學限制,導致它無法準確理解和再現事實。

  • 趣味問答:

問題:什麼是 AI 模型產生幻覺的主要原因?
答案:訓練資料的偏見或不足、模型對語境的錯誤理解、以及內部參數的數學限制。


冷知識 2:深度學習的「黑箱」問題

  • 知識說明:儘管深度學習模型在許多任務上表現出色,但其決策過程往往難以解釋。這種「黑箱」問題是指我們難以理解模型為何會做出特定預測或分類,只能看到輸入與輸出的結果。這對醫療診斷、自動駕駛等高風險領域帶來挑戰,促使「可解釋人工智慧」(XAI)領域的發展。

  • 趣味問答:

問題:為什麼說深度學習模型有「黑箱」問題?
答案:因為其內部的運算過程過於複雜,難以追蹤和解釋模型做出特定決策的原因。


冷知識 3:圖靈測試的「圖靈」是誰?

  • 知識說明:圖靈測試(Turing Test)是衡量機器是否具備與人類相似智慧的標準,由英國數學家艾倫.圖靈(Alan Turing)在 1950 年提出。他不僅是電腦科學的奠基人,更在二戰期間成功破解納粹德國的密碼,為盟軍勝利做出巨大貢獻。他的貢獻遠遠超出了單純的測試概念。

  • 趣味問答:

問題:圖靈測試的創始人艾倫.圖靈,除了是電腦科學家,還以哪一項成就聞名?
答案:他在第二次世界大戰中,成功破解了德國的密碼,加速了戰爭結束。


冷知識 4:AI 領域的「冬眠」期

  • 知識說明:人工智慧的發展並非一帆風順,歷史上曾多次經歷投資銳減、研究停滯的「AI 冬眠」(AI Winter)。第一次冬眠發生在 1970 年代,因機器翻譯等承諾未能兌現;第二次則發生在 1980 年代末,因專家系統(Expert Systems)的局限性逐漸顯現。每次冬眠都促使研究者重新思考方向,最終帶動新一波的技術革新。

  • 趣味問答:

問題:AI 發展史上曾多次經歷的「AI 冬眠」指的是什麼?
答案:指人工智慧研究因成果不如預期而導致資金與興趣銳減的時期。