事件總覽：從過往對語法的執著，到現今對語義的精準追求，AI 時代正重新定義文科生在科技浪潮中的關鍵價值與邏輯思維的應用，古典修辭學意外成為提升大型語言模型（LLM）輸出品質的關鍵。
📅 資訊時代：語法主導的溝通模式
回顧過去的資訊時代，我們與機器的互動核心是「語法」。這就好比我們必須學習電腦能理解的語言，例如 Python 或 C++，將人類的意圖轉譯成一套嚴謹的邏輯結構。說真的，那時候人機對話的門檻，就是技術能力與程式語言的掌握度。
📅 LLM 時代降臨：語義理解的全新挑戰浮現
不過，當生成式 AI 席捲各產業，大型語言模型（LLM）橫空出世，情況徹底翻轉。現在的核心轉向了「語義」。LLM 本質上就是一座大型機率預測機器，它根據上下文去猜測下一個字出現的機率。但有趣的是，儘管模型越來越強大，開發者們正忙於優化參數、推升算力，許多企業卻發現，輸出的結果常常「平庸」甚至「偏離商業脈絡」。筆者觀察到，目前的技術瓶頸，其實出在人類「不會發問」。當開發者過度依賴調整參數，卻忽略了指令中詞彙的「權重」與語境的「邊界」時，輸出的結果自然會滑向模糊，甚至出現所謂的「幻覺」。
📅 古典智慧復甦：修辭學框架賦能提示工程
這時候，兩千年前的古典智慧突然變得極其重要。亞里斯多德提出的古典修辭學，簡直是提示工程（Prompt Engineering）的完美框架，它提供了三個核心概念，讓我們能更精準地與 AI 對話，大幅提升大型語言模型的輸出品質：
- 人格特質（Ethos）：透過在提示詞中設定 AI 的角色（Persona），例如要求 AI 以「資深顧問」或「批判性學者」的身份回應，就能有效縮小模型的搜尋範圍，讓輸出更具權威性和針對性。這就像是給 AI 穿上專業的制服，明確它的發言立場。
- 情感共鳴（Pathos）：明確定義你的目標受眾，讓文科背景的人發揮優勢，精準分析讀者的心理預期。這能引導 AI 調整語氣（Tone of Voice），使內容不僅正確，還能觸動人心，具備強烈的穿透力和感染力。
- 邏輯論證（Logos）：這是提示工程的核心。運用「思維鏈」（Chain of Thought）的手法，將複雜問題拆解成層層遞進的論點，確保 AI 的推理過程嚴謹且具說服力。說真的，這就是訓練 AI 像個嚴謹的辯論家，讓它的推論有理有據。
透過這些古典修辭學的「結構化敘事」來約束 AI 的發散性時，大型語言模型所展現的邏輯程度會變得更為嚴密。這其實就是在教 AI 如何「好好說話」，而且說得有條有理，直接回答了為什麼大型語言模型更需要古典修辭學這個問題。
📅 現今與未來：文科生引領 AI 決策與價值判斷
長期以來，文科生常被貼上「感性、缺乏邏輯」的標籤，但在現今的 AI 時代，這種偏見正在被徹底翻轉。為什麼？因為自然語言的邏輯是「開放式」的，而文科訓練中強調的批判性思考、文本解構與詮釋學，正是處理這類開放式問題的利器。當企業需要將抽象願景轉化為 AI 可執行的步驟時，文科生在「定義模糊邊界」與「脈絡化思維」上的優勢就顯現出來了。
這些能力不僅能釐清概念間的邏輯關聯，避免 AI 在概念滑轉中產生幻覺，更能理解技術產出在社會、法律或道德層面的深遠影響。這些領域，單純優化演算法是完全觸及不到的。可以說，文科生的競爭力不只在於產出內容，更在於「設定標準」。在內容生產過剩的未來，具備審美眼光、價值判斷與邏輯檢核能力的文科通才，將成為管理 AI 決策的關鍵人物。
AI 降低了技術門檻，卻反而拉高了敘事門檻。一個能理解技術潛力，又能以深刻的人文視角進行跨學科敘事的人，才能在這個時代獲得不同的機會。所謂的「跨學科敘事力」，就是能將枯燥的數據、複雜的模型邏輯，轉化成具商業洞察與情緒價值的「價值主張」。當 AI 越強大，對「人之所以為人」的論述就越重要，需求的是那些能與機器對話，並在對話中守住邏輯底線與創意靈魂的人。