在這個AI快速發展的時代，學習如何使用AI工具，似乎已經不再只是技術能力的展現，而是一種全新的思維訓練。而在這段學習過程中，我逐漸體會到一件重要的事情——「表達能力，其實就是使用AI的核心技能之一」。

我的學習程度可以說是「完全的AI小白」。剛開始接觸AI時，我對這些工具的理解非常淺薄，只是單純地把它們當作「更聰明的搜尋引擎」。我習慣用對話的方式向AI提問，想到什麼就問什麼，單純地把問題丟給它。這樣的使用方式雖然方便，但實際上只是把強大的工具用在最表層的功能上，完全就是大材小用。直到我第一次上NUVA的課程，學習GPT與MAKE的Level 1內容，才真正開始打開新的視野。那堂課中，讓我印象最深刻的是「Markdown」這種表達方式。當我第一次理解如何透過清楚的結構、標題、條列去組織資訊時，才驚覺過去的自己其實一直在繞遠路。原來問題不在於AI不夠聰明，而在於我沒有用AI能理解的方式去表達我的需求。 這個轉變讓我開始重新思考「表達」這件事的本質。在學習AI的過程中，關鍵不只是會操作工具，而是要先知道我真正想要的是什麼結果。當目標清楚之後，下一步就是反向拆解：為了達到這個結果，需要哪些步驟？這些步驟之間的邏輯關係是什麼？而最重要的是，我要如何把這些想法清楚、精準地傳達給AI？這其實是一種思維上的升級。過去我們習慣直接問答案，但現在我們需要學會設計問題。一個好的提問，包含了背景、目標、限制條件與期望輸出。當這些資訊越完整，AI給出的回應就越接近我們真正需要的結果。也因此，與其說是在學AI，不如說是在訓練自己的邏輯與表達能力。

這樣的體悟，在我近期開始接觸短片製作時變得更加深刻。起初，我只是單純地對影片創作產生興趣，但在逐步深入研究後，我發現整個製作流程其實高度依賴「前期規劃」。尤其是在跨平台協作的情境下，不同工具之間的銜接，如果沒有清楚的表達，很容易產生誤差與重工。舉例來說，在使用AI生成影片之前，如果沒有先設定角色的四鏡圖，那麼每一次生成的畫面都有可能出現風格不一致的問題。同樣地，如果沒有先完成腳本與分鏡設計，就直接進入生成階段，很容易導致影片節奏混亂、內容不連貫。這些問題的本質，其實都不是技術不足，而是表達與規劃不夠清楚。當我開始在前期投入更多時間進行規劃，例如明確定義角色、拆解場景、設計鏡頭語言，甚至用文字或圖像方式將這些內容具體化時，我發現整個製作流程變得順暢許多。不僅錯誤率大幅降低，也減少了在不同工具之間反覆修正的時間成本。換句話說，良好的表達，不只是讓AI更好理解，也是在降低整體溝通成本。

隨著AI工具越來越多，版本更新速度越來越快，我也逐漸意識到一個現實：工具本身並不是關鍵，關鍵在於使用工具的人。如果沒有清楚的需求與表達能力，再強大的工具也無法發揮應有的價值。相反地，當我們能夠精準地描述問題、清楚地定義目標，即使是基本的工具，也能創造出令人驚豔的成果。更重要的是，我們不能盲目地接受AI給出的答案。AI的回應，本質上仍然是基於我們提供的資訊所生成的結果。如果輸入本身就不夠清楚，那麼輸出自然也不會理想。因此，學習AI的過程，其實也是一種「自我校正」的過程。我們需要不斷檢視自己的提問方式，調整表達的精準度，並學會判斷AI回應的品質。

未來，我相信AI會持續進化，但有一件事情不會改變，那就是——人仍然需要對自己的想法負責。而表達，正是將想法轉化為成果的橋樑。學會表達，不只是為了讓AI理解，更是為了讓自己更清楚地看見目標、規劃路徑，並最終實現它。因此，與其追逐最新的工具，不如先回到最根本的能力：好好表達。當表達變得精準，AI才真正為我所用，而不是我被工具牽著走。