1976 年蒙特婁的記分板只能顯示 1.00，裝不下 Comăneci 的 10 分。跟 AI 對話也一樣：框架與標準是人畫的，附今天就能做的「先把你的 10 分寫下來」。
Read in English: The Scoreboard That Could Not Show 10
Minerva Immersion Week｜第 1 天延伸
1976 年，蒙特婁奧運。
14 歲的 Nadia Comăneci，
在高低槓上，拿到奧運體操史上第一個 10 分。
可是全場的記分板上，
亮起來的數字是：1.00。
不是裁判打錯。
是記分板只有三位數。
設計它的人，
從來沒想過，會有人拿到 10 分。
在東京上 Minerva Immersion Week 的第一天，
講者教我們一個方法：
請日本同事用手指，比 1 到 5 分。
他說，日本人幾乎都比 4。
因為永遠在改善，所以永遠不是 5。
日本人不比 5，
是文化刻意留了一個空間。
記分板顯示不了 10，
是設計的人，想像力沒有留空間。
兩件事放在一起，我想通了一件事：
你設計的量表，
已經替你做了一半的決定。
跟 AI 對話，也是這樣。
你給它的框架，
你給它的限制，
其實早就決定了，它可以走多深。
你請 AI 照會考作文的六級分標準，
幫孩子的作文打分數。
它會打得很準。
但如果孩子寫出一篇
完全不在評分標準裡的好文章，
它看得見嗎？
它只能在你給它的那塊記分板上，
找一個最接近的數字。
那篇文章，就是它的 10 分。
而你給它的，是一塊只有三位數的記分板。
所以我想說清楚一件事。
絕對不是 AI 在主控。
AI 可以幫你看見，很多你看不到的東西。
這是真的，我每天都在用。
但 AI 的能力，
還有它的邊界，
很大很大的一部分，
是由人來決定的。
由你給它的問題，
你給它的標準，
你允許它看多遠。
框架太鬆，
它給你一個平均的答案。
框架太緊，
它看不見那個 10 分。
AI 再強，
也只能在你畫的範圍裡跑。
但我要先說清楚，免得這篇變成「不要給 AI 框架」。
框架不是壞東西。
沒有記分板，奧運也比不了賽。
問題不是要不要框架。
是你有沒有意識到，
那個框架是你畫的，
而且它可能裝不下你最想看見的東西。
這週就做一件事。
下次要請 AI 幫你打分數、排名、篩選之前，
先問自己一句：
「這塊記分板，最多能顯示到幾分？」
然後，把你心裡的那個 10 分，
自己先寫下來，再放進提問裡：
「除了這份評分標準，我也在意：＿＿＿。」
AI 看不見你沒給它的記分板。
能把記分板加大的，只有你。
家長：請 AI 看孩子的作業之前，先自己讀一遍，寫下一個你看到的優點，再告訴 AI：「除了評分標準，我也在意這一點，請一起看。」
老師：用 AI 批改之後，挑一份分數普通的，自己再讀一次，找找看有沒有它沒看見的 10 分。
上班族：用 AI 篩履歷之前，先寫下你最怕錯過的那一種人，再看你給的條件，會不會剛好把他刷掉。
在 Minerva，我念的碩士叫 MDA，Decision Analysis，決策分析。
我在那裡學到最重要的一件事，
就是先看清楚自己用的是哪一塊記分板。
MDA 和 World Wise 的報名連結，我放在第一則留言。
你最近一次被一塊記分板限制住，是什麼時候？