找回密码
 注册

Sign in with Twitter

It's what's happening?

微信登录

微信扫一扫,快速登录

萍聚头条

查看: 213|回复: 0

AI 时代的学习范式

[复制链接]
发表于 2025-11-29 12:46 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?注册 微信登录

×
作者:微信文章
w1.jpg

AI 时代的学习范式

对于一个渴望成长的我来说,每天输入高质量信息是很重要的。
但现在,高质量信息太多了,看不过来。
很多内容都是看一遍就完事,其中涉及的很多陌生概念、专业术语、逻辑链条等等,都直接略过了。

最近我开始反思,这样做是否有意义?
最后,我决定:减少高质量信息源,把数量压缩到一个水平,让我对每个视频、每篇文章,都能够理解 80% 以上。


首先,输入 → 内化 → 输出。

输入不缺,只要用心去找,高质量信息源有很多。
所以,我们的重心来到了内化,而 GPT 是我们的至宝。

学习新领域,第一步是构建概念。GPT 能够很好地帮助我们理解概念:

请深入浅出、用通俗易懂的大白话讲解:{概念}

有了概念之后,就会慢慢去思考概念之间的关系:
不同概念之间的区别、因果,总之会产生各种联系。
一个个概念就像一个个神经元,每个神经元都可以与其他的神经元建立联系。

产生联系的过程,就是在内化。
其中会冒出很多疑惑,这时候依旧需要 GPT 的帮助,解疑答惑。


我们为什么要这么做?而不是每个视频看过一遍就算了?

从「认知科学」看,我们的大脑有一个「短期记忆」和一个「长期记忆」。
绝大多数看一遍就划走的内容,会停留在短期记忆,就像路上的行人,事后无法回忆。

只有当你反复接触、带着情绪,或者真正用过一次,它才有机会被大脑当作「值得留下的东西」,挪到长期记忆里。就像经常相遇的朋友、转角惊鸿一瞥的倩影、路上搭讪过的异性。

问题不在于你每天看了多少内容,而在于:
看完之后,你的大脑有没有一丁点变化(神经元和神经突触是否变多、变粗)。

如果你每天不停地「刷知识」:视频只看一遍,不停留、不追问、不记录、不输出,
那本质上只是把短视频换成了「知识版短视频」。

这是一种「学习型娱乐」,形式上像在“学习”,本质上是在“自我安慰”。


这让我想到李继刚老师的话:

如果你在没有明确产出目标的情况下,持续地看书、上课、囤积教程,这不叫学习,这叫「知识消费」。

很对,但是太难了。
我们无法做到时时刻刻,甚至大部分学习时间都带着一个明确的产出目标。

更多的时候,都是在输入信息,持续地输入,只是为了不落后。


这又让我想到 flomo 笔记的 slogan:

持续不断记录,意义自然浮现。

我认为这是当下的最优解。
把它应用到我们的学习上,结合前面提到的「学习型娱乐」:

    如果说学习型娱乐是第一层级,

    那么持续不断的内化式学习,就是第二层级,

    而明确目标式学习,则是第三层级。

当下,对我最契合的是「持续不断内化式学习」,意义自然浮现。


真正的分水岭,不是你看了多少内容,而是:
每看完一个有用的内容之后,能不能用自己的话,把它说出来 / 写出来 / 用一次。

我在学习《Web3 101》播客的这一期的时候:

E68|手握电力的加密矿工,会是 AI 时代的「淘金卖水人」吗?

整个播客只有一小时,但是其中的很多东西我都不懂。
之前我可能会想“算了”,但这一次,至少目前没有,也希望后来能够坚持。

很多概念,如:GW、矿工、小型模块化反应堆、燃气轮机、AIDC、ASIC 等等,一点都不懂。
随便深入其中,比如 GW,我甚至连手机的充电功率、台灯、空调、每天都在用的笔记本的功率都不知道,又怎么去理解一个 GW 这么大的功率?

随便深入其中,太多太杂。
看似一个小时,却略去了前辈们常年累月积累的「先验知识」,
这些都是我们需要一步步去和 GPT Chat 的。
Die von den Nutzern eingestellten Information und Meinungen sind nicht eigene Informationen und Meinungen der DOLC GmbH.
您需要登录后才可以回帖 登录 | 注册 微信登录

本版积分规则

Archiver|手机版|AGB|Impressum|Datenschutzerklärung|萍聚社区-德国热线-德国实用信息网

GMT+1, 2025-12-19 14:51 , Processed in 0.082143 second(s), 29 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2025 Discuz! Team.

快速回复 返回顶部 返回列表