AI 让「怎么学」便宜到免费,稀缺的是「为什么学
上周我导出过一段自己和 AI 的真实对话。我问的是:用 AI 学新领域时,“预设过载”——一上来一堆专业术语,把人砸懵——有没有现成解法。 AI 回得很漂亮,三大类:提示词层面(“解释得像讲给五岁小孩”、费曼式追问、强制降维模板),工具层面(划词解释插件、AI 闪卡、间隔重复),框架层面(苏格拉底式引导、螺旋式三轮学习、认知负荷自适应)。一条光谱,从轻到重,无懈可击。 然后我只回了一句: “我认为还有一个很重要,就是,为什么学习,和学习什么一样重要。虽然你说的全部都是怎么学习。” AI 立刻认了:“我上一轮确实默认了你已经知道为什么学、学什么,只谈了怎么学。但在 AI 学习场景里,这个默认恰恰最危险。” 然后它给了全篇最值钱的一句话:How 越来越便宜,Why 和 What 反而越来越稀缺。 这段对话就是本文的全部起点。AI 给了十几种"怎么学"的解法,而真正的问题根本不在"怎么学"。 为什么"预设过载"不是技术问题 先把机制拆开。为什么 AI 一上来就是术语洪水?表面是它"爱显摆权威",底层是一个更冷的东西: 没有 Why,你就没有筛选标准,AI 给什么你接什么; 没有 What,你就不知道什么重要,于是所有术语都显得重要; 最后,AI 的"完整、专业、全面",就变成了认知洪水。 注意这个顺序:过载不是 AI 的 bug,是 Why 和 What 缺位的症状。你缺的从来不是"让 AI 讲简单点"的技巧,是"我为什么碰这个、我要到什么程度就停"的标准。标准一立,术语里八成的词会自己变暗;标准不立,AI 讲得再简单你也照样被淹没——因为"简单"是相对的,没有"够不够",简单就没有止境。 这是通缩的迁移。AI 把执行层的成本压到接近零之后,稀缺性没有消失,只是挪了地方:从 How(怎么学)挪到了 Why(为什么学)和 What(学什么)。会写提示词、会查资料、会做闪卡,这些正在从"人的本事"变成"机器的默认能力"。 落到一句话:AI 是放大器。Why 清晰,它放大你的能力;Why 模糊,它放大你的焦虑和术语过载。在错误方向上高效奔跑,是最贵的一种浪费。 举个一人公司最常踩的场景。你想接一个新需求,客户说要"上向量检索",于是你去问 AI。它给你讲 embedding、召回、重排、ANN 索引,一页术语。你以为自己在"学 RAG",其实真正的问题早被术语盖住了:这个需求到底值不值得用 RAG 解,还是加个 grep 就够。没有 Why,你不会想到问"这个客户的数据量有多大"——而答案往往是"几百条,压根用不上向量检索"。目的没立住,学得越全,离钱越远。 这就是为什么"预设过载"的解法不是换一个更会降维的提示词,而是先把"我到底要拿它干什么"钉死。 再深一层,这也不只是个人学习习惯问题。当一项技能能被 AI 稳定、廉价地完成时,它就在被并入生产资料——就像当年织布手艺被并进纺织机。人剩下、不可外包的部分,从来不是"执行",是"判断":判断学什么值得、到什么程度该停、这个知识对我的问题到底有没有用。AI 是劳动资料,不是劳动主体;它替你干活,但"为什么干"必须是你自己的。所以"预设过载"骨子里不是技术现象,是没有目的的学习就是消费——你在为一个不存在的目标,消耗认知,也消耗 AI 那点"权威"。 三条能今天就用的 第一,先写"不学行不行"。 ...