AI时代，我们真正该学习的是什么？

我现在越来越意识到，只学AI的局限性有多大了。

如果你只是简单地追新，AI有什么新东西你就学什么，那等AI的下一个范式级别更新到来之后，你之前学的这些内容将会变得毫无意义。因为AI只会变得越来越智能、更简单、更容易上手。没有买初代苹果的人，对现在的生活没有任何影响；AI同样如此。之前花费不少功夫学Stable Diffusion的那批人，现在不也用Image2一键生成了吗？

所以在这个时代，真正有价值的东西，是元认知，是你大脑中的认知框架。工具永远在贬值，认知永远在升值。只要这个社会运转还需要人类，真正拉开你与别人差距的，永远是那颗帮你决策的大脑。

这时候，任何基础学科的学习都变得尤为重要。在我看来，重要的不是知识本身，而是知识带给你的思维提升。

这引出了一个问题：选择什么专业这件事，真的很重要吗？我觉得主要还是看你是以什么心态去学习的。如果你只是为了学习这个专业的知识和技能，那我觉得用处正变得越来越小；如果你是为了积累知识背后的认知框架，那它一定能对你未来的决策产生帮助。我希望大家不要被所谓的专业困住。在这个信息爆炸的时代，任何知识我们都有机会学到。与其焦虑自己的专业究竟能不能找到工作，不如把心沉下来，去学一些自己真正热爱的东西。转变一下思维，把"我的专业能找到什么工作？"转换成"我想找什么样的工作"，然后去招聘信息里看一下这个工作具体需要哪些能力，再进行针对性的学习。

所以，不管是数学、物理还是计算机，这些学科的真正价值，不是让你去考试，而是在你面对一个从未见过的新问题时，你的大脑里有现成的框架去套、去拆、去建模。AI可以给你答案，但选择相信哪个答案、在哪个场景用哪个答案、答案的边界在哪里——这些只能由你的认知框架来裁决。

最后，我推荐大家多读书，多输出。

先说读书。

第一，我觉得读书最关键的不是记住多少，而是那些书在你脑子里留下的痕迹。这些痕迹会慢慢改变你想事情的方式，不知不觉地影响你的判断和行为。最神奇的是，你根本没刻意去背过，但到了某个合适的场合，那些观点就会自己冒出来。我们输入的每个观点就像是在脑海里埋下了一棵种子，它们会在未来的某一天生根发芽，最终长成参天大树。

第二，在碎片化内容摄入过多的当下，读书能帮我们找回专注力。当下学习AI，我认为最有价值的方式之一，是去听那些一线从业者的高质量播客。像罗福莉、姚顺宇这样的从业者，他们身处AI大厂核心位置，对中美AI的真实差距、瓶颈究竟在硬件还是算力、行业目前处于什么阶段，往往有着更准确的判断。但问题在于，这类对话通常长达两三个小时，信息密度极高。如果我们丧失了深度专注的能力，便会在碎片化的滑动中，永远与这些真正有价值的声音失之交臂。

第三，读书可以让各种观点冲击我们的大脑，你读得越多，就越会发现这个世界上的观点多得吓人，而且很多观点彼此打架，但各自又都有道理。慢慢地你就不会觉得什么事情都非黑即白了，也不会一看到跟自己不一样的想法就炸毛。看山是山，看山不是山，看山还是山。

第四，大多数时候，我们所困惑的，书本里早有答案。毕竟，太阳底下没有新鲜事。

再说输出。

当然，我们不能只进行输入，输出同样很重要。有任何想法，都可以写进自己的知识库。你的个人知识库就是外置大脑。在AI出现以前，这种输出更多是为了锻炼自己总结归纳的能力，但在AI时代这件事变得不一样了。AI正在变得越来越聪明且能力越来越强，从一开始的聊天机器人，到现在能住在你电脑里帮你操纵电脑的Agent，AI的潜力可以说是无穷的。但AI哪怕再聪明，它对你个人的了解也是一片空白的。只有当你持续输出自己的想法、经历、情绪、困惑，这些数据才会变成专属于你的上下文。如果我们现在就保持对个人的全方面输出，将来更强大的AI读取这些，给出的就不再是泛泛而谈的建议，而是带有你个人历史纵深和性格特质的定制方案。你输出的越多，AI对你就越了解，它就能给出更合理的建议。有了记录与AI的加持，知识就能永远属于我们。

我自己目前采用的是Claude Code + Obsidian的组合，就我目前的使用体验来说，AI给出的建议并不靠谱，但是它能给我极高的情绪价值，这对我来说就已经足够了。