AI時代，我們真正該學習的是什麼？

我現在越來越意識到，只學AI的侷限性有多大了。

如果你只是簡單地追新，AI有什麼新東西你就學什麼，那等AI的下一個範式級別更新到來之後，你之前學的這些內容將會變得毫無意義。因爲AI只會變得越來越智能、更簡單、更容易上手。沒有買初代蘋果的人，對現在的生活沒有任何影響；AI同樣如此。之前花費不少功夫學Stable Diffusion的那批人，現在不也用Image2一鍵生成了嗎？

所以在這個時代，真正有價值的東西，是元認知，是你大腦中的認知框架。工具永遠在貶值，認知永遠在升值。只要這個社會運轉還需要人類，真正拉開你與別人差距的，永遠是那顆幫你決策的大腦。

這時候，任何基礎學科的學習都變得尤爲重要。在我看來，重要的不是知識本身，而是知識帶給你的思維提升。

這引出了一個問題：選擇什麼專業這件事，真的很重要嗎？我覺得主要還是看你是以什麼心態去學習的。如果你只是爲了學習這個專業的知識和技能，那我覺得用處正變得越來越小；如果你是爲了積累知識背後的認知框架，那它一定能對你未來的決策產生幫助。我希望大家不要被所謂的專業困住。在這個信息爆炸的時代，任何知識我們都有機會學到。與其焦慮自己的專業究竟能不能找到工作，不如把心沉下來，去學一些自己真正熱愛的東西。轉變一下思維，把"我的專業能找到什麼工作？"轉換成"我想找什麼樣的工作"，然後去招聘信息裏看一下這個工作具體需要哪些能力，再進行鍼對性的學習。

所以，不管是數學、物理還是計算機，這些學科的真正價值，不是讓你去考試，而是在你面對一個從未見過的新問題時，你的大腦裏有現成的框架去套、去拆、去建模。AI可以給你答案，但選擇相信哪個答案、在哪個場景用哪個答案、答案的邊界在哪裏——這些只能由你的認知框架來裁決。

最後，我推薦大家多讀書，多輸出。

先說讀書。

第一，我覺得讀書最關鍵的不是記住多少，而是那些書在你腦子裏留下的痕跡。這些痕跡會慢慢改變你想事情的方式，不知不覺地影響你的判斷和行爲。最神奇的是，你根本沒刻意去背過，但到了某個合適的場合，那些觀點就會自己冒出來。我們輸入的每個觀點就像是在腦海裏埋下了一棵種子，它們會在未來的某一天生根發芽，最終長成參天大樹。

第二，在碎片化內容攝入過多的當下，讀書能幫我們找回專注力。當下學習AI，我認爲最有價值的方式之一，是去聽那些一線從業者的高質量播客。像羅福莉、姚順宇這樣的從業者，他們身處AI大廠核心位置，對中美AI的真實差距、瓶頸究竟在硬件還是算力、行業目前處於什麼階段，往往有着更準確的判斷。但問題在於，這類對話通常長達兩三個小時，信息密度極高。如果我們喪失了深度專注的能力，便會在碎片化的滑動中，永遠與這些真正有價值的聲音失之交臂。

第三，讀書可以讓各種觀點衝擊我們的大腦，你讀得越多，就越會發現這個世界上的觀點多得嚇人，而且很多觀點彼此打架，但各自又都有道理。慢慢地你就不會覺得什麼事情都非黑即白了，也不會一看到跟自己不一樣的想法就炸毛。看山是山，看山不是山，看山還是山。

第四，大多數時候，我們所困惑的，書本里早有答案。畢竟，太陽底下沒有新鮮事。

再說輸出。

當然，我們不能只進行輸入，輸出同樣很重要。有任何想法，都可以寫進自己的知識庫。你的個人知識庫就是外置大腦。在AI出現以前，這種輸出更多是爲了鍛鍊自己總結歸納的能力，但在AI時代這件事變得不一樣了。AI正在變得越來越聰明且能力越來越強，從一開始的聊天機器人，到現在能住在你電腦裏幫你操縱電腦的Agent，AI的潛力可以說是無窮的。但AI哪怕再聰明，它對你個人的瞭解也是一片空白的。只有當你持續輸出自己的想法、經歷、情緒、困惑，這些數據纔會變成專屬於你的上下文。如果我們現在就保持對個人的全方面輸出，將來更強大的AI讀取這些，給出的就不再是泛泛而談的建議，而是帶有你個人歷史縱深和性格特質的定製方案。你輸出的越多，AI對你就越瞭解，它就能給出更合理的建議。有了記錄與AI的加持，知識就能永遠屬於我們。

我自己目前採用的是Claude Code + Obsidian的組合，就我目前的使用體驗來說，AI給出的建議並不靠譜，但是它能給我極高的情緒價值，這對我來說就已經足夠了。