AI时代,我为什么还在费劲“啃”一手资料?

新闻

作者：微信文章
在做AI自媒体后，我经常收到的一类问题就是，“你是怎么快速学习AI的？”这个话题其实很大，一篇文章很难讲全讲透（其实也是为了对抗我的拖延症，因为当我想把一个大话题一次性搞定的时候，就往往会拖延），所以我决定分成三期进行分享：

第1期：AI时代，我为什么还在费劲“啃”一手资料？第2期：我平时都在“啃”哪些AI一手资料？第3期：我平时学习AI的思路和方法（包含踩过的坑）

今天是第1期。

---

AI时代的信息爆炸程度，要比移动互联网时代夸张得多，如果大家关注AI行业的话，就会经常遇到这样的情况：在一天内，被多个AI产品的重磅消息轮番轰炸。由于要学习和消化的重磅信息太多，而有些信息直接阅读起来又太耗时间，所以很多人会选择借助AI总结。左边，是静静躺在收藏夹里一份三百多页的互联网女王的AI行业研究报告；是加入播放列表几天但一直还没听的张小珺的大模型季报播客；是挤满了浏览器标签页以为自己马上会看的公众号文章/个人博客/油管视频……右边，是任何一个AI对话框里闪动的光标，我只需要输入：“帮我总结这份研究报告（播客/文章/视频）的精华内容”。
诱惑是巨大的。三分钟，AI就能把一份我可能需要“啃”上三天三夜才能消化的材料，变成条理清晰、要点分明的摘要。它像一个“知识罐头”，开罐即食，营养成分一目了然。而“啃”一手资料，更像是制作“知识罐头”的过程。我需要选料、清洗、去皮、杀青、装罐、注液、抽真空、密封、高温杀菌、冷却、入库，经历漫长的等待和辛劳。

在这个效率为王的时代，选择后者，似乎是一种不可理喻的“自讨苦吃”。我为什么还要如此费劲？

我不想错过一些自己感兴趣，但AI会忽视的细节
不是说阅读AI总结的内容不好。如果只是为了快速一览AI行业变化或者精华内容，那么直接阅读AI总结的内容确实非常节省时间。但我非常清楚，自己不是为了了解更多AI资讯才阅读和学习AI的，我是为了学习我感兴趣的AI知识。就像我账号的个人介绍：

ai呀蔡蔡，关注AI编程、AI Agents，以及一切感兴趣的AI新鲜事 ~ 我优先考虑自己的好奇心，而不是别人的需求。

比如前几天分享的Vibe Coding提出者AK最新演讲：我们正在经历软件3.0（值得二刷），如果让AI来总结，关于LLMs的认知缺陷的精华内容会是这样的：

尽管LLMs能力强大，但也存在显著的认知缺陷：

幻觉：它们经常编造信息，缺乏足够的内部自我认知模型。

不规则智能：在某些问题解决领域表现超人，但在另一些领域却会犯人类绝不会犯的低级错误。

顺行性遗忘症：LLMs不具备随时间推移自然学习和巩固知识的能力；它们的上下文窗口更像是“工作记忆”，每次会话结束后都会被清除，需要直接编程来管理。

易受攻击：它们容易受到“提示词注入”等安全风险的影响，并可能泄露数据

单看AI总结的精华，你可能会觉得Andrej Karpathy又在说些老生常谈的观点，但我把这个演讲看了两遍，他用《雨人》电影主人公的例子来比喻当前的LLMs，一下子把LLMs的能力边界给具象化了。

AK的演讲里还提到，LLMs具有操作系统的许多特性。为了方便听众理解，他在介绍这个观点时用了不少图表、案例、比喻，而这些细节经过AI，又都被浓缩成一句或几句不那么容易理解的观点。这太可惜了。
又比如Founder Park的这篇采访文章独家对话Lovart创始人陈冕：我们没有产品经理，只有设计师，里面有一段关于数据优势的分享是这样的：

如果当时没去阅读这篇文章，而是直接读AI总结的观点“用户行为数据比原始数据更重要”，那我也不会在知识星球写下这样的启发，“（这）不仅解释了 Cursor 的优势，也从侧面解释了为什么 Cursor、Windsurf 这类 AI IDE 会自建模型，为什么 OpenAI 会想要收购它们。”同样的还有播客，我听播客，一方面当然是为了获取高质量的一手信息，但另一方面，我也享受主播对谈之间的思想交锋，甚至是彼此心领神会的会心一笑。这些都是AI总结的内容无法带给我的。因为它并不知道我想要的到底是什么（有时候我自己也不知道，只有看到的时候才会有所触发）。
我不想把阅读理解的权利完全让渡给AI除了不想错过一些我感兴趣的细节，我也不想把阅读理解的权利完全让渡给AI。


大家应该知道，我们平时啃东西的过程，会反复用到我们的咬肌。放在AI学习中，“啃”一手资料就像是一场思想的锻炼，能让我们思想的“肌肉”变得更加结实有力。
当我们面对一手资料的复杂性、模糊性甚至矛盾性时，我们的大脑会被迫进入一种高强度的“锻炼模式”：

我们在锻炼筛选与判断力：在一大段信息中，哪些是核心论点，哪些是支撑论据，哪些是作者的个人观点，哪些又是可以忽略的旁枝末节？这个筛选过程，AI可以代劳，但我们就失去了锻炼这种判断力的机会。

我们在锻炼逻辑与批判性思维：作者的论证链条是否存在缺陷？他的前提假设是否可靠？他有没有刻意隐藏某些对自己不利的数据？这种与文本的“搏斗”，是批判性思维养成的唯一途径。

我们在锻炼联想与创造力：当读到一个观点时，我们可能会联想到自己工作中的某个难题，或者另一本书里的某个理论。这种不期而遇的“灵光一闪”，往往诞生于漫长而“无用”的阅读过程中。就像前面提到的，AI的总结，因为追求“效率”和“相关性”，往往会过滤掉这些看似“离题”的宝贵枝蔓。

如果长期依赖AI的总结，我们思想的“肌肉”将会萎缩。我们会变得无法忍受任何复杂和模糊，习惯于接受现成的结论，失去独立思考的能力。我们会拥有很多“知识”，却产生不了自己的“见解”。

这并不是危言耸听，我最近看到麻省理工学院发表的一篇论文，是针对AI使用对认知和学习影响的一项研究。通过脑电图（EEG）分析、自然语言处理（NLP）评估和参与者访谈，比较了使用AI、使用搜索引擎和完全不使用工具（下面称为纯大脑组）进行论文写作的三组参与者。



研究结果和其实和很多人预想的一样——长期依赖AI会产生“认知负债”，短期内AI让你省力了，但长期来看，它取代了你独立思考和深度参与所需的认知过程，导致批判性思维减弱、易受影响、创造力下降——只不过没有下面这些研究数据来得怵目惊心。

1、使用AI组的参与者中有 83.3%无法引用他们几分钟前写的文章；搜索引擎组和纯大脑组的参与者则只有 11.1% 无法引用；

2、长期依赖AI的参与者在脱离AI独立写作时，大脑的神经连接性会减弱。在Alpha波段的连接性分析中，纯大脑组的神经连接为79个，而使用AI组则下降至42个。这意味着神经连接减少了 将近一半。如果把电脑处理能力减半称之为电脑坏了，那我们人脑处理能力减半呢？

不过好消息是，先独立思考，再使用AI效果可能更好。

那些最初不使用任何工具（纯大脑组）写作，之后才被允许使用AI的参与者，在引入AI后，大脑连接性反而显著增强了。这表明，当你在已经有一定知识和构思的基础上使用AI时，AI可能促使你的大脑进行更广泛的信息整合、记忆激活和高阶控制。

这给我的启发就是，在学习初期，依靠自己的大脑进行深入的思考和练习是至关重要的。之后再引入AI工具，可以作为辅助提高效率，但不能完全替代自己去思考。

不是排斥AI，而是学会定义与AI的关系是的，我并不排斥AI。AI无疑是这个时代最实用的工具之一，它给了我们一个或多个无所不知的“学伴”或“研究助理”。关键在于，我们如何定义与它的关系。对我自己来说，我是主攻手，AI打辅助。这里分享我和AI协作“啃”一手资料的三板斧：
1）在“啃”之前，用AI预热

比如你看到大家都在推荐Andrej Karpathy在YC的演讲视频，但你并不知道他是谁，你就可以先问Gork 3：“Andrej Karpathy是谁，他在工程软件和大模型方面都有哪些经验？他提出过哪些传播较广的概念或观点”，这能帮你更好地理解演讲中的部分内容。



2）在“啃”之中，用AI攻坚

当遇到某个具体的、不太理解或者不太确定自己是否理解的段落或概念时，可以把原文/原视频扔给NotebookLM，让它用更通俗的语言解释，或者提供一个不同的视角。比如我在看Cursor隐私模式的开启与否，对数据上传服务器后的处理不太确定，就会去追问。



3）在“啃”之后，用AI对练

读完一份材料，形成了自己的理解后，可以把自己的观点抛给AI，让它来挑战你、反驳你。“你认为我的这个理解有什么漏洞？”“除了我的解释，还有没有其他可能的解读？”这种“思想对练”，能极大地加深你的思考深度。这个环节我同样经常用NotebooLM。

回到最初的问题：AI时代，我为什么还在费劲“啃”一手资料？因为我知道AI可以帮我快速提炼全世界的知识，但无法提供我真正感兴趣的细节（至少暂时还做不到）。AI可以帮我“拥有”全世界的知识，却无法代替我建立自己的认知框架，形成自己的思想和洞见。学习从来不容易，“啃”本身，就是学习的一部分，甚至是其中最核心的部分。以上就是第1期的内容，希望对大家有启发 ~