AI 时代,我们该学习什么?

无论在任何时代，人们学习的总目标都没有变，即通过学习改变自己的心智模式，并用新的认知指导或改变行动。

在 AI 时代，这个目标依然没有变。但 AI 在认知与行动这两个方面，对人们产生了较大的影响。

答案不再稀缺时，真正稀缺的是四个方面

在非 AI 时代，传统的学习往往被理解为一种「获取答案」的手段。

人们通常认为学习的结果（知道了什么）最重要，学习的过程只是到达结果的途径，于是忽略了把学习过程本身当作提升学习力的重要途径。

到了 AI 时代，获取答案变得近乎免费，甚至可以说是无限供给。人们在非 AI 时代所追求的答案，不再稀缺。

对学习者而言，当答案不再稀缺时，精力就需要更多投入到与问题和答案相关的几种能力上：

1. 理解所要解决问题的本质（问题侧：决定看到的是现象还是本质）

2. 提出好问题（目标侧：决定思考或答案的方向）

3. 判断答案的好坏（判断侧：用真理的标准衡量答案的优劣）

4. 组合答案以解决真问题（行动侧：依据不同情境组织答案，形成系统性方案）

AI 容易给你「知识」，未必能给你「识知」

管理学者沙因就这样说过：管理者所处的是一个充满无尽变化和永恒挑战的世界，他们需要的并不是许多“知识”，他们需要的是获取知识以及在工作中应用知识的能力，而掌握这一能力的关键在于“学会如何学习”。

——《学习之美》

沙因说的是管理者，而这个判断对今天的每一个学习者同样成立——AI 的普及，已经把每个知识工作者推上了知识管理者的位置。

学会如何学习是一个人的元能力，其核心往往在学习过程上，而非学习的结果上。

过程体现的是「识知」（knowing），结果体现的是「知识」（knowledge）（此二分引自《学习之美》）；而产生答案的识知，才是能力的核心。

在 AI 时代，人们往往只关注 AI 生成的「知识」，却很难、也很少关心 AI 产生「知识」的过程。

甚至在 AI 给出有限过程的情况下，人们也会直接跳过过程，只关心它产出的答案或行动结果。

这样，从过程学习的角度看，人们借助 AI 获得的过程性学习提升是有限的。

替代，会从下往上发生的

元能力、过程与结果这三个方面，可以联系到六环学习模型（身份、信念、目标、能力、行动、环境）。

结果主要与环境相关；过程主要与信念、目标、能力和行动相关；元能力主要与身份和信念相关——其培养在过程，最终指向认知与行动。

在六环模型中，通过学习解决的问题会向下产生对应的结果；学习也会向上影响能力与心智中的各项因素，进而影响人的元能力，并指导接下来的行动。

从六环模型的角度来理解，AI 可以在每一个层次上都对人产生影响。

环境层是一种结果或答案，AI 往往可以直接提供，人们只需要提出问题就可以获得对应的答案。

行动层和能力层也在一定程度上可以被 AI 替代。比如程序员用 AI 辅助写代码、作者用 AI 辅助写作，本质上是能力与行动被 AI 部分代理。

AI 作为一个工具，可能增强使用者产生结果的能力，也可能逐渐削弱使用者行动的能力。

这种行动的替代性，就像外包对雇佣者的影响一样：在解放双手的同时，也可能削弱双手的能力。

低阶交出能力，高阶交出方向

在传统的学习过程中，行动可以渐渐向上影响学习者的目标、信念和身份等内容，从而影响学习者的元能力。

在 AI 时代，AI 甚至可以在一定程度上重塑学习者的目标、信念和身份——它可以代为设定目标、代为建立信念、代为塑造身份。

「塑造」意味着最终会影响到自身，「替代」则意味着很多内容已经交了出去。

低阶替代交出的是与行动相关的能力，高阶替代交出的是方向决定权和认知提升的机会。

如果把目标、信念和身份等内容也外包给 AI（即 AI 替代学习），就等于把学习的最高阶整个交了出去，就可能让 AI 对学习产生一定的负面影响——放弃了重塑自身的机会。

AI 能当老师，也可能成为替身

AI 在六环模型的低层次上可以作为行动的工具，在高层次上也可以作为认知的伙伴，这两种用法都可以理解为一种杠杆作用。

同一个 AI，既可能被用作替代，也可能被用作老师或伙伴。

AI 还可以在不同层次上给学习者提供反馈或指导，甚至在信念层上启发与互动——学习者可以让 AI 成为学习的老师或伙伴，也可以任由它成为学习的替代者。

如果 AI 让人的信念和身份发生有益的改变或增强，就可能提升学习者的元能力；否则，AI 替代学习就会削弱学习者的元能力。

AI 既可能成为增强使用者的工具，也可能成为削弱使用者的替代者。而究竟把它用成哪一种，决定权一直握在使用者自己手中。

AI 让人产生的错觉

《学习之美》把学习分为四类：投资型学习、生产型学习、消费型学习、浪费型学习。

投资型学习以自身能力增值为目的，回报在未来；生产型学习以当下产出为目的，学习服务于任务。

在生产型学习中直接向 AI 要答案，可以快速解决问题；而在投资型学习中如果直接要答案，就可能削弱甚至替代学习。

AI 时代，消费型学习与浪费型学习的伪装成本大幅下降——与 AI 的流畅对话可以制造出强烈的学习感。这或许是「流畅性错觉」在 AI 时代的一种体现。

面对 AI，我们该怎么办？

使用 AI 时，在投资型学习过程中，可以把 AI 当作给予反馈的老师、互动学习的伙伴，或验证信息的工具。这三种用法有一个共同点：在需要让成长的方面，让 AI 停在你的旁边，成为改变自己的好帮手。

当作老师，要的是反馈。更好的做法不是让它生成一个新答案，而是让它评判你已有的答案。把自己的理解先写出来，请它指出其中含混、跳跃、未经验证的地方；或者让它复述你的推理，看它是否读出了你没说出口的前提。只有当你的错误能够被指出来时，才有可能产生后续的改变和学习。老师最可贵的不仅是知道答案，还是知道你会错在哪里。

当作伙伴，要的是互动和启发。与其让 AI 回答，不如让它提问：请它扮演一个不轻易被说服的对话者，追问你的定义、证据和反例。对话的价值在于把模糊的直觉逼成清晰的表述——很多时候我们以为自己想清楚了，被追问才发现只是熟悉了某种说法。这正是「流畅性错觉」最容易被戳破的地方。

当作验证工具，要的是反例。让它去找与你结论相反的证据、你没想到的边界情况、这个领域里最有力的反驳。它在这里的用处不是确认你对，而是把「你可能错在哪儿」提前演练一遍。

但这三种用法都有一个前提：先有自己的答案。如果先向 AI 要答案，再判断它说得对不对，你的框架已经被它框住了。锚定一旦形成，后面所有的思考都只是在它的答案上做编辑。所以顺序很重要：自己先写，再请 AI 评。这条分界线，恰好也是投资型学习与生产型学习最实际的区别。

还有一条边界值得留意：AI 倾向于顺着人说。它太擅长把任何一种立场都讲得通顺，这既是它的能力，也是它的风险。所以要它当反方，就得明确要求它反驳；要它验证，就得要求它给出出处和不确定性。顺着你的 AI 让你舒服，反驳你的 AI 才让你长进。

回到六环模型：这些用法真正起作用的地方不在环境层——那里只是多了一个更快的答案来源——而在能力层之上。当 AI 反复指出你的推理漏洞，改变的往往不是这一次的结论，而是你下一次提问题的方式、判断证据的标准，以及你在没把握时愿不愿意先承认没把握。这些变化不会立刻显示为产出，它们积累在看不见的地方，要到某一次需要独立判断时才显形。也正因如此，那些让你卡住的追问值得被记下来，它们是你「识知」的痕迹。

至于生产型学习，直接向 AI 要答案并没有错。需要分清的是：这一次你是想把事情做完，还是想把自己变强。前者可以快，后者值得慢。而大多数时候，我们误把前者当成了后者。

欢迎关注，喜欢请三连。