夜雨聆风上一篇文章讨论的是为什么在AI时代仍然需要一种“提出问题的能力”。一个自然延伸的问题就是，这种能力到底从何而来，又是如何在一个人身上逐渐形成的。很多人其实并不会意识到，所谓“理解世界”这件事情，在很大程度上并不是由零散知识堆积起来的，而是由一种更基础的东西构成的，即一个人对世界的基本结构想象，用一种不那么严格的话来讲，就是他的世界观。
狭义上来讲，所谓世界观，可以理解为一个人用来组织信息与判断世界的基本框架，它并不是一套明确写在脑子里的理论，而更像是一种隐含的“筛选规则”，它决定你在面对新信息时，会自动注意什么、忽略什么，以及如何判断因果关系是否成立，因此它本质上不是知识的集合，而是知识的组织方式。
在移动互联网时代到来之前，这种机制往往是隐性的，因为信息本身就已经被结构化过，但在信息爆炸的时代，这种处理信息的框架结构反而变得极为重要，因为人所面对的不再是信息缺乏，而是过量且无结构的信息，于是一个人是否拥有一个稳定的世界观，就直接决定了他是否能够在大量信息中保持某种认知秩序。
也正因为如此，一个没有经过系统训练的人往往并不是“缺知识”，而是缺少这种组织信息的框架，于是他在面对同样的信息时，会更容易被单一叙事所主导，因为他没有一个稳定的结构去约束这些信息如何被解释。有时候，具体的知识会被遗忘，但是经过了长期训练的人，结构化的思维框架会内化为直觉。杨振宁先生说过，认知的进步其实就是用正确的直觉取代了错误的直觉（大意）。一个受过基础物理训练的人，即使不再记得具体公式，也会在面对一些伪科学叙述时本能地感到不适，因为他已经形成了一种关于因果关系与可验证性的基本直觉，因此当他看到“量子养生”或者“能量疗愈”这类概念时，他并不是依赖某条具体知识去反驳，而是依赖一个已经内化的结构判断它在逻辑上是不成立的，而这种能力对于没有受过类似训练的人来说是不存在的。
类似的情况在社会科学中也同样存在，一个没有接受过任何社会科学训练的人，在面对诸如最低工资、房价调控或平台经济之类的问题时，往往更容易被单一叙事所吸引。一个没有经济学训练的人可能会直接把“提高最低工资”理解为一种简单的善意政策，并认为其效果必然是积极的，因为这种判断依赖的是直觉层面的道德感受，但一个受过经济学训练的人则会立刻意识到，这个问题并不是关于“好或不好”，而是关于在不同价格水平下劳动力市场如何调整，因此必须同时考虑企业的雇佣行为、劳动力供给的变化以及就业弹性等结构性因素，而最终结果取决于这些因素之间的关系，而不是单一方向的判断。此外，他还会懂得理论与实证的分别。
在这些例子中可以看到一个共同点，即差异并不来自信息本身，而来自一个更基础的东西，也就是人们用什么样的框架去组织信息，而这种框架在认知训练中逐渐形成，从错误直觉到正确直觉的替换的过程，从零散直觉到体系化直觉的形成，都需要时间与经历的巨大投入，不可一蹴而就，而这正是教育的本质。
经济学的训练对于建立这种世界观有一个大的好处。众所周知，经济学是以模型来看世界的，这点正与物理学一样。
现实世界本身并不会以整齐划一的方式呈现，它永远是混杂的、过载的、并且充满相互干扰的因素，如果试图同时处理所有信息，最终得到的往往不是理解，而是混乱，因此任何有效的理解方式，实际上都必须包含两个步骤，一个是对现实的分割，也就是将复杂世界切分为相对可处理的部分，另一个则是对这些部分进行降维处理，只保留少数关键变量之间的关系。而所谓模型，可以理解为对现实的一种结构化简化方式，它通过选择少数关键变量，构造一个可以被分析的“简化世界”，在这个简化世界中，我们可以讨论因果关系、不同情境下的结果差异。因此模型并不是现实的替代品，而是一种让现实变得可以思考的工具。因此，模型思维本质上就是对上述两个步骤的形式化表达，它通过刻意忽略大量细节，从而让结构关系变得清晰。
从认知角度来看，这种压缩能力极为重要，因为人类的认知资源本身是有限的，一个人不可能同时处理所有变量，因此模型的作用并不是简化现实，而是让理解和分析现实变得具有操作性，它帮助我们把一个复杂问题转化为一个有限变量系统，在这个系统中我们可以讨论变化、比较与因果关系，而不是被无限的细节淹没。
而一旦进入AI时代，模型思维能力的重要性并没有下降，因为AI可以在很大程度上替代信息整理与推理展开的过程，它可以生成解释、构造分析路径，甚至在不同假设下给出不同结论，但它所依赖的仍然是输入结构，而如果输入本身没有被良好地组织起来，那么输出再复杂也只是语言的展开，而不是结构性的分析。
在这一点上，经济学训练与AI之间的关系并不是替代关系，而是一种互补关系，这里的互补并不是简单意义上的相互补充，而是指两种能力之间存在一种边际放大效应，即一种能力越强，另一种能力的边际价值就越高，例如当一个人具备较强的结构化思维能力时，他就更能够提出有效的约束条件，从而使AI生成的结果更接近有意义的分析，而如果缺乏这种能力，那么AI所提供的只是更大量的信息与解释，但并不会自动转化为理解，这种差异在信息密度提高之后会被进一步放大。
从更宏观的角度看，学习数学、经济学这类学科所赋予学生的思维框架在很长一段时间里其实更接近一种“公共品”，也就是说，它的收益并不完全体现在个体层面，而是广泛地扩散到社会整体，因为一个人是否具备更好的分析框架，往往会影响他对信息的理解质量，但这种提升很难被直接货币化或立即转化为个人收益。也正因为如此，在很长一段时间里，我们文化中关于这些学科的表达方式，往往需要借助一种“无用之用”的叙述方式来维持其正当性，例如数学被强调为虽然当下无用，但未来可能在工程技术中产生意想不到的应用，或者经济学被强调为虽然不直接产生财富，但能够影响政策制定甚至政治决策，这些论证本质上都是在试图说明一种跨期或间接收益，从而让原本难以直接定价的认知训练显得“值得投入” （这是经济学里熟知的典型的正外部性导致的公共品供给不足问题）。
但在AI逐渐进入之后，这个结构开始发生一个微妙但重要的变化，因为AI并不是简单地增加信息供给，而是显著改变了结构化思维能力的相对价值，使得原本只在社会层面体现的收益，开始更直接地体现在个体与AI系统交互的结果上，也就是说，一个人的结构化思维能力不再只是影响他如何理解世界，还直接影响他如何使用外部生成系统，从而使这种能力开始转化为一种具有明显边际收益的私人资源。
也正是在这个意义上，经济学这类原本需要依赖“无用之用”来维持学习动机的学科，其性质在新的时代发生了一定变化，因为它们不再只是通过间接路径体现价值，而是在现实中直接影响个体如何使用认知工具，从而使得原本属于公共品逻辑下的“被低估收益”，开始转化为可以直接观察到的个体收益差异。
如果一个人率先意识到这一点，也就是意识到结构化思维在AI时代不再只是抽象、只有公用的能力，而是直接决定其与AI交互质量，从而影响他个人的生产率的关键因素，那么他在新的认知竞争结构中就有可能更早地建立优势。但更重要者，乃是经济学学科作为一个共同体本身，需要率先意识到这种变化所带来的意义，而不应继续停留在对自身“是否有用”的反复辩护之中。
时代已经开始改变。有些人仍然在信息中随波逐流，而另一些人早已开始不自觉地为信息加上结构。这种差别在早期或几不可见，然而却必定会在某个时刻突然变得清晰，只不过到了那个时候，差异本身往往已经难以逆转了。
