夜雨聆风卷爸有个中学同学，现在是老家一所重点中学的校长。
他大学毕业后分配到一个中学当数学老师，很快就成为年级组长并成了当地数学培训班的明星老师，我哥联系我说侄子要进他的班，还让我通关系。我才知道他已经成了家乡教育界的名人。
有次过年同学聚会，我问他是怎么成名的？他说当时分到那个中学也很郁闷，没事干就想着干脆把本职工作先倒腾清楚。于是就把历年各地的数学中考卷子收集齐，摊到床上沙发上把每道题都研究清楚，直到后来做任何中学数学卷子，包括奥数题都信手拈来。
我想这也是数学老师的题海战术吧。
后来我工作中接触到一些投资人，有做一级的也有做二级的，其中不乏极优秀的，他们分析起项目来头头是道，而且也都挣到了钱。大家一块喝咖啡的时候，就说起他们看了多少行业分析报告，做了多少家上市公司的调研，经手了多少投资项目。总量是极其吓人的。
我想这也是量变到质变的一个过程吧。
卷爸读研的时候，为了写个大综述，得看很多文献；女儿考试要拿高分，我也建议她多做模拟卷，多总结错题；公司有个进步很快的销售，跟小伙伴们分享成功经验，说就是多看公司给客户出的检测报告，多搜集给客户提的动物试验方案，然后尝试着自己来写，不清楚的多问，做得多了，就成了客户信赖的顾问。
无他，唯手熟尔。
如果略过这个堆量的过程，直接依赖AI，我发现是个挺危险的事情。
这种危险，一开始会体现在认知假象上。当我们习惯让AI替我们读文献、写方案、做分析时，我们得到的是一个逻辑自洽、辞藻漂亮的结果，却错过了产生这个结果所必须的推理链条。
AI最擅长的是“总结归纳”和“即时生成”，它跳过了堆量的痛苦过程，直接给你一个漂亮的成品。
你觉得你懂了，其实你没懂。
AI给了你鱼，但是没告诉你怎么结网，久而久之，你甚至会误以为自己已经学会了打渔。
第二个不好的情况，我觉得会是判断力的萎缩。
我在公司那个进步飞快的销售身上看到，他能成为客户的技术顾问，是因为他脑子里装了几百个动物试验方案的细节，当客户提出一个模糊的需求时，他能瞬间调动过往的经验，敏锐地捕捉到其中的技术难点和风险点。
这种体感是海量的数据喂养出来的直觉。如果这一切都由AI代劳，销售员输出的每一份方案都将是“平均水准”的——它不会出错，但也绝无个性化的点对点。
更可怕的是，当AI给出的方案本身存在知识盲区或逻辑谬误时，没有经过堆量训练的从业者根本没法甄别。这就像是一个没有读过兵书的将领，即便有了神机妙算的军师AI，一旦军师犯错，他也只能跟着全军覆没。
还有，我们在现实生活中，更多的是人与人之间的面对面交往。而人与人的信任基础，就在于交流过程中产生的共鸣，在于思维的碰撞。
“手熟”的过程，其实是在构建个人的思维模型。通过AI可以训练你的思维，但是脑子不是简单的信息堆积，而是一个复杂的神经网络，每一个新的信号进来，它都能自动将其归类、对比、剔除噪音。这个过程，就像是在大脑里修路。AI可以瞬间给你一张地图，但它修不了你脑子里的路。路不修通，给你再好的车，你也开不稳、开不远。
一旦脱离了AI，或者遇到AI无法处理的极端情况，没有经过“堆量”训练的人将瞬间回到“裸奔”状态。
但以上观点，并不是要否定AI的价值。
恰恰相反，AI应该是那个帮助我们跨越“量”到“质”的工具，而不是替代“量”的捷径。
对于女儿来说，中学阶段，就老老实实把近五年的高考真题刷几遍，把错题本整理厚实。这个过程中，如果遇到解不开的题，就用AI当私教，让它从不同的角度讲解，甚至让它生成变式题来巩固——这时候的AI，是教练，是陪练，而不是枪手。
对于销售同事，AI可以快速检索海量的文献资料，帮他完善方案的技术背景，他再去写、去修改、去和客户沟通，就会很快成为客户信任的伙伴，技术精进的同时也会大量出单。
对我而言，我现在写文章或分析问题，也经常用AI来搜集素材、梳理框架，但核心的观点、逻辑的推演，绝大多数是我自己完成，因为那是我的思考，而不是算法的拼凑。
拉拉杂杂絮叨了半天，只是想说，在AI时代，我们更要警惕那种试图绕过“笨功夫”的聪明劲。越是工具强大，越要回归基本功。我们要做的，不是拒绝AI，而是带着AI，继续去堆量，去经历那些必要的痛苦和枯燥。因为只有你自己走过的路，才会变成你脑子里的路；只有你自己解过的题，才会变成你骨子里的本事。
工具只是工具，不能替代你的脑子。工具要多用，而且要用好。
关注卷书爸爸，努力做一个有趣的人。喜欢请三连。
