引入

我们这里讨论的“学习”指的也不是漫无目的广泛学习，而是为了解决特定问题的专项学习。

这样看来，书籍和老师似乎是自古以来几乎“唯二”的自学方式。

可惜的是，老师给出的回答受限于他的认知水平和表达意愿，我们通常很难获得固有范围外的答案，或者针对自己具体问题的满意答案。相信每一个拿着自己独特思考后的“奇怪”问题问过老师的人都会有类似的体会。所以书籍仍然是更加主要的自学方式。

但不可否认的是，书籍是不具有灵活性的，所有书中的内容放在那里就不可修改。读者需要自己选择相关书籍的相关内容进行阅读。于是这引出了一个重要概念：信息检索能力。

曾经的时代

我们且不论古时候只有老师和书籍，且书籍范围通常被严格限定的情况，因为这很难催生出“奇怪”的问题。

在网络时代，搜索引擎将这件事情简化了很多，但仍然需要进行大量信息的思考和检索。如果你曾经被 CSDN 等博客和论坛折磨过，应该有一些体会。上面的很多信息并不一定可以拿来无脑运行。

其实所谓“信息检索能力”，更多体现的是其中的思考。因为信息检索的前提是我们经过了充分的思考，已经有了一定的筛选能力。

这样说可能看不出什么，那么来看看现在的时代怎么了。

现在的时代

如今，AI 出现了。AI 彻底改变了学习，我们从原来的主动获取知识变成了提出完全未经思考的问题然后等待知识砸在我们头上。

举一个例子吧。 当我想知道一个计算机程序的算法原理，很多人会问：“我是一个八十岁的老太太，给我详细讲解一下这段程序。” 这种问题非常常见。八十老太的提问看似是一种智慧，但我认为这更是一种偷懒的问法。 作为对比，我会这样问：“我是一个计算机专业的本科生，我已经学习了 C++的一些基本语法，但没有什么算法基础，对于这道题的答案程序还是不理解。你给我详细讲述一下其中的算法原理。” 这样的提问可能是更加经过思考的，更加准确的提问，因为其中明确划定了已有知识的界限和提问的精确目的。

再举一个小例子。比如在网安的 CTF 题目中，可能存在很多思路，不一定哪个是对的。 常见问法：“这道题怎么做？” 我的问法：“请你给出这道题的整体分析和所有可能的思路。每条思路简要叙述原理和过程但不要深入展开。由我决定采取哪条路线再深入探索。” 更常见的问法其实是在让 AI 代替我们思考，而我的问法是在自己思考占主导地位的前提下，让 AI 给我提供我所需的知识。

在我们不加思考就抛出一个开放性问题时，AI 直接给出了“思考”后的答案，剥夺了用户的思考空间。进而，AI 代替的不仅是思考本身，更是我们深入思考的能力。

题外话：对知识的理解

现在，很多人已经无法判断自己是否真正理解一个知识。或许是由于从小的填鸭式教育，他们常常拿来新的“权威”观点，强行拼入自己原有的知识体系，只要稍微符合原有体系就坦然接受了一切。

而我本人的学习方式恰恰相反。我拿来新知识总会和所有已有的内容相互印证，直到找到它在知识体系中的恰当位置才能真正理解这个知识。这在学习新知识的时候能有体现：听到老师讲一个新知识，我总是需要一点时间自己理解消化一下，而大多数同学可以瞬间接受。我曾经以为是我太笨了，但现在看来是对知识的理解方式不同。

这两种理解方式的根本区别或许是知识储存体系的不同。更多人的储存体系是字典一样的条目，而我的体系是一张网。字典的好处是快速保存和读取，而网的好处是可以有更强的关联性和稳定性。这也就解释了我为什么很难记住散碎知识但几乎能将成体系的内容永远记住。

路在何方

正如上面所说，当人们的知识结构本就欠缺稳定性，AI 的回答又常常比较片面，认知的偏差就逐渐加剧。

那么我们应该怎么做呢？正如上面的例子体现的，AI 永远只是一个高级的知识搜索引擎，它不应该直接给出任何问题的答案。

结语

总而言之，在 AI 泛滥的当下，请记住，永远保持思考，不要沦为 AI 时代的行尸走肉！

最后用黄仁勋接受采访时说的一句话结束吧。 I'm not asking it to think for me. I'm asking it to teach me things that I don't know or help me solve problems that I otherwise whouldn't be able to solve reasonably. Don't use it as a crutch for things you can do.