陳永偉/文 對(duì)于中國(guó)的AI普及而言，2025年的春節(jié)注定是不平凡的。隨著DeepSeek的意外爆火，原本高冷神秘的AI一下子飛入尋常百姓家。一時(shí)間，幾乎全國(guó)的人都開始使用AI。朋友圈里刷屏的不再是煙花九宮格，而是“我家AI寫的打油詩(shī)更押韻”的隔空比拼；家族群里此起彼伏的，是二舅用方言教AI包餃子、三姨讓AI計(jì)算年夜飯卡路里的語(yǔ)音消息；就連我70多歲的老父親，也要求我給他補(bǔ)課，教他如何用AI給親朋好友寫拜年詞。

然而，AI的普及不僅帶來(lái)了便利，也引發(fā)了焦慮。一位資深程序員在試用DeepSeek后感嘆，自己多年積累的編程經(jīng)驗(yàn)竟顯得如此脆弱。春節(jié)過(guò)后，一張上海某公司群聊截圖瘋傳，該公司擬用AI替代大量人工，其中法務(wù)部、內(nèi)容創(chuàng)新中心裁撤比例高達(dá)80%。這讓人們驚覺(jué)，AI取代的不只是低技能崗位，甚至高學(xué)歷、高經(jīng)驗(yàn)的職業(yè)也難以幸免。

面對(duì)AI的迅猛發(fā)展，許多人開始質(zhì)疑學(xué)習(xí)的意義。如果知識(shí)和經(jīng)驗(yàn)都能被AI輕易取代，我們?cè)撊绾握{(diào)整學(xué)習(xí)模式，以適應(yīng)這個(gè)新時(shí)代？

工作變遷和新的學(xué)習(xí)要求

我們習(xí)以為常的“工作”模式——固定時(shí)間、地點(diǎn)、任務(wù)——僅存在兩百余年。更早時(shí)期，個(gè)體需自主分配時(shí)間，兼顧耕田、織布、養(yǎng)魚等多種任務(wù)。工業(yè)革命后，機(jī)器重塑生產(chǎn)流程，人們被納入固定崗位，按標(biāo)準(zhǔn)流程操作，逐漸成為社會(huì)大機(jī)器的一部分。

這一變革也改變了學(xué)習(xí)方式。工業(yè)革命前，工作多元，個(gè)體需廣泛涉獵知識(shí)，具備跨領(lǐng)域協(xié)調(diào)與社交交易能力，學(xué)習(xí)以“博”為核心。而工業(yè)革命后，任務(wù)高度細(xì)分，專精一項(xiàng)技能即可獲得認(rèn)可，學(xué)習(xí)目標(biāo)由“博”轉(zhuǎn)向“精”，如程序員專注編程，無(wú)需關(guān)心市場(chǎng)包裝，產(chǎn)品經(jīng)理關(guān)注需求分析，而不涉產(chǎn)品實(shí)現(xiàn)。

然而，AI的普及正在改變這一現(xiàn)狀。正如我們所看到的，AI在許多具體任務(wù)上的效率已超越人類，尤其是在需要大量知識(shí)積累和經(jīng)驗(yàn)總結(jié)的工作領(lǐng)域，其進(jìn)步遠(yuǎn)超預(yù)期。這一趨勢(shì)使得人類在工業(yè)時(shí)代所扮演的“社會(huì)大機(jī)器的螺絲釘”角色逐漸式微。在更高層次的生產(chǎn)力水平下，工作形式或許將經(jīng)歷一種“否定之否定”，回歸到工業(yè)革命前的狀態(tài)。換言之，人們可能需要同時(shí)承擔(dān)多種不同的任務(wù)。例如，一個(gè)產(chǎn)品經(jīng)理不僅要分析市場(chǎng)、設(shè)計(jì)產(chǎn)品，還需要親自實(shí)現(xiàn)這些設(shè)計(jì)。不同的是，如今人們無(wú)需親手完成所有任務(wù)，而是可以借助AI工具來(lái)高效實(shí)現(xiàn)。在這種情況下，人們最需要的能力，已經(jīng)從單一技能的掌握，轉(zhuǎn)變?yōu)槿蝿?wù)拆解與識(shí)別能力，以及AI工具的高效使用能力。

與此同時(shí)，隨著工作任務(wù)和場(chǎng)景的確定性逐步消解，適應(yīng)變化、根據(jù)環(huán)境調(diào)整知識(shí)結(jié)構(gòu)的能力，將成為未來(lái)職場(chǎng)的核心競(jìng)爭(zhēng)力。此外，盡管AI可以代替人類完成許多工作，但至少目前，它仍難以完全取代涉及想象力、創(chuàng)造力和人情味的任務(wù)。因此，為了更好地展現(xiàn)人類的獨(dú)特價(jià)值，人們應(yīng)更加注重這些能力的培養(yǎng)，尤其是想象力的開發(fā)與提升。

基于上述分析，筆者認(rèn)為，為了適應(yīng)AI時(shí)代的社會(huì)分工和組織變革，學(xué)習(xí)模式的革新應(yīng)從四個(gè)層面展開：

1.工具層面：學(xué)會(huì)高效使用AI工具，使其成為工作的得力助手。

2.知識(shí)層面：掌握與自身工作相關(guān)的多樣化知識(shí)，確保在為AI分配任務(wù)時(shí)，能夠清楚如何著手。

3.能力層面：培養(yǎng)跨任務(wù)協(xié)調(diào)能力、資源配置能力，以及應(yīng)對(duì)未知挑戰(zhàn)的能力。

4.超越層面：強(qiáng)化更具人類特質(zhì)的能力，如情感、想象力和共情能力，尤其是想象力的培養(yǎng)，應(yīng)成為重中之重。

接下來(lái)，我們將分別探討這四個(gè)層面的變革方向。

當(dāng)好AI的蘇格拉底

在現(xiàn)實(shí)中，同樣的AI工具，不同的人所能挖掘出的效率卻截然不同。有些人借助AI，可以獨(dú)立開發(fā)出完整的網(wǎng)站，甚至完成整個(gè)項(xiàng)目；而另一些人，卻只會(huì)把AI當(dāng)成陪聊工具或圖片生成器。

為什么會(huì)出現(xiàn)這樣的差別？過(guò)去，AI的使用門檻較高，要熟練掌握AI，通常需要具備一定的編程技能。因此，人們習(xí)慣于將AI使用效率的差異歸結(jié)于對(duì)編程能力或某些具體技能的掌握程度。然而，如今人們已經(jīng)可以用自然語(yǔ)言輕松指揮AI完成各種任務(wù)，但這種差異仍然存在，甚至比過(guò)去更為顯著。究其根本，問(wèn)題仍然出在思維方式上。

事實(shí)上，在ChatGPT爆火之前，市場(chǎng)上已經(jīng)有一些類似的應(yīng)用，允許用戶通過(guò)自然語(yǔ)言或可視化方式與AI交互，讓AI編寫程序或完成任務(wù)。不過(guò)，這些應(yīng)用通常被稱為“低代碼編程”。顧名思義，這些工具雖然降低了編程門檻，但本質(zhì)上仍屬于編程范疇。要想編寫高效的程序，不僅需要一定的編程技能，還需要良好的編程思維。類似的道理，同樣適用于生成式AI的使用。

那么，使用生成式AI時(shí)最重要的技能是什么？就是清晰地表述自己的需求，并引導(dǎo)AI按照自己的指令執(zhí)行任務(wù)。在《美諾篇》中，蘇格拉底為證明“認(rèn)識(shí)是靈魂的回憶”，引導(dǎo)一個(gè)毫無(wú)幾何基礎(chǔ)的奴隸小孩推導(dǎo)出畢達(dá)哥拉斯定理。他未直接教授，而是通過(guò)拆解邏輯、反詰和追問(wèn)，讓小孩自行推演，最終得出正確結(jié)論，完成了看似不可能的任務(wù)。

這個(gè)故事對(duì)于我們使用AI模型具有重要的啟發(fā)意義。如今的生成式AI在訓(xùn)練過(guò)程中，已經(jīng)吸收了互聯(lián)網(wǎng)上幾乎所有可以獲取的信息。因此，從理論上講，我們所需要的答案早已“存在”于它的“知識(shí)體系”中。然而，AI僅僅存儲(chǔ)了海量知識(shí)，并不一定能夠自動(dòng)將這些存量知識(shí)與用戶的需求精準(zhǔn)匹配——正如奴隸小孩雖然掌握了勾股定理推導(dǎo)的每一步，但在被直接問(wèn)及該定理時(shí)，仍然無(wú)法將這些知識(shí)串聯(lián)起來(lái)。在這種情況下，AI的使用者需要扮演蘇格拉底的角色，通過(guò)適當(dāng)?shù)囊龑?dǎo)，讓AI按照自己的思路完成任務(wù)。

正如我們所見(jiàn)，蘇格拉底在啟發(fā)人們思考時(shí)，通常會(huì)遵循固定的對(duì)話策略。例如，他會(huì)要求對(duì)話者首先對(duì)相關(guān)概念進(jìn)行明確定義，然后將這些定義一般化，從而推導(dǎo)出一定的結(jié)論。接著，他會(huì)對(duì)這些推論進(jìn)行反詰，找出其中的矛盾，促使對(duì)話者從新的角度進(jìn)行思考。本質(zhì)上，蘇格拉底其實(shí)是在用自然語(yǔ)言編寫一套“低代碼程序”，以引導(dǎo)對(duì)話者逐步接近正確答案。同樣的思維方式，也可以應(yīng)用于與生成式AI的交互。在學(xué)習(xí)和實(shí)踐中，用戶可以為自己搭建幾套AI交互的“套路”，并積累一些經(jīng)過(guò)實(shí)踐檢驗(yàn)有效的提示詞。這樣，無(wú)論遇到何種問(wèn)題，我們都可以像蘇格拉底一樣，以高效的方式向AI闡明需求，并對(duì)AI的行為進(jìn)行精準(zhǔn)引導(dǎo)，從而大幅提升AI的使用效率。

值得注意的是，蘇格拉底式的啟發(fā)式對(duì)話不僅可以幫助我們提升AI執(zhí)行任務(wù)的效率，反過(guò)來(lái)，若讓AI用類似的方法向我們提問(wèn)，也能有效提升我們的學(xué)習(xí)效率。許多人在學(xué)習(xí)過(guò)程中，往往難以判斷自己對(duì)某個(gè)知識(shí)點(diǎn)的理解是否足夠透徹。如果讓AI扮演蘇格拉底的角色，不斷向我們發(fā)問(wèn)、反詰，就能很好地檢驗(yàn)我們對(duì)知識(shí)的掌握程度。不僅如此，這種詰問(wèn)式學(xué)習(xí)還能夠激發(fā)我們的思維，拓展我們的認(rèn)知邊界。

以我認(rèn)識(shí)的一位教授為例，自從2023年初接觸ChatGPT以來(lái)，他每天都會(huì)花上一個(gè)多小時(shí)與ChatGPT交流。在聊天中，他會(huì)向ChatGPT提出自己正在構(gòu)思的論文寫作思路，然后讓AI扮演潛在的審稿人，幫助他完善論證過(guò)程。迄今為止，他已借助這種方法成功發(fā)表了多篇高水平論文，取得了令人羨慕的學(xué)術(shù)成果。

掌握紛亂世界的“目錄”

在周星馳主演的《鹿鼎記》中，有這樣一個(gè)橋段：陳近南收韋小寶為徒后，遞給他一本厚厚的書，并叮囑他要多加閱讀，熟悉書中的內(nèi)容。韋小寶接過(guò)書，問(wèn)道：“師傅，這是你的絕世武功嗎？”陳近南答道：“不，這是絕世武功的目錄?！比缓?，他指著旁邊的一大堆書說(shuō)：“那些才是絕世武功?！?/p>

初次觀看這部電影時(shí)，我曾覺(jué)得劇中的陳近南實(shí)在迂腐可笑。畢竟，這么多絕世武功，學(xué)成一本就足以讓韋小寶行走江湖了，何必浪費(fèi)時(shí)間去看一個(gè)沒(méi)有實(shí)際用處的“目錄”？然而，在AI時(shí)代重新回看這一段，卻讓我意識(shí)到，掌握“目錄”其實(shí)具有極其重要的意義。

我們正處于一個(gè)知識(shí)爆炸的時(shí)代，每時(shí)每刻，各個(gè)領(lǐng)域都在不斷產(chǎn)生新的知識(shí)。對(duì)于大多數(shù)人而言，即便窮盡一生，也難以遍覽某一領(lǐng)域的所有知識(shí)。而如果讓AI來(lái)完成同樣的任務(wù)，可能只需短短一瞬。在這樣的背景下，人類在知識(shí)獲取的數(shù)量上已經(jīng)很難與AI相比，事實(shí)上，這種“比拼”也已沒(méi)有意義。相比之下，更為明智的策略是將AI作為“外腦”，讓它幫助我們獲取并整理各類知識(shí)，而我們?cè)谛枰獣r(shí)再隨時(shí)調(diào)用這些知識(shí)。

然而，知道在何時(shí)指示AI調(diào)用哪些知識(shí)，本身也是一項(xiàng)重要的技能。很多時(shí)候，當(dāng)人們面對(duì)一個(gè)新問(wèn)題時(shí)，往往并不清楚自己需要調(diào)用哪些知識(shí)。例如，如果我們要撰寫一篇探討“谷子經(jīng)濟(jì)”的分析性論文，由于該話題較為新穎，我們可能根本不知道該從哪個(gè)角度切入分析。而如果找不到合適的分析角度，即便AI能力再?gòu)?qiáng)，我們也難以準(zhǔn)確指示它去尋找合適的資料，進(jìn)而影響工作效率。

在這種情況下，廣博的知識(shí)儲(chǔ)備就能起到關(guān)鍵作用。假如我們對(duì)各個(gè)學(xué)科都有一定了解，盡管在遇到問(wèn)題時(shí)未必能直接給出答案，但至少可以憑借已有的知識(shí)作為“路標(biāo)”，幫助我們確定查閱的方向。然后，再借助AI的能力，就能更高效地解決問(wèn)題。

需要強(qiáng)調(diào)的是，這里所說(shuō)的“廣博”并不意味著否定知識(shí)的深度。事實(shí)上，真正的廣博必須建立在一定的深度基礎(chǔ)之上。一個(gè)衡量我們對(duì)某類知識(shí)是否足夠深入的標(biāo)準(zhǔn)是：當(dāng)看到關(guān)于它的明顯錯(cuò)誤表述時(shí)，我們是否能敏銳地識(shí)別出來(lái)。這一點(diǎn)在AI時(shí)代尤為重要。

至少在目前階段，所有主流AI模型在生成內(nèi)容時(shí)都存在較高比例的“幻覺(jué)”（hallucination）。盡管可以通過(guò)要求AI注明出處或提供鏈接等方法在一定程度上減少錯(cuò)誤，但從整體來(lái)看，AI“一本正經(jīng)地胡說(shuō)八道”的現(xiàn)象仍然十分普遍。隨著AI生成的內(nèi)容越來(lái)越多，人工核查所有AI輸出的信息變得愈發(fā)困難。尤其在對(duì)某個(gè)領(lǐng)域了解不深的情況下，我們的“審核”往往只能局限于復(fù)查幾個(gè)數(shù)據(jù)或引用來(lái)源，而可能對(duì)AI整體表述中的謬誤毫無(wú)察覺(jué)。在這樣的背景下，盲目信任AI的內(nèi)容可能會(huì)帶來(lái)極大的風(fēng)險(xiǎn)。

從這個(gè)角度來(lái)看，即便有了AI的輔助，人類仍然需要對(duì)相關(guān)領(lǐng)域的知識(shí)達(dá)到一定的深度。只有在具備一定的專業(yè)判斷力的前提下，我們才能在享受AI帶來(lái)的便利時(shí)，避免落入其信息誤導(dǎo)的陷阱。

學(xué)會(huì)用算法思考

在AI時(shí)代，“螺絲釘”式的工作將逐漸減少，直至消亡。取而代之的，是越來(lái)越多的人憑借AI的力量成立單人企業(yè)，成為自己的老板。與過(guò)去執(zhí)行固定任務(wù)相比，這些人將更加需要學(xué)習(xí)和培養(yǎng)規(guī)劃、組織，以及處理各種新問(wèn)題的能力。然而，培養(yǎng)這些能力并非易事，它需要大量的經(jīng)驗(yàn)積累作為支撐。不過(guò)，從學(xué)習(xí)的角度來(lái)看，涉獵一些算法相關(guān)的知識(shí)，培養(yǎng)算法思維，可能會(huì)對(duì)這些能力的形成大有裨益。

所謂算法，指的是解決問(wèn)題的一系列步驟或指令的集合。在開發(fā)AI時(shí)，為了讓其高效執(zhí)行各項(xiàng)任務(wù)，人們會(huì)為其設(shè)定各種算法。然而，算法并不僅僅是AI專屬的工具。事實(shí)上，每一個(gè)算法都代表著人們對(duì)某類特殊問(wèn)題的解決方案，其背后蘊(yùn)含著大量前人的智慧。因此，學(xué)習(xí)算法、培養(yǎng)算法思維，本質(zhì)上是一種解決問(wèn)題能力的鍛煉，可以有效提升我們對(duì)現(xiàn)實(shí)問(wèn)題的分析和應(yīng)對(duì)能力。

舉個(gè)例子：在2024年美國(guó)總統(tǒng)大選期間，海外博彩市場(chǎng)Polymarket上，一名神秘押注者豪擲3000萬(wàn)美元支持特朗普。由于民調(diào)普遍顯示哈里斯領(lǐng)先，許多人認(rèn)為這是一場(chǎng)魯莽的賭博，一些分析人士甚至猜測(cè)他是特朗普的金主，意在拉抬選情。

后來(lái)，記者發(fā)現(xiàn)這名押注者是一家法國(guó)量化金融機(jī)構(gòu)的交易員，而他的決定純粹是基于盈利考量。他認(rèn)為民調(diào)存在偏差，因?yàn)樵诓挥押玫妮浾摥h(huán)境下，許多特朗普支持者可能不愿表露真實(shí)立場(chǎng)。為更準(zhǔn)確預(yù)測(cè)，他設(shè)計(jì)了一種巧妙調(diào)查法——不直接問(wèn)受訪者支持誰(shuí)，而是詢問(wèn)他們的鄰居傾向，以避免社交壓力影響回答。隨后，他利用“近朱者赤，近墨者黑”的原理推測(cè)真實(shí)支持率，最終得出特朗普實(shí)際支持率遠(yuǎn)超預(yù)期，果斷下注，并因此狂賺8500萬(wàn)美元。

這一事件讓人驚嘆于他的精準(zhǔn)判斷，而實(shí)際上，這正是算法思維的體現(xiàn)。類似于K近鄰回歸（K-NN）算法，他基于鄰近數(shù)據(jù)點(diǎn)推測(cè)整體趨勢(shì)。作為一名量化交易員，他自然而然地將這一算法思維應(yīng)用于選舉預(yù)測(cè)，從而成功押注。

當(dāng)然，這只是利用算法思維解決問(wèn)題的一個(gè)案例。在現(xiàn)實(shí)中，類似的例子還有很多。例如：借鑒動(dòng)態(tài)規(guī)劃算法的思路，可以讓我們更高效地安排工作流程；借鑒支持向量機(jī)（SVM）算法中的升維思路，可以幫助我們從更高的視角重新思考問(wèn)題。

總而言之，在AI時(shí)代，多學(xué)習(xí)一些算法知識(shí)，培養(yǎng)算法思維，或許能讓我們的工作和決策事半功倍。

給自己留一些“幻覺(jué)”

在DeepSeek爆火之后，我曾對(duì)幾位新“入坑”這款A(yù)I的朋友進(jìn)行了一次調(diào)查，詢問(wèn)他們認(rèn)為這款A(yù)I相比其他競(jìng)品究竟有何過(guò)人之處。結(jié)果，最多的回答是：“這款A(yù)I比其他AI更有人情味，更像個(gè)人?！庇绕涫俏目票尘暗呐笥眩瑢?duì)DeepSeek這一特征尤為喜愛(ài)。例如，一位在某高校中文系執(zhí)教的朋友在嘗試DeepSeek后激動(dòng)不已，甚至連夜寫下千字朋友圈，盛贊其文采與想象力。

那么，為什么DeepSeek會(huì)比其他AI更具想象力、更富人情味？從技術(shù)角度來(lái)看，這種特征很可能源于該模型的一個(gè)“缺陷”——更高的“幻覺(jué)”。眾所周知，在訓(xùn)練DeepSeek時(shí)，開發(fā)人員為了提升訓(xùn)練效率、節(jié)約成本，對(duì)模型和訓(xùn)練方法進(jìn)行了多項(xiàng)優(yōu)化。例如，為了提升GPU的利用率，他們將計(jì)算精度從通常的32位浮點(diǎn)數(shù)降低到16位，甚至8位；為了優(yōu)化解碼效率，他們引入了多Token預(yù)測(cè)技術(shù)；為了減少數(shù)據(jù)投入，他們廣泛使用了知識(shí)蒸餾技術(shù)。這些優(yōu)化手段雖然提高了訓(xùn)練效率，但同時(shí)也不可避免地降低了模型的精確度，從而導(dǎo)致更高的幻覺(jué)率。

這一點(diǎn)并非僅僅是理論推測(cè)，人工智能公司Vectara近期的研究已經(jīng)對(duì)此進(jìn)行了驗(yàn)證。研究表明，DeepSeek-V3模型的幻覺(jué)率約為3.9%，而主打推理的 DeepSeek-R1模型幻覺(jué)率高達(dá)14.3%。相比之下，OpenAI的GPT-4o的幻覺(jué)率僅為1.5%，其推理模型GPT-o1的幻覺(jué)率約為2.4%。更高的幻覺(jué)率無(wú)疑會(huì)限制AI在某些對(duì)準(zhǔn)確度要求較高的任務(wù)中的應(yīng)用。例如，在使用AI整理文獻(xiàn)時(shí)，我不得不逐一核對(duì)其列出的文獻(xiàn)出處，否則容易出現(xiàn)錯(cuò)誤引用，從而影響工作效率。但與此同時(shí)，在更需要?jiǎng)?chuàng)造力的任務(wù)中，幻覺(jué)反而能帶來(lái)意想不到的驚喜。

從根本上看，生成式AI的文字輸出本質(zhì)上是基于已有文本預(yù)測(cè)下一個(gè)可能出現(xiàn)的文本。如果一個(gè)模型的預(yù)測(cè)精度足夠高，那么它的輸出往往會(huì)十分工整、格式化，而如果允許其預(yù)測(cè)精度稍有下降，反而可能帶來(lái)更多變化和新意。舉個(gè)例子，如果我對(duì)AI說(shuō)：“我要買一個(gè)512G的蘋果”，精度較高、幻覺(jué)較少的AI會(huì)準(zhǔn)確理解我的意思，并推薦合適的蘋果手機(jī)，同時(shí)提供一系列購(gòu)買建議。這樣的回答固然正確，但并不會(huì)顯得“有人情味”。然而，如果是幻覺(jué)較高的AI，它可能會(huì)誤以為我指的是水果，并建議：“現(xiàn)在梨子正當(dāng)季，不如買點(diǎn)梨子嘗嘗鮮吧?！边@樣的回答雖然在技術(shù)上是錯(cuò)誤的，但從人類用戶的角度來(lái)看，它更具幽默感，也更像是一個(gè)會(huì)“插科打諢”的人類對(duì)話者。

幻覺(jué)的價(jià)值遠(yuǎn)不止于此。例如，在科學(xué)研究領(lǐng)域，如果AI僅僅是基于已有資料，精準(zhǔn)地預(yù)測(cè)相應(yīng)結(jié)果，那么它是不可能真正創(chuàng)造新知識(shí)的。相比之下，如果允許AI存在一定的幻覺(jué)，它就能跳脫出既有框架，啟發(fā)新的發(fā)現(xiàn)。許多科學(xué)家已經(jīng)意識(shí)到了這一點(diǎn)。例如，2024年諾貝爾化學(xué)獎(jiǎng)得主大衛(wèi)·貝克（DavidBaker）博士就指出，AI模型的幻覺(jué)現(xiàn)象為科學(xué)家提供了新的靈感，幫助他們探索原本可能不會(huì)想到的思路。

減少AI的幻覺(jué)，技術(shù)上是可行的。通過(guò)提升訓(xùn)練數(shù)據(jù)質(zhì)量、增加算力投入、采用檢索增強(qiáng)生成（RAG）技術(shù)等方式，AI開發(fā)者可以有效降低幻覺(jué)率。事實(shí)上，許多AI開發(fā)者已經(jīng)通過(guò)這些手段成功降低了產(chǎn)品的幻覺(jué)率。然而，相比于AI而言，人類要減少自身的幻覺(jué)卻困難得多。在信息檢索技術(shù)高度發(fā)達(dá)的今天，人類即便為了提升表達(dá)的精準(zhǔn)度，也可能需要花費(fèi)大量時(shí)間記憶和核對(duì)知識(shí)，而這些精度的提升在實(shí)際應(yīng)用中往往并不那么重要。既然如此，我們倒不如反其道而行之，在學(xué)習(xí)中適當(dāng)舍棄對(duì)精確記憶的執(zhí)著，而將更多空間留給想象力的培養(yǎng)，刻意“為自己培養(yǎng)一些幻覺(jué)”。

為了培養(yǎng)“有益的幻覺(jué)”，我們可以借助多種輔助手段，例如多看科幻題材的影視劇和文學(xué)作品，拓展思維邊界；每天留出一定時(shí)間進(jìn)行冥想，培養(yǎng)發(fā)散性思維；刻意跳出既定套路的束縛，嘗試新的思考方式。更重要的是，在學(xué)習(xí)過(guò)程中，我們要勇于突破標(biāo)準(zhǔn)化答案的限制。對(duì)于那些有確定性答案的問(wèn)題，除了學(xué)習(xí)前人的解決方案，還應(yīng)該思考是否存在其他可能的解法。而對(duì)于那些本就沒(méi)有標(biāo)準(zhǔn)答案的問(wèn)題，不應(yīng)被流行觀點(diǎn)束縛，而應(yīng)大膽提出自己的見(jiàn)解。

想象力和創(chuàng)造力的培養(yǎng)，在AI時(shí)代比以往任何時(shí)候都更加重要。既然AI的幻覺(jué)可以幫助科學(xué)家獲得新的突破，我們也應(yīng)當(dāng)借鑒這種思維方式，在日常學(xué)習(xí)和思考中留出一定的“想象空間”，讓自己能夠跳脫出固有的思維模式，探索更豐富的可能性。

結(jié)語(yǔ)

隨著AI的普及，傳統(tǒng)“螺絲釘”式工作正在減少，學(xué)習(xí)模式必須隨之調(diào)整。未來(lái)，人與AI的關(guān)系不應(yīng)是替代，而是協(xié)作。掌握AI工具、構(gòu)建知識(shí)框架、培養(yǎng)算法思維，能讓我們?cè)谛颅h(huán)境中保持競(jìng)爭(zhēng)力。而更重要的是，我們要強(qiáng)化想象力和創(chuàng)造力，這是AI難以復(fù)制的核心能力。唯有不斷適應(yīng)變化、突破思維局限，才能在AI時(shí)代立足并持續(xù)成長(zhǎng)。