7.1
深览指数
成长虎嗅·AIGC从0到1··AI 生成
AI重新定义学习范式：是更早看到问题
本文以17岁高中生陈广宇参与大模型底层技术研究为切入点，批判了将“超前学习”等同于“提前学完课程”的主流评价体系。作者提出，AI让知识获取变得廉价，真正稀缺的能力不再是“更快完成课程”，而是“提出好问题”的能力。文章定义了三种核心学习力：从信息中提炼结构的压缩率、识别不同领域共性的跨领域迁移力，以及在众多问题中选出关键中枢的问题选择力。适合关注教育变革、AI对能力结构重塑、以及个人认知升级的读者。原文 ↗
核心观点
- ▍AI让知识获取变得廉价，让“提前学完课程”这件事迅速失去稀缺性；未来真正稀缺的能力，是能在答案出现之前，先看见那个值得被回答的问题。
- ▍学习的本质不是囤积知识，而是在获得一种看待现实、发现问题的“看法”。真正重要的学习发生在“清晰的边缘”，即问题尚未被明确定义的区域。
- 01文章以17岁高中生陈广宇参与Kimi Team《Attention Residuals》论文研究为例，指出他并非“提前学完课程”，而是进入了“一个仍在变化的问题里”，需要自己提出假设、接受反驳，这与刷题或提前学完课程有本质不同。
- 02作者提出，课程型学习的终点是掌握已整理好的内容；而问题型学习，则从“眼前的事还没被说清楚，甚至连该用什么概念去描述它都不确定”的地方开始。
- 03作者定义了三种核心学习力：1) 压缩率：从大量信息中抽出真正起作用的少数关系，并组织成可复用模型。2) 跨领域迁移力：识别表面差异下的同一种结构。3) 问题选择力：在一堆题目里找到真正能改变后续理解和决策的“中枢问题”。
- 04作者引用《领导力神谕》中“清晰的边缘”概念，认为真正的战略判断和学习都发生在此处——介于完全清晰（有现成答案）和完全混乱（无法行动）之间。
- 05作者指出，AI最擅长让课程型学习变得极其顺滑，但“我看懂了AI的解释”不等于“我已经形成了自己的理解”，AI的“导航”功能会掩盖掉本应停顿、思考的空白。
- 06作者建议，更好的AI用法是在提问前先保留自己的问题图，然后让AI来攻击这张图，找反例、列出竞争性解释，以暴露盲区。
反方 / 局限
- — 作者承认，课程、考试和超前训练依然重要，数学、写作、编程等基础训练是判断问题新不新、难不难的前提。文章并非反对现有教育体系。
- — 文章隐含的局限：文中提出的“问题选择力”等能力，很大程度上依赖于个人天赋、家庭环境、以及接触到真实问题（如前沿科研）的机会，并非人人可得，这本身就是一种新的不平等，但文章未深入讨论。
14 分钟 · 4 卡片 · 9 资料
读原文 →