Skip to content
Published on

什么该学深，什么该略过 — AI 什么都能答的时代，如何制定学习策略

🇰🇷KO🇺🇸EN🇯🇵JA🇨🇳ZH
Split View필사 모드
分享
Authors

引言 — 在答案变得免费的世界里

一个疑问 3 秒就能解决的时代，到底还有什么值得特意装进脑子里？

最简单的答案是"只学 AI 不知道的东西"。可这个答案没用，因为 AI 几乎什么都知道。所以本文换一根轴。该学深的东西，不是由"AI 不知道什么"来决定，而是由"AI 出错时你必须能察觉什么"来决定。

在前一篇 AI 真的让开发者更快了吗 里，问的是"今天的我是不是变快了"。本文要问的是时间尺度更长的那一侧 — 我是不是在变得更强。 而学习科学对这个问题给出的答案，对每天使用 AI 工具的人来说并不愉快。

造就实力的不是检索，而是提取

先从核心实验说起。Roediger 与 Karpicke 2006 年的论文(Psychological Science 第 17 卷第 3 期)。

华盛顿大学的本科生学习一篇简短的科普文章。实验 2 的条件有三种。

  • SSSS — 把文章读四遍。不做测验。
  • SSST — 读三遍，做一次回想测验。
  • STTT — 只读一遍，做三次回想测验。不给反馈。

5 分钟后做最终测验，结果符合常识。SSSS 是 83%，SSST 是 78%，STTT 是 71%。读得多的一方赢。

可是一周之后，排名彻底反转。 STTT 是 61%，SSST 是 56%，而老老实实读了四遍的 SSSS 一路跌到 40%。这里最令人印象深刻的数字是曝光量：SSSS 组平均把文章通读了 14.2 遍，STTT 组只读了 3.4 遍。多读了四倍有余，一周后反而多忘了 21 个百分点。若看这一周的遗忘率，SSSS 丢掉了 52%，STTT 只丢掉了 14%。

而这篇论文真正的炸弹，藏在学习结束后的问卷里(Table 2)。研究者用 7 点量表问学生"你觉得一周后能记住这篇文章的多少" —

  • SSSS: 4.8
  • SSST: 4.2
  • STTT: 4.0

最有信心的那一组，记得最少。 用作者的话说，反复阅读只是 "repeated studying inflated students' confidence" — 把学生的信心吹胀了而已。而这篇论文的结论句是这样的："Testing is a powerful means of improving learning, not just assessing it."

把术语理清楚。提取(retrieval) 是从自己脑子里主动把东西拽出来的行为。查阅(lookup) 是接受别人替你拽出来的东西。造就记忆的是前者。后者造就的，只是一种"仿佛造就了记忆"的 感觉 而已。

合意的困难，以及不合意的困难

为什么会这样，Bjork 夫妇 2011 年的文章 "Making Things Hard on Yourself, But in a Good Way" 给出了解释。

核心是 学习(learning)与表现(performance)的分离。表现是训练过程中能被观察、被测量的东西，学习则是留存下来的变化。照搬 Bjork 的原话是 "current performance can be a highly unreliable index of whether learning has occurred" — 当下的表现，作为"学习是否发生"的指标极不可靠。

于是悖论出现了。能迅速拉高表现的条件，和能留下学习的条件，并不是同一批。 重读会制造熟悉感(perceptual fluency)，而我们把这种熟悉感误当成了理解。用 Bjork 的理论术语说，这就是 把提取强度(retrieval strength)误读成存储强度(storage strength)的行为，其结果是我们会自己偏爱更糟糕的学习条件。

所以 Bjork 把这些故意加大难度的条件称为 合意困难(desirable difficulties)。他列出的清单是：改变学习条件、交错(interleaving，把不同主题混着练)、分散学习，以及 把测验而不是呈现当作学习事件。Bjork 实验室还在此之上加了 生成(generation) — 不去读，而是自己造出来。这一效应的起点是 Slamecka 与 Graf 1978 年的研究。

还有一个数字。Bjork 引用的 Rohrer 与 Taylor(2007)的实验里，把题目混着做的一组，一周后新题的正确率是 63%，按题型集中做的一组是 20%。可是在训练过程中，集中做的那一组看起来更好。总是这样。

这里必须给全文加上一条但书。 Bjork 本人强烈警告过 — "Many difficulties are undesirable during instruction and forever after."。不是所有的困难都是好的。困难要成为"合意的"，学习者必须具备 足以成功应对它的背景知识。否则它就只是不合意的困难，也就是浪费。请记住这条但书 — 稍后它会变成"什么时候可以交给 AI"的判断标准。

AI 时代的陷阱 — 当提取被外包出去

现在可以把问题压缩成一句话。

造就实力的是提取，而 AI 是一台提取机器。 让模型替你把东西拽出来，你就跳过了造就专业能力的那个行为本身。这个工具偏偏最擅长的，正是你绝不该假手于人的那件事。而且这不是类比，是被测量出来的结果。

Bastani 等人(PNAS, 2025)。 这是一项以土耳其约 1,000 名高中生为对象的现场实验。三个组 — GPT Base(普通的 ChatGPT 界面)、GPT Tutor(加了护栏，不给答案、只给教师设计好的提示)，以及没有 AI 的对照组。

  • 练习过程中，AI 压倒性地赢。成绩上 GPT Base 提高了 48%，GPT Tutor 提高了 127%。
  • 可是 把 AI 撤掉、让他们独自考试 之后，GPT Base 组的分数比一次都没碰过 AI 的对照组还要 低 17%。
  • 加了护栏的 GPT Tutor 大体上消除了这份损害。但请注意 — 它只是消除了损害，并没有让学生超过对照组。 练习中的那 127%，没有跟着走进考场。

作者的诊断只有一个词：学生们把 AI 当成了 "crutch"(拐杖)。这正是 Bjork 预言的学习与表现的分离，在实验室之外被原样复现的场景。练习中的表现飙升，学习却没有留下。

Lee 等人(CHI 2025，Microsoft Research + CMU)。 他们从 319 名 知识工作者那里收集了实际工作中的生成式 AI 使用案例 936 件 并加以分析。核心发现是信任的方向 — "higher confidence in GenAI is associated with less critical thinking"。越信任 AI，批判性思考就越少；越信任 自己，批判性思考就越多。作者还报告说，使用 AI 时批判性思考的性质本身会 从生成信息，转向验证、整合与监督信息。

这篇论文还召唤出了 Bainbridge 那个经典的"自动化悖论" — 把日常任务交给机器，也就一并失去了锻炼那块"处理例外情况"的肌肉的机会。而例外总有一天会来。

两项研究的局限，现在就先说清楚。 Bastani 面对的是高中生和数学，不是资深工程师。Lee 等人做的是 自我报告问卷，而且是相关关系 — 标题里就明明白白写着 "Self-Reported"。而且正如 前一篇 所见，关于"AI 对自己产出有何影响"的自我报告，是我们手上最不可信的工具。机制看起来是可以迁移的，但效应量不会原样搬过来。

什么该学深，什么该学浅 — 用半衰期来划分

策略不是一份书单，而是 分配。你手里有一份有限的"合意困难"预算，把它花在哪里，就是全部。标准有两条 — 半衰期，以及 AI 出错时你能不能察觉。

长半衰期 — 自己来，学得深，靠提取。 这些东西解释的是 为什么，而且能活几十年。

  • 操作系统 — 进程、内存、文件描述符、调度
  • 网络 — TCP、TLS、HTTP 语义、超时与重试
  • 数据库 — 事务、隔离级别、索引、查询计划
  • 分布式系统 — 一致性、分区、幂等性、故障模式
  • 调试方法论 — 提出假设、观测、二分查找
  • 数据结构与算法 — 不是背诵，而是 能推理出代价的水平
  • 写作 — 把想法变成可被检验的形态的技术

TCP 活得比你学过的所有框架都长。而这些东西，正是你在审判 AI 的输出时要掏出来用的工具。

短半衰期 — 扫一眼，交给 AI。 框架 API、语法琐事、配置咒语、CLI 标志、YAML 模式。它们之所以正好属于 AI 的领地，理由有三个：文档多，模型擅长；验证几秒钟就能结束(要么跑得通，要么跑不通)；而且 它们反正会过时。 在这里深度投资，等于投资一项正在折旧的资产。

区分这两桶的检验只有一条。模型出错的时候，你能不能察觉。

  • 写错的 CLI 标志会自己举报自己 — 命令会失败。→ 扫一眼就行。
  • 微妙地写错的隔离级别、漏掉的幂等键、藏在重试路径里的竞态，没有人会替你举报。 几个月后它会以账单的形式出现。→ 这些必须由你自己拥有。

AI 最典型的失败样式是"几乎正确，但不完全正确"。而能抓住那个"几乎"的，只有知道 为什么 的人。按熟悉度和验证成本来划分任务的那张格子，我整理在 前一篇 里了。

实践 — 先尝试，再确认

处方不是"别用 AI"，而是 换顺序。把提取的尝试，放到查阅 之前 去。

依据是 Kornell、Hays 与 Bjork 2009 年的论文(JEP: LMC 第 35 卷第 4 期)。它的设计几乎是残忍的。研究者把材料做成了 必定失败 的样子：一道不存在的常识题("结束 Calumet 战争的和平条约是什么？" — 根本没有这场战争)，以及一个把偶尔答对的少数试次干脆排除出分析的词语联想任务。

  • 测验条件 — 先自己试着回答，然后再看正确答案。(尝试 100% 会失败。)
  • 阅读条件 — 把题目和答案放在一起看。

结果是这样的。"Unsuccessful retrieval attempts enhanced learning with both types of materials." 连失败的尝试，都比直接看答案更好。 作者的结论是：有效学习的关键，也许不在于避开错误，而在于去考一场难的测验。这就是处方的全部。落到实践上是五条 —

1. 在敲下提示词之前，先花 5 分钟把答案写出来。 "这个 bug 大概是连接池耗尽。""这条查询大概走不了索引。"写错也没关系。Kornell 的结果说的正是，错误的尝试，恰恰把那个正确答案安装了进去。

2. 把 AI 当批评者，而不是自动补全。 不是"帮我写这个"，而是"我的设计是这样，它会在哪里崩？"同一个工具，认知位置正好相反。生成留给自己，证伪交给模型。

3. 让自己成为被要求解释的那一方。 让 AI 用你刚刚合并的代码来考你。这是在你真实的代码库之上做的提取练习。

4. 在长半衰期的领域，刻意把工具关掉。 这不是禁欲，是训练。Bastani 的实验测的正是"工具消失的时候会发生什么"。工具总有一天会消失 — 凌晨 3 点的故障、隔离的内网，或者只是模型自信满满地答错的那道题面前。

5. 在短半衰期的领域，用得毫无愧疚。 按半衰期来切分的理由就在这里。为了想起某个 CLI 标志而抓耳挠腮，正是 Bjork 所说的 不合意的困难。什么也堆积不起来。

也有指向同一方向的预印本("Struggle First, Prompt Later", arXiv 2025) — 报告说先自己尝试、再用 AI 的方式，在复杂且高阶的任务上尤其有效。不过它 没有经过同行评审，样本量也无法确认。 请只把它当作路标，而不是证据。

诚实的局限

为了不让本文的论点被过度包装，我把弱点自己写出来。

从实验室到实务的迁移，是一种类推。 Roediger 与 Karpicke 测的是本科生把一段散文记住一周。Bjork 的那些困难，大体是在词表、运动任务和课堂材料上确立的。它们没有一个是"工程师用三年时间掌握分布式系统"。方向被反复复现了，但它在你的岗位上到底有多大，从来没有被测量过。

还有最难堪的那个数字。 正如 精英运动员的心理 里讲过的，Ericsson 从来没用过"一万小时定律"这个说法 — 用他的原话说是 "there is nothing special or magical about ten thousand hours" — 而 Macnamara 等人 2014 年的元分析报告称，刻意练习能解释的成绩方差，在游戏中是 26%、音乐 21%、体育 18%、教育 4%，而 在职业领域不足 1%。偏偏离我们最近的那个领域，最弱。作者们的结论也就到这个份上 — 刻意练习很重要，但没有被宣称的那么重要。这个数字对我的论点不利，所以我更要把它准确地写下来："刻意练习吧"这条建议，在职业领域天花板很低，而本文只在这个天花板之下才有效。

有时候，不去学才是对的。 一辈子只会碰一次的工具，整个丢给 AI 就好。那不是懒惰，那是策略在正常运转的样子。

结语

压缩成一句话就是：AI 惊人地擅长的，恰恰是那件你一旦让它代劳、就永远不可能变强的事。

这不是叫你禁欲，而是叫你 分配。你的合意困难预算是有限的。把它花在半衰期长的东西上，花在 AI 出错时必须由你亲手抓住的东西上。剩下的，一分钱也别花。能写在便利贴上的版本是三行。

  • 先尝试，再确认。
  • 能活得久的自己来，很快过时的交给工具。
  • 不问"我学到了什么"，而问"AI 出错时我能不能察觉"。

幸好这些习惯都很小。提示词之前的 5 分钟，仅此而已。小东西为什么真的能粘住，我在 习惯不是21天养成的 里写过。

最后，如果这篇文章只带走一样东西，就带走 Roediger 的那张表。把文章读了十四遍、对自己最有信心的那一组，一周后记得最少。他们流畅、快速、充满确信。AI 每天都把你按在那把椅子上。"觉得自己懂了"和"确实懂了"会分道扬镳，而工具消失的时候，露出来的只有其中一个。

参考资料

Discuss on Twitter • View on GitHub