跳到主要内容

如何通过 AI 学习新知识

现在学习的方式已经发生了变化。

以前我们学习的方法是 "自下而上" 的，要从最基础的开始。在计算机专业，我们一般都是从 C 语言入门， 然后依次是数据库，操作系统，计算机网络，数电，嵌入式，html，css，js，java，j2e,spring... 只有把这些都学完之后，才说开始做一个项目。

但现在，已经完全反过来了。已经变成 "自上而下" 的了。

现在的场景变成了这样，有了一个需求（可以是工作任务，学习任务， 或者是任何不懂的问题），你 就可以把这个需求详细的描述给 AI，然后 AI 会根据你的需求生成一个项目，你的任务就是把 AI 写的项目跑起来，肯定会有 BUG，你需求一步一步的把它调通。等项目跑起来之后，仔细的去阅读 AI 写的代码，弄清楚每行代码的含义与作用。盯着某一些细节持续追问.

  • 这一部分具体在做什么?
  • 能不能用更直观的方式解释一下？
  • 这个地方为什么能达到这个效果？
  • 这些东西本质上是怎么工作的？
  • 背后的原理是什么？
  • 能不能画几张示意图？
  • 在 xx 中，最基础、最核心的概念有哪些？

把问题拆的越来越细，知道你是真的弄懂了。当你觉得自己理解了，可以反过来 把自己的理解用一段话将给模型听，让它帮你检查：“这是我对这个概念的理解，对不对?“ 这样既能校正理解偏差，又能补上你忽略的细节。最好的学习方法就是把你的理解重新讲给别人听。

一些提问的技巧：

  • 用我只有 12 岁的理解水平来解释一个概念（explain to me like i'm 12）
  • 用一个非常具体的场景来举例说明

一些前置说明：

  • 请极度直接、极度具体
  • 一定要给出所有中间步骤和中间状态
  • 务必帮我建立直觉，告诉我为什么会这样
  • 如果你不确定，就列出几个不同的方案，说明各自的优缺点，谁试过，为什么有效或无效

脑子里冒出了一个不确定的问题时，立刻把它丢给 AI。

就这样从上往下，把所有该补的基础一点点补齐。

如何向别人展示你自己？

做一个非常非常好的 Demo，而且要足够简单。

  1. 3s 内，让别人看到你做的是什么
  2. 3s 内，让别人看出你会写代码，而且写的不差

我们大多数人都严重低估了自己能做到的事情。

思考：

如何确定自己是真的弄懂了这个知识点呢？

  1. 费曼学习法

"如果你不能简单地解释它，说明你还没有真正理解它" — 理查德·费曼

✅ 测试1: 用简单语言讲给外行听
- 能否向非技术背景的朋友解释这个概念?
- 不使用术语，能否让对方理解核心思想?

✅ 测试2: 写教程或博客文章
- 尝试写一篇教程教别人
- 在写作过程中会暴露你的理解盲区

✅ 测试3: 回答"为什么"
- 为什么这个方法有效?
- 为什么不用其他方法?
- 为什么参数要这样设置?
  1. 从零实现法 (Implementation from Scratch)
不看资料，能否:
☐ 从空白文件开始写代码实现
☐ 解释每一行代码的作用
☐ 知道为什么这样写而不是那样写
☐ 能调试出现的错误
☐ 能优化代码性能
Level 1: 能运行别人的代码                    ⭐ (20%理解)
Level 2: 能修改参数看效果                    ⭐⭐ (40%理解)
Level 3: 能修改代码添加功能                  ⭐⭐⭐ (60%理解)
Level 4: 能从零写出核心逻辑                  ⭐⭐⭐⭐ (80%理解)
Level 5: 能解释权衡取舍并优化                ⭐⭐⭐⭐⭐ (100%理解)
  1. 概念网络法 (Concept Mapping)
画一个知识图谱，连接所有相关概念:

         Transformer
         /    |    \
        /     |     \
   Attention  |   Positional
   Mechanism  |   Encoding
       |      |      |
    Q,K,V  Feed-Forward
       |      |
    Softmax  Residual
              Connection

然后测试:
☐ 能解释每个节点吗?
☐ 能解释节点之间的关系吗?
☐ 去掉某个组件会怎样?
☐ 为什么要这样组合?

meta-skill: 知道自己不知道什么。

学习本就不该是轻松的。其核心感受应当是付出努力的过程，就像在健身房进行的一次严肃训练，你需要的是那种精神层面的“挥汗如雨”。

如何成为某个领域的专家？

  1. 迭代式地承担具体项目并深入完成，按需学习。
  2. 用自己的语言总结你所学到的一切。
  3. 只与过去的自己比较，永远不要与他人比较。

学习的时候，你必须要牢牢掌握主动权。

学习这个过程的目的就是让你来掌握一切。

一个对话的案例：

bad: 用户：用简单的话解释下强化学习。AI：给出教科书式的标准答案... good: 用户：我想学习强化学习。我想让你告诉我它为什么存在。它解决了什么问题？在它出现之前，人们用什么替代方法？我知道智能体采取行动并获得奖励作为回报，但我不明白它实际上是如何学会哪些行动是好的。它怎么知道那 10 个动作中，到底是哪个导致了奖励？请用直观的方式带我过一遍数学原理，像给 12 岁孩子解释那样，并给我一个扎实的例子。

AI as learning mentor: 把 AI 当做导师。

  1. 理解你要学习的东西
  • xx 为什么会存在？
  • xx 解决了什么问题？
  • xx 在实际中用在什么地方？
  • 在它之前有什么替代方法
  • xx 的核心逻辑
  • 把我当做 12 岁孩子给我解释
  • 用更直观的方式解释一下
  • 举一个例子
  • 建立直觉

  1. 从实际问题出发

    • x, 问 AI 应该学哪些知识
    • ✓， 直接问 有哪些能用上 XX 的项目可以开发，在让 AI 写代码

  2. 动手让它跑起来

  3. explain back , 把你的理解用自己的话语讲给 AI 听，让 AI 指出你理解的偏差。

    • 充分利用费曼学习法

  4. 递归深入

    • 花费足够多的时间来回对话，逐渐完善你的理解

  5. 归纳推广

    • XX 的局限性是什么？

AI 会犯错，你需要通过查阅资料(书籍，博客，文章等)来辅助学习。

你依然需要付出努力，AI 消除的是阻力，而不是工作量。

the only way to escape the permanent underclass is to adopt the tools in front of you.

refusal masquerading as virture is still fucking refusal.

想要摆脱永久的底层地位，唯一的出路就是善用眼前触手可及的工具。

披着美德外衣的拒绝，骨子里依然是该死的拒绝。

学习是没有捷径的​

https://agentultra.com/blog/how-i-learned-everything-i-know/index.html

学习是没有捷径的。

试想一下，你会比在 LLM 出现之前就必须去学习操作系统的人更快去知道答案的吗？

你必须下功夫。

你必须保持好奇心，去阅读，下载代码，形成一个假设，设计一个实验，尝试它，学到东西，然后重新审视你的假设。

重复这个过程足够多次，你积累知识的速度会比你预想的快得多。

There is no way to cheat and get to the answer faster than anyone else who had to learn operating systems before LLMs existed. You have to do the work. You have to be curious, do some reading, download the code, form a hypothesis, design an experiment, try it out, learn something, and revisit your hypothesis. Do that enough times and you will build up knowledge faster than you anticipated.

不付出努力就无法真正掌握知识。 仅靠 LLM 告诉你计算方法是法真正掌握微积分的。你需要学习微积分理论，亲自完成练习题直到能够独立解决全新的微积分问题而不依赖任何参考资料。

只有你能向别人讲明白某个知识，才算真正掌握它。初次讲解时，表达方式肯定不够完善。这需要反复练习才能进步。

Be Curious, Be Fearless, and Hack the Planet | 保持好奇，无所畏惧，改变世界

最后于 更新