人工智能时代高效学习的 5 条铁律
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：AI是极其出色的“辅助教练”，但如果你图省事让它代劳，就是在亲手毁掉自己的认知壁垒。文章来自编译。
关于人工智能对学习和教育产生的影响，当下社会各界正展开热烈的讨论。
其弊端显而易见。对于许多课堂作业而言，AI 的能力已足够强大，完全可以代劳。然而，让 AI 帮你写作业无异于南辕北辙、自毁长城。不亲身投入实践，学习就无从谈起。
话虽如此，AI 带来的机遇同样不计其数。在弊端之外，它也让廉价且极具耐心的私教辅导、按需解惑、额外补充习题以及科研辅助成为了可能。
套用狄更斯的名言，在学习这件事上，这既是最好的时代，也是最坏的时代。
这让我联想到见解独到的卡尔·亨德里克（Carl Hendrick）最近写的一篇文章。在文中，他梳理了有关 AI 对学习影响的最新研究成果，并将自动驾驶技术的引入与飞行员技能的退化作了类比：
这个案例最吸引我、且我认为对学习与 AI 极具启示意义的地方在于，他的核心诊断是：问题本身其实并不出在自动驾驶系统上。事实证明，飞机的自动化功能所挽救的生命远比其威胁到的要多得多，我相信自动驾驶汽车也是同理。（我对‘机器有害、人类至上’这种陈词滥调毫无兴趣。在我看来，机器整体上非常出色）。极其耐人寻味的是，每当遭遇紧急情况，飞行员的本能反应居然是寻求更高程度的自动化，而不是接管控制；而此时最正确的做法，往往是降低自动化级别，进行手动飞行。因此，真正的危险并非自动化本身，而是对自动化的过度依赖——这恰恰就是我们无限制地让初学者使用聊天机器人时所发生的情况。”
亨德里克并没有将这种令人担忧的趋势归咎于学生；相反，他指责的是教育机构本身。学校一直在两种立场之间摇摆不定：一会儿想拥抱 AI，鼓励学生在作业中使用 AI（只要规范‘引用’其生成结果即可）；一会儿又大谈特谈学术诚信，企图徒劳地维持现状。
很显然，这种摇摆不定的态度是站不住脚的。在 AI 的浪潮下，教育行业势必迎来深刻的变革。
破局之道绝非采取某种含糊不清的‘拥抱 AI’方案——即盲目将 AI 生成的内容视为学生自主思考和完成作业的合法替代品。相反，我们需要清醒地认识到：AI 就像计算器和维基百科一样，既可以是威力强大的工具，也可能变成让人丧失能力的拐杖。
AI的“剂量”多少才能达到最佳学习效果？
很显然，让 AI 代写作业绝不可能带来实质性的学习效果。尽管我本人对 AI 编程智能体（coding agents）所开启的无限可能沉迷不已，但我同样清醒地意识到，过度依赖这种‘氛围编程’（vibe coding）会严重削弱你独立手写代码的能力。
至于在实际生产工作中这种权衡取舍是否合理，则是一个更为复杂的问题。我倾向于认为，“氛围编程”究竟是提升还是损害生产力，很大程度上取决于使用者处在知识获取的哪一个阶段。还没建立起代码底层认知模型的初学者，会因此失去锻炼基础技能的宝贵机会；而能够掌控全局的专家，则可以从节省出的精力中切实获益。
但不可否认的是，如果你的目标是学会自己手写代码，那么直接让 Claude 替你完成工作，必然会导致你学到的东西大打折扣。
更让我感兴趣的问题在于：AI 的辅助是否存在一个‘最佳分寸’或‘最佳介入时机’？也就是说，即便过度使用 AI 显然有害，那么如果完全不用，学习效果是否也会受到阻碍？
如果你在我 2019 年出版《超级学习者》（Ultralearning）之前问我这个问题，我一定说不会。当时我坚信，攻克难题以及随之而来的高度脑力投入，才是掌握复杂技能的唯一正途。
然而，在为 2024 年的新书《脱颖而出》（Get Better at Anything）展开深度研究后，我的观念改变了。练习解题固然是掌握任何技能的核心环节，但其带来的认知负荷很容易超出负荷极限。此时，获得适当的协助——无论是阅读解题范例、做完形填空式的半完成题，还是仅仅获取一点拨云见日的提示——都比盲目挣扎能让人更快地掌握知识。
几条浅见
在教育学研究领域，围绕不同教学方法的讨论往往长达数十年之久。相比之下，AI 出现的历史不过弹指一挥间。因此我认为，学术界要形成关于 AI 最佳应用的成熟共识，尚需时日。
尽管目前尚缺乏更坚实的实证研究支撑，但我仍想分享一下我对 AI 使用指导原则的初步构想：
1. 凡事不亲自下功夫，就绝不可能真正学会
道理看似浅显，却有必要反复强调。无论 AI 辅助对学习是利大于弊还是弊大于利，有一点是十分明确的：凡是完全由聊天机器人包办的事情，你都绝不可能从中掌握其背后的底层技能。
2. 第一次尝试时，切勿使用 AI
对于许多任务而言，挑战往往只有一次。在这种情况下，我认为在查找答案之前先尝试独立求解，几乎总是更好的选择。在每一个问题都独一无二的创意领域，这一点尤为适用。例如，如果在撰写文章开篇时就寻求 AI 帮助，这势必会无形中塑造你最终的思维走向，从而剥夺你围绕特定主题构建独立判断、选择自主研究与论证路径的关键历练。
3. 在最后冲刺阶段，切勿依赖 AI
如果你尽了最大努力依然解不出难题，该怎么办？如果这是一个可重复演练的问题，相关研究已非常明确地指出：参阅解答范例、解析或接受指导，效果远胜于一味地苦苦挣扎。因此，在遭遇挫折后转而向 AI 寻求帮助是审慎明智的。不过，如果你想真正从中受益，就必须在获得解答后，脱离 AI 的帮助，独立去尝试另一道同类型的题目。
4. 善用 AI 为你提供替代思路和延伸资源
虽然一上来就依赖 AI 极易让你绕过促进学习所必需的深度思考，但我坚信 AI 在提供你可能忽略的替代方案方面大有裨益。在这一点上，AI 所拥有的远超人类的广博知识库将成为一笔巨大的财富——它可以帮你挖掘出你在初次探索时可能遗漏的方法、论文、书籍和创意视角。
5. 善用 AI 来排查困惑、纠正错误
同理，在你完成第一次解题尝试后，我通常鼓励你对照专家级的标准答案寻求反馈。AI 不仅能在许多领域生成专家水准的解答，更能精准指明你困惑和犯错的根源所在。
观察-实践-反馈（结合 AI）
在《脱颖而出》一书中，我提出高效学习很大程度上表现为一个闭环实践过程：“观察”包括接收指导、研读示范样例，或以其他方式将知识装入脑海，以指引你寻找正确答案；“实践”指独立进行练习；“反馈”则是从外部环境中获取关键信号，以评估你的练习效果如何。
AI 具备极大的潜力，能够在这一闭环的“起点”（观察）和“终点”（反馈）上提供有力辅助。然而，它唯独无法替代其中最为核心的“中间环节”——那就是由你亲自去下功夫、独立完成实践。
译者：boxi。
