我从小就不是个聪明的学生。记忆力差、学习吃力,直到初中老师那句"错题本能提升成绩"点醒了我。这个看似简单的习惯,后来三次改变了我的人生轨迹。
中考前夜,我给室友讲解错题本上一道物理难题时,没人想到这竟是20分的考题原题。最终我以超出分数线10分的成绩险入重点高中;高一奥赛班选拔考中,10道题里有4道都曾出现在我的错题本上;工作后,我把总结习惯延续成技术文章,多次在面试中与考题"意外重逢"。
但当Cursor这样的AI能秒解我苦思的难题,当GPT-4的输出远超我的知识储备,那个支撑我多年的学习信念突然动摇------在AI面前,人类的学习还有意义吗?
直到朋友抛出那个关键问题:"AI能把中级者变成专家吗?"我的答案很明确:不能。AI可以替代初级工程师的代码实现,能辅助高级工程师的方案设计,但真正的系统级创新、突破性思维,依然需要人类专家对本质规律的深刻理解。
这让我意识到:AI时代的学习正在经历价值重构。机械记忆和套路解题确实在贬值,但深度学习能力反而在增值。就像我的错题本之所以有效,不在于记录行为本身,而在于它强迫我完成的三个关键动作:
- 识别知识盲区(发现问题)
- 建立认知联结(分析归因)
- 形成应对策略(解决方案)
这正是当前AI的局限所在------它能给出答案,却无法替你构建认知体系;它能提供方案,但不能培养你的判断力。当所有信息都唾手可得时,筛选、整合、创新的能力反而成为稀缺资源。
所以我不再更新技术速查类的文章,转而记录更多元化的思考:某个架构决策背后的权衡过程,某次故障排查的思维路径。