即刻App年轻人的同好社区
下载
学习/了解AI，最好的信息源在哪里？
最近，陆陆续续有人说我朋友圈内容质量高，说我 AIGC 新闻源很多很新。甚至还有投资行业的朋友，找我打听 AIGC 相关的内容。
1、优质信息源
问渠哪得清如许，唯有源头活水来。好的内容，主要源于好的信息源。那么，像我这样的没有技术背景的普通人，想要学习或了解AI，最好的信息源在哪里呢？
先说结论：“不在西装革履的卖课海报里，免费的，不需要499”，就在「即刻」App 的“AI 探索站”等免费圈子里。
从 12 月 5 号用 ChatGPT 生成孙悟空 AI 绘画提示词开始，我陆陆续续付费加过不少知识星球和社群，也在 Twitter 上关注过上百位 openai 等公司/机构一线的活跃的 AI 从业者[1]。
5 个多月下来，确实到处都有“淘到宝”，也在不少知识星球写出过精华帖。但如果从信息质量和信息密度来看，暂时还没有看到比即刻“AI 探索站”强的付费社群。甚至群里某些让社群成员激动的信息，还是从即刻那边转发过来的。
Twitter 作为信息源，按道理说肯定更加“一手”。不过一般人不一定打得开Twitter，而我现在也没有培养出来太好的使用习惯。现阶段来看，“AI 探索站”里的前沿信息线索基本够用，很多Twitter上的开发者大牛也会在这里分享，需要溯源的时候，我才会去 Twitter 和相关官网。
此外，也会有不少「超级个体」拉的免费交流群。但群的活跃度都相对有限，社群的生命周期也相对不长。凡是拉了几个月的群，每天还有群消息的，很多时候是超级个体在转发某些消息，讨论氛围真心不浓。
因此，我的AI信息源，逐渐变成了「以即刻“AI 探索站”为主，通过付费社群的精华帖和少数公众号信息做补充，最后去Twitter 和相关官网溯源」。
其中，即刻“AI 探索站”在前沿信息、认知/insight更新等方面的信息较强，付费社群中技巧型和变现实战的内容偏多，Twitter 和相关官网里就算看不懂也要硬着头皮啃完的内容更多。
说到这里，我还想再多说两句，聊聊 AI 时代多看点什么内容可能更好。
2、真正的科技变革发生时，认知/insight 是最重要的
前魅族 coo 李楠曾在 B 站视频[2]中分享过：技术进步的阶段，你尚可研究“ 10 个技巧玩转Midjourney”。但当技术发生颠覆性变革的时候，你不能用技巧用技能掩盖认知的落后。
比如写 Java ，很多 Java 程序员没搞懂 Java 是面向对象的语言，只是学会了技巧层的皮毛，写出来的代码还是纯纯地面向过程，还是上个时代的认知。
【真正的科技变革发生的时候，最重要的是更新自己的认知，技巧是次要的】
微软Principal DataScientist、某DataCopilot产品负责人朱晓勇[3]，最近在 LinkLoud 的分享里，也有类似的观点：
随着LLM开始加入工作流，insight是最重要的，执行是次要的，用好工具、拥有更多insight的人，会有更大的价值。
3、酷壳网有篇文章[4]指出，要在认知上超过别人，就要在3个方面上做足功夫：
“1）信息渠道。试想如果别人的信息源没有你的好，那么，这些看不见信息源的人，只能接触得到二手信息甚至三手信息，只能获得被别人解读过的信息，这些信息被三传两递后必定会有错误和失真，甚至会被传递信息的中间人hack其中的信息（也就是‘中间人攻击’），而这些找不出信息源的人，只能‘被人喂养’，于是，他们最终会被困在信息的底层，永世不得翻身。（比如：学习C语言，放着原作者K&R的不用，硬要用错误百出谭浩强的书，能有什么好呢？）
2）信息质量。信息质量主要表现在两个方面，一个是信息中的燥音，另一个是信息中的质量等级，我们都知道，在大数据处理中有一句名言，叫 garbage in garbage out，你天天看的都是垃圾，你的思想和认识也只有垃圾。所以，如果你的信息质量并不好的话，你的认知也不会好，而且你还要花大量的时间来进行有价值信息的挖掘和处理。
3）信息密度。优质的信息，密度一般都很大，因为这种信息会逼着你去干这么几件事：
a）搜索并学习其关联的知识，
b）沉思和反省，
c）亲手去推理、验证和实践……
一般来说，经验性的文章会比知识性的文章会更有这样的功效。比如，类似于像 Effiective C++/Java，设计模式，Unix编程艺术，算法导论等等这样的书就是属于这种密度很大的书，而像Netflix的官方blog和AWS CTO的blog等等地方也会经常有一些这样的文章。”
归根结底，还得是信息，找到优质信息源，每天都浸泡在高密度的信息中，认知自然就上去了。
如果能再用用“费曼学习法”，用大白话把学到的好东西分享出来，看看其他人能不能看懂，那就更好了。
最后，如果担心信息洪流太大，学不过来，可以尝试这5个给学习做减法的小tips[5]：
1、只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）
2、只解决具体问题，不做泛泛了解。从问题中来，到问题中去
3、只关注核心能力，不关注花式玩法，用 AI 扬其长避其短
4、只关注理清需求和逻辑，不死记硬背提示词
5、先关注提升认知/insight，然后再谈技巧
———
[1]有哪些一线的活跃的AI从业者Twitter值得关注：m.okjike.com
[2]李楠《让所有人更好的理解 AIGC 的三个比喻》：m.okjike.com
[3]Linkloud上周六“Gen AI”主题沙龙有哪些有意思的观察：m.okjike.com
[4]陈皓《如何超过大多数人》：coolshell.cn
[5]如何给「学习AI」做减法？我从吴恩达、曹大、刘飞等人的分享中，总结了 5 条思路：m.okjike.com
最近，陆陆续续有人说我朋友圈内容质量高，说我 AIGC 新闻源很多很新。甚至还有投资行业的朋友，找我打听 AIGC 相关的内容。
1、优质信息源
问渠哪得清如许，唯有源头活水来。好的内容，主要源于好的信息源。那么，像我这样的没有技术背景的普通人，想要学习或了解AI，最好的信息源在哪里呢？
先说结论：“不在西装革履的卖课海报里，免费的，不需要499”，就在「即刻」App 的“AI 探索站”等免费圈子里。
从 12 月 5 号用 ChatGPT 生成孙悟空 AI 绘画提示词开始，我陆陆续续付费加过不少知识星球和社群，也在 Twitter 上关注过上百位 openai 等公司/机构一线的活跃的 AI 从业者[1]。
5 个多月下来，确实到处都有“淘到宝”，也在不少知识星球写出过精华帖。但如果从信息质量和信息密度来看，暂时还没有看到比即刻“AI 探索站”强的付费社群。甚至群里某些让社群成员激动的信息，还是从即刻那边转发过来的。
Twitter 作为信息源，按道理说肯定更加“一手”。不过一般人不一定打得开Twitter，而我现在也没有培养出来太好的使用习惯。现阶段来看，“AI 探索站”里的前沿信息线索基本够用，很多Twitter上的开发者大牛也会在这里分享，需要溯源的时候，我才会去 Twitter 和相关官网。
此外，也会有不少「超级个体」拉的免费交流群。但群的活跃度都相对有限，社群的生命周期也相对不长。凡是拉了几个月的群，每天还有群消息的，很多时候是超级个体在转发某些消息，讨论氛围真心不浓。
因此，我的AI信息源，逐渐变成了「以即刻“AI 探索站”为主，通过付费社群的精华帖和少数公众号信息做补充，最后去Twitter 和相关官网溯源」。
其中，即刻“AI 探索站”在前沿信息、认知/insight更新等方面的信息较强，付费社群中技巧型和变现实战的内容偏多，Twitter 和相关官网里就算看不懂也要硬着头皮啃完的内容更多。
说到这里，我还想再多说两句，聊聊 AI 时代多看点什么内容可能更好。
2、真正的科技变革发生时，认知/insight 是最重要的
前魅族 coo 李楠曾在 B 站视频[2]中分享过：技术进步的阶段，你尚可研究“ 10 个技巧玩转Midjourney”。但当技术发生颠覆性变革的时候，你不能用技巧用技能掩盖认知的落后。
比如写 Java ，很多 Java 程序员没搞懂 Java 是面向对象的语言，只是学会了技巧层的皮毛，写出来的代码还是纯纯地面向过程，还是上个时代的认知。
【真正的科技变革发生的时候，最重要的是更新自己的认知，技巧是次要的】
微软Principal DataScientist、某DataCopilot产品负责人朱晓勇[3]，最近在 LinkLoud 的分享里，也有类似的观点：
随着LLM开始加入工作流，insight是最重要的，执行是次要的，用好工具、拥有更多insight的人，会有更大的价值。
3、酷壳网有篇文章[4]指出，要在认知上超过别人，就要在3个方面上做足功夫：
“1）信息渠道。试想如果别人的信息源没有你的好，那么，这些看不见信息源的人，只能接触得到二手信息甚至三手信息，只能获得被别人解读过的信息，这些信息被三传两递后必定会有错误和失真，甚至会被传递信息的中间人hack其中的信息（也就是‘中间人攻击’），而这些找不出信息源的人，只能‘被人喂养’，于是，他们最终会被困在信息的底层，永世不得翻身。（比如：学习C语言，放着原作者K&R的不用，硬要用错误百出谭浩强的书，能有什么好呢？）
2）信息质量。信息质量主要表现在两个方面，一个是信息中的燥音，另一个是信息中的质量等级，我们都知道，在大数据处理中有一句名言，叫 garbage in garbage out，你天天看的都是垃圾，你的思想和认识也只有垃圾。所以，如果你的信息质量并不好的话，你的认知也不会好，而且你还要花大量的时间来进行有价值信息的挖掘和处理。
3）信息密度。优质的信息，密度一般都很大，因为这种信息会逼着你去干这么几件事：
a）搜索并学习其关联的知识，
b）沉思和反省，
c）亲手去推理、验证和实践……
一般来说，经验性的文章会比知识性的文章会更有这样的功效。比如，类似于像 Effiective C++/Java，设计模式，Unix编程艺术，算法导论等等这样的书就是属于这种密度很大的书，而像Netflix的官方blog和AWS CTO的blog等等地方也会经常有一些这样的文章。”
归根结底，还得是信息，找到优质信息源，每天都浸泡在高密度的信息中，认知自然就上去了。
如果能再用用“费曼学习法”，用大白话把学到的好东西分享出来，看看其他人能不能看懂，那就更好了。
最后，如果担心信息洪流太大，学不过来，可以尝试这5个给学习做减法的小tips[5]：
1、只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）
2、只解决具体问题，不做泛泛了解。从问题中来，到问题中去
3、只关注核心能力，不关注花式玩法，用 AI 扬其长避其短
4、只关注理清需求和逻辑，不死记硬背提示词
5、先关注提升认知/insight，然后再谈技巧
———
[1]有哪些一线的活跃的AI从业者Twitter值得关注：m.okjike.com
[2]李楠《让所有人更好的理解 AIGC 的三个比喻》：m.okjike.com
[3]Linkloud上周六“Gen AI”主题沙龙有哪些有意思的观察：m.okjike.com
[4]陈皓《如何超过大多数人》：coolshell.cn
[5]如何给「学习AI」做减法？我从吴恩达、曹大、刘飞等人的分享中，总结了 5 条思路：m.okjike.com
246 45198
来自圈子
AI探索站
67017人已经加入