即刻App年轻人的同好社区
下载
“知识的缝隙”这篇文章，实在是太有穿透力了。
在跟AI打交道过程中，我遇到的很多重要问题，几乎都可以在“知识的缝隙”这一概念里找到解法。
1、费曼学习法
在接触生成式 AI 的这一年多时间里，从门外汉到从业者，从小玩具到行业级生产力工具，最让我受益的学习方法，就是用费曼的办法“study in public”。
不过，此前的公开学习，我更多在乎的是：分享过后，能不能收到更多的反馈，让自己更加理解了。
却忽视了，那些帮助我去更好理解的，并不是反馈本身，而是在分享过程中发现的“知识的缝隙”；
唯有发现缝隙，才有可能通过重新学习、研究、交流和实践，去一点点把它填上，把知识研究透，把问题解决掉。
2、把手弄脏
近一年来，我见过很多这样的“AI爱好者”：
他们每天会发N条AI相关的朋友圈/即刻，每周会参加 N 个 AI 相关的活动。
但是，他们却从没拥有哪怕一个 ChatGPT 账号……
①
奥特曼和杨植麟们的最新八卦，各种 AI 产品分析的“万字长文”，确实能给我们“一种虚幻的、荒谬的成就感和满足感”，让我们“误以为自己对这个世界的理解更深了”。
但生成式 AI 之于普通人和常规业务，却是完完全全的“实验科学”：
如果不亲自测试，我们永远搞不清楚，它更具体的能力在哪里，更具体的局限又在哪里；
如果不在真实的工作、学习和生活中应用，我们永远创造不出自己的作品。
②
把手弄脏，在测试和创造的过程中，去感受生成式AI，去发现大量“文章、演讲和闲聊无法传达出来的【缝隙】”。
这件事，并不难。
虽然一说到“AI”，就让人觉得有很高的技术门槛；但其实，生成式 AI 本身，就能降低各种技术的门槛。
不过，愿意把手弄脏的人不多，也就让那些乐于把手弄脏的人，享受到了这一波技术红利，而且还将享受很长一段时间。
3、10x is easier than 2x
"10x is easier than 2x" 虽说是一本写给企业家的书，但对于我们这样的普通人而言，它的核心观点有效：
「当你认真对待自己的独特能力，并将大部分时间用于发展它时，10 倍和非线性的跳跃就会随之而来」
可是，何谓独特能力？学过某些专业，做过某些岗位，就一定擅长吗？就可以称之为独特能力吗？真不一定。
①
从【懂】的角度，擅长是
“当我们对一个东西或者一件事情足够专注，观察得足够多面、挖得足够深，
当我们对一件事情不停地放大，当我们对这条弧线背后的缝隙都看得更清楚之后，所拥有的那种更精细、更微妙、更具体的理解”。
从【会】的角度，独特能力是
“你对一件事情专注足够的时间，挖得足够深，你就会这件事情上发展出极其细微的差别和专业技能：
做同样的事情，你得到的结果可能比别人要强很多倍；而同时，你付出的成本（比如时间，比如你做这件事情时候的心理负担等等），要低很多。”
②
回到 AI 上，作为非技术人员，最让我受益的 AI 应用策略，正是“不断聚焦到自己擅长的事情”上。
一开始，我的擅长是“学习和分享”，于是我试着成为公司里的“AI布道师”，带着大家一起用 AI 解决点小问题。
再后来，对学习的擅长，进一步聚焦到了「对AI能力和核心用户需求理解的擅长」。渐渐地，我开始一看到新的技术，就立马能联想到“可以应用到哪些场景，解决哪些人的什么问题”。
对分享的擅长，也开始聚焦到了「对推动产研开发和推动业务效果转化的擅长」。慢慢地，每一次的内部分享，不再局限于信息的同步，而是更明确地指出“可以在业务中产生多大增量、提升多少效率和节约多少成本”。
很难想象，如果我最开始是从技术开始学起，啃的是《attention is all you need》这类论文，那我将走多少弯路，多么有可能中途放弃。
4、独特能力可战胜通胀
①
当钱不值钱了，最好的防御是什么？
我直接摘录孟岩老师的原文：“在 2023 年伯克希尔的股东大会上，有人问巴菲特应该如何应对通胀。
巴菲特的回答是：
最好的投资永远是你自己。
他是这么说的：
「
关于如何应对通货膨胀，你最好的防御就是你自己的能力。
如果你是镇上最好的医生，如果你是镇上最好的律师，如果你是镇上最好的老师，即便遇到通胀，你也会过得很好。
我们的经济注重生产力，能给你带来成功的，是你的才能，是你对社区的价值，这才是可持续的。」
如果把通胀看成自由人才市场的平均的话，战胜通胀的是你的 unique ability，是你的独特能力，是你玩儿着就能做得很好、但别人很努力也做不到的事情。”
②
AI时代，能力不值钱了，我们最好的防御又是什么？
从上家公司离职的时候，我就跟 HR 小姐姐说：
“GPT-4出来了之后，我产生了很强的危机感。测试几个月之后，我发现手头上的活儿，它基本都能干。这样的话，我再继续干下去，就没啥意义。”
但随着应用的不断深入，我越发意识到，当初的理解并不准确：AI能帮忙干活是一回事儿，AI 能独立把活儿干好是另一回事儿。
③
其实独立不独立都另说，每一项用 AI 干好的活儿，背后都有大量的人类高手：
评估 AI 输出的质量，需要人类高手，因为只有他们，才能发现89分和90分之间的细微差别；
确定AI应用的高价值场景，需要人类高手，如果没有行业领军人级别的认知，很难把好钢用在刀刃上；
用AI做出打动人的作品，更需要人类高手，每一部优秀AI生成的作品背后，往往有一个或一群审美/品味极其上乘的创作者。
所以，无论 AI 的通用能力会变得多强，具体到我们擅长的那个细分领域，只要我们研究得足够深，AI 要产出好内容，就离不开我们。
④
当然，多数人似乎都没有特别擅长的事情。只不过是因为念过某些专业，做过某些工作，所以显得相对懂一点。
擅长的背后，则“需要漫长的时间和足够的专注，也就是需要足够的长度和深度”。
因此我们只能“用兴趣、热爱和好奇心，将把别人眼中的「努力」，变成我们内心的「游戏」”。
可是，很多时候，我们也没有什么兴趣、热爱和好奇，该怎么办呢？个人觉得，文章中的思路就很好了，不妨结合自身情况去试试看：
“没几个人一开始就知道自己喜欢干什么，这基本就是件不可能的事情。
也许，更重要的是开始，把手弄脏去和真实世界接触。同时保持开放，不断给自己的生活增加一些方差，尝试一些新的东西。
在这个过程中，勇敢地追随自己的审美、兴趣和好奇心，慢慢排除选项，同时让自己不断成长。
最终，如果你足够幸运的话，就有可能碰到自己的一生所爱。”
在跟AI打交道过程中，我遇到的很多重要问题，几乎都可以在“知识的缝隙”这一概念里找到解法。
1、费曼学习法
在接触生成式 AI 的这一年多时间里，从门外汉到从业者，从小玩具到行业级生产力工具，最让我受益的学习方法，就是用费曼的办法“study in public”。
不过，此前的公开学习，我更多在乎的是：分享过后，能不能收到更多的反馈，让自己更加理解了。
却忽视了，那些帮助我去更好理解的，并不是反馈本身，而是在分享过程中发现的“知识的缝隙”；
唯有发现缝隙，才有可能通过重新学习、研究、交流和实践，去一点点把它填上，把知识研究透，把问题解决掉。
2、把手弄脏
近一年来，我见过很多这样的“AI爱好者”：
他们每天会发N条AI相关的朋友圈/即刻，每周会参加 N 个 AI 相关的活动。
但是，他们却从没拥有哪怕一个 ChatGPT 账号……
①
奥特曼和杨植麟们的最新八卦，各种 AI 产品分析的“万字长文”，确实能给我们“一种虚幻的、荒谬的成就感和满足感”，让我们“误以为自己对这个世界的理解更深了”。
但生成式 AI 之于普通人和常规业务，却是完完全全的“实验科学”：
如果不亲自测试，我们永远搞不清楚，它更具体的能力在哪里，更具体的局限又在哪里；
如果不在真实的工作、学习和生活中应用，我们永远创造不出自己的作品。
②
把手弄脏，在测试和创造的过程中，去感受生成式AI，去发现大量“文章、演讲和闲聊无法传达出来的【缝隙】”。
这件事，并不难。
虽然一说到“AI”，就让人觉得有很高的技术门槛；但其实，生成式 AI 本身，就能降低各种技术的门槛。
不过，愿意把手弄脏的人不多，也就让那些乐于把手弄脏的人，享受到了这一波技术红利，而且还将享受很长一段时间。
3、10x is easier than 2x
"10x is easier than 2x" 虽说是一本写给企业家的书，但对于我们这样的普通人而言，它的核心观点有效：
「当你认真对待自己的独特能力，并将大部分时间用于发展它时，10 倍和非线性的跳跃就会随之而来」
可是，何谓独特能力？学过某些专业，做过某些岗位，就一定擅长吗？就可以称之为独特能力吗？真不一定。
①
从【懂】的角度，擅长是
“当我们对一个东西或者一件事情足够专注，观察得足够多面、挖得足够深，
当我们对一件事情不停地放大，当我们对这条弧线背后的缝隙都看得更清楚之后，所拥有的那种更精细、更微妙、更具体的理解”。
从【会】的角度，独特能力是
“你对一件事情专注足够的时间，挖得足够深，你就会这件事情上发展出极其细微的差别和专业技能：
做同样的事情，你得到的结果可能比别人要强很多倍；而同时，你付出的成本（比如时间，比如你做这件事情时候的心理负担等等），要低很多。”
②
回到 AI 上，作为非技术人员，最让我受益的 AI 应用策略，正是“不断聚焦到自己擅长的事情”上。
一开始，我的擅长是“学习和分享”，于是我试着成为公司里的“AI布道师”，带着大家一起用 AI 解决点小问题。
再后来，对学习的擅长，进一步聚焦到了「对AI能力和核心用户需求理解的擅长」。渐渐地，我开始一看到新的技术，就立马能联想到“可以应用到哪些场景，解决哪些人的什么问题”。
对分享的擅长，也开始聚焦到了「对推动产研开发和推动业务效果转化的擅长」。慢慢地，每一次的内部分享，不再局限于信息的同步，而是更明确地指出“可以在业务中产生多大增量、提升多少效率和节约多少成本”。
很难想象，如果我最开始是从技术开始学起，啃的是《attention is all you need》这类论文，那我将走多少弯路，多么有可能中途放弃。
4、独特能力可战胜通胀
①
当钱不值钱了，最好的防御是什么？
我直接摘录孟岩老师的原文：“在 2023 年伯克希尔的股东大会上，有人问巴菲特应该如何应对通胀。
巴菲特的回答是：
最好的投资永远是你自己。
他是这么说的：
「
关于如何应对通货膨胀，你最好的防御就是你自己的能力。
如果你是镇上最好的医生，如果你是镇上最好的律师，如果你是镇上最好的老师，即便遇到通胀，你也会过得很好。
我们的经济注重生产力，能给你带来成功的，是你的才能，是你对社区的价值，这才是可持续的。」
如果把通胀看成自由人才市场的平均的话，战胜通胀的是你的 unique ability，是你的独特能力，是你玩儿着就能做得很好、但别人很努力也做不到的事情。”
②
AI时代，能力不值钱了，我们最好的防御又是什么？
从上家公司离职的时候，我就跟 HR 小姐姐说：
“GPT-4出来了之后，我产生了很强的危机感。测试几个月之后，我发现手头上的活儿，它基本都能干。这样的话，我再继续干下去，就没啥意义。”
但随着应用的不断深入，我越发意识到，当初的理解并不准确：AI能帮忙干活是一回事儿，AI 能独立把活儿干好是另一回事儿。
③
其实独立不独立都另说，每一项用 AI 干好的活儿，背后都有大量的人类高手：
评估 AI 输出的质量，需要人类高手，因为只有他们，才能发现89分和90分之间的细微差别；
确定AI应用的高价值场景，需要人类高手，如果没有行业领军人级别的认知，很难把好钢用在刀刃上；
用AI做出打动人的作品，更需要人类高手，每一部优秀AI生成的作品背后，往往有一个或一群审美/品味极其上乘的创作者。
所以，无论 AI 的通用能力会变得多强，具体到我们擅长的那个细分领域，只要我们研究得足够深，AI 要产出好内容，就离不开我们。
④
当然，多数人似乎都没有特别擅长的事情。只不过是因为念过某些专业，做过某些工作，所以显得相对懂一点。
擅长的背后，则“需要漫长的时间和足够的专注，也就是需要足够的长度和深度”。
因此我们只能“用兴趣、热爱和好奇心，将把别人眼中的「努力」，变成我们内心的「游戏」”。
可是，很多时候，我们也没有什么兴趣、热爱和好奇，该怎么办呢？个人觉得，文章中的思路就很好了，不妨结合自身情况去试试看：
“没几个人一开始就知道自己喜欢干什么，这基本就是件不可能的事情。
也许，更重要的是开始，把手弄脏去和真实世界接触。同时保持开放，不断给自己的生活增加一些方差，尝试一些新的东西。
在这个过程中，勇敢地追随自己的审美、兴趣和好奇心，慢慢排除选项，同时让自己不断成长。
最终，如果你足够幸运的话，就有可能碰到自己的一生所爱。”
知识的缝隙
点击阅读原文125 2173
来自圈子
AI探索站
77805人已经加入