用了AI之后感觉自己变笨了_AI时代的学习与工作新范式思考_BV1sg5Q6tEYH_笔记
约 1666 字大约 6 分钟
2026-09-15
核心问题：人机不对齐（Misalignment）
在 AI 协作的新工作流中，人类角色变成了「思考 → 交给 AI → 拿到结果 → 再思考」的循环：
人类 ──思考──▶ 提交任务 ──▶ AI 执行 ──▶ 返回结果 ──▶ 人类再思考出现了一种效率落差：
| 角色 | 完成一个任务的时间 |
|---|---|
| 人类 | 2–3 分钟 |
| AI | 约 40 分钟 |
厉害的人可以"一次出"，把 40 分钟视为不存在，专注于"思考 → 跑任务"的循环；但绝大多数人面对复杂项目必须做测试，这中间就产生了大量的 misalignment（不对齐）。
解决方法一：并行策略（流水线）
既然单个任务要等 40 分钟，那就同时跑多个：
- 花 2 分钟想清楚一个任务 → 同时跟 8 个 AI 聊天
- 2 × 8 = 16 分钟，再加上测试 < 20 分钟
这样从「干活」角度，gap 被对齐了。
局限性：
- ✅ 简单任务 / 杂活：可以高效并行
- ❌ 创造性任务（需要思考的）：很难并行
人类思考的串行性
核心观点：人类的思考无法被并行化。
思考至少经历两个阶段：
- Refuse（预热 / 加载上下文）—— 学了 10 分钟后才进入状态
- Think（真正思考）
传统的思考效率曲线：
效率
▲
│ ╭──────────╮
│ ╱ ╲
│ ╱ ╲
│ ╱ ╲
│ ╱ ╲
│ ╱ ╲
│ ╱ ╲
│___╱ ╲___
└──────────────────────────────────▶ 时间
爬坡 高效区间 下降并行带来的问题：
- 大量任务并行时，上下文相互交错
- 思考 A 时 B 任务进来 → 思路被打断
- 思考产出决定了 AI 输出质量 → 思考质量下降 = 整体效率下降
这部分没有办法取巧，强行并行创造性思考只会适得其反。
AI 时代下「工作」的三大变化
1. 提问化（Project-Context Learning）
- 学习发生在项目上下文中
- 提问 → 追问 → AI 展开 A/B/C 的解释 → 所有泛化集中在一次对话里
- 大量学习信息游离在笔记系统之外
- 在笔记系统中提问效率很低（相较于直接跟 AI 聊）
2. 信息获取成本暴跌
- 上个视频提到的核心观点：信息获取成本降低 10 倍甚至 100 倍
- 检索成本极低 → 信息记录意义大幅下降
- 笔记系统已经被重塑
3. 碎片时间化
- 为了填补人机 misalignment → 采用并行
- 判断工程师专业度的隐性指标：能同时跟几个 AI 聊天（流水线长度）
- AI 单次对话能解决的问题相对固定 → 多开对话多多益善
核心命题：执行与思考的彻底分离
过去
- 执行过程中蕴含思考
- 写代码时突然领悟"原来这段代码是这个意思"——思考是执行中的副产品
- 执行本身是串行的，所以没感受到
现在
- 执行成本下降 10 倍
- 思考成为大头，且思考是串行化的
- 必须主动、单独进行思考
思考 = 创造 = 学习
本质上，学习是一种创造行为：
输入 A → 输出 B
输入 B → 输出 C
输入 C → 输出 D你以为输入 D 会输出 F，但这个 use case 并不存在——你创造了一个预测，并去验证它。这就是对未知的预测，本质上是创造过程。
凡是需要深度学习、深度思考、深度创造解决的问题，都可以归为这一类。
工作中的意义：你的进行程度 = 个人思维强度 × 流水线长度
实例：游戏开发 mod 中的瓶颈
作者在写游戏 mod 时最卡的不是写代码，而是：
- 检测方案（"这个东西该怎么用？""该有哪些特性？""达到怎样的效果？"）
这种方案设计是 AI 做不好的，属于创造性 / 思考密集型工作。
AI 时代为何会拉大差距
- 过去很多人不做事的瓶颈是没有时间（执行太慢）
- 现在执行成本暴跌 → 大量 idea 可以被实施
- 限制并发数量的本质变成了思考能力 / 创造能力
- 思维强度高 + 流水线长的人，效率碾压式领先
《刻意练习》/ 相关书中的观点
1. 拒绝阶段（Refuse）可被压缩
- 原本预热曲线：爬坡时间长
- 训练后：3–5 分钟就能进入深度学习 / 深度思考状态
2. 学习 ≠ 记忆
- 学习的本质是类比和推演
- 只看不练 ≠ 学会
- 例：学 React → 跟着文档写 demo → 让 AI 给你 quiz 和泛化 → 做类比
AI 是非常好的老师，只要你有想法，就能学会。
3. 专注时间是可以训练的
- 普通人专注极限 ≈ 2 小时（受学校考试训练形成：最长理综 / 数学 2 小时）
- 一堂课专注时长 ≈ 45–55 分钟
- 人类并不天生擅长 40 分钟–2 小时的工作强度，而是经过长期学校培训才擅长
- 出学校后，因手机等原因专注力会退化
- 这个时间可以被延长，但作者自述目前只能专注 1 小时左右
4. 上下文切换也可训练
影响因素：
- 未完成的任务：写作业时想起还有作业没写、大人的课没做 → 注意力分散
- 干扰和诱惑：写作业时手机放一边
总结：核心论点清单
- AI 时代下人与 AI 存在 misalignment
- 解决方法之一是并行（流水线），但只对杂活有效
- 人类思考是串行的，思考至少包含 refuse + think 两阶段
- AI 时代学习的三个特征：提问化、信息获取成本暴跌、碎片时间化
- 执行与思考彻底分离 → 思考成为主要瓶颈
- 思考 ≈ 创造 ≈ 学习（都是对未知的预测与验证）
- 工作效率 = 思维强度 × 流水线长度
- Refuse 阶段可训练到 3–5 分钟
- 学习 ≠ 记忆，学习是类比 + 推演
- 专注时长 40 分钟–2 小时是可训练的，不是天生的
- 上下文切换也受未完成任务、干扰诱惑影响
弹幕补充
- 山东淄博或青州人？ —— 推测与口音有关
- 阿姆达尔定律发力了 —— 指并行计算的加速比存在上限（Amdahl's Law：系统中串行部分决定了整体加速比的极限），呼应视频中"思考无法并行化"的核心观点
更新日志
2026/10/4 21:23
查看所有更新日志
c155e-重组知识库目录于