有人说他现在有这样一家公司，他雇佣了4个AI员工帮他做产品开发，其中2个Claude PRO（高级工程师），40美金/月；1个ChatGPT （中级工程师），20美金/月；1个dev.v0（UI设计师），20美金/月；一个月员工成本只要80美金，而他是产品经理负责提需求，同时他也是老板 。 在他的工作中，AI已经离不开了。
当ChatGPT刚面世时，我感到无比兴奋。作为一个程序员，我也加入了AI学习大军。和很多人一样，我对这项技术的潜力感到振奋，决定投入时间和精力学习和探索AI的应用。 在学习的过程中，我尝试了很多AI相关的项目，学习如何写prompts，让它帮我写各种项目文档，不断地调整prompts，让它帮我生成好的代码。 然而，AI进化的速度实在是太快了，刚调教好的prompts，在下一次更新中也许就不生效了。这种还没开始就被淘汰的经历在开发者社区里更是常见。很多人辛辛苦苦地基于OpenAI刚做出一个应用，结果ChatGPT的一个更新就把这个应用消灭了。 在一个AI什么都懂、比人类进化更快的时代，我们到底要学什么才有意义呢？
在AI盛行以前的很长一段时间里，知识工作者就一直面临着应该学什么的挑战。你比如说这本书《The Art of Doing Science and Engineering》，它最早出版于1997年，作者是Richard Hamming，一位美国的数学家，曾获得图灵奖并参与过曼哈顿计划。我强烈推荐去看这本书，因为它对技术发展的思考，以及对AI的思考放到今天来看都得到了验证。 Hamming在书的第一章提出了一个困惑：从牛顿时代开始，人类的知识每隔17年就会翻倍一次。这一点除了可以从书籍的出版总数量得到佐证外，他还从自己工作的贝尔实验室观察到这个现象。他说，科学家的数量也在指数级的增加，并预测除了知识的指数增加让科学家无法应对，一个更糟糕的挑战是每15年就有一半的知识将会变得过时。这让学者与时俱进更加困难。 面对这样的挑战，我们到底应该学什么呢？
Hamming给出了两个建议：第一，把注意力集中到那些基础知识上； 第二，发展去学习新领域知识的能力。
我把Richard的这两个建议总结下：在AI进化比人更快的时代，我们应该学习最基础、最核心、最有杠杆力的知识，并且一定要跨领域去学习其他行业那些最基础、最有杠杆力的知识，成为那个最懂行的外行人。 在AI时代，我们应该go basic，学习最基础、最核心的知识。同时，跨领域学习，成为最懂行的外行人。利用AI加速学习和理解这些知识。为什么我们不应该去学习prompts，去学习最新的AI技术和工具呢？因为这些技术和工具会被AI不断更新和替代，而基础知识是经过长时间验证的，具有稳定性和持久的价值。 假设我们有一个视频创作者，他懂得如何使用高级工具和技术，但不懂得讲故事和视频制作的核心流程。那么他可能会依赖AI工具，但很难制作出好的作品。相反，如果一个视频创作者懂得讲故事和视频制作的核心流程，他就能够利用AI工具实现自己的创作，制作出更好的作品。最终，最重要的不是谁掌握了更多的技术，而是谁有更好的想法和创意。 AI时代学最基础的东西最具杠杆力，但我们还要跨专业，成为一个最懂行的外行人。跨领域学习并不是去挑战别人的专业，而是利用别人的专业来解决自己专业的问题。每个行业的核心基础知识并没有你想象的那么多，知识其实也遵循二八原则，每个学科都有少数的最重要的基础想法支撑了这个学科的大部分知识。学习其他行业的基础知识可以为我们提供新的视角和解决方案。 AI可以加速我们的跨学科能力，比如学习音乐作曲时，AI可以帮助我们理解音乐的核心知识。
学习编程时，AI可以迅速帮助我们理解语言的核心，让我们快速应用到自己的行业里。
不管你愿不愿意，未来很多人都必须要跨专业才能生存。因为AI模糊了专业的界限，加速减少工具和行业的数量。我们每个人都面临从领域里的执行者到跨领域的决策和创作者的身份转变。完成不了这个转变，就会被淘汰。 在AI时代，超级学习者应该做的事情是学习最基础的知识，跨领域学习，并利用AI加速这些学习过程。理解和掌握基础知识是我们在这个快速变化的时代保持竞争力的关键。跨领域学习可以为我们提供新的视角和解决方案，利用AI可以帮助我们更快更好地掌握这些知识和技能。 希望这篇文章能帮助大家更好地理解在AI时代我们应该如何学习和成长。
如果你有更多的问题或经验分享，欢迎在评论区留言讨论。