大多數(shù)人都不太可能每天去閱讀艱深晦澀的學(xué)術(shù)專著，但認(rèn)知提升的需求又是自然而然的。這就是前幾年網(wǎng)絡(luò)知識付費大潮興起的原因。但網(wǎng)絡(luò)上的垃圾信息遠(yuǎn)多于現(xiàn)實。在AI時代，屏蔽垃圾信息的可能性，可以大幅提升。不僅如此，當(dāng)我們看到一些比較好的內(nèi)容后，通過AI，也可以快速地進行拓展，在極短時間內(nèi)，擴展自己的認(rèn)知邊界。

曾經(jīng)的wikipedia是建立在網(wǎng)狀知識結(jié)構(gòu)基礎(chǔ)上的，對普通人的知識拓展非常有效，但準(zhǔn)確性還是比較差。

AI時代要更進一步。

在前AI時代，人們可能通過轉(zhuǎn)發(fā)文章并在社交媒體討論來擴展認(rèn)知，現(xiàn)在則完全可以依賴AI，做得更好。

最近，作者已經(jīng)大幅降低了瀏覽社交媒體的時間，因為比起瀏覽大量空洞無物又高度雷同的信息，遠(yuǎn)不如只瀏覽極少數(shù)高質(zhì)量的內(nèi)容，再通過AI實現(xiàn)拓展。

作者在此以自己的文章為例。

這個公眾號的文章質(zhì)量總體上在中文互聯(lián)網(wǎng)中算上乘的，作者自己撰寫的內(nèi)容也是經(jīng)過大量閱讀然后字斟句酌。以昨日《》為例，AI會怎樣評價呢？

在此，我們不要直接讓AI評價，而是先根據(jù)文章的內(nèi)容，給AI一個身份定位。針對昨天的文章，作者給出的定位是，AI是一位世界級的經(jīng)濟史學(xué)家，從這個視角來評價自己的文章，得到反饋如下：

可以看到，AI的確可以從另一個高度和視角對你閱讀過的文章提供高質(zhì)量的評論。這種評論，正是曾經(jīng)大多數(shù)人希望通過社交媒體討論獲得卻又難以獲得的。畢竟，諾獎級的學(xué)者，不太可能跟你進行日常討論。

如果有興趣，我們可以繼續(xù)追問，上述評論的理論來源：

從作者視角而言，AI指出了原文的一些硬傷，同時拓展了思考的邊界，提供了大量相關(guān)研究的出處，有的作者了解，有的并未考慮過。這種反饋猶如高智商師友的筆談，難能可貴。

作者肯定比讀者更能理解每句評論的意義，不一定贊同每句話，但會引發(fā)大量思考。所以寫作仍然是自我認(rèn)知進步的最有效方式。

讀者可以像作者一樣，把自己閱讀過的文章交給AI，讓AI從專業(yè)視角進行品評，遠(yuǎn)比社交媒體的討論要有趣得多。

我們這里還可以《》《》為例：

很大程度上，這種簡單的AI使用方式可以幫助讀者去甄別自己所讀文章和信息的準(zhǔn)確性和實際價值，并且可以通過與AI的對話，快速拓展自己的認(rèn)知邊界。

作者這兩天新的感受是，絕大多數(shù)的社交媒體交流和瀏覽，可能會淪為逐漸只剩下情緒價值（吵架、八卦也是人類剛需），而不會再產(chǎn)生多少認(rèn)知增量。

當(dāng)然，要提醒的是，并非每個AI大模型在這方面的水平都是類似的，從作者實際使用來看，大多數(shù)國產(chǎn)AI都做不到很專業(yè)的評論，也可能因行業(yè)而異，這應(yīng)該是跟模型訓(xùn)練有關(guān)。同時需要注意，大多數(shù)AI模型都被對齊過，因此輸出的結(jié)果都是比較能夠滿足使用者情緒價值的，往往會從鼓勵使用者的角度，輸出過于正面及溫和的反饋，在自我認(rèn)知提升時，其實是不必要的。高質(zhì)量的批評遠(yuǎn)勝過低質(zhì)量的贊揚。這就是在提問時要強調(diào)學(xué)術(shù)研究的專業(yè)性和專業(yè)高度的原因。

總之，讀者可以通過日常使用和比較，盡快找到最適合自己需求的大模型，開始日常使用，快速擁抱這個變化以日計的新時達。

來源:太陽照常升起

兒童的未來在教育

如果你曾夢想：

有一天能站在兒時向往的講臺，

去收獲一群山村熊孩子的愛，

讓生命擁有一段不尋常的經(jīng)歷.....

也曾希望：

參與探索適合兒童的教育，

賦予教育以生命的意義

我們在這里等你