AI让知识本身不再稀缺,学习的目的从「记住答案」转向「能判断、能行动、能交换」——用行动和思考引领求知,而不是先囤知识。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
知识不再稀缺,判断力和手艺才稀缺
材料里的观点当信息随手可得,单纯「知道」的回报在下降。真正稀缺的是能判断学什么、怎么用,以及在真实反馈里修正自己的能力。立正把学习拆成行动、思考、求知三个环节,认为现实中的比例大约是6:3:1,要用行动引领思考、用思考引领求知,遇到瓶颈再针对性补知识1。他还指出,网上不缺资料,缺的是能让人从旁观者变成行动者的实践场,看到别人怎么做、怎么踩坑、怎么复盘2。所以学习的重心从「先学完再做事」变成「边做边学、按需学」。
知识要落到能被市场认可的结果上
材料里的观点学到的知识如果只停在投入和产出层面,市场未必买单。立正区分了投入、产出和成果:成果是市场认可的「好」,从产出到成果的关键是走向市场3。他举过求职的例子,有人盲目学英语、编程、考证,用人单位反而觉得不够专注;而先弄清目标岗位真正需要什么、再针对性积累的人,成功率高出很多4。这意味着学习目的不只是「我会了」,而是「我能用它解决谁的问题、被谁认可」。
把学习当成练手艺,而不是囤答案
如果资源更值钱,那能持续创造价值的手艺就更值钱。立正把手艺看成可以无限精进的游戏:研究越深,能力越强,发现的问题也越多,靠精通一门手艺既能获得成就感,也能养家糊口1。他还提到,真正改变一个人的往往是认知上的「开悟」,而不是赚到多少钱;如果只盯着数字,反而会丢掉最初的方向5。对个人来说,可以先选一件能立刻动手的小事去做,观察它是否带来真实反馈和别人的认可,再决定下一步学什么。
「AI平权下资源更值钱」是提问者的前提,材料未直接讨论这一判断,以上是从学习与价值交换角度作的延伸。
出处
- 1第02课|学习工作和赚钱的正确方法
讲学习三环节和行动优先,适合理解「为什么先做再学」
- 2正确的学习方法比大家想象中稀缺很多,那我们如何筛选人才?
说明信息不稀缺、实践场才稀缺,适合理解学习环境的价值
- 3第09课|获得财富自由的底层逻辑:「个人价值公式」
区分投入、产出、成果,适合理解知识如何变成市场认可的价值
- 4第15课|打造产品:如何积累「手艺」,打造黄金简历?
求职案例说明盲目学习和针对性学习的差距,适合对照自己的学习方式
- 5如果钱不能带来幸福,赚钱做什么?|为什么只定价三刀?|无限游戏
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 作為一個軟件工程師,已經用agent 寫99% 代碼,在專業的學習上應該要學習什麼,以前要學習編程語言,框架的syntax, 在AI 年代好像學來也沒有什麼意思
立正认为不必再从语法和算法入门,该学的是怎么把任务交给 AI 并让它可靠交付:给多少上下文、怎么拆任务、哪些环节必须人判断、出错时定位是能力限制还是上下文没给够。
- 我不学习ai会怎样?
不学 AI 的代价,不在少懂几个名词,而在把判断力外包出去:工具替你做对了,你以为自己也会了,撤掉工具就交付不了。
- 我其实一直想搞清楚:一个普通人要了解AI到什么程度?需要从底层开始了解吗?还是该怎么弄?
普通人不必从底层原理学起,先建立对AI的基本判断、再用它动手做真实任务,比啃算法更有效。
- ai该怎么学
把 AI 当手艺而不是知识来学:先自己猜、再让 AI 做,然后撤掉帮助、隔段时间、换道题,看自己还会不会。
- 玩ai到底要不要自己摸索
要,但摸索的对象是任务本身,不是名词和工具。把真实任务做完、暴露问题、再补方法,比先学概念更有效。
- 为什么要学AI
学 AI 是为了练出能迁移的判断力:撤掉帮助、换个任务,你还能把模糊需求变成可交付的结果。