你记得的大概不是一期专门讲健身的视频,而是讲“怎么才算学会”的内容:健身和学任何东西一样,靠撤掉帮助后还做得出、隔一段时间还记得来检验,而不是靠练得顺、感觉懂了。
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。
学会的感觉常和真学会相反
立正用哈佛物理课实验说明:一组听老师讲得清楚,一组自己先做题、卡住再听讲解,后者测验更好却觉得自己学得更少,前者学得少反而觉得学得多。他把这和自己教AI课的观察对上:刻意安排学员先犯错,会引来挫败感,但顺畅的课容易上完只记得“感觉不错”。所以判断有没有学会,不能靠当下的顺畅感1,2。
检验标准是撤掉帮助后还会
AI推演他给的检验很具体:撤掉帮助、过一段时间、换一道没见过的题,你还会,才算学会;做不到就只是“做出来了”。健身可以照这个思路自查:私教带着做、看着示范时动作标准,不等于自己独立安排训练时还知道怎么加重量、怎么恢复。他还提到,刚学会的人往往比顶尖高手更会教,因为高手把基础内化成了肌肉记忆,反而说不清初学者会卡在哪2,3。
找教练不等于找到正确方法
他提醒,想学游泳找游泳教练、想健身找私教,都不等于对方真懂怎么教:很多人只是让你累、让你酸,却讲不清动作模式、渐进负荷、恢复和长期可持续。这解释了为什么“学会任何东西”难在方法稀缺,而不只是努力不够。放到你的情况,值得先核对的是:你现在的训练有没有可检验的进步标准,还是只靠练完很累来判断4。
候选片段里没有一期以“健身”为主题的完整视频,以上是从学习方法的材料里对应的部分;若你记得的是某期具体节目,可再提供线索。
出处
- 1假学习的终结
讲清“学会的感觉和学会相反”的实验与机制,是这类内容的核心一篇。
- 2AI替你做出来以后,你还会什么?|哥大客座课程回放
给出可操作的检验标准:撤掉帮助、隔段时间、换新题,并延伸到AI辅助学习的代价。
- 3未来自媒体,要用“资产布局”的思路做
补充为什么刚学会的人更会教,帮助理解学习与教学的关系。
- 4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?
直接以游泳教练、健身私教为例,说明找老师不等于找到正确方法。
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
- 为什么马斯克的直觉常常是对的?系统一有可能在复杂任务强于系统二吗?是马斯克比较特殊还是其他人也可以?但是思考快与慢着重讲了系统一在复杂下的偏差。
「倒数计时那一刻,我差点吓到尿裤子,」容克萨说,因为他突然在回传的影片中,看到第一节和第二节火箭之间的缝隙竟有水滴渗出,令人忧心。他不知道那是不是液态氮,如果是就没问题,但如果是来自超级冷却燃料槽里的液态氧,可就不妙了,「我吓得半死。如果是我的公司,我会停止发射。」
「你得决定是否取消。」当倒数计时进入最后一分钟时,容克萨对马斯克说。
马斯克停顿了几秒钟。如果两节火箭之间有液态氧渗出,会有多大风险?的确有风险,但只是小风险。他说:「算了,我们发射吧。」
多年后,容克萨重新观看当时马斯克做决定的影片片段。「我以为他迅速做了复杂的计算,然后决定该怎么做,但事实上他只是耸耸肩,然后下达命令。他直觉知道其中的物理原理。」
马斯克是对的
那我们平时需要导师言传身教以及自己大量上手做而不能看书看课学到的crafts是不是其实是专家直觉?
马斯克式的“直觉”更像长期实践积累出的专家判断,不是人人都有的天赋,也不等于系统一在复杂任务上普遍强于系统二;它只在有大量真实反馈、且问题属于他熟悉领域时可靠。
- 我在系统学习superlinear的课程和内容时,应该用什么样的AI native的方式去学习?比如我应该怎样做笔记?记在哪里?这些笔记怎样跟我的AI工作台进行交互?这些知识怎样沉淀为我的context呢?
笔记不该记课程内容,而该记你预测、卡壳和重做时暴露的判断;沉淀成 context 的方式是把这些记录存成模型之外的文档,让 AI 每次按需调用。
- 向上管理还重要吗
仍然重要,但它的价值取决于你让它服务于真实结果,还是只服务于让上级满意。前者是升职和推进工作的必要能力,后者容易变成 fake work。
- 我想要报名AI architect的课程,要从哪里进入。
报名入口在课程发布页给出的购买链接里,但那是2025年11月的Early Access价格与优惠码,现在是否仍有效无法从资料确认,建议以课程页当前信息为准。
- AI时代的计算机科研意味着什么,它需要什么能力?以及它到底能带来什么?
AI时代计算机科研的门槛从“会写代码”转向“能提出可检验的问题、判断结果、把事收口”,它带来的不只是效率,还有更多可探索的空间。
- 刚毕业的文科生 如何选择工作
先别只比薪资和岗位名称,把选项放到“道、天、地、将、法”五层里看:刚毕业时,行业与平台方向往往比具体方法更决定你未来几年的选择权。