假学习的终结
当“做完”
不再证明“学会”
分数看的是结果，
学习发生在过程里。
做一遍
分数看得见的部分。
学习发生的地方。分数看不见。
结果一样，分数一样。过程没了，学习也没了。
真正学会，是撤掉帮助、
过一段时间、换一道题，你还会。
不照教程。
不是刚做完。
加一个约束。
有帮助、刚做完、同一道题上做得好，叫表现。
把“做出来了”当成“学会了”，就是假学习。
同一门物理课，
两种教法。
一位好评很高的老师，讲得清清楚楚。
分小组自己做题，卡住了，再听讲解。
01哪一组学得更多？
02哪一组觉得自己学得更多？
学会的感觉和学会，
常常是反着的。
更少
更多 · +0.46 SD更少 · −0.56 SD
顺利，让人以为自己学会了；吃力，让人以为自己没学会。
真相常常相反。
错得越多，
学得越多。
错了，要有东西告诉你错在哪，错才有用。
所以，没有机会犯错的顺利学习，经常是无效的学习。
AI最危险的时候，
是它做对了。
替你踩过了。
它已经对了。
一个比一个顺利，留给你犯错的机会，一个比一个少。
AI做对了，你以为自己也会了。
练习做得更好了，
学得却更差了。
练习成绩
随时可以问GPT-4
考试成绩
拿走GPT-4之后
特德·姜：这就像开着叉车进健身房。
杠铃举起来了，肌肉没有长。
骗的是同一个东西：
你对“进步”的感觉。
用可见的动作，代替难以衡量的价值。
用可见的结果，代替难以衡量的成长。
上传下达，互相翻译。做得不错，过得也舒服。
可我到底有什么进步？
我们被训练成了对价值不敏感的人。
从假学习里走出来，自然会做fake work。
Statsig（后被OpenAI收购）
Superlinear Academy创始人
学会一个新工具，最像进步。
几个月就过期。
一个新工具，一个自动化，
一个学完的教程。
看得见：能截图，能发朋友圈，能写进简历。
习惯、方法
和思维方式。
把模糊的需求拆成能检验的小步；结果不对，先找原因，而不是换个工具再试。
学工具最有进步的感觉，却过期最快；
养习惯最没有进步的感觉，却一直留在你身上。又是反着的。
原型只需要在展示那一刻是对的，
产品要在现实变化时一直是对的。
需求清楚。
数据简单。
用户只有你自己。
用户输入你没想到的东西。
数据会出错。
而且你不在旁边。
从原型到产品，每一步都是你的想法撞上现实。
很多正确的决定，在看到错误的版本之前，根本不存在。
AI时代的真学习，就在这两段路上：从工具到方法，从原型到产品。
同一个AI，不同的设计，
不同的学习。
有问必答，直接给答案
只给提示，不给答案
区别在于：还有没有机会自己先想、自己犯错。
Bastani等 · PNAS，2025 · 辅导版使用老师提供的解法和常见错误 ↗在关键处，
选难的那条路。
配环境、申请token、调端口。
消耗意志力，不长本事。
这件事值不值得做？该怎么拆？
做出来的东西好不好？
写下你打算怎么做、
哪里会出错，再让AI动手。
过一两天，关掉AI再做一遍，
或者讲给别人听。
换一批数据，加一个约束，
换一个用户。
更慢、更吃力？那不是退步，是学习在发生。
人人都能用AI做出漂亮的作品，
作品就证明不了什么了。
假学习会先繁荣，然后贬值。
能证明你的，只剩撤掉帮助以后你还会的东西。