<p>这是个公道的问题,而且学生问得很直白 —— 比老师们愿意听到的还直白:如果一个模型几秒钟就能写出那篇文章、解出那道积分、讲清那个机理,我到底在学什么?假装这些工具不好用,不是答案。它们很好用,而且越来越好。诚实的回答要先承认这一点,再去看这个问题悄悄假设了什么。</p>
<h2>得到答案,和判断答案,是两种能力</h2>
<p>模型几乎能就任何事递给你一个答案。它做不到的,是可靠地告诉你这个答案什么时候是错的。在我自己的领域里,一个模型会很乐意解释一次单分子测量,然后把物理讲错,错得又微妙又自信 —— 那种错很狡猾:除非你已经练出判断力,否则它看上去完全对。那种判断力,不是靠读正确答案得来的。它是靠你自己把问题做一遍、做错、亲手摸到推理在哪里塌下去,才长出来的。把“做”这件事外包出去,你就永远养不出那个会判断的自己。</p>
<h2>学习从来就不真的是为了存储</h2>
<p>这种担忧假设了:学习就是存储信息,而一个更好的外部存储,会让内部那个变得没意义。可一个化学家随身带着元素周期表,不是因为查不到。是因为熟练能把注意力腾出来,去做更难的事:看出那个规律、问出下一个问题。你内化的那些事实,会变成你思考时脚下的地面。把地面抽走,当你要判断机器的答案站不站得住时,你就无处落脚。</p>
<h2>在升值的那个能力,是品味</h2>
<p>当答案变得廉价,稀缺的东西就变成:知道哪个问题值得问、哪个答案值得信。叫它判断力也好,叫它品味也好。它就是那条分界线:一边,是用模型让自己走得更快的研究者;另一边,是被一段流畅的文字悄悄领下悬崖的人。而品味是下载不来的。它只能慢慢长,靠你自己一小时一小时地先困惑、再没那么困惑,而这恰恰是模型主动提出要替你跳过的那个过程。</p>
<p>所以,学得不一样,不是学得更少。用这些工具(它们确实非凡),但要像研究者用一台仪器那样用:为了走得更远,不是为了省掉那段路。学习的意义,从来不是做一台更慢的计算机。而是成为一个能看出那台更快的机器什么时候出错的人。</p>
—— 小草创始研究团队