> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # AI时代，学习的5条法则 - URL: https://www.hubwiz.com/blog/5-rules-for-learning-in-the-age-of-ai/ - Published: 2026-07-31T12:30:34.000Z - Updated: 2026-10-16T11:31:38.000Z - Description: AI使用的正确"量"是多少才能获得最佳学习效果？ - Author: admin - Tags: JOB MARKET, #Import 2026-10-14 14:41 关于AI对学习和教育的影响，有很多讨论。 缺点是显而易见的。对于许多课堂作业，AI现在已经足够好，可以简单地替你完成作业。但让AI做你的作业是适得其反的。不亲自做作业就无法学习。 话虽如此，AI可能提供的机会是巨大的。除了缺点，AI还带来了廉价和耐心的辅导、按需解释、额外的练习题和研究协助的可能性。 引用狄更斯的话，当涉及到学习时，这确实既是最好的时代，也是最坏的时代。 这让我想起了Carl Hendrick最近写的一篇[文章](https://carlhendrick.substack.com/p/children-of-the-magenta-line)，他总是很有见地。在文章中，他回顾了AI对学习影响的最新发现，将自动驾驶的引入与飞行员技能的退化进行了类比： > 我觉得这个故事真正令人着迷的地方，以及我认为它对学习和AI如此重要的原因，是他的核心诊断：自动驾驶实际上不是*问题本身。事实是，飞机中的自动化功能拯救的生命远比它危及的多，我认为自动驾驶汽车也是如此。（我对那些老生常谈的说法没有兴趣，说机器是坏的，人类是好的。我认为，总的来说，机器是宏伟的）。我认为如此有趣的是，当面临紧急情况时，飞行员本能地寻求*更多*自动化，而不是更少，而正确的做法通常是*降级*一层并手动飞行。所以危险不是自动化本身，而是*过度依赖\*自动化，这显然是当我们给初学者不受限制地访问聊天机器人时会发生的事情。 Hendrick并不责怪学生这种令人担忧的趋势；他责怪教育机构本身。学校一直在摇摆不定，一方面想采取支持AI的立场，鼓励学生在作业中使用AI，只要他们正确"引用"结果，另一方面又拥抱学术诚信的语言，徒劳地试图维持现状。 显然，这是站不住脚的。教育将因为AI而不得不改变。 ![](https://www.hubwiz.com/blog/content/images/2026/07/image-263.png) 答案不是采用某种模糊的AI优先解决方案，简单地接受AI输出作为学生自己做作业的合法替代品。相反，需要理解的是，AI就像计算器和维基百科一样，既可以是令人难以置信的工具，也可以是令人衰弱的拐杖。 ## 1、AI的使用量是多少才能获得最佳学习效果？ 很明显，让AI替你做作业的解决方案不会带来太多实际的学习。尽管我被[编码代理的到来](https://www.scotthyoung.com/blog/2025/11/12/vibe-coding-future-work/?ref=hubwiz.com)所释放的可能性所吸引，但很明显，氛围编码会主动损害你学习手写代码的能力。 这种权衡在生产工作领域是否有效是一个更难的问题。我怀疑氛围编码是提高还是损害生产力的答案在很大程度上取决于知识获取的阶段。还没有建立起正在编写什么代码的心智模型的初学者正在失去练习基础技能的机会。能够引导过程的专家可能最终从节省的努力中受益。 但没有人能否认，如果你的目标是学习手写代码，让Claude替你做作业会导致更少的学习。 更有趣的是，是否存在AI帮助的最佳量或时间。意思是，即使太多AI显然不好，太少AI是否也会阻碍学习？ 如果在我2019年出版的[《超学习》](https://www.scotthyoung.com/blog/ultralearning/?ref=hubwiz.com)之前你问我这个问题，我会说不。我是做困难问题解决和相关心智努力作为学习困难技能方式的坚定倡导者。 然而，在我2024年出版的[《变得更好》](http://www.apple.com/?ref=hubwiz.com)的研究之后，我不再确信了。练习问题当然是学习任何技能的重要组成部分。但所涉及的认知负荷很容易变得太高。获得帮助，无论是工作示例、完成问题还是只是让你摆脱困境的提示，都可能比挣扎更快地促进学习。 ## 2、一些初步指南 在教育研究中，关于不同教学方法的对话通常跨越数十年。在那个时间尺度上，AI只是眨眼之间的事情。因此，我认为在研究文献中形成关于AI最佳实践的成熟共识还需要一些时间。 然而，我想分享我对这些AI指南可能是什么样子的最佳猜测，尽管缺乏更强的基于证据的工作： ### 2.1 你无法从自己没有做的工作中学习 这是显而易见的，但需要重申。虽然AI辅助可能有助于或损害学习，但很明显，你让聊天机器人完全*代替*你做的任何事情都不会让你学习底层技能。 ### 2.2 不要在第一次尝试时使用AI 对于许多任务，只有一个问题。在这种情况下，我认为在查找答案之前自己尝试解决方案几乎总是更好。这在每个问题都是独特的创造性领域似乎尤其正确。例如，请求AI帮助文章的开头，将不可避免地塑造你最终遵循的方向，剥夺你围绕主题建立自己的判断力和选择自己的研究和论证路径的关键经验。 ### 2.3 不要在最后一次尝试时使用AI 如果你尽了最大努力仍然无法解决问题怎么办？假设这是一个重复的问题，研究相当清楚地表明，查看工作示例或解释或获得指导将比继续挣扎更好。因此，在失败后转向寻求AI帮助似乎是谨慎的。但是，如果你想从学习中受益，你需要在没有AI帮助的情况下尝试另一个相同类型的问题。 ### 2.4 使用AI来建议替代想法和资源 虽然从AI开始可能会导致你跳过必要的艰苦思考，从而导致学习，但我确实认为AI在建议你可能忽视的替代方案方面是有用的。在这里，AI拥有的超人类知识广度可能是一个巨大的资产——在你第一次浏览时可能错过的方法、论文、书籍和想法。 ### 2.5 使用AI来纠正困惑和错误 同样，在你完成第一次解决问题的尝试后，我通常鼓励查看专家解决方案以获取反馈。AI不仅可以在许多领域生成专家级的解决方案，还可以帮助指出困惑和错误的来源。 ### 3、观察-实践-反馈（+AI） ![](https://www.hubwiz.com/blog/content/images/2026/07/image-264.png) 在我2024年出版的[《变得更好》](https://www.scotthyoung.com/blog/getbetter/?ref=hubwiz.com)中，我认为许多有效的学习看起来像一个实践循环：观察包括获得指导、查看工作示例或以其他方式将知识输入你的头脑，以指导搜索正确答案。实践包括自己练习。反馈包括从环境中获得关于你的练习有多有效的相关信号。 AI有潜力帮助这个循环的第一个和最后一个元素。它无法替代的是中间步骤——自己做工作。 --- 原文链接: [5 Rules for Learning in the Age of AI](https://medium.com/mind-cafe/5-rules-for-learning-in-the-age-of-ai-12b87075f974?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处 **相关阅读** - [Vibe Coding 是什么意思：傻瓜入门指南](https://www.hubwiz.com/blog/the-idiot-s-guide-to-vibe-coding/) - [Claude Code 怎么用：综合指南](https://www.hubwiz.com/blog/claude-code-comprehensive-guide/)