用AI給人生開掛的正確方式: AI比人进化快的时代,學什麼才不落伍?
Summary
TLDR本视频讨论了AI快速发展给个人和行业带来的挑战与机遇。视频中提到,尽管AI如ChatGPT和Sora等工具不断更新,使得许多基于旧技术的尝试迅速过时,但我们可以通过专注于学习基础核心知识(big ideas)和跨领域学习来适应这一变化。作者强调,AI时代要求我们成为了解多个领域基础的“外行人”,并利用AI加速学习过程,以保持竞争力和创造力。
Takeaways
- 🤖 AI的发展速度迅猛,使得很多人感到焦虑和不安。
- 🚀 即使没有编程基础,人们也尝试加入AI学习,但AI的快速更新使得一些学习成果迅速过时。
- 📚 面对AI的挑战,学习基础知识(Fundamentals)和跨领域学习是关键。
- 🎥 OpenAI的Sora模型展示了AI在视频生成方面的巨大潜力。
- 🌐 AI技术的进步模糊了虚拟与现实的界限,对社会产生深远影响。
- 📈 知识的增长速度远超人们的适应能力,导致大量知识迅速过时。
- 💡 真正的‘想法’基于对行业基础和本质的理解,而非简单的创意。
- 🛠️ AI作为工具,其价值取决于使用者对核心知识的理解和应用。
- 📚 推荐阅读《The Art of Doing Science and Engineering》,学习如何思考和学习。
- 🌟 跨专业学习不是为了成为专家,而是为了利用其他领域的基础知识解决自己领域的问题。
- 🌐 AI时代,个人需要适应从执行者到跨领域决策者和创造者的转变,否则可能面临淘汰。
Q & A
AI的发展给人们带来了哪些焦虑?
-AI的发展速度非常快,很多人担心自己的技能和知识会迅速过时,从而感到焦虑。例如,开发者社区中,基于OpenAI开发的应用可能因为ChatGPT的一个更新而失去价值。
如何在AI时代成为一个超级学习者?
-在AI时代,成为超级学习者需要专注于学习最基础和核心的知识(big ideas),发展跨领域学习新知识的能力,并利用AI来加速这一过程。
为什么在AI时代,我们需要学习最基础的东西?
-最基础的东西具有槓桿力,它们是经过长时间筛选验证出来的,是所有新技术和理论的源头。在AI时代,这些基础知识是最稳定的,最适合作为槓杆的支点。
什么是跨领域学习,为什么它在AI时代很重要?
-跨领域学习是指学习其他行业的基础知识,以便利用这些知识解决自己专业领域的问题。在AI时代,跨领域学习可以增强个人的槓桿力,帮助人们更好地适应快速变化的环境。
如何理解'cheap ideas'和'value ideas'?
-'cheap ideas'是指那些表面上看起来容易实现,但实际上缺乏深度和价值的想法。而'value ideas'是基于对事物或行业最基础、最本质理解产生的想法,这些想法更有价值和意义。
为什么说AI时代的基础技术不会被AI取代?
-AI时代的基础技术不会被AI取代,因为这些技术是新技术和理论的源头,它们是最稳定的,适合作为槓杆的支点。AI的发展和应用实际上依赖于这些基础技术。
为什么说跨领域学习可以加速个人的成长?
-跨领域学习可以让个人接触到不同领域的基础知识,这些知识可以相互补充,激发新的创意和解决方案。AI可以作为一个工具,帮助个人更快地理解和应用这些跨领域的big ideas。
在AI时代,为什么我们需要提高思考力?
-在AI时代,基础知识虽然重要,但理解它们需要经验和思考。提高思考力可以帮助我们更深入地理解这些基础知识,从而更好地应用它们来解决问题。
《The Art of Doing Science and Engineering》这本书对AI时代的我们有何启示?
-这本书强调了基础知识的重要性,并教导我们如何思考和学习。它的观点在AI时代依然适用,因为它提供了关于技术发展的深刻见解,以及如何在知识快速增长的时代保持学习的重要性。
为什么说AI的发展会模糊专业界限?
-AI的发展使得很多传统的工具和技术变得过时,同时AI的能力在不断扩展,可以涵盖多个领域。这导致了专业界限的模糊,要求人们必须跨专业,具备更广泛的知识和技能。
在AI时代,个人如何适应从执行者到决策者和创作者的转变?
-个人需要通过学习最基础的核心知识,提高思考力,以及跨领域学习来适应这一转变。AI可以作为一个辅助工具,帮助个人更快地掌握新知识,从而在决策和创新中发挥作用。
Outlines
🤖 AI发展与个人学习焦虑
本段讨论了AI发展带来的个人焦虑,特别是ChatGPT的出现和快速迭代给没有编程基础的学习者带来的挑战。作者分享了自己尝试制作AI课程的经历,以及如何面对AI技术的快速更新。同时,提出了在AI时代,我们应该学习什么,以及如何利用AI成为超级学习者的问题。
🎥 视频创作者在AI时代的挑战与机遇
这一段深入探讨了视频创作者在AI时代面临的挑战,特别是OpenAI的视频生成模型Sora的出现,可能会对视频创作行业产生重大影响。作者强调了在AI时代,掌握核心技术和讲故事的能力比单纯使用高级工具更为重要。同时,批评了一些利用AI快速致富的想法,并提出了真正有价值的想法应该基于对行业本质的深刻理解。
📚 基础知识的力量与跨领域学习
本段强调了在AI时代,掌握最基础最核心的知识(big ideas)的重要性,并提出了跨领域学习的概念。作者认为,通过学习其他行业的基础知识,可以增强个人的竞争力。同时,指出了AI可以帮助我们更快地学习和理解新领域的知识,但也提醒我们未来可能需要跨专业才能生存。
🚀 AI作为学习加速器的未来趋势
最后一段讨论了AI如何作为学习加速器,帮助我们在跨学科学习中取得成功。作者提到,尽管AI模糊了专业界限,但掌握基础知识仍然是关键。同时,指出了未来人们可能必须跨专业工作,以适应AI带来的变化,强调了适应性和学习能力的重要性。
Mindmap
Keywords
💡AI发展
💡自然语言编程
💡超级学习者
💡Sora
💡知识工作者
💡基础知識
💡跨领域学习
💡The Art of Doing Science and Engineering
💡Big Ideas
💡AI工具
💡價值想法
Highlights
AI的发展速度让很多人感到焦虑,尤其是开发者社区。
ChatGPT的升级使得很多基于OpenAI的应用在萌芽阶段就被消灭。
自然语言编程的概念被提出,建议成为超级学习者使用AI。
OpenAI的视频生成模型Sora的出现,模糊了虚拟和真实的边界。
Sora不仅仅是视频生成AI,更是对现实物理世界本质层面的理解和模拟。
知识工作者面临应该学什么的挑战,知识的翻倍速度和过时速度都非常快。
《The Art of Doing Science and Engineering》一书中提出,基础知識是应对知识爆炸的关键。
在AI进化比人更快的时代,我们应该学习最基础最核心的big ideas。
跨领域学习其他行业的基础知识,成为最懂行的外行人。
利用AI加速学习基础和跨领域知识的过程。
AI时代的超级学习者应该做的事情是专注于基础和跨领域知识,利用AI加速学习。
即使是在AI时代,执行和有深度的想法依然比简单的idea更为重要。
AI作为杠杆,其支点是最基础最核心的知识。
跨专业学习并不是去挑战别人的专业,而是利用别人的专业解决自己的问题。
AI模糊了专业的界限,未来很多人必须跨专业才能生存。
《窮查理寶典》中讲解了跨学科学习的重要性和方法。
AI可以加速我们跨学科学习的能力,但未来很多人必须跨专业才能生存。
Transcripts
AI的發展讓很多人感到焦慮,
ChatGPT剛出現時,我特別興奮
跟很多人一樣,我也加入到了AI的學習大軍
作為一個沒有編程基礎的麻瓜
我做了很多的AI嘗試
甚至計劃制作自己的AI課程
但是AI進化的速度太快了
我剛寫完課程大綱
ChatGPT的升級就讓很多內容失去了意義
這種還沒開始就被淘汰的經歷
在開發者社區裡更常見
很多人辛辛苦苦地基於OpenAI剛做出一個應用
ChatGPT的一個更新就把這個應用消滅在萌芽階段
那其實在一年前ChatGPT剛出現不久
我做了一個視頻分享了
如何才能抓住ChatGPT帶來的機會
那視頻分享了自然語言編程的概念
然後我建議大家應該去使用AI
成為一個超級學習者
但問題是在一個AI什麼都懂
比人類進化更快的時代
我們到底要學什麼才有意義呢
就在制作這個視頻的節點
OpenAI的視頻生成模型Sora橫空出世
讓視頻AI的能力從一年前的這裡
到了這裡,還有這裡
開個玩笑
這是威爾史密斯制作的真人調侃視頻
但是人們容易被騙不正好說明了
現在AI已經在模糊虛擬和真實的邊界了嗎
正是如此,人們又開始呼喊AI又要革命了
因為Sora它不僅僅只是一個對視頻生成的AI
它更是對現實物理世界本質層面的理解和模擬
這意味著太多的東西
比如解決自動駕駛的問題
創建AI和物理世界的連接
加快AGI的步伐
而作為一個視頻創作者
我瑟瑟發抖
因為在實現那些宏大的目標之前
Sora最先可能解決掉的就是我
其實在AI盛行以前的很長一段時間裡
知識工作者就一直面臨著應該學什麼的挑戰
你比如說這本書
The Art of Doing Science and Engineering
那它最早出版於1997年
那它的作者是Richard Hamming
是一位美國的數學家
曾獲得圖靈獎參與過曼哈頓計劃
那我強烈推薦去看這本書
那一會我再說為什麼
那他在這個書的第一章就提出了這個困惑
他說從牛頓時代開始
人類的知識每隔17年就會翻倍一次
那這一點除了可以從
書籍的出版總數量得到佐證外
他還從自己工作的貝爾實驗室觀察到這個現象
從1946年開始他工作的30年裡
無論怎麼嘗試暫停招聘和裁員
貝爾實驗室的員工大概每17年就會翻倍
他說科學家的數量也在指數級的增加
那在當時的90年代流行一個說法
歷史上的所有科學家裡有90%的人還活著
因為新增加的科學家的數量太多了
然後他繼續說就除了知識的指數增加
讓科學家無法應對
一個更糟糕的挑戰是每15年就有一半的知識將會變得過時
那這讓學者與時俱進更加困難
他預測除了知識
我們的信息和媒體也在指數級的增加
他說30多年後
當一個大學生成長到自己人生事業頂峰的時候
技術知識已經翻了4倍
如果這些就足夠讓人震驚的話
他還調侃說這個大學生可以想象一下
未來他的孩子會面對多少選擇不過來也消費不完的媒體內容
別忘了他最早寫這本書是上個世紀的90年代
現在將近30年過去了
現實不僅印證了他的預測
而且我們還有了AI
所以我們到底應該學什麼呢
第一他說你必須把注意力集中到那些基礎知識上
Foundamentals
第二你需要發展去學習新領域知識的能力
那我知道他們聽起來似乎是老生常談
就像我們中學班主任的口吻
但是我相信你一定有過這樣的體會
那就是有些話我們以為懂了
聽得耳朵都磨出繭子了
但是隨著時間的流逝
到你人生的某個階段
你再讀到那句話
你突然發現你以前並不真的懂
或者說你有了新的感悟
那這兩句話對我就是這樣
我把Richard的這兩個建議總結成了我自己的話
在AI進化比人更快的時代
我們應該
第一 go basic
去學習最基礎最核心最有槓桿力的big ideas
第二一定要跨領域去學習其他行業
那些最基礎最有槓桿力的big ideas
做那個最懂行的外行人
第三利用AI加速上面兩點
這就是我認為的在AI時代
超級學習者應該做的事情
OK why go basic
我們不應該去學習prompts
AI工具和最新的技術嗎
那既然我們視頻剛開始提到了這個sora
我們就做一個思維實驗
那在sora存在的時代
下面哪兩種人更容易做出好的作品
第一懂得使用高級工具和技術的人
第二,懂得講故事和視頻制作核心流程的人
那作為一個視頻從業者
我會說是第二種人更容易出好作品
因為那些所謂的高級工具和技術
越來越可以通過sora這樣的AI來實現
最後最重要的不是誰剪輯軟件掌握的更好
做特效的技巧有多麼的棒
而是你的想法
但是你要警惕"想法"這個詞
我這裡說的"想法"跟很多人理解的"想法"
它不是同一個概念
因為它被人們濫用了
比如我們經常聽人說ideas are easy
execution is hard
想法是容易的
難的是執行
那如果AI能夠幫我們去執行
我們去負責簡單的ideas
大家不都成功了嗎
這其實就是那些很多在ChatGPT出來之後
教你用AI致富的那些視頻的思路
首先這些視頻大多都會用
天吶我用AI幫我月入多少萬作為標題
或者開場白
然後他們會說
你可以用AI成為兒童繪本大師
讓AI生成故事
然後再生成插畫
然後你就月入多少萬
或者讓ChatGPT幫你生成創業咨詢企劃
生產一個爆款商品
打入到一個新的市場
然後你就月入多少萬
你也可以讓ChatGPT幫你去制作什麼導購網站
選擇垂直領域的爆款產品
然後你做什麼聯盟銷售
然後你就月入多少萬
你甚至可以讓ChatGPT幫你去選股票
做自動交易
月入多少萬
最後他們還會直搗我的老巢
教你用AI成為視頻創作者
你就可以月入多少萬
那現在ChatGPT的第一波浪潮已經過去了
現在再回看這些視頻
我們能得到兩個結論
第一
這麼好賺的項目
這些視頻的作者自己不去做
制作這樣的視頻或者課程
才是他們的盈利模式
第二
很少有人真的嘗試這些方法
即使有
很少有能執行下去的
更不要提真的實現了這些月入多少的目標
那我這裡並不是說這些視頻作者都是騙子
因為這些點子本身確實都有理論上的可行性
而且AI確實也能夠幫你去執行
但是為什麼大多數人沒能實現呢
這些案例告訴我們的是
並不是ideas are easy
execution is hard
應該是
execution is hard
and ideas are even harder
那這些例子裡的ideas
被我叫做cheap ideas
廉價的想法
而那些真正有意義的想法
是那些基於一個事物或者行業最基礎
最本質理解產生的想法
我們可以把它們叫做價值想法
比如很多人說
未來你可以直接跟Sora說
你給我制作一個好萊塢式的大片
然後Sora就嘟嘟嘟給你做出來了
就讓好萊塢的人失業了
這說起來很搞笑
但是剛才舉的很多想法
就是這個邏輯
這就是廉價的想法
但是如果把Sora給到一個好萊塢的導演手裡
他會告訴Sora要什麼樣的故事
人物發展的軌跡是什麼
性格是什麼
內心的掙扎和外在的掙扎是什麼
有幾條故事線
時代背景是什麼
背後的人生哲學是什麼
什麼音樂的表達
節奏
影片的色調
甚至是鏡頭的構圖和角度等等
當Sora遇到具體問題的時候
這個導演能夠給出具體的反饋
讓AI去做修改
我知道有人會說
那是因為現在AI還不夠強
等AI有了讀心術的時候
我說一句
你給我做個大片
他就能做出來
那關於這一點
我們要明白兩點
第一
所謂的讀心術
需要你心裡有這些東西才能讀出來
我們大多數人心裡其實沒這些東西
第二
如果你沒這些東西
即使AI做出來好的作品
那跟你沒有關系
你也收獲不了它能產生的價值
甚至還有一種情況
AI做的夠好了
但是你的審美不夠好
不能理解這個作品
你會把它當成垃圾來處理
那我們再看導演使用的這些語言
那裡面並沒有什麼具體的技術細節
比如應該去如何設置鏡頭的光圈
去調整剪輯軟件的某個參數
他更不需要去考慮那些技術的細節
更不用去告訴AI在曝光的時候
要使用減光鏡
去保證快門速度
能夠產生自然的運動模糊
這是因為這些工具它不存在了
那些所謂的有門檻的技術消失了
他的想法真正有價值的地方就只有一點
它是最基礎最核心的知識
如何用視覺講好一個故事
這就是所謂的價值想法
那很多人說
AI是為我們賦能的一個槓桿
這點我同意
但是很多人沒搞清楚的是
那個槓桿的支點是什麼
這個支點並不是那些最新的工具或技術
因為這些技術除了自己更新迭代
在AI時代更恐怖的是
很多會被AI直接消滅掉
AI去生成視頻不需要使用我們人類用的那些軟件和設備
它做的就是端到端
從想法到產品沒有所謂的中間過程
所以AI的這個槓桿的支點是那些最基礎最核心的知識
因為它們是經過長時間篩選驗證出來的
所有新技術和理論的源頭
它們最穩定最適合做這個支點
所以想在AI時代為自己賦能
我們每個人都需要去思考我們所在的行業
哪些東西是最核心最基礎的
關於這一點我們有一個好消息和壞消息
那好消息是每個行業的核心基礎知識並沒有你想象的那麼多
知識其實也遵循一個二八原則的Power Law
每個學科都有少數的最重要的基礎想法
托起了這個學科的大部分知識
Charlie Munger把這些核心的知識叫做Big Ideas
你需要做的就是要找到這些Big Ideas去學習
你甚至可以使用ChatGPT來幫你尋找這些Big Ideas
壞消息是雖然我們管它們叫做基礎知識
但是本質上它們是更難理解的高階知識
那這些基礎知識最難懂
是因為對他們的理解需要經驗和思考
那經驗可以被動積累
但是思考需要主動執行
對很多人來說
提高思考力就是最基礎的基礎
這就是為什麼我推薦這本書
因為這整本書都是在教你如何思考和學習
雖然它出版於90年代
但是它對技術發展的思考
以及AI的思考放到今天來看都得到了驗證
實際上我剛才舉的那些例子
這個作者在90年代就已經舉出了更好更深刻的例子
毫不誇張的說
這本書是2023年對我影響最大的一本書
它已經不止一次出現在我視頻裡了
我曾經想專門做個視頻來分享
但是我發現任何形式的總結都無法概括它的價值
你需要自己去讀
OK回到我們視頻的主題
AI時代學最基礎的東西最具槓桿力
為什麼我們還要去跨專業
成為一個所謂的最懂行的外行人呢
在解釋它之前
我需要先澄清一個人們對跨領域的誤解
我之前做過一期視頻分享Elon Musk的傳記
那裡面就談到了要成為最懂行的外行人
這遭了很多的觀眾的誤解
他們認為你們這些所謂的通才
就是所謂的什麼都懂
但什麼都不專的庸才
你們無法挑戰領域裡的專家
這一點我非常同意
比如還拿我們剛才說那些通過AI致富的案例
除了他們是廉價的想法
他們不工作的另外一個原因
就是他們在倡導你去外行挑戰內行
他們老強調可以無腦躺著用AI賺錢
但是憑什麼你們這些沒有任何基礎知識的外行
可以用AI
人家內行的專家就不能用呢
當很多人在幻想著用Sora去顛覆好萊塢的時候
好萊塢早就開始用AI來取代工具人了
都別說好萊塢了
我這種五六線的YouTuber
都在創作的每個環節都在使用AI了
我有理由相信
我會比那些只有廉價想法的人用的更好
我們追求跨領域
其實並不是去挑戰別人的專業
而是去利用別人的專業
來解決自己專業的問題
那理解了這一點
你就明白為什麼在AI時代
你應該去跨專業
首先我們剛才說知識遵循power law
那少數的big ideas
就能撐起一個專業的大部分核心
所以我們在學習其他行業知識的時候
我們只需要focus在那些
最基礎的少數的big ideas
那《窮查理寶典》那本書
就很詳細的講解了這個道理
推薦大家去看一看
那其次隨著科技的發展
我們很多人不得不去跨行業
你比如說我這個YouTuber
我需要懂的東西非常的多
不管是寫作拍攝
剪輯動畫音樂還是傳播
你可以說我的本職是個說書的
其他所有的東西都是跨行業
我去學習動畫
並不是為了靠做動畫賺錢
而是為了幫我更好去做這個「說書人」
如果你是個賣貨的
學一些心理學基礎知識
可能給你的業績帶來顯著的提升
但是你的目的
不是為了成為一個心理學家
那當然我們這些外行人做不到
像內行人那樣去深刻的理解
這些專業裡那些最基礎的知識
但是如果我們對本行業
基礎知識理解足夠深刻
加上我們從其他行業借來那些
我們膚淺理解的big ideas
我們依然能夠獲得強大的槓桿力
那這裡同樣有一個好消息和一個壞消息
好消息是AI可以加速我們跨學科的能力
比如我現在開始學習音樂作曲
那AI就是我的老師
我會去問他音樂裡的那些big ideas
把我的蠢問題全都拋給他
他會輔助我學習探索
那我學習編程
他們能夠迅速的幫我理解一個
語言最核心的東西
讓我快速的把這些知識用到我自己的行業裡
壞消息是不管你願不願意
未來很多人都必須要跨專業才能生存
因為AI模糊了專業的界限
它在加速減少工具和行業的數量
就像我之前那個視頻裡說的
我們每個人都面臨一個
從領域裡的執行者到跨領域的
決策和創作者的身份轉變
完成不了這個轉變你就會被淘汰
関連動画をさらに表示
2 Ex-AI CEOs Debate the Future of AI w/ Emad Mostaque & Nat Friedman | EP #98
Playlab Asynch Module 1: Introduction to AI
NVIDIA黃仁勳給年輕人的忠告!你要面對的世界將是這樣子的!不看真的會後悔!
Stanford CS25: V2 I Introduction to Transformers w/ Andrej Karpathy
Is a Computer Science Degree WORTHLESS 🤯? (in the age of AI)
AI: Chance or Risk for Your Job?
5.0 / 5 (0 votes)