学 AI 的时候,提问、专业知识与查核,哪一项可以少学一点?

我的答案是,先不要急着把它们排成新旧能力。知道问题涉及什么,才有机会问得具体;能说清楚需求,也还需要判断答案可不可信。

旧稿用「从知道答案到问对问题」描述变化,写得像提问会取代知识。现在我更想谈,怎么把知识、提问与验证放进同一个练习。

一、学合作,也要知道合作的限制

在NVIDIA2024年4月15日发布的奥勒冈州立大学对谈整理里,黄仁勋谈到把运算应用于自己的专业领域,并提到界定问题、协作、修正与反复尝试。文中也保留他对 AI 限制的说明。

我从这些话得到的提醒,是学习工具与练习判断可以一起安排。这不是黄仁勋替每个科系制定的课程,也不代表所有人必须放弃程式或专业学习。

本文不再以本次未核实原始出处的「如果我是学生」逐字引语开场。接下来的学习方法是我的建议,不假托为他的完整主张。

二、好问题需要知道自己在问什么

假设我要整理一份公开的产品说明,可以先交代读者是谁、整理来做什么,以及哪些规格与限制不能漏。这些条件,比只要求「写得专业一点」更容易让人检查是否完成。

但我仍要有能力看懂原始说明。若不知道规格之间的差别,就可能把工具整理后的短句当成全部;问题写得完整,也不自动补上缺少的专业理解。

我会把提示看成工作说明的一部分:说明目标、材料、限制与交付方式。这个比喻不表示自然语言指令能保证像程式一样执行,也不表示有一套模板就能通用所有任务。

三、练习时留下可以对照的材料

延续这个假设,我可以先自己列出产品说明的重点,再请工具整理,接着把两份结果与原文对照。这样才能指出哪个地方有帮助、哪个地方需要修正,以及自己原先是否也漏看了条件。

这不是一个已完成的成效实验。若要比较效率,还要把阅读、查核、改稿与交付的时间一起记录,不能只量第一份答案出现的速度。

我想练的是能重看的过程,而不是用一次顺利的产出,证明实习生已追上专家,或 AI 已让知识失去价值。原稿没有足够工作记录支持那些比较,现在也不再保留。

四、教育可以多一种练习,不必少一种根基

我希望课程能让学习者练习说明目标、比较答案、找回原始材料与解释修正理由。这是我对教学安排的期待,不能直接当成所有学校目前都没有这样教的证据。

一个人选择学程式、会计、设计或其他专业,都可能有各自的目的。是否使用 AI、使用到哪一步,也需要考虑任务条件与可用资源,不宜把不熟工具的人直接判为不具能力。

〈读AI采用报告〉提醒我,回报使用与可检查的成果需要分开。课堂或职场的练习,也应给学习者说明限制与暂时停用的空间。

五、开始一项练习的四个问题

如果想从一项小任务练习,我会先问:

  • 我想学会或改善什么,能否先用自己的话说明问题?
  • 可以提供哪些合适材料,哪些内容不应交给工具处理?
  • 怎么用原始材料与自己的知识,检查结果和修正理由?
  • 要记录哪些帮助、错误与补工,才知道下一步怎么调整?

这是作者安排 AI 学习的四个问题,不是课程认证、产出倍数或就业结果的保证。

也不必一开始就把整份工作都交出去。可以先练一段自己能核对的内容,遇到无法判断的地方,再找老师、同侪或适合的专业协助。

六、让答案接受追问,也让自己可以进步

我仍认为 AI 协作值得学,但不想把学习变成一场人人都得立刻完成的竞赛。对我而言,有用的练习要能说明自己做了什么,也能承认哪些地方仍不会。

「认知基础设施」若要保留,只能是我对学习安排的比喻:让材料、问题、查核与反馈可以接起来。它不证明 AI 已理解我的意图,更不表示所有能力都只剩下调度工具。

我想练成的,是把一个问题问得更具体,知道到哪里查,并能解释为什么接受或修改答案。知识没有因此免修,提问与判断也可以在这个过程里一起长出来。

四格漫画:学 AI 的时候,提问、专业知识与查核,哪一项可以少学一点?我想学会或改善什么,能否先用自己的话说明问题?可以提供哪些合适材料,哪些内容不应交给工具处理?怎么用原始材料与自己的知识,检查结果和修正理由?要记录哪些帮助、错误与补工,才知道下一步怎么调整?这是作者安排 AI 学习的四个问题,不是课程认证、产出倍数或就业结果的保证。

资料与查核范围:2026年11月4日修订

直接核对上述NVIDIA2024年对谈整理的必要段落,采有限转述,不称原音逐字或完整访谈查核。「如果我是学生」的原始语段与多场合反复出现未在本次核验,不当引语依据。产品说明练习明示假设,四问与教育期待为作者建议;没有新增学校盘点、专业表现、学习或就业的对照研究,也未验原公司实习生与团队成果。原发表日保留。

修订说明: 撤下提问取代知识、十倍品质、一小部分时间达专家品质、没有大学教、非专业者快速追平,以及所有知识工作的唯一底层等说法。不再借名人语句把特定学习路径写成所有人的生存门槛。