尤瓦爾在《今日簡史》中曾斷言“每過10年，你都要接受再培訓(xùn)，你學(xué)過的知識都可能被顛覆。”。而在當(dāng)今AIGC爆火，AI技能日新月異的情況下，我們所接觸、了解到的信息、知識也在不斷增多和迭代。這種情況下，作為普通人，我們究竟要學(xué)什么？知識管理還有必要嗎？
GPT告訴你，4月23日是世界讀書日，值得重新聊一聊「知識管理」。
GPT告訴你，在AIGC時代下，個人學(xué)習(xí)和管理知識的方法正在發(fā)生變化。這些技術(shù)不僅能夠增強我們對知識的獲娶整合和應(yīng)用能力，還可以改變我們與信息互動的方式。
GPT告訴你……誒？
問題大了。
是的，我大意了。
最近我有一個轉(zhuǎn)變，從信賴AI到依賴AI，我發(fā)現(xiàn)自己越來越離不開AI工具了。我能清楚地分辨GPT4、Claude3、Perplexity、Llama分別在什么類型的話題領(lǐng)域以一種什么樣的引導(dǎo)方式能給出更專業(yè)的答復(fù)；我能熟練地調(diào)教好Midjourney畫出我喜歡的特定風(fēng)格的海報和肖像；我也能用stable diffusion、runway、pika、suno、bedrock綜合制作一個看似人模狗樣的流暢視頻……
AI似乎什么都知道，只需要通過互動式的對話就能獲取超出我認知范圍內(nèi)的信息，而且它的判斷大概率比我正確。我似乎不用動腦了，也不需要學(xué)習(xí)系統(tǒng)性知識了，我只需要學(xué)會利用AI工具找到可以追索下去的線頭就行？
在AIGC時代下，我們還要學(xué)習(xí)嗎，要學(xué)什么，如何學(xué)習(xí)？
這些問題看似無病呻吟，但每逢我遇到問題下意識打開GPT的時候，我都難免為之一顫。而這些問題也在困惑著許多人，隔三岔五都會有一些大佬發(fā)聲：黃仁勛建議年輕人學(xué)人類生物學(xué)；馬斯克建議年輕人學(xué)習(xí)基礎(chǔ)物理學(xué)和經(jīng)濟學(xué)；蔡崇信建議年輕人掌握前沿學(xué)科技能，比如數(shù)據(jù)科學(xué)和心理學(xué)……
直到我翻開以色列歷史學(xué)家尤瓦爾赫拉利在《今日簡史》的斷言：
每過10年，你都要接受再培訓(xùn)，你學(xué)過的知識都可能被顛覆。
懵了。
左右什么基礎(chǔ)學(xué)科都得學(xué)，什么又都會過時。那作為普通人，我究竟要學(xué)什么？知識管理還有必要嗎？
一、「新黑客」技術(shù)“黑入人心”
現(xiàn)在有三種最流行的神經(jīng)網(wǎng)絡(luò)算法：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。
1）監(jiān)督學(xué)習(xí)，有已知的明確的輸入和輸出內(nèi)容，比如，醫(yī)院利用大量的醫(yī)療數(shù)據(jù)訓(xùn)練一個算法來預(yù)測病人是否會出現(xiàn)某種疾病，這是在利用已知的醫(yī)療數(shù)據(jù)進行預(yù)測；
2）無監(jiān)督學(xué)習(xí)，要學(xué)習(xí)的數(shù)據(jù)量特別大，標(biāo)記不過來，這時候你不用標(biāo)記每個數(shù)據(jù)是什么，AI看得多了會自動發(fā)現(xiàn)其中的規(guī)律和聯(lián)系。比如，淘寶根據(jù)你的購買歷史數(shù)據(jù)推薦你可能喜歡的好物，抖音推薦你可能感興趣的視頻；
3）強化學(xué)習(xí)，在動態(tài)的環(huán)境中，AI每執(zhí)行一步都要獲得反饋的學(xué)習(xí)，常常伴隨著即時的獎勵和懲罰的行為。比如，自動駕駛汽車需要在實時環(huán)境中做出決策，根據(jù)傳感器收集的數(shù)據(jù)信息不斷調(diào)整行為。這時候AI不是靜態(tài)地看很多汽車駕駛錄像，它是直接上手在實時環(huán)境中操作，直接考察每個動作導(dǎo)致什么結(jié)果，獲得即時的反潰
同理，這三種最常見的神經(jīng)網(wǎng)絡(luò)算法也能對應(yīng)到人類三種最常見的學(xué)習(xí)過程。
1）監(jiān)督學(xué)習(xí)，就像是學(xué)校里老師對學(xué)生的教學(xué)，有標(biāo)準(zhǔn)答案，對錯分明，有時候甚至你說不上來是什么原理。
2）無監(jiān)督學(xué)習(xí)，這是一個自主學(xué)習(xí)的學(xué)者，通過自主調(diào)研大量的內(nèi)容，自學(xué)成才；
3）強化學(xué)習(xí)，則是專業(yè)運動員的教練，你有哪個動作錯了立刻幫你糾正，你所有的訓(xùn)練計劃都是定制的，能獲得即時反饋的。
而隨著AI的發(fā)展，我們也逐漸步入了一個「強化學(xué)習(xí)」的時期，AI似乎不僅是一個工具了，更是一個法寶。它會成為你的私人定制助理，甚至是保姆和專家顧問。
舉個例子，你想學(xué)一門新語言，你直接跟AI互動交流，隨時隨地練習(xí)和糾正，比起你跟老師、跟朋友交流來得更高效；你想面試一家企業(yè)，你把崗位要求和簡歷喂給GPT，ta就能幫你分析崗位的重點和注意事項，并且模擬面試場合向你提問，對你給出的答復(fù)加以評價和指正，并給出ta的專業(yè)答復(fù)。
聽起來似乎一切都在轉(zhuǎn)好，那么你是否思考過一個問題：在AIGC時代下，仿佛你只需要學(xué)會如何利用AI工具更高效地幫你解疑即可所向披靡，你還有必要學(xué)習(xí)系統(tǒng)化知識嗎？知識管理是否有些多余了？
尤瓦爾赫拉利在2020年中信出版集團舉辦的“年度觀念”劇場演講中，分享過一個概念“新黑客”。以前的黑客攻擊你的電腦手機，解鎖你的賬戶密碼。
而今天出現(xiàn)了一種更強大的黑客，它直接解碼你的內(nèi)心，攻擊你的大腦，你在不知不覺中就被它操縱，而這種操縱的感覺你是一點都沒有意識的。你反而覺得是出于你的自由意志，這是我們今天人類在重新被技術(shù)定義的一個表現(xiàn)。
是的，現(xiàn)在的技術(shù)有“黑入人心”的能力，這就意味著它可以獲取海量個人數(shù)據(jù)，并有足夠的運算能力來分析數(shù)據(jù)，最終它能夠比你更了解你自己，它能夠預(yù)測你的行為，可以操縱你的決定和選擇，甚至被操縱的人都不知道自己被操縱了。
所謂“自由意志”，聽起來好像我們完全可以自己做決定，實際上自由意志就是被操縱的決定，你對自己做決定并不會深思，你以為這是你想要的，但其實你已經(jīng)被操縱了。相反，越是認為自己擁有自由意志的人，越容易被操縱，而這一現(xiàn)象會越來越極端。
從前我們能夠收集到的大多數(shù)的個人信息都還是“表層信息”，是外在行為，從身體外部拿數(shù)據(jù)，包括你看什么電視，你到哪里去，跟誰見面，跟誰吃飯�，F(xiàn)在到了一個分水嶺，數(shù)據(jù)可以檢測到我們的“皮下信息”，從人體內(nèi)部，從大腦和身體里獲得數(shù)據(jù)，拿到你的體溫、血壓、大腦的反應(yīng)，甚至一些生物的表征。
過去我的信息不想讓你知道，這叫隱私，而今天的隱私是很多我自己不知道，但是你通過數(shù)據(jù)和算法，比我更了解我不所謂的隱私信息。
上述的系列變化相信你也意識到了，但我們天然地學(xué)會適應(yīng)自然規(guī)律和叢林法則，所以沒關(guān)系，被操縱了沒關(guān)系，隱私泄漏也沒關(guān)系，只要我明面上還在操控著我的大腦和雙手就行。
但事實真是這樣嗎？
想想看，有了互聯(lián)網(wǎng)后你可以更廉價地獲取數(shù)據(jù)；有了維基百科后你可以更快捷地獲取信息；GPT出來后又可以幫我們更高效地獲取結(jié)構(gòu)化的知識，那么人呢？在知識管理的鏈路里，人究竟能發(fā)揮什么作用？
二、知識管理最樸素的概念
什么是知識管理？
最常見的說法是，知識管理包含四個層次“DIKW”，即數(shù)據(jù)、信息、知識和智慧。很久前我在另一篇知識管理的科普文章里有詳細分析過，感興趣的話可移步to B路上，除了服務(wù)管理，還要知識管理
簡單來說，數(shù)據(jù)是沒有上下文的要點，碎片化、離散的、不成體系的、過目即忘的。信息呢，傳統(tǒng)的解釋是，信息是為數(shù)據(jù)提供上下文，是數(shù)據(jù)分析和綜合之后的產(chǎn)物，通常存儲在半結(jié)構(gòu)化的內(nèi)容中，便于查詢、重用，使得錯誤不再重復(fù)。
但喬治吉爾德在《后資本主義》一書中打開了一個新思路，他認為：
信息就是意外。
比如我跟你說1+1=2，這實際上沒有給你提供任何信息，因為這是你已經(jīng)知道的東西，或者說，你一點兒也不意外。
但如果我跟你說，1+1>2，這跟你常識不符，你會感覺意外。這時候我再來解釋1+1在什么時候大于2，比如，在兩個人交流想法的時候，碰撞出了新的想法，那這就是1+1>2；或者平臺的規(guī)模效應(yīng)，平臺用戶網(wǎng)絡(luò)擴大一倍，它的影響力增長不止一倍。
如果之前你不曾考慮過這個層面，那么上述內(nèi)容對你來說就是一個信息。
如果信息就是意外，那知識是什么呢？知識就是在我們跟這些信息、這些意外發(fā)生碰撞之后，我們把它收攏起來，反復(fù)地去驗證，把那些真正有價值、有用的信息沉淀下來，或是結(jié)合過往你的隱性經(jīng)驗、洞察力和判斷做進一步的改進，這樣就形成了知識。
從數(shù)據(jù)到信息再到知識的過程，就是知識管理的全鏈路，這個鏈路伴隨著你持續(xù)的學(xué)習(xí)和產(chǎn)出。
而智慧呢，它賦予了物質(zhì)的終極洞察力，具有應(yīng)用和情景意識，提供強烈的意識判斷。通常來說，你會無意識地去調(diào)用你的智慧做出一些決策，甚至跳脫事情本身去思考這件事的意義，這種情況下都是你的智慧在牽引著你。
基于上述信息，再來看AI提供給你的究竟是什么？是離散的數(shù)據(jù)還是無序的信息？
你基于這些數(shù)據(jù)和信息作出的決策，正是憑借你經(jīng)過驗證的知識體系才有的結(jié)果。
三、也許你只需要一根可以追索知識的線頭
你看，有搜索引擎，有聊天機器人，人類的大部分成型知識，你都可以通過搜索找到。但你在搜索框里搜索什么？你要跟GPT提什么問題？鍵入一個什么詞，成為你的第一個起點？如果這個時候，大腦一片空白，怎么辦？
《知識大遷移》一書里有一個概念，叫“元無知”，即：你不知道自己不知道的那種無知。
這不是今天才有的現(xiàn)象，書里舉了一個例子：古希臘的元老院里有一個職業(yè)叫做“助記員”。他們的工作很簡單，每逢元老們辯論的時候，主動給元老們提供一些數(shù)據(jù)，比如城里有多少人口，上個月天氣怎么樣，諸如此類。元老們不需要自己記答案，有人專門負責(zé)給答案。元老們搞政治辯論，真正的競爭在于，他們能向“助記員”問出什么樣的問題。
這跟我們今天面對搜索引擎、面對GPT，是不是一模一樣的情境？
你需要的不是體系性的知識，你需要的是一個可以追索知識的線頭。只要這個線頭存在，你就擺脫了“元無知”。沒錯，你仍然是無知的，但沒關(guān)系，互聯(lián)網(wǎng)上的那些知識工具會幫助你解決后面的問題。
這么說來，學(xué)習(xí)可以是系統(tǒng)性的，也可以是碎片化，甚至淺顯化的。這種情況下，最關(guān)鍵的學(xué)習(xí)是，如何找到一個可追索下去的知識線頭？
1） 找一面鏡子。這面鏡子可以是人，是你的朋友、長輩、上級，也可以是AI機器人。互動式的請教是零星知識的最好的線頭。很多工作能力強的人，都有一個習(xí)慣，當(dāng)他們遇到一個無從下手的棘手問題，第一個反應(yīng)是請教有經(jīng)驗的過來人，請教有資源有人脈的人。
“應(yīng)試學(xué)習(xí)”不奏效了，回家憋答案也太低效了，何不如啟動偵探式地毯式學(xué)習(xí)，找到解決問題的渠道。
2）建一個儀表盤。你要有自己的觀測復(fù)雜現(xiàn)象的儀表系統(tǒng)。從一個特別顯而易見的表像，看出背后一大堆信息的工具，就像我們通過看體溫計知道體溫一樣。
舉個例子，你在跟合作團隊開會的時候，通過對方的言行舉止，是否可以推測出對方的性格、上下級關(guān)系以及未來開展合作的可能性。
在互聯(lián)網(wǎng)時代，我們總覺得世界是平的，每個點和每個點都可以建立連接，所以這是一個人人都有機會的時代。但幾十年運行下來，天下并沒有大同，而是重新部落化了，每個人都進入了一個小圈子，豐儉由人。這個狀況，其實用區(qū)塊鏈這個詞來描述才更準(zhǔn)確。每個人都生活在一個區(qū)塊里，被這個小環(huán)境制約，越來越難以脫離。
而未來世界的價值，就在區(qū)塊鏈的這最后一個字“鏈”上，誰能夠提供打破區(qū)塊，連接區(qū)塊、跨界區(qū)塊、提供那條鏈，誰就能享受未來時代的紅利。
四、順應(yīng)人腦結(jié)構(gòu)，區(qū)塊鏈?zhǔn)降膶W(xué)習(xí)
既然是區(qū)塊鏈?zhǔn)降膶W(xué)習(xí)，那就要進一步追溯到人腦的原理了。你所有的認知，大腦都會記錄下來，但我們有個誤區(qū)，總想著怎么提高記憶力。
沒錯，人腦不是用來記憶的，甚至不需要記憶，它應(yīng)該是索引，讓你清楚在哪里可以快速找到對應(yīng)的內(nèi)容。
我們跟艾賓浩斯遺忘曲線斗智斗勇了這么多年，你告訴我人腦不是用來記憶的？
不久前我跟一位鵝廠的前同事探討知識管理的時候，結(jié)合腦神經(jīng)科學(xué)他給了我這樣的洞見，我大為震驚。
結(jié)構(gòu)比內(nèi)容更重要，比起從頭啃一部大塊頭的書，我們更應(yīng)該要學(xué)的是如何結(jié)構(gòu)，比AI更往上一層。AI工具的確能讓你快速獲取信息，但你可以更結(jié)構(gòu)化地搭建整個知識體系。
舉個例子，很多人都說未來學(xué)校極有可能被顛覆，因為學(xué)校里傳授的所有知識都可以由GPT教會你，畢竟它把整個世界的知識壓縮到大模型里。但果真如此嗎？且不說學(xué)校擔(dān)負著幫企業(yè)主篩選優(yōu)秀人才的職責(zé)，很多學(xué)生擠破腦袋進入這樣的篩選池以獲得更多選擇和被選擇的機會，更重要的是，學(xué)校能教會你如何建立腦中的索引，這是GPT很難取代的。
我在思辨的時候，突然明白這位同事特地找我探討知識管理的目的了，你只有想明白一件事，才能分清楚在什么情況該做什么。如果我們對不同層級的知識理解達成共識的話，那么接下來，你可以這么去做：
先搞清楚什么是數(shù)據(jù)，什么是信息，什么是知識；
然后，簡單的數(shù)據(jù)簡單收集和歸類；復(fù)雜的信息，尤其是你認可的信息可以用稱手的工具抽象后記錄歸檔；知識用腦圖梳理，順應(yīng)你大腦神經(jīng)的結(jié)構(gòu)，神經(jīng)元和突觸構(gòu)成了人腦的索引，而你畫出來的腦圖也是一種外顯的呈現(xiàn)。
剛聽到這個論斷時我有點失望，就這么個結(jié)論？但后面我又想通了，不是每個high level的主題落腳點都是高大上的事情，我這是不是也是一種先入為主的索引？
“這么多話題里，為什么你最想聊知識管理？”
末了我還是忍不住重復(fù)這個問題，他知道我什么意思。長遠來看這就是塑造一個人的底層邏輯，也是一個人進步的源動力，只有你夠懂，才能更快速進入新領(lǐng)域擁抱新變化。
我好奇：“在你的人生命題里，知識管理往前還有什么？”
“目標(biāo)管理。”合理。
“你猜目標(biāo)管理再往前是什么？”
不等我回答，“是哲學(xué)。”他得意地笑。
難怪。
五、去學(xué)很土、很扎實的東西
既然順應(yīng)大腦結(jié)構(gòu)去學(xué)習(xí)和產(chǎn)出這么重要，那么究竟要學(xué)什么？
所有的學(xué)習(xí)都是出于一定的需要和動機。比如你想學(xué)某一項技術(shù)，就找它的相關(guān)原始標(biāo)準(zhǔn)文檔，如果嫌文檔枯燥，就去找行業(yè)里對這個技術(shù)的最經(jīng)典的實現(xiàn)；比如你想學(xué)著構(gòu)建某個工具，就去看它的源代碼，想提高效率的話，就去瀏覽最經(jīng)典實現(xiàn)的幫助文檔，或是用戶手冊，帶來的收獲肯定不一樣。
這看起來很簡單，但背后的知識就像樹根，樹根多了，下面就可以織成了一張知識的網(wǎng)。再往上去生長什么，都會事半功倍。
很多時候，帶著需求、硬著頭皮，去學(xué)一些感覺很土的、很扎實的東西，對你來說可能才是捷徑。
回想一下，當(dāng)你在面對GPT給到你的答復(fù)時，尤其是跨領(lǐng)域信息的時候，如果你沒有一些基礎(chǔ)的知識底蘊，你要如何識別信息的真?zhèn)�，如何�?gòu)筑你的知識晶體？
從這個角度來看，大佬們推薦的各種基礎(chǔ)學(xué)科知識，都是在鼓勵你掌握必要的底層邏輯知識，這些看似土、卻很扎實的知識能幫助你更有章法、更高效地思辨你從AI工具那獲得的上層信息。
過去我們總說要學(xué)會系統(tǒng)性知識，但如果現(xiàn)今的社會學(xué)習(xí)趨勢就是碎片化的信息，你要學(xué)會的是如何結(jié)構(gòu)化AI提供給你的碎片化信息，如何再進一步轉(zhuǎn)化成你的知識。
而在我們對日常事務(wù)應(yīng)接不暇的時間里，帶著目的學(xué)習(xí)成塊知識似乎也成了一件難事。我們常常因為沒有連續(xù)的時間，認為碎片時間學(xué)習(xí)效果不好，于是就不學(xué)了，這是給自己找借口。
試想下，有碎片時間是不是比完全沒時間好？學(xué)習(xí)效果不好是不是比完全不學(xué)好？何況能力是可以培養(yǎng)的。
一開始可能你適應(yīng)不了用碎片時間學(xué)習(xí)，適應(yīng)不了進入狀態(tài)，通過一段時間的訓(xùn)練，這是有可能培養(yǎng)出來的�，F(xiàn)在的電子設(shè)備其實很方便，即便再怎么忙，一天里能不能找出10個3分鐘？那就是30分鐘的學(xué)習(xí)時間。
想要更好、更快地織起這張網(wǎng)，一開始選擇點的時候，要選擇距離不是很遠的點，那么它才有可能更快建立成網(wǎng)狀結(jié)構(gòu)；每個點讓它橫向分出來的線拉長，線越長就更有可能和其他點延伸出來的線交織。
用這種辦法去逼自己一步一步去深化，讓自己一步一步向里面鑿。
長遠來看，這是塑造一個人的底層邏輯，也是一個人進步的源動力，只有你夠懂，才能更快速進入新領(lǐng)域擁抱新變化。
最后，正如我在播客里所說的，這篇文章到此為止也沒能真正給出一個什么確定性的答案。這個命題仁者見仁，重點不在內(nèi)容本身，而是提供一根可供你追索下去的線頭，這根線能牽引你到哪里，那就各憑本事啦。
本來網(wǎng)絡(luò)上的各種聲音就充斥著各種不確定，每個人都在探索。唯一可以確定的是，無論時代如何變遷，一手的知識永遠是非常值錢的硬通貨。
作為個體，你能做的也許就是在掌握最新知識工具輸入和輸出的同時，保持清醒，不要過嗨。
我們學(xué)習(xí)和創(chuàng)造知識，也想試著在多年后回過頭來，看看知識能不能讓自己走得更遠。
專欄作家
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自 Unsplash，基于 CC0 協(xié)議
