AI的实用主义艺术

人工智能的快速发展，已经让越来越多的人开始感到压力和焦虑。

Midjourney和ChatGPT刚出现的时候，我特别兴奋，因为我在多年前就曾预测过会写作和作图做视频的人工智能出现，以及对我所处广告行业将会造成的影响。当它们真的成为现实时，我当然是第一时间加入了AI的学习阵营。

尽管我是文科出身的创意总监，但我在外企广告公司的最后六年时间，都是在服务世界顶尖的科技公司：像是IBM、英特尔、高通、思科、西门子等等，借助工作的便利，能够接触并学习到这些企业的前沿技术，了解全球到科技的最新动向。

这次的AI大爆发，刚好是从所谓的“AIGC”（生成式AI）开始的，AI写作、AI作图、AI做视频、AI做音乐……这些也正是我所擅长的领。因此对我来说算是有点得心应手的。学习AI的半年时间内，我就加入了AIGC应用的跨国创业团队。甚至，很快就开始尝试制作自己的AI课程，但AI的进化速度实在是太快了，在做课程的过程中，我发现如果仅仅是教怎么使用AI工具，我刚做完课件还没录完，AI就已经升级进化好几个版本了，让之前规划的很多内容都失去了意义。

这种还没开始就被淘汰的经历，在我们这种小型创业团队、开发者的领域，更是家常便饭，很多辛苦基于当前AI大模型做出来的应用，结果大模型的一个升级更新，就把这些应用消灭在萌芽阶段了。

作为一个喜欢钻研新事物的博主，去年ChatGPT刚流行不久，我就分享了普通人如何抓住AI带来的机会，借助AI成为一个超级学习者。

很多没有跟上AI步伐的同学经常会问我一个问题，在这个AI什么都懂，比人类进化更快的时代，我们到底要学什么才有意义呢？如何保证我们费时费力学了新的知识和技能不会很快被AI淘汰？

其实，在AI盛行之前的很长一段时间，知识工作者就已经面临”该学什么“这样的困境了。我今年看过一本1997年出版的书：《the art of doing science and engineering》（科学和工程的艺术），作者是一位美国的数学家，曾获得图灵奖，参与过迈哈顿计划。

他在这本书的开头就提出了这个困局，从牛顿时代开始，人类的知识每隔17年就会翻倍，这一点可以从书籍的出版总量和科学论文发表的数量得到佐证。此外，科学家和工程师的数量，也是呈现出这个指数级的增长。在当时的90年代还流行一个说法，历史上的所有科学家里有90%的人还活着。因为新增加了科学家的数量太多了。除了知识量的指数增加，让科学家很难应对的一个现实是，每15年就有一半的知识将会变得过时，这让很人与时俱进更加困难。

除此之外，我们的信息和媒体在指数级的增加，30多年后，当一个大学生成长到自己人生事业顶峰的时候，技术和知识已经翻了四倍。而这位大学生的下一代，将会面临选择不过来也消费不完的知识和媒体内容。这是上个世纪90年代的观点，现在30多年过去了，现实不仅印证了他的预测，而如今还有了AI的爆发式发展，所以我们到底应该学什么呢？

面对知识、技术以及信息的爆炸式发展，在这本书中作者曾给出两条建议：

第一，必须把注意力集中在基础知识上；

第二，必须发展学习新领域知识的能力。

也许听起来有些老生常谈，但是往往真理是以最朴素的形式存在。至于那些“懂得很多道理，但依然不能过好一生”的人，未必是真的懂，仅仅是知道而已，从来没有付出过行动。只有真的去行动了，才能内化成为自己的感悟。

基于我对这本书的理解，结合当下的现实环境，我把这两项建议进行了一个升级，作为我给大家也是给自己的AI时代学习原则：

第一、回归基础：去学习最那些基础、最核心、最有杠杆力的“元能力”；

第二、大胆跨界：一定要跨领域去学习其他行业的基础知识和技能，做最懂行的外行人；

第三、利用AI加速以上两点：借助AI学习，快速试错、复盘、优化、升级自己。

这是我认为在AI时代，超级学习者应该具备的三个学习原则，下面我来展开说说这三点建议。

为什么要回归基础？

提到学习AI，很多同学首先想到的是学习AI的app、软件、工具、或者Prompt提示词技巧等等。但我想跟你做一个思维实验，拿做视频的AI来举例，假设现在AI做视频的能力已经非常成熟，你去设想一下，哪一类人更能够做出好的作品，以及赚到更多的钱呢？

第一类：懂得使用AI工具的人；

第二类：懂得讲故事和影视表达艺术的人。

我相信你也会选第二类，因为AI的出现就是打破了技术壁垒，让以前只能由拍摄团队、动画制作团队才能创作出来的视频，现在只要用我们普通的语言就能够让AI帮你创作出来了。所以，最重要的不再是谁的剪辑软件用得好，谁的特效做得好，因为这些AI都可以帮你去实现了，真正重要且有价值的，也是AI代替不了的，是我们的想法。

但是呢，我们要警惕”想法“这个词，我这里说的”想法“（Idea）跟很多人理解的想法可能不是同一个概念，因为这个词已经被滥用了。比如我们经常听人说”想法简单，执行才难“。如果按这个说法，让AI帮我们去执行，我们去负责最简单的想法，那么大家不都可以轻松成功了吗？

当然“轻松成功”、“躺赚”、“无脑赚钱”这些也正是令很多人趋之若鹜的噱头，现在很多自媒体上有人在教用AI致富，大多会用”哇哦，我用AI月入过万“作为标题或者开场白，然后教你使用AI成为儿童绘本大师、成为小说家、打造爆款产品、写爆款视频脚本、文案、甚至帮你选股票等等等等。但是现在AI的第一波浪潮已经过去了，我们再来看看这些所谓的躺赚项目，可以得到两个结论：

第一、有这么好赚的项目，作者怎么不自己去做？靠制作这样的视频吸引流量或者卖课才是他们的盈利模式。

第二、很少有人真的去尝试这些方法，即便有人尝试，刚开始没有成效，就没有坚持下去了。

倒不是说这些视频作者都是骗子，因为这些“想法”本身确实都有理论上的可行性，否则大家也不会相信，并且AI也确实也是能够帮你去执行。那为什么大多数人没有实现赚钱的小目标呢？

因为并不是”想法简单，执行才难“，而是”执行很难，想法更难“。上面那些例子里的“想法”，是”廉价想法“，是“无价值想法”。而那些真正有意义有价值的想法，一定是基于一个事物或行业最基础、最本质的理解而产生的想法，一定是有了深度的学习和研究，有了足够的积累和沉淀，有了对社会、对人的深刻洞察，而产生自己独到的想法，这些想法才能称之为”价值想法“。

拿AI制作视频来说，假如你只要跟AI说一句”帮我制作一个好莱坞大片“，AI就能为你很快制作出一部电影，那么即便AI真的发展到这一步，你认为你的”制作一部好莱坞大片“这样一个“想法”，会有什么属于你个人的独特价值呢？

幸好，AI还没有发展到那一步，至少对于故事、对于情感、对于氛围这些属于人类独有的灵光AI还没有学会。对于我来说，知道AI可以制作视频，比起学视频AI本身，我把更多的精力和时间用来去学习电影理论、编剧、电影镜头构图表达等等基础学问。假如未来我用AI做一部电影，我会告诉AI我的故事是什么，人物发展的轨迹是什么，主角的性格是什么，主角的外在欲望和内在需求分别是什么，有没有支线故事，故事的时代背景是什么，电影背后表达的是什么人生哲学，故事中有哪些隐喻，影片配合的音乐风格是什么，渲染的情绪是什么，影片的色调是什么，重点场景的画面构图、角度、演员调度和镜头的焦段、光圈是什么……

也就是说，在AI把电影做出来之前，我的脑子里已经有了完整电影的“想法”，只不过通过AI将想法变成别人可以看到的影片而已。

也许有人会说，那是因为现在AI还不够强大，等AI有了脑机接口，有了读心术，只要一句”你给我做个大片“它就能制作出来优秀的电影了。关于这个想法，我们要明白两点：

第一，所谓的读心术，也要你心中有术，心里有这些东西，它才有可能读出来，而普通人没有经过学习和训练，心里是不可能有这些东西的。

第二，即便AI不需要你的“想法”，它能够独立制作出好的作品，那么这个作品跟你半毛钱关系都没有，你也收获不了它所产生的价值。甚至有可能AI做得挺好，但你审美不够，你不能理解这个作品，也会把它当做垃圾来处理。

所以，想要用AI来制作一部影片，你依然要学习导演的基础能力，只是不再需要影视投资，不需要摄影师，不需要演员，不需要场务道具化妆灯光这些庞大的制作团队。你只要学会如何用影视手法来讲好你自己的故事，这就是所谓的”价值想法“。

AI不是一个万能的工具，而是为我们赋能的杠杆，杠杆与工具最大的区别就是，它需要一个支点，这个支点并不是那些最新的工具或者技术，因为这些技术除了自己更新迭代，甚至很多中间环节的技术都会直接被AI消灭。比如我们刚才说的AI生成视频，它就不再需要摄影设备、电脑制作等等环节，直接从想法到产品，没有了所谓的中间过程。

所以，AI这个杠杆的支点，就是那些最基础、最核心的知识和技能，因为这些是经过长时间筛选和验证出来的，是所有新技术和理论的源头，也是最稳定的，最适合做这个支点。要想AI为自己赋能，我们都要去思考，在我们自己所擅长的行业里，那些东西是最核心、最基础的。

关于这一点，有一个好消息和坏消息，好消息是每个行业的核心基础的知识并没有你想象的那么多，知识也遵循2/8原则，每个学科都有少数且重要的基础想法，托起了这个学科的大部分的知识，在前面提到的那本书里，作者把这些核心的知识叫做“big ideas”（大想法），你需要做的就是要找到这些“big ideas”去学习，你甚至可以使用AI来帮你寻找这些Big ideas，辅助你来学习。

坏消息是虽然我们管他们叫做基础知识，但本质上他们是更难理解的高阶知识，这些基础知识最难懂，是因为对它们的理解需要经验和思考，经验可以被动积累，但思考需要主动执行。对于很多人来说，提高思考力，就是最基础的基础，这也是为什么我推荐这本书，因为整本书都是在教你如何思考和学习，虽然他出版于90年代，但是他对技术发展的思考，放到今天来看都得到了验证。

为什么要大胆跨界？

既然最基础的东西最具杠杆力，那我们为什么还要学习专业外的东西，做所谓“最懂行的外行人”呢？

我先澄清一个问题，人们对跨领域存在一定的误解，很多人认为所谓的通才就是什么都懂但什么都不专的庸才，无法挑战领域里的专家，这点我是非常认同的。比如刚刚我谈到那些所谓”AI致富“的案例，除了他们是“廉价想法”之外，他们无法成功还有另外一个原因，就他们是在建议你去外行挑战内行，试想一下，AI确实可以写文案，也可以赚到钱，这是我已经印证过的事实。但是你一个完全不懂文案的人，跟我这个在全球顶尖广告公司做了十多年的创意总监，谁用AI写文案更有机会赚到钱呢？

不管是写文案、制作视频、做设计、做音乐，内行人早就开始使用AI了，内行人都在疯狂的卷，都不敢说躺着无脑赚钱，一个外行怎们可能呢？

而我说追求跨领域，并不是去挑战别人的专业，而是去利用别人的专业来解决自己专业的问题，理解了这点，你就明白为什么在AI时代你应该去跨专业跨领域了。

如拿我自己来举例，尽管我曾经创作出过很多大家耳熟能详的广告片，但过去的工作形式，我只需要负责从品牌方的需求去创作广告片的剧本和文案，至于影片的拍摄，会有全球顶级的制片人、导演、制作团队来帮我实现，我只要向他们提要求，告诉他们我想要的影片是什么样子，并且全程去把控监片就可以了。

而现在，作为超级个体，我就不只能局限在剧本和文案的创作上了，拍摄、剪辑、动画、音乐、特效，甚至选题，传播，账号运营，项目管理，社群这些都要去学习和练习。除了剧本和文案之外，其他所有的都属于我的跨行业。但是我学习做视频，并不是要去抢导演的饭碗，而是让我要讲的故事，我要传达的信息，可以超越文字载体，用更符合这个时代的媒体呈现出来。

当然，我们这些外行人做不到像内行那样去深刻的理解这些专业里那些最基础的知识，但是如果我们对本行业基础知识理解足够深刻，加上我们从其他行业借来那些我们肤浅理解的big ideas，我们依然能够获得更加强大的杠杆力。

这里同样有一个好消息和一个坏消息，好消息是AI可以加速我们跨学科的能力，比如我现在开始学习音乐作曲，那AI就是我的老师，我会去问他音乐创作里的那些Big ideas，把我的愚蠢问题全都抛给它，它就会辅助我探索和学习。

坏消息是，不管你愿不愿意，未来很多人都必须要跨专业才能生存，因为AI模糊了专业的界限，它在加速打破行业和技术的壁垒，减少工具和行业的数量，我们每个人都面临着从一个领域里的执行者，到跨领域决策和创作者的身份转变。

完成不了这个转变，你就必然会被人类发展进程所淘汰。