别再乱学AI了!我花7天实践了张Zara的方法,从此告别焦虑
在AI技术飞速发展的今天,如何高效学习并掌握AI知识成为许多人关注的焦点。本文由AI产品专家黄叔撰写,分享了他通过实践张Zara提出的AI学习方法论后的深刻体验。文章详细介绍了从高质量输入到有效内化与输出的学习闭环,包括如何通过观看长视频、跟随真正的专家学习、深度使用AI产品以及公开学习等方式,提升学习效果并减少焦虑。
最近我的朋友圈被@张咋啦(Zara)刷屏了!她对AI学习的独到见解让我眼前一亮,亲自实践后更是发现效果惊人。作为一个经常被朋友们吐槽”又在玩新AI工具”的科技爱好者,我终于找到了一套真正有效的AI学习方法论!
今天就把这套从学习-实践-链接-输出的心法分享给大家,就当是黄叔AI学习法1.0版本的首发吧(后续肯定会迭代升级,毕竟AI发展这么快,学习方法也得与时俱进啊)。
我会分为几个部分:
- 1.整体框架
- 2.Zara的AI学习法重要观点+解读
- 3.黄叔自己实践下来的一些经验
- 4.一些值得关注的优质信息源
01 整体框架:输入与输出的闭环
1.0版本见上图,其实从信息的角度来说,大体就是两点:
1. 高质量输入:从哪里获取真正有价值的AI知识
2. 有效内化与输出:如何把学到的知识转化为自己的能力
我们逐个来说说
02 高质量输入:向真正的专家学习
输入层面,高质量的信息源非常重要,这里Zara的两个方法非常的好:
YouTube Deep Learning:慢下来,才能真正吸收
在这个短视频横行的时代,Zara提出的第一个方法简直反人性:完整看完长的干货视频。
她在视频里说:
半年前,我觉得我对于AI的认知开始有了突破性的变化,整个人也进入了一个很好的学习状态。这主要是因为我那时候开始养成了一个好习惯:完整看完长的干货视频。
等等,YouTube访谈动不动就2小时,谁有那么多时间啊?Zara的回答很犀利:
那有人会问,你怎么有时间看完一小时的视频?
- 这不是时间管理的问题,而是优先级的问题。
- 我平时不看短视频、不打游戏、不看剧;所以看长视频其实就是我下班后主要的娱乐活动
- 我认为做AI业务,“学习最前沿的行业知识”不是good-to-have,而是must-have,行业变化太快了,而噪音也太多了,必须下意识地花时间跟业内最优秀的创业者学习,这也是我工作的一部分
- 我还是很享受看视频的过程本身,因为感觉就像在跟全世界最优秀的AI从业者开视频会议,非常有沉浸感。而且全都是没有被加工过的、最高质量的一手信息。
更让我惊讶的是,Zara看视频的方式:
我看视频的时候的习惯是:
-不倍速
-不走“捷径”(不看summary、不放到notebooklm里做问答)
真的就是扎扎实实的学习!
我抱着半信半疑的态度试了一下,结果真香!我现在每天早起后,在送媳妇上班之前,会在电脑前沉浸式学习1小时以上。有时候甚至会同时打开5个窗口(有点极客了我知道):
这是打开5个窗口的极端情况:
- 左侧竖屏上:@遥行(One2X的联创) 的幕布学习笔记
- 左侧竖屏下:Founder Park对这篇文章的精较翻译
- 右侧横屏左一:YouTube长视频本身
- 右侧横屏中间:Dia的Chat窗口,用来就一些细节进行AI Chat
- 右侧横屏右一:幕布做笔记记录
比如在看20VC对Anthropic CPO Mike的访谈时,我会在看完一轮问答后,带着自己的思考,对照精翻和遥行的笔记,看自己是否有遗漏,然后把自己的思考记录在幕布里。这样不仅记录了重要观点,还把自己的思考加上了,帮助我更好地把知识点和自己大脑里的知识网络挂上钩:
当然,这种输入里还有一点极其重要的是:
Follow Builders,Not Influencers(跟随创造者,而非影响者)
Builders指的是真正在一线做AI应用的创业者和工程师,而Influencers则是各种AI博主和机构号。
为什么要区分这两类人?因为很多AI博主(包括我自己有时候也是)的核心策略是追流量。有了流量才有广告收入嘛!所以他们会追热点,动不动就”颠覆”、”炸裂”,看多了真的会让人焦虑。
而且说实话,AI博主尽管玩转各种AI工具,但对AI的理解深度通常不如一线创业者。我特别喜欢和做AI应用的创业朋友交流,他们对模型落地和用户场景的理解是博主们难以企及的。
文末会提供一些Zara推荐的Builders。
Deep Engagement with AI Products(深度使用,而非浅尝辄止)
你有没有这样的经历:试用一个新的AI工具几分钟后,就轻蔑地说一句”就这?”然后关掉再也不用了。
其实AI从22年底ChatGPT发布至今,已经发展了两年多,进步非常惊人。但要真正体会到它的价值,需要我们深度探索和持续使用。
我在使用AI产品时,通常会采用三种方法交替使用:
1. 拿着锤子找钉子:思考这个模型或AI应用能解决什么问题,然后逐一尝试
2. 拿着钉子找锤子:遇到日常问题时,思考有哪些AI工具可以解决
3. 连点成线:关注好的产品和应用解法,日积月累后往往能触发新的灵感
只有持续深度使用AI,才能真正转换为”AI First”的思考方式,发现AI应用的真正落地场景。
03 内化与输出:学习的闭环
内化很多时候是和输出有很大关系的,所以这里放到一块来说。
Learn in Public:公开学习,倍增效果
首先我特别认同Zara的观点:Learn in Public,为什么要Learn in Public呢?
- a.建立一个自己的Audience,永远都有用。
- b.“The best way to learn is to teach。”
- c.加强学习动力,养成学习习惯。
- d.你会收获更多的人脉和资源,因为你展示出了自己的思考和学习热情,各种机会会自己找到你头上来。
作为一个产品经理,我深有体会:如果你不能清晰地表达出来,往往说明你并没有真正理解。每次写需求文档时,我都会发现自己有很多边界条件没考虑清楚,这时候冷汗就下来了。但正是这种输出的过程,迫使我们重组知识,加深理解。
很多朋友会说:”我自己写个文档记录一下就行了,为什么要公开呢?”
我最近在东京参加WaytoAGI组织的全球AI大会时有个有趣的体验:很多之前没见过面的朋友会说”黄叔我看过你的文章/视频”,这种第一印象让破冰变得超级简单,无形中就建立了人脉,机会也随之而来。
人脉和机会也会反过来强化我们的输入:
Chat With Builders(与创造者深度交流)
当你开始公开学习和分享,就会有机会接触到更多的Builders,这时就可以更深入地与他们交流。
这些实干家在一线打拼,积累了大量的实战经验和独到见解。无论是加入各种社群,还是直接添加Builders的联系方式,通过输出建立的连接总是更加有效。
在与Builders交流时,不要问”这是什么”这种基础问题,而是提出更深度的思考:”我觉得这个点好像是这样的,你觉得呢?”用好的问题和思考来激发彼此的共振。
Zara还分享了一个与Builders建立联系的绝妙方法:写产品分析文章并@对方。这招我也用,效果真的很好!
Learn By Doing(实践出真知)
实践是实现知识内化与有效输出的最佳途径。这种”边做边学”的方法,就像AI领域的强化学习(Reinforcement Learning)一样,通过不断试错与反馈,实现能力的持续提升。
从去年10月开始,我投入大量精力在AI Coding上,虽然主要还是以输出为目的,但收获确实很大。
就像在岸上看别人游泳永远学不会一样,学习AI的最好方式之一就是自己动手。现在AI Coding已经相对成熟,简单的idea很容易实现。只有自己去做,才能更好地理解模型的能力边界,也只有让用户实际使用你做的东西,才能分清什么是自己的ego,什么才是真正的需求。
04 如何启动,如何持续在牌桌上
很多人面临的第一个心理障碍是:等我厉害了再做内容。
Zara的观点刚好相反:做了内容我才能变厉害。
等我厉害了再做内容 做了内容我才能变厉害
- 做内容帮我链接了无数资源:跟业内优秀同行交流,吸引候选人加入我的团队,找目标用户做访谈。。。
- 不用等到厉害了再输出;输出了才能变厉害。
完美主义真的会害死人。你别看Zara最近才在小红书上爆火,其实她之前已经默默积累了很久,发布的小红书笔记数量达到351篇,比我还多!
另一个常见的卡点是:发出去的内容没人看。
如果你每篇文章都只有几十阅读量,怎么办?
一种好的思路是:我是Learn in Public,发出去已经完成了一大半。另外,我们也可以参考大V们的表达逻辑,找到自己表达舒适又能让观众看得过瘾的平衡点。
但要注意不要陷入流量思维,那样会很痛苦。你看那些AI博主,流量一旦下滑,心态就容易崩。流量指标是一种外部思维,最好的方式是按照自己的内心来创作。
Zara相对幸福的原因是,她有正职工作,不用靠广告变现赚钱,所以只需要按照自己的内心输出高质量内容就可以了。
不想做全职博主,为什么要打造个人品牌?
- 你给很多人创造了价值,长期一定会有回报
- 创造一个自己的audience 永远都有用
- 未来将会带来软件产品的泛滥;那么壁垒就是distribution和audience。
Zara在持续构建影响力,这个过程就像在存钱,从长期主义视角看,会以其他方式获得回报:更好的人脉、更多的机会、未来产品的潜在用户等。
从我自己的实践来看,这种输出方式带来的最大收益可能不是短期收入,而是智识上的增长、好奇心的满足、认识更多厉害的朋友,以及参与AI浪潮的更多触点。
还有一点特别重要:保持高能量
我们缺少的是时间 我们缺少的是能量
- 我发现,当我的能量值比较高的时候,很多事情都有时间做了。
- 能量值高的前提是:1. 身心健康 2. 只做自己热爱的事,给其他一切东西做减法
当然,在Learn in Public下面,如果能有一个稳健的商业收入基本盘,对我们的正反馈会更多,也更加容易坚持,这里也需要我们持续去探索,黄叔也在积极探索,后面会持续和大家用合适的方式同步探索的成果。
05 一些优质的信息源
演示:我日常学习AI的高质量信息源
3个newsletter,拿捏所有AI资讯
- The Rundown AI每天汇总前一天最重要的AI新闻,也包括AI工具推荐、Twitter上热门帖子等等。
- Every深度解读AI行业趋势,也会访谈很多创业者。
- Ethan Mollick是沃顿商学院教授,AI意见领袖,帮助普通人解读最新AI的趋势对世界的影响。
给大家介绍我的几位“AI精神导师”
- Kevin Weil,OpenAI产品负责人
- Christopher Pedregal,Granola创始人
- Nan Yu,Linear产品负责人
- Raiza Martin,前NotebookLM产品负责人
- Josh Woodward,Google Labs和Gemini负责人
- Amanda Askell,Anthropic的Claude性格负责人
- Mike Krieger,Anthropic CPO(黄叔补充)
- 把YouTube当成“builder”的搜索引擎
- 听播客的工具是Snipd,可以订阅嘉宾
- 以嘉宾的维度找内容
当然,我觉得以上都关注的话,肯定会超标,咱们没有那么多精力每天过一遍,有一种解法是,关注近期广为传播的AI应用、模型负责人的高质量访谈,还有一种解法黄叔会去尝试做一个产品,基于这些维度自动去抓取+AI打分,给我们学习的建议。
最后
非常感谢@张咋啦,她的最近爆发让我获得了一个很好的学习思路,确实如她说的,在3,4月我们见面的时候,已经感受到她在学习上有独到的思考后,近期看到了让我惊艳的更多输出,黄叔建议所有的朋友好好关注她的内容,国内是小红书和视频号:视频号前面放了视频了,习惯小红书的可以关注,我个人觉得小红书更好,因为还有很多是图文笔记:
至于为何黄叔这么推崇Zara,因为她对于AI学习的这套方法论,真的给了我非常大的启发!值得隆重写一篇感谢~
本文由人人都是产品经理作者【Super黄】,微信公众号:【AI产品黄叔】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。
题图来自Unsplash,基于 CC0 协议。
- 目前还没评论,等你发挥!