输出
书
- AI时代的学习重构 在算法舒适区外重建深度学习回路 · 李德诺富特斯基
当AI让英语学习变得异常省力，我们是否正陷入一种被外包的记忆幻觉？工具越便利，认知越容易在碎片流中产生熟练假象，被推荐算法圈养在舒适区内。真正的学习重构，不是寻找更高效的捷径，而是将AI作为放大元认知的外挂。从输入、输出到反馈，通过可验证的实验制造“必要难度”，把提问变成回路，用引导替代纠错。当工具相同而终点分岔，唯有守住不可外包的核心能力，才能在注意力预算的隐性成本中，设计出属于自己的深度学习闭环。
- 从AI让英语学习变得异常省力的现场切入：一个学习…在第二步到第三步之间：你跳过了自己生成、纠错和重新组织的机会。这三件事，正是学习回路的三个关键节点。 所谓学习回路，简单说，就是输入、加工、输出、反馈这四个环节连成一个闭环。你读一段英文，这是输入； 你试着理解、回忆、复述，这是加工和输出；你发现哪里错了、哪里卡住了，这是反馈。 过去…
- 被外包的记忆幻觉…轮廓：哪些环节由自己做，哪些环节交给工具，哪些环节人和工具交叉完成。 记忆，在这个回路里占据的位置非常具体。它不是最外层的输入，也不是最终的输出，它是中间那个储存和提取的节点。工具可以帮忙扩大存，但不能替代你在取。一旦取的那一端空了，存得再多也白费。 更微妙的问题在于，如果元认知判断…
- 碎片流里的熟练假象…，记得那个句型大概长什么样，但具体的介词搭配、从句结构、时态选择，你拼不完整。为什么？因为前一天你根本没有“写”过那个句子。你读了一遍AI的输出，产生了熟悉感，你的元认知系统错误地把这种熟悉感标记为“已掌握”。但掌握需要的是输出练习——是自己在没有任何提示的情况下把句子重新构造出来。…