一位麻省理工大學的研究生，我們姑且稱之為M哥，在Reddit上分享了他借助谷歌的AI筆記工具NotebookLM，用累計48小時的時間，修完了一門他專業之外的陌生課程，而且取得了4.0的高績點，不過發布不久，他就把自己的分享內容給刪除了。

但幸運的是一個叫Ihtesham Ali的博主，在X上把這一切都記下來了，M哥的使用NotebookLM的方法和大部分人完全不一樣。

第一個差別是，M哥把AI當成架構師，而不是閱讀代工。

大部分人把NotebookLM當成一個內容榨汁機或閱讀代工。最常用的提示詞通常是：“請幫我總結一下這篇文檔”、“提取核心要點”、“用最簡短的話告訴我這本書在說什么”。這種方式依然是被動接收，得到的是碎片化的知識點或一堆干癟的摘要，沒有建立起知識之間的聯系。

但他上手的第一問是：“該領域專家共享的5個核心心智模型是什么？” 這種提問方式是典型的自上而下建構。他跳過了具體的細節和龐雜的章節，直接要求AI把這門學科的承重墻和底層邏輯抽離出來。先搭建起最高維度的認知框架，然后再往里面填補細節。

第二大差別是，M哥重在探究學術分歧，而非大部分在意的標準答案。

大部分人帶著應試教育的慣性，把AI當成全知全能的維基百科。提問的潛臺詞往往是：“正確答案是什么？”、“期末考試會考哪些重點？”。普通用戶渴望消除不確定性，試圖讓AI給出一個唯一正確的、可以用來死記硬背的結論。

M哥則把AI當成學術辯論場。他的第二問是：“專家之間存在哪些根本性分歧？” 真正的高手知道，前沿知識的本質往往不是共識，而是爭議。通過了解聰明的大腦們在吵什么、為什么吵，他能瞬間把握這門學科的邊界、局限性以及當前的探索前沿。這是從學生視角向專家視角的跨越。

最后一個差別是，人人都知道蘇格拉底提問法，但M哥是真貫徹到底了。

普通人在做錯題時，習慣的做法是：看一眼正確答案，然后硬記下來。 這種學習是單向的、表層的。但蘇格拉底式的提問，則要求澄清概念、探究假設、尋找證據、替代視角等流程。

他把AI當成魔鬼考官，進行高強度的壓力測試和深度迭代。他的第三步是讓AI“生成10個能區分真正理解者與死記硬背者的問題”，然后自己花了整整6個小時去作答。最關鍵的是，面對錯誤，他不是簡單地核對答案，而是持續追問AI：“我為什么錯？我遺漏了哪些關鍵邏輯？”

這種長達數小時的、針對自己邏輯漏洞的蘇格拉底式追問，徹底擊碎了“看似懂了”的幻覺，逼迫自己達到能與導師對話的真理級別。

學習的革命已經發生。

看到這里，很多人可能已經按捺不住激動的心情，準備今晚就下載NotebookLM，明天就去考個CPA或者注冊建筑師了。但事情肯定不是這么簡單。就像以為買到了博爾特同款的跑鞋，自己就能跑進10秒；以為拿到了MIT學霸的提示詞，自己就能48小時通關一門學科。

這就像健身房里的高強度間歇訓練，動作拆解開來，深蹲、波比跳誰都會做，但能咬牙把心率頂到180并堅持做完的人，寥寥無幾。M哥的學習法，本質上是一場認知上的高強度間歇訓練。阻礙普通人復刻這種神跡的，不是智商，而是長年累月被傳統教育塑形的學習心智。

AI對人類整體的智力增強是毫無疑問的，但人與人之間智力的方差也會越來越大。哈佛大學（Harvard University） 與 波士頓咨詢公司在2023年的一項調查發現，頂尖研究人員在AI的輔助下，產出暴增81%；而底層研究人員的產出卻幾乎沒有變化。AI非常勢利眼，它只獎勵那些本就具備強大邏輯判斷力和問題構建能力的人。如果你的基礎技能和思維模型不足，AI 只是讓你更快地制造垃圾；如果你是該領域的頂尖人才，AI 則是能讓你實現一人抵一個團隊的外骨骼，也就是外界鼓吹的一人公司。

回到M哥的案例，NotebookLM是免費的，每個人都能用。但核心問題是，你問得出那三個問題嗎？你有耐心在第三個問題上，和AI死磕6個小時的“錯誤原因分析”嗎？

大部分人還是困在巨大的慣性里，習慣了老師把知識嚼碎了喂到嘴里，習慣了劃重點，習慣了背誦標準答案。如果讓一個習慣了小鎮做題家模式的學生去用NotebookLM，他大概率會問：“請幫我生成一份期末考試必考點匯總，最好能押題。”

M哥的這套學習法其實相當挑人，要求學習者具備極強的元認知能力，你要知道自己不知道什么，你要懂得如何向知識體系開炮。

但并非完全不不可學習，照貓畫虎，也可以總結一些訣竅。

首先，先找地圖，再挖金幣。

傳統學習是線性的：第一頁、第二頁、第三頁……學到期末，你可能都沒搞清楚這門課到底在干嘛。 AI時代的學習是降落傘式的：直接空投到最高點。當你拿到一堆新資料時，第一步，讓AI列出這個領域的“5大核心概念”、“歷史演變脈絡”和“底層運行邏輯”。這就像打游戲前先開全地圖視野。在你搞清楚這座城市的骨架之前，不要去背任何一條街道的名字。

接著，要敢于尋找沖突，而非盲目相信共識。

國內高中教育最大的副作用，是讓我們覺得所有問題都有一個標準答案。但在真實世界和高階學科里，最精彩的往往是沒有答案的地方。 但是套路依然是存在的，遇到任何問題，你都可以學習M哥，問三個問題：目前這個領域共享的心智框架是什么？最大的爭議是什么？不同學派之間的爭吵點是什么？

當你理解了分歧，你就不再是一個背誦定理的機器，而是一個站在戰壕邊緣的審視者。理解了他們的爭吵，你就理解了這門學科的邊界。

其次，要觸發AI拷問的費曼地獄模式，不要表演式的自我感動。

愛因斯坦曾說，提出一個問題往往比解決一個問題更重要。很多人看書，畫了滿篇的高光筆，記了三本手帳，感動得自己熱淚盈眶，一合上書，大腦一片空白。普通人在學習新知識時，最大的障礙不是找不到資料，而是提不出好問題。但這也是難點所在。你讓一個從未思考過學科本質的人去問 AI 專家之間的分歧，這就好比讓一個連規則都不懂的象棋新手，去向 AI 詢問“殘局的破局點”在哪里。

所以，讓AI給你出10個“最能暴露智商底色”的刁鉆問題。然后，像M哥一樣，逐題作答，并要求AI無情地指出你的邏輯漏洞。

沒有被按在地上摩擦過的認知，都是偽認知。

最后，用時間壓縮杜絕拖延癥。

為什么是48小時？如果給你一個學期，你會花兩周時間挑選好看的筆記本，花三周時間猶豫先看哪本書。而在48小時的生死時速下，你的大腦會自動過濾掉所有的細枝末節，瘋狂尋找最關鍵的節點。這種高壓下的學習效率，是常態下的十倍不止。

確實，學習和很多事情一樣，不是下載一個軟件就能解決的問題，而是一場漫長而艱辛的自我進化。

接著點擊往下看