科技猎ChatGPT发布有一年多了，它早就没有了“技惊四座”的荣耀，这一年里，我不但亲眼目睹“旧时王谢堂前燕，飞入寻常百姓家”的过程，更亲身体验了ChatGPT成为日常生活一部分的感觉。
我也发现有一些人，在“历经千辛万苦”，终于能“一睹庐山真面目”的时候大感失望。“原来就是一个高级一点的对话机器人嘛，没什么了不起”，因为它并不像想象的那么“高级”，只能做一些简单的日常对话，完成一些最基础的任务。
但是照我说， ChatGPT的无穷奥妙，恰恰就藏在看上去毫不稀奇的对话背后。起码对我来说，它已经成为我学习中不可或缺的神兵利器。 现在，我完全可以把自己的学习分为两个时期：没有ChatGPT的时期，拥有ChatGPT陪伴的时期。这两个时期对比起来，简直有天壤之别。
下面，我简单讲讲ChatGPT对学习最有帮助的几个方面。
第一，ChatGPT帮我克服了“不好意思问傻问题”的羞涩。
我还记得刚开始上英语课的时候，老师讲了“重音”的概念，似乎一夜之间，所有人都懂了什么是“重音”，可惜我不懂。于是我去问各个同学，发现其实许多人也说不出一个所以然来，但几乎人人都很嫌弃我问“这种问题”，好像根本不应该问。最后才有位同学告诉我说，“我也不太清楚，我感觉重音就是调子最高的那个音节”，这之后我才终于有所领悟。
我不知道有多少人一开始也搞不清楚“重音”的概念，但我知道，很多人都有不少“傻问题”，但很多人都碍于脸面不愿意提问，怕问了被别人嫌弃“连这都不懂”。年纪越大，在某个领域经验越多，这种“脸面”的包袱就越重。
坦白说，我也有这种问题。我这个人很喜欢“望文生义”，相信每个名词的取名总有个来历。所以虽然学了、说了很多年英语，也仍然疑惑于“不定式 （the infinitive） 跟‘无限 （infinitive） ’有什么关系”，“现在完成时 （the Past Perfect tense） 为什么要跟‘完美 （perfect） ’有关”之类的问题。遗憾的是，我也只敢抓住偶然的机会向“权威”请教，而未必能有满意的答案。
有了ChatGPT，这些问题都消失了， 而且丝毫不担心脸面。 ChatGPT就像武侠小说中的世外高人，行云流水般化解我的疑惑：
英语中的“不定式” （infinitive） 一词确实与“无限” （infinite） 没有直接关系，而是源自拉丁语。英语的“infinitive”一词来自拉丁语的“infinitivus”，后者是“infinitus” （无限的） 的派生形式。在拉丁语中，“infinitivus”表示动词形式不受人称、时态和数的限制，因此被翻译为“无限的”。
在英语中，不定式是动词的一种基本形式，常以“to”开头，如“to go”或“to eat”。与有限动词形式不同，不定式不受人称或时态的影响，因此有一种“无限”的特性，而这种特性正是与拉丁语词源相联系的原因。虽然直接翻译可能会让人感到困惑，但在语言演化的过程中，这种命名方式保留了对拉丁语起源的一种连接。
“现在完成时” （The Present Perfect Tense） 之所以被称为“完美”与其语法结构和含义有关。这个时态通常用于描述过去的事件，但与一般的过去时态 （simple past） 不同，它强调的是事件对现在的影响或与现在的关联。
现在完成时的语法结构是由“have” （或其缩写形式“has”） 和过去分词构成的，例如：“I have studied.”“She has worked.”这种构造表明动作或状态在过去某一时刻开始，但它们的影响一直延续到现在，或者与现在存在某种联系。
这种“完美” （Perfect） 的概念源自拉丁文中的“perfectus”，意味着“完成”或“完全”。因此，现在完成时被称为“完美”是因为它涉及到过去的事件与现在的状态之间的完成或完全的关系。 这种时态强调了过去和现在之间的连接，突显了事件的完整性。
这类解答起来需要足够深厚的背景知识，然而看上去又非常“小白”，所以不少人不屑于问，也不屑于回答，甚至不屑于承认这种问题的存在，所以长期难以找到答案。但是，说一千道一万，弄懂了这类问题，自己心里还是非常舒服的，知识结构也因此更加平滑健壮。
第二，ChatGPT大大帮我提升了查询效率。
“查询”这两个字给人感觉很平淡，在ChatGPT之前，很早就已经有了图书馆学，搜索引擎也成了日常生活的必需品。
按照传统的图书馆学，信息是需要严格分类的，抵达想要的信息，有严格而且唯一的路径。在生物学领域，有林奈发明的著名的“界→门→纲→目→属→种”的分类法。同样，其它领域也有业界公认的分类规则。如果你以前去图书馆查询过，大概还记得应当从哪里入手。
这种规则严格而细致，但未必符合我们的认知习惯。我们想到某个事物的时候，往往没法直接从公认的分类路径抵达，而是只记得最关键的几个特征。比如关于某篇文章，我们大概只能记得作者、标题，甚至只有几个关键句子。这种时候，就必须用到搜索引擎，不需要提供分类信息，只要提供几个足够独特的关键词，就能找到想要的信息。
今天的搜索引擎已经足够强大，那么ChatGPT的查询有什么神奇之处吗？
答案是“当然有”。 因为人类的记忆是复杂的，关键词也不是万能钥匙。
很久以前，有个朋友问我：东欧有个国家好像挺好玩，名字我不记得了，只记得是靠海的，名字是五个字……
对她来说，能抵达信息的既不是什么严格的分类路径，也不是什么有足够特征的关键词，而是“靠海、东欧、名字是五个字”。如果你用搜索引擎去搜索，除非有人提前把各地国家名称按照字数写出来，否则是很难找到答案的。
我当时只能用一个办法，就是先找到所有东欧国家的名称列表，再逐一核对字数，最后才确定了是“斯洛文尼亚”。虽然找到了答案，但也足够折腾。如果当时有ChatGPT，答案就是唾手可得的。
但是有些问题，不但需要费力折腾，而且折腾也未必能找到答案。
我学德语的时候，经常会遇到一些新词，看起来和之前学过的某个词“很像”，但是又想不起来确切的单词。比如einschalten，它的意思是“turn on”，但是我立刻想起来，之前也遇到过一个跟它看起来差不多的单词，但是意思绝对不同。
可是，之前的“那个单词”到底是哪个呢？
普通人都知道词典里可以前缀、后缀查询，不幸的是它们似乎都不合适，要么选择太多，要么找不到答案。还好我是搞IT的，还知道有个东西叫“编辑距离”，用来表示不同文本之间的相似程度。如果需要，我可以写一段代码在整个德语词典中搜索与einschalten编辑距离很小的单词。但是，为了这么个小问题，我真的需要停下学习，大费周章吗？
有了ChatGPT，当然不需要。我只需要问，“德语中还有个单词，与einschalten很像，但意思不是开灯关灯，好像跟水果有关，它是什么？”
马上，我就可以在ChatGPT的回答中找到想要的答案：einschälen （剥皮） 。
对我来说， ChatGPT的“非结构化查询”的特性对学习特别有用。因为人的知识体系不完全是结构化的，甚至都不是“标签化”的。 许多时候，我们都是通过联想和推理，从几个不同的角度去“逼近”和“围猎”，最后才能取得答案。这个“逼近”和“围猎”的过程，恰恰是学习能力、思考能力的体现。
第三，ChatGPT让我能够随时随地“举一反三”。
我们经常说，“举一反三”对于学习很重要，因为它能够把不同的知识点串联起来，构筑知识体系。
话是这么说没错，但“举一反三”真正做起来却不简单。因为“举一反三”并不是简单的“复制三分”，而是需要从“一”身上提取出若干关键特性，再以这些关键特性为桥梁，找出相关的“三”。这个过程，往往不能自己独立完成，而需要外界的辅助。
在初学德语的时候，我经常发现，有些单词英语和德语的写法完全一样，可是含义截然不同。比如will，英语表示“将 （来） 要”，德语表示“想要”，类似的还有hell，英语表示“地狱”，德语表示“光明”，还有更麻烦的dick，用错了就很尴尬……所以，我马上就想知道，这样的单词还有哪些，最好能统一列出来，先留个印象，后来遇到的时候就会注意。
我不知道没有ChatGPT的时代应该怎么找到答案，大概需要有人专门总结，或者自己写段代码。但有了ChatGPT，你只要如实提问，马上就能得到答案：
确实，在英语和德语中有一些拼写相同但意思截然不同的单词，这被称为 “同形异义词” （false friends） 。以下是一些例子：
Bald：
英语 （English） ：秃头的，光秃的。
德语 （German） ：不久的，很快的。
Gift：
英语 （English） ：礼物。
德语 （German） ：毒药。
Rat：
英语 （English） ：啮齿动物。
德语 （German） ：建议。
Chef：
英语 （English） ：厨师。
德语 （German） ：领导，主管。
Rock：
英语 （English） ：岩石。
德语 （German） ：短外套，大衣。
Fabrik：
英语 （English） ：工厂。
德语 （German） ：面料，织物。
Aktuell：
英语 （English） ：现行的，当前的。
德语 （German） ：实际的，事实上的。
不但列出了多个单词，而且格式非常清楚，一目了然， 真是帮了我的大忙。
类似的，英语有不定式，德语也有不定式，那么二者有什么区别吗？这个答案，也是唾手可得的。
在德语中，不定式被称为“不定式” （Infinitiv） ，它是动词的一种基本形式。德语中的不定式通常以“zu”引导，例如，“zu spielen” （玩） ，“zu essen” （吃） 。
德语和英语的不定式之间存在一些相似之处，但也有一些区别：
引导词的使用：
德语：不定式通常以 "zu" 引导，例如 "zu spielen" （玩） 。
英语：不定式通常以 "to" 引导，例如 "to play" （玩） 。
位置：
德语：在德语中，不定式通常放在句子的末尾，但也可以在主要动词之前，构成一些复杂的句子结构。
英语：在英语中，不定式通常放在主要动词之前，例如 "I want to play" （我想玩） 。
没有人称和数：
德语和英语：不定式在德语和英语中都不受人称和数的影响。例如，在英语中，不定式 "to play" 可以用于 "I want to play" （我想玩） 和 "They want to play" （他们想玩） 。
虽然存在这些区别，但德语和英语的不定式在许多方面仍然相似，都是表达动作的基本形式，而不受到时态、人称和数的限制。
再比如，我新学德语单词Anschrift，它表示“地址”。我立刻想到，之前我一直用的是Adresse，这两者有什么区别吗？
在德语中，“Anschrift”和“Adresse”通常都可以用来表示“地址”，但它们在使用上有一些微妙的区别。
Adresse：
"Adresse" 是一个更通用的词，用于表示地址，可以包括街道、门牌号、城市等信息。它更广泛地用于正式和非正式的语境中。
Anschrift：
"Anschrift" 也表示地址，但通常更侧重于表示更正式或官方的地址，例如在信件、文件或法律文件中的地址。这个词语常常在正式场合下使用，如商业信函、法律文件或公共机构的地址。
因此，虽然两者都可以用来表示地址，但在具体语境中的使用可能会有所不同，"Anschrift" 更常见于正式文件和书信。
总结
我们小时候都听过许多关于学习的经验之谈，比如要“学以致用”，要“把学到的东西融会贯通”。它们当然都对，都讲得有道理，但我自己这些年来体会最深的是： 学习不是去摘果子，摘到之后径直放到自己的口袋里就完事。学习是嫁接，不但要找到正确的目标，还要以正确的方式嫁接到合适的砧木，等待新的维管束组织生长出来，双方互相贯通，才算完成。
从这个意义上说，每个人的学习都是独特的，甚至每一点新知识的获得，也都是独特的。所以，面对新知，重要的不是背诵，也不是做题，而是激发自己原有的认知体系，形成合适的砧木，催生出维管束组织，能持续供养接穗，这才是学习的关键。
也就是说，如果能把新知和已有的知识“挂钩”，无论是以什么方式挂钩，都更容易理解，更容易掌握。学习编程的时候很多人都知道“分治法”，也就是“把复杂的大问题分开为多个简单小问题，分别解决”，但很多人忽略了，或者搞不清楚的是其前提，这些小问题必须互相独立、互不干扰，而且其答案组合起来恰好等于大问题的答案。我给小朋友讲解这个办法的时候，就提到了以前讲过的“曹冲称象”的故事，他一下子就领悟到了问题的关键。这就是选择合适砧木的价值所在。
以前，选择合适的砧木，很大程度上依赖于教师。好的老师明白“有教无类”的道理，也是“因材施教”的高手，对于要教授每一点的内容，总是能根据学生的具体情况去教授，让“嫁接”角度尽可能合适，过程尽可能顺利。
但是对普通人来说，遇到这样老师的机会实在不够高，大多数老师都是“照本宣科”，更专注于督促，也就是给机械的学习提供压力。所以，很多孩子说“学习让人头痛”，也确实情有可原。
有了ChatGPT，确切地说， 有了手机上安装的，随时随地可以发问，大多数答案只在咫尺之遥的ChatGPT，“嫁接”的过程就焕然一新了。 虽然上面举的很多例子都是我学德语过程中的，但如果你仔细看下来就会知道，无论学习什么主题的知识，都可以效仿，都可以收获ChatGPT带来的巨大价值。
许多人否定ChatGPT的理由是，它不能像高明的老师，来提前帮学生选择合适的教育方式。但我想说的是，有了ChatGPT，在面对新知的时候，每个人都可以根据自己原有的认知，无穷无尽地去尝试，哪怕是异想天开，寻找天外飞仙的关联也无所谓，直到最终找到合适自己的方式为止。
更重要的是， 一旦找到了适合自己的学习方式，一旦“嫁接”新知成功，就能扩充知识体系的网络，而网络效应带来的价值会远胜于简单的累加。
比如，很多学德语的人都搞不懂，德语里的“一般过去时”和“过去完成时”到底如何使用比较合适。但是，如果你搞懂了“过去完成时 （Perfekt） ”中的Perfekt代表的是“尘埃落定”的完满状态，又发现”过去完成时 （Präteritum） ”的另一个名字是Imperfekt，问题就迎刃而解了：发生在过去，但没有正式“尘埃落定”的，就是一般过去时 （“我昨天在读这本书”） ；发生在过去，但已经“尘埃落定”的，就是过去完成时 （“我昨天读完了这本书”） 。
顺便说一句，许多人不屑于ChatGPT，把它当成“高级一点的对话机器人”，实在是因为他们还不理解知识的网状体系，当然也就更无法理解“从前无古人的角度，融会贯通各种学科知识，以无穷多的视角解答同一个问题”的价值所在 （虽然目前仍然存在“幻觉”的问题，但对于普通人学习中的绝大多数问题，它给出的答案都是极具参考价值的） 。
夏虫不可语冰，说的就是这种现象。
扯更远一点，我也想起许多年前，刘未鹏提出的“暗时间”的概念。这个概念一提出来，就让许多人大呼过瘾：
所谓的暗时间，是指人在思考过程中进行的逻辑推理，推理能够深入理解事物， 它不会因为我们在做别的事情而停止，占据人一生中很大的比例。
你在走路、买菜、洗脸洗手、坐公车、逛街、出游、吃饭、睡觉，所有这些时间都可以成为暗时间，如果能够加以充分利用进行思考、反刍消化平时看和读的东西，让你的认识能够脱离照本宣科的层面。
这个概念让我受益匪浅，并且努力在生活中践行。但同时我也发现，利用“暗时间”并不容易，因为“暗时间”往往是“独处的暗时间”，但是普通人并不是“棋王”，不会像他那样，孤身一人在囚室中就能完成思考、推理、理解。普通人往往需要不断地与外界交流，在交流中获取新知，查证信息、验证猜想，否则就只能是一厢情愿的夸夸其谈。只不过传统上，这类查证、验证都是“重量级”行为，对应的是一本正经的“明”时间，所以才会有“暗”时间的存在。
可是今天， ChatGPT的存在，让阳光见缝插针地照进了“暗时间”的空隙，哪怕你孤身一人，独居陋室，思考和推理也丝毫不受影响。 这时候，“暗时间”就不再是“昏暗”的时间，而是摇身一变，成了“暗流涌动”的时间，而那奔涌的，恰恰就是我们的生命活力，以及对知识和智慧的孜孜渴求。
本文来自微信公众号： 余晟以为 （ID：yurii-says） ，作者：余晟