我让AI自己学习再教我：这个实验挺有意思

六月底我想啃统计学的假设检验，教材看不动，视频课又嫌慢，脑子里冒出个歪主意——干脆让ai学习ai：教材我自己看不动，AI不是能读吗？我给它喂，让它学会了再讲给我听。等于雇了个不知疲倦的家教，还是免费的。

我把这个实验叫做"让ai学习ai"——让AI先消化知识，再扮演教我的角色。三周下来，它给我的惊喜和惊吓一样多。下面按备课、讲课、出题三个阶段还原全过程。

第一步备课：把教材喂给AI，让ai学习ai就算启动了

原子答案：把教材章节分块喂给AI，再让它输出讲义、例子和常见误解清单，这一步效果超出预期，输出的备课质量接近资深家教。关键动作是分块投喂加连续追问，一次塞整本书只会得到一堆摘要。

实操细节讲一下。我把假设检验那章拆成了七个知识块，每块两三千字，分七次喂进去。每喂一块就要求它做三件事：用自己的话写讲义、举两个生活化的例子、列出"初学者最容易误解的三个点"。这个"误解清单"是我最得意的指令设计，比直接要摘要有用十倍——它列出的"p值越小不代表效应越大"这条，正是我之前一直理解错的地方。

追问也重要。它第一版讲义写得太学术，我回了一句"你在给一个高中数学水平的成年人讲课，想象我是你不会数学的表哥"，第二版立刻接地气了，甚至开始用"判断奶茶店宣传有没有吹牛"来举例。角色扮演这招对讲课质量的提升，立竿见影。

踩的坑是贪多。有一次我一口气喂了三个知识块，让它出一份"总讲义"，出来的东西两头不讨好：深度不如单块讲义，结构还乱了。教训是AI的注意力跟人一样，一次专注一件事才靠谱。喂料的节奏细节，跟我之前在用AI读文档那篇里写的三小时啃年报的流程可以互相印证。

第二步讲课：苏格拉底式教学是惊喜，讲概念是灾难

原子答案：让AI用苏格拉底式反问引导你思考，效果意外地好，我三个卡壳的概念都是被它"问"通的。但它讲抽象概念时会一本正经地绕圈子，同一个定义换个说法讲三遍，等于没讲。

先说惊喜。学"第一类错误和第二类错误"时我卡了两天，教材的定义背得出来，就是不解其意。我让AI别讲了，改用提问引导我。它问："机场安检把好人拦下来，和把危险品放过去，哪个是哪类错误？"我愣了三十秒，突然就通了。这种"被问通"的体验，看一百遍书都换不来。苏格拉底式提问这套教学法在维基百科的Socratic method 词条里有来龙去脉，我的实验算是给它加了个当代注脚。

再说灾难。学"显著性水平"这个概念时，我连问三轮"能不能再讲得简单点"，它三轮给了我三个说法——"是预先设定的阈值""是犯错的概率上限""是拒绝零假设的标准"。三句话都对，但我这种初学者听着就是三个不同的东西。第四轮我火了，直接说"你这三句话在我听来毫无区别，用买彩票给我打个比方"，它憋了几秒，给出"显著性水平就像你赌咒发誓的门槛：你说这事发生的概率低于5%才信，赌错了愿打愿赔"。成了！但这个"成了"是我逼出来的，不是它主动的。AI默认的讲解方式是换措辞，不是换认知框架，这个毛病你得主动治。

还有个细节值得说。讲到置信区间时我随口问了句"那95%和99%哪个更准"，它反问我"你说的是置信区间宽还是结论可靠"，我一愣，发现自己问题本身就问错了。它这一手反问，把我的概念漏洞当场揪出来了。有点东西的。

第三步出题：最爱挖坑的出题老师

原子答案：AI出题的能力两极分化：概念辨析题出得刁钻又专业，专挑你概念擦边的地方挖坑；计算题偶尔会出数字算不平的废题。正确用法是让它出题加附答案解析，废题一眼就能筛掉。

它给我出的第一套题里，有道题干是"某检验p值为0.032，显著性水平0.05，下列说法正确的是"，选项包括"该结果统计显著"和"该结果在实践中重要"。前一题我选对了，后一题我犹豫了半天选了"重要"——错。它给的解析一针见血："统计显著和实践重要是两回事，样本量大时再小的差异也显著。"这题的坑挖得，比我大学老师还刁。我后来把这道题发给我一个学统计的朋友，她说这是她们期中考试的经典陷阱。

计算题就露怯了。有一道题给的样本数据，按它自己的公式算下来p值是0.049，它附的答案却说"p=0.053，不显著"。数字对不上，我算了三遍确认是它错了。这种"一本正经算错数"的情况，三周里我碰到了两次，比例不算高，但碰上一次就够你怀疑人生。所以我的规矩是：所有计算题必须自己手算验一遍，AI的解析当参考，不当圣旨。它这点毛病不是个例，具体成因在AI学习到底多重要那篇里聊过幻觉问题时提过一嘴。

三周学习成果验收：真学会了还是自以为学会了

原子答案：用最终检验衡量，三周实验的成果是实的——教材章末习题31道我做对27道，隔一周后重做正确率仍有八成，超过我当年大学专业课的期末水平。AI教出的知识留存，至少在我这个样本上过关。

数据摆出来。三周里我累计学习17天，每天40到60分钟，AI对话记录攒了四万多字。章末习题首测正确率87%，一周后复测80%。作为对比，我大学时概率论期末复习两周，考了71分。这次没有考试压力、没有老师盯着，纯靠这套"AI家教"流程，效果反而更好。

我琢磨过原因，核心就一条：AI被迫让我暴露问题。真人老师一节课赶进度，你不懂装懂就糊弄过去了；AI不会烦，我同一个概念问五遍，它答五遍，问到第五遍我都不好意思不懂。还有苏格拉底式提问逼着我输出，比单向听讲记得牢。学习科学里"检索练习"的概念在维基百科的Testing effect 词条里讲得很清楚，我这个实验算是亲测有效。

话说回来，也别把成果全记在AI头上。这三周里真正让我学会的瞬间，全是我"自己想通"的瞬间，AI只是把水递到了嘴边。喝不喝，还是我的事。这个分寸感，用AI学习的人得拎清，拎不清就成了"AI会了，我还没会"。类似的边界问题我在AI与学习相结合的正确姿势里写过大框架，核心一句话：辅助而非替代。

复刻这个实验：我踩过的四个坑你别再踩

坑一，一次喂太多。整本书扔进去，得到的是百科式摘要，不是教案。分块，每块不超过三千字。坑二，不设角色。同样的内容，"你是教材"和"你是我耐心的表哥"两种指令，讲出来的东西亲和力差十条街。坑三，不要求举例。抽象概念不加生活例子，等于白学，我的做法是每个概念都逼它"用买菜能听懂的话再说一遍"。坑四，信了它的计算。涉及数字的输出一律手验，这条前面说过了，重要的事情说两遍。

指令模板我直接放这，抄走就能用："你在给[你的背景描述]讲课。我给你一段教材，请：1）用大白话写讲义；2）举两个生活例子；3）列出三个初学者常见误解；4）最后出两道题考我，先别给答案。"这套模板的变体还能升级，想要更成体系的提问框架，看可以直接抄的提问框架那篇，结构和这同源。

常见问题

让AI学习ai教材需要什么基础吗？

不需要技术基础，会打字就行。需要的是一点耐心：前三天的指令磨合期最容易放弃，你俩互相摸不清对方路数。熬过三天，后面越用越顺。我的经验是把它当新来的实习生，前三天教它怎么伺候你。

AI讲错了怎么发现？

三道防线：拿教材原文对质，这是最硬的证据；跟另一个AI模型交叉验证，两个模型同时错一个知识点的概率小很多；计算类内容全部手验。别嫌麻烦，验错的那两次，恰恰是我对这个知识点印象最深的时候。

这个方法适合所有学科吗？

概念密集型学科最合适，统计学、经济学、心理学这类。动手型学科只能用一半功能，比如编程，AI讲概念没问题，但代码调试还是得自己上手，光听它讲永远学不会。语言学习则要配合开口练，光跟AI文字聊天练不出口语，这方面的扩展玩法可以看我写的AI外语口语练习。

三周实验跑完，我对"让ai学习ai"的评价是：它把"一个人自学"升级成了"一个不懂就问的自学"。这个升级看着小，实际上砍掉了自学里最消耗人的部分——卡壳时的孤独感。想更狠地把AI当私教用的，跟着AI学的跟练日记里有进阶玩法；怀疑AI能不能真教会人的，AI当一年家庭教师的记录能给你另一个样本；想了解AI自己是怎么"学会"知识的，AI智能怎么学习新知识正好是这个实验的镜像。

觉得这个实验有点意思，转给那个总说"自学没氛围"的朋友——现在氛围可以自己造了。你拿AI学过什么、翻过什么车，评论区讲讲，我想看看谁比我惨。