起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識冰火ChatGPT：有人賣課爆量，有人死磕終身學習
ChatGPT的發展，讓很多人都在求變。我們還能在這個技術瞬息萬變的AI時代中，需要建立新興的認知框架，不斷跟進學習嗎？本文作者給予我們不同維度的思考，一起來看看吧。
AI一天，人間十年。
ChatGPT在全球掀起AI熱潮，各種大模型風起云涌，AIGC如火如荼……AI新時代的熱浪下，無論是創業者還是投資人都蠢蠢欲動，仿佛一眨眼就會錯過十億百億的機會。
與此同時，AI代替人類的驚惶論調甚囂塵上，翻譯、編劇、設計師、客服等等首當其沖，普通打工人也無法置身事外。
一時間，錯失財富密碼與淪為AI棋子的雙重焦慮疊加，“補課”“補認知”迫在眉睫。
這也就難怪比ChatGPT先賺到錢的竟然是賣課的——就在剛剛過去的4月里，一個收費198元/年的“ChatGPT破局俱樂部”社群搭建不到24小時就有近1000人加入，每天還保持著1000人左右的增速；一門ChatGPT培訓課279元，17天招了10000人，賺了279萬元……
各種打著業內專家旗號的“老師”在這股AI熱潮下迅速開設起變現課、賺錢課，其中甚至有些人也是此前元宇宙的“專家”。
而翻看其課程內容，大量信息東拼西湊，錯誤百出，說是誤人子弟也毫不為過。這些內容缺乏體系、連正確性都無法保證，更別說真的為用戶著想，滿足用戶終身學習的需求了。
這么多年過去，知識付費的伎倆一點兒沒變，湊熱點、利用信息差、利用人們對于未知領域的焦慮，用做爆款的思路來搞錢。
但問題是，如果不這么干，要么組織優質信息的成本太高，要么沒有短效刺激無法拓客導致收入太低，知識也就成了“負”費。
矛盾就擺在那兒，一邊是時代車輪滾滾向前，人們對于新科技新東西的求知需求得不到及時、正確、系統的滿足，另一邊則是知識服務的提供者需要明確的利益，到底有沒有一種解法能兩全？
我們還能在這個技術瞬息萬變的AI時代中，建立認知框架，并不斷跟進學習嗎？
01 建立AI的系統認知
先跳出學習AI、學習ChatGPT這件事，我們回憶一下自己上學的時候是如何有興趣、開始接觸、深入學習、最終理解掌握一門學科知識的。
以生物為例，生物其實是一個體系非常龐大的學科，大家對這門課的興趣出發點大不相同，有人喜歡動物、有人好奇基因如何突變、有人喜歡植物、有人好奇豬籠草為什么能吃掉蟲子……
但不管出發點如何，我們都先擁有了對一個領域的好奇，渴望通過學習尋找到疑惑的答案。
帶著學習目標，我們進一步探索，然而隨著探索的深入我們就會發現問題本身的答案需要更多通識的基礎原理進行支撐。
你要想了解豬籠草為什么能吃掉蟲子，那么你先得了解植物的基本結構、食肉植物相比普通植物有哪些特點、這些特點如何形成、消化酶又是從哪里來……這時候生物學的基礎知識就是理解這些問題的根基。
而學習的過程并未因為我們找到了特定問題的答案而終止。你逐漸發現關于食肉植物，世界上還有很多未解之謎。
這些謎團掛在你的心上，即使沒有繼續“學習”下去，之后突然看到相關的解釋，也會格外關注。
和任何領域的學習過程一樣，要想真的理解AI，理解ChatGPT，我們需要“從長計議”。
好奇已經有了：AI怎么替代我的工作？大家都在討論的ChatGPT到底是什么？幾行字變成一幅畫怎么辦到的？AI為什么能寫出有創意的小說？我能怎么利用AI？
那么接下來要做的就是以好奇為切入口，逐步深入，先了解基本原理、技術演進過程，擁有討論應用問題的知識儲備，再進一步走到應用層面，探究問題的答案。
上個月，一位投資人朋友跟我抱怨她快要失業了，她去參加一個大模型創投相關的閉門會，畫風是這樣的：第一位分享人先拋出了一個觀點——實現大型語言模型（LLM）可控發展的第一步是需要找到解釋ChatGPT 背后的LLM涌現出復雜推理能力的底層邏輯。而后面幾位創業者也陸續分享了自己的項目，有容易理解的，AI改簡歷、AI設計，也有不明覺厲的，AI數據資產管理、AI+人體健康……
她的窘迫和大多數人一樣，由于之前對AI領域并沒有系統的學習，趕鴨子上架，遇到真機會識別不出來，遇到騙子也識別不出來，只好全場錄音，但速記一出來，也不知道從何下手。
所以當看到「得到」出了AI主題月活動的時候，她感到如釋重負——6門線上課程，搭配20+場主題直播，整個體系化地搭建出理解AI的基本框架。
這些課程雖然聽了也沒法讓人馬上賺到錢，也不像心靈雞湯能讓人找到慰藉，但它遵循了人們形成對一個領域系統認知的基本邏輯。
物理學家萬維鋼的AI前沿課從認知到運作邏輯再到主流用法，先起一個提綱挈領的作用。
在掌握了基本邏輯之后再去理解應用，就會知其然并知其所以然了。快刀青衣的AI寫作、劉飛的AI繪畫、卓克的AI高效學習、馬馺的AI做PPT，這四門課程分別從不同的應用角度拆解具體實踐場景。
再加上約翰霍普金斯大學計算機博士、計算機科學家、硅谷投資人吳軍老師的前沿課，用12個話題深度解析ChatGPT，解答人們關心的ChatGPT能力邊界在哪兒、缺陷在哪兒、能替代誰等疑問，進一步鞏固理解GPT的知識框架，并帶來啟發。
「得到」這套知識服務思路，不是去設計某個爆款課程，而是在建立一種知識體系。
除此之外，還有20多場直播，多維度地從不同視角理解AI、GPT。
比如360集團創始人周鴻祎的那場關于ChatGPT的六個觀點讓人印象深刻，為什么GPT一出來，Web3.0和元宇宙就不熱了？GPT到底突破了什么？對我們普通人有什么影響？四個不可解釋的現象是什么？網絡攻擊、數據泄漏的風險有多大？360大模型正進入落地加速期，這樣一位身處浪潮之中的人分享的內容無疑才是最為前沿、準確、更有參考價值的。
但可惜的是，這樣體系化的內容其實很難“爆量”。
市面上最賺錢的課要么是立竿見影的“Excel方法大全”，要么是焦慮導向的“如何管住老公的錢”“30歲如何賺到100萬”，像「得到」這樣的系統課程，沒有一點兒情懷支撐恐怕是很難堅持下去的。
AI行業門檻較高，受眾不會太廣，AI實際的落地又離普通人太遠，雖然大家熱衷于討論GPT會不會讓我們失業，但客觀說那一天沒有想象中近。而AI技術并不是廚藝、園藝那種易上手、實操性強的領域。相比于《199讓你馬上用GPT賺錢》，AI領域的認知建立、體系思考更為重要。
02 知識服務的兩難
或許你還對“我們不培養你，就培養你的競爭對手”這樣的賣課宣傳語記憶猶新。
老實說，和市面上那些ChatGPT速成課比起來，「得到」的這一系列AI內容并不吸睛。既不是速成，也沒有放大焦慮——這可能就是知識服務企業的兩難：是追求高收益高舉高打，還是踏實做事但潤物無聲。
直面收益與用戶價值之間的「兩難」也是「得到」自己的選擇。經歷了多年發展，「得到」成為了一個平臺生態，賣爆款固然誘人，但既然要做時間的朋友，勢必讓其價值觀和行為都偏向了生態長期的健康。
十余年前羅振宇創辦羅輯思維的故事已不用贅述，當時他乘著微信平臺及視頻發展的東風，迅速積累大量粉絲，但彼時他也就只能算是一個“個體戶”“KOL”，和所有博主一樣，追求內容的傳播量，最大的成本就是羅振宇自己的時間精力，而天花板也是羅振宇自己的知識儲備。
后來網通公司創始人田溯寧用“知識運營商”一詞點醒羅振宇，得到APP上線，更多擁有知識的人聚集在了羅振宇周圍，一個公眾號成了一家企業。
當時的「得到」似乎更多的是在用電商的思路做知識的運營商——知識課程越來越多，知識產品也越來越多，截至2018年7月，「得到」平臺已孵化各類專欄和課程達82種，擁有2180萬知識消費者——這就像電商的SKU，知識貨架品類化、豐富化、細分化，逐漸給人一種我想要學的東西，「得到」里都有的印象。
如此一來便可打破用戶只對單個課程感興趣，聽完即走的問題。
當平臺能持續生產好內容，好內容時不時地可以回饋用戶，好內容形成連續性，用戶的忠誠度就會從項目忠誠轉移到平臺忠誠，對項目的喜愛轉移到對平臺的喜愛。
當這個轉移完成之后，平臺自身在內容品質上、口碑上、可信賴度上的地位就建立起來了。
據羅振宇回憶，「得到」的第一個階段是知識整理，出了很多經濟、金融課程，這些課程的坐標系是“聽我們的課，比單純看書有用”。
但這個過程也伴隨著挑戰，一方面是短視頻迅速崛起，一下子打破了知識的單向傳播方式，人人皆可為師；另一方面則是「得到」的取舍，人力物力有限，哪些知識是對用戶來說最重要的？哪些項目能兼顧經濟效益與用戶價值？
靈魂拷問貫穿著知識服務者的命運，羅振宇也心知肚明：“我們很清晰地知道哪些收入是靠流量來的，哪些是靠聲望來的。聲望和流量不能劃等號，甚至有時候流量大了，會損害聲望?！?strong>“知識產品靠的是聲望，不是流量。”
難怪我們在得到APP中除了能看到職場、經濟學、管理學、產品思維、營養學、醫藥健康、情緒心理等實用內容，還能看到像《傅佩榮的西方哲學課》《給孩子的博物學》《吳軍·硅谷來信》《楊立新·民法典200講》之類的看上去更偏理論分析的知識內容。
從講師的選擇到知識內容的規劃，處處都是「得到」的聲望。這也就不難理解，為什么GPT熱潮下，「得到」的課程不是教你如何利用GPT賺到人生的第1個100萬，而是回歸到技術領域本真之處去思考到底如何架構知識才能對用戶最好、便于習得、終身受益。
有意思的是，就在周一（5.1）美國一家專注于提供作業答案的知名在線教育公司Chegg的CEO在電話會上坦言ChatGPT正損害其業務的增長，用戶不再需要通過Chegg獲取相關的學習資料。隨后其股價閃崩49%，連帶著歐美的一眾教育公司都大幅下跌。
你看，如果只是停留在信息差本身，AI已經兵臨城下了。我們需要的不是焦慮和分散的知識點，而是體系、思考、持續精進的路線圖。
未來已來，AI時代下的技術、信息飛速迭代，只看表面知識真的很難跟上節奏，過去的學習者面對的，是一座座孤峰聳立的知識高地，而在人工智能的幫助下，這些高峰有可能被推平，變成在學習者面前一覽無余的平原曠野。
你不再需要死記硬背，你需要的是體系化地構建知識結構，多角度地去理解、去辯證思考。這或許也是「得到」想要在其知識服務的過程中傳達的要領，而這也將讓「得到」真的成為“時間的朋友”。
作者：何文
來源公眾號：深響（ID：deep-echo），全球視野，價值視角。
本文由人人都是產品經理合作媒體 @深響 授權發布，未經許可，禁止轉載。
題圖來自 Unsplash，基于 CC0 協議。
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。信息存儲空間服務。
- 目前還沒評論，等你發揮！
