关键观点
知识仍是认知系统的高速缓存
Collison把个人知识结构类比为计算机缓存：询问智能体当然可行，但调用、表达和等待都会增加延迟。内化的知识能够支持更多、更快的思维往返，并帮助人即时判断模型输出是否合理。因此，AI能力增强…展开观点收起观点
Collison把个人知识结构类比为计算机缓存：询问智能体当然可行，但调用、表达和等待都会增加延迟。内化的知识能够支持更多、更快的思维往返，并帮助人即时判断模型输出是否合理。因此，AI能力增强并不自动意味着学生应停止从第一性原理学习。至少在认知能力的边际收益尚未饱和前，主动放弃学习为时过早。
为什么重要: 真正的竞争力不只是获得答案，还包括提问、判断和快速组合知识的能力。教育应调整学习重点，而不是把理解本身完全外包。
支撑证据
That's a hell of a lot slower than knowing it in cognitive L1 cache. And you can have way more L1 cache.
模型能力强大，但写作仍暴露理解缺口
Collison继续亲自写作，既出于价值观，也因为他不喜欢当前模型生成文字的质量。他指出，模型可以完成高度复杂的技术任务，却仍未产出让他觉得真正有说服力的文章。这可能与写作质量难以定义奖励函数…展开观点收起观点
Collison继续亲自写作，既出于价值观，也因为他不喜欢当前模型生成文字的质量。他指出，模型可以完成高度复杂的技术任务，却仍未产出让他觉得真正有说服力的文章。这可能与写作质量难以定义奖励函数有关，也可能反映模型尚不能充分处理现实中的多维推理和人际沟通。他甚至从未发送工具自动提供的邮件或消息建议。
为什么重要: 技术基准上的强大不能直接等同于判断力、表达力或说服力。涉及战略、关系和观点形成的文字仍需要高度人工参与。
支撑证据
I still haven't read the LLM essay that I found super compelling.