AI 時代該學古老且經過驗證的底層
主張：在技術快速被 AI 攪動的年代，該把學習重心放在古老、經過驗證、不太變的底層，而不是一直追新潮流新技術。出處：掌握專注，讓人生更自由（Scott H. Young 訪談）。
三點
- 把 AI 當工具評估，不過分吹捧。
- 學古老且經過驗證的東西，避免一直追新潮流、新技術。
- 表層時常變動、底層不太變——把力氣投在底層，回報更持久（呼應第 2 點與第一性原理）。
為什麼
表層框架/工具的半衰期越來越短，AI 又讓「表層產出」變便宜；真正稀缺、可累積的是底層原理。學底層＝學那些三年後、十年後還成立的東西。與 AI 時代的學習與刷題策略 同一方向。
另一個理由來自 學習速度的瓶頸是大腦，不是教材：既然吸收速度固定，投入的時間就是稀缺資源，只能押在半衰期長的東西上。
被挑戰過，但我的結論沒變
Mark Seemann 在〈在 LLM 時代學程式（Mark Seemann）〉裡把同一個邏輯推到極致——他說如果現在才開始，他會認真考慮去學木工、金工、槍械維修，因為取代體力勞動看起來還比較遠。而且他明說自己目前學資料結構是出於好奇，不預期金錢回報。
我不同意。 去學木工金工只是緩解一時之間的焦慮感，它處理的是焦慮不是問題本身。學底層的東西還是更有價值——即使作者本人已經不敢保證它的金錢回報。