连AI自己都预测到高考作文要考人工智能了，可是他们知道吗？

今年的高考一如既往地在万众瞩目之下拉开了序幕，又伴随着端午假期的过半而落下帷幕。

毫无悬念地，这个每年都牵动着无数人的心的话题，几天之内都霸榜着各大平台的热搜。

不知道大家是否留意到，热榜比较靠后的地方有一条名为「AI真的预测对了高考作文」的话题。

我大致对比了下，要说「完全命中的有4套」或许有那么点儿夸张了，但主题的关联度确实非常之高。

AI 能预测到这个地步，说实话我倒并不是特别意外。

让我有所感触的，反而是全国卷一的「互联网/人工智能」这个选题，为什么这么说呢？

为了防止是我自己过于敏感，我特地向 AI 确认了我的想法，于是有了下面的对话：

就连 AI 自己都预测到高考作文要考「人工智能」了，可是那许多农村里甚至大山里的孩子们，连互联网可能都算奢侈品的他们知道么？

看到这里，大家或许以为我接下来该讨论高考出题的公平性问题了。

这的确是一个历来都争议不断的话题，不过这次我想换个角度来思考。

AI 上面最后一段话提到的各种差异，我觉得都导向了一种结果，即「信息不对称」，或者说「信息差」。

对于我们绝大多数普通人而言，更加实在的是不妨多花时间想一想：

当不利于自身的「信息差」无法避免时，我们应该如何应对，才能减小它带来的负面影响呢？

花钱买买买

这无疑是最简单暴力的方式。

几乎任何东西都明码标价的今天，信息也不例外。

张雪峰的志愿填报咨询，每年的这个时候同样站上风口浪尖。

成千上万的「准大学生家长」在 App 上排着号买一万多一个名额的「高报」服务，本质上不就是在花钱填平志愿填报这条路上的「信息差」么？

更常见的例子数不胜数：各种资格考试培训班，出去玩儿报的旅行团，甚至是去医院挂号看病。

必须承认花钱买服务是生活中最便捷的应对「信息差」的方式，毕竟不是所有问题都能靠百度解决；即便可以，也并非每个人都具备这样的条件、精力、能力。

试想咱们一起去爬山，累得呼哧带喘的不说，可能还不太清楚接下来往哪儿走。

这时候一抬头，上面有个大哥拿着喇叭冲着我们大喊：「嘿！我这儿有上山的地图和配套的登山工具，欲购从速！欲购从速！」

要说不动心那是不可能的，但是我们「买买买」之前还是得问问自己，这个钱花的到底值不值？

否则花钱换来了低质量甚至错误的信息，就是妥妥的被「割韭菜」了。

这种甄别能力恐怕就没法也通过买买买来获取了，得靠我们自己培养。

交的冤枉学费多了，自然也就更会辨别了，这样一想其实也不冤枉。

力「争」上游

许多人批评「张雪峰们」也是在割韭菜，咱也没买过服务，这里就不妄加置评了。

但是有另一个问题同样值得我们思考：生活中不乏割韭菜的例子，可「镰刀」究竟是从何而来的呢？

答案依然是「信息差」，那么进一步地，「信息差」是如何形成的呢？

是因为在这条「信息流」中，他们站在了上游。

形成这种优势的原因有很多：专业造诣，更高效的信息获取渠道，更敏锐的洞察力和更快的决策能力。

很遗憾，这种优势很多时候时候无法被超越，但如果我们能往「上游」多靠近一些，我们就越少一分被收割的可能。

多学好一门课，我们就少报一科补习班。

多锻炼身体，我们就省去一些上医院排队的麻烦。

多看看新闻，我们就少给诈骗分子钻空子的机会。

咱山里的孩子不是没那么多机会接触互联网、人工智能吗？但是书本上有，多看几本、多看几遍。

哪怕书本上的信息会有些滞后， 哪怕书上看来的多是「纸上谈兵」，上了考场一样也能写出个三四五六来。

在关注的方向上不断提升自己，缩小和上方的差距，「信息差」带来的负面效果也会随之减弱。

力争「上游」

这里我可没有写错写重标题，而是将重点放在了「上游」两个字上。

让自己靠近甚至成为上游固然是最稳扎稳打的路线，但所需要付出的努力并非人人可以做到，有时可能还少不了一些天赋。

如果仅以避免信息差为目标，其实也不一定非要自己成为真正的「上游」，认识足够多的在上游的人也能帮我们达到目的：简而言之就是建立人脉。

在我看来，人脉的主要价值就是可以将他人的独特优势在一定程度上转换成自己的。

互联网把人与人之间的沟通交流成本降到了史无前例的低。

我们通过邮件就能联系到素未谋面的专家，通过网络论坛就能与行业领袖建立联系，通过社交媒体就能接触到千千万万的网友。

但互联网提供的终究只是沟通的便捷渠道，人脉的搭建、维系、拓展也都并非易事，甚至不会比前面说的在领域内自我提升来得轻松。

人脉能够为自己通过价值的前提，是自己也能为他人提供相应的价值。

企图「空手套白狼」的操作，哪怕生效了一两次，也最终将葬送好不容易建立起来的信任。

和前面一样，这条路径也并非适合所有人，还得是适合自己才行。

换个赛道

如果这个赛道上的「信息差」让我们毫无机会可言，与其硬着头皮死磕、陪跑，不如咬牙换个赛道。

之前看到过某音上的一个大博主，大学出于爱好自学摄影，毕业后打算往专业摄影师方向发展。

可后来他逐渐发现摄影界竞争激烈程度远超想象，专业设备、行业经验、人脉资源都是自己无法企及的。

近些年短视频的兴起让他看到了新的机会，他果断开始学习视频制作，把自己的摄影作品和短视频结合起来，创作出了一些风格独特的作品，并且很快就获得了关注，逐渐在这个新领域建立了自己的品牌。

所以有时候「认怂」是一种聪明的做法，它并不意味着放弃。

每个人在不同的方向上面临的「信息差」是不一样的，一些技术的革新还会对整个局面造成颠覆。

善用这些信息来选择对自己更有利的赛道，甚者构建自己的赛道，让自己成为那个领跑的人。

---

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

👉AI大模型学习路线汇总👈
大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓