我从什么时候开始爱上研究啤酒？大概 2018 年开始，我在大学一边喝一边在 Notion 上给自己写了一个啤酒知识库。首先从酿造原理上开始，在拉格艾尔两大类别下按照风味细分，最近几年根据市面上开始流行的酸啤、果啤又增加了不少细分专页，零零总总写了很多笔记。渐渐地我对啤酒的理解也越来越全面，甚至喝酒时朋友都会问我「你为什么不自己开一家精酿啤酒店」？我知道这简直就是痴人说梦，但是我对通过长期学习，然后用自己方式给别人讲明白一件事物这个行为确实有着很浓厚的兴趣。渐渐地，我发现我爱上的不是啤酒咖啡，而是学习。正如那句老话所说，把别人教会，是最高效的学习方式。
这让我想起另一位特别会学习的大规模语言模型 —— ChatGPT ，突发奇想我想把几个当时学习啤酒过程中遇到的问题交给它来试试回答。
首先，在继续读下去之前，我强烈推荐你先去听一下以下两期播客节目以及阮一峰第 248 期科技爱好者周刊，它们的链接分别是：
晚点聊 LateTalk 第33集：人类本质是不精确的复读机：与李如一和重轻闲聊 ChatGPT
杯弓舌瘾第157集：和 ChatGPT 的微醺聊天：别喝了肝里的晶体管有点痛了
好，回到啤酒上。第一个问题是：拉格和艾尔有什么区别？它们之间哪个比较好？
我知道啤酒没有高低贵贱之分，但我发现刚开始接触一个新事物时我总想先分出个高低胜负，以求更高性价比地获取新知识，不知道你们是不是也会这样。
第二个问题是：IPA 是什么？我到酒吧想先喝一些清爽的啤酒，那我应该点 IPA吗？或者你你会推荐什么风格的啤酒给小白？
选择这个问题也是从我自身出发，大致了解了啤酒分类后，我对 IPA 尤其感兴趣，但是使用传统方法在网上搜集答案时多次出现的关键字「苦」又让我望而却步，抱着尝试的心态前几年我在啤酒吧和网上购买了各种各样的 IPA ，那段「苦」日子的确十分难忘。看来，如果 ChatGPT 早几年诞生，我就可以绕开这段「苦」日子了。
最后一个问题是：如果想在广州喝一杯好喝的啤酒，有什么推荐吗？
这也是学习啤酒的最终步骤，去喝。选择这个问题是因为当进入到这个阶段时，用户基本对啤酒有一定了解，同时大概率知道自己喜欢什么类型的啤酒，更多是选择一个氛围适合自己的啤酒吧。
我当然可以继续问下去，但通过对这三个回答的观察，不难得出 ChatGPT 完全可以让一位啤酒入门者快速掌握足够全面的认识。起码，我已经能够大摇大摆地走进啤酒吧用两三句话就让老板识别出「噢，这是自己人」，并继续大摇大摆地走回朋友身边开始卖弄刚刚 ChatGPT 灌给我的满分答案了。
对，我为什么说是「灌」呢？因为这就是 ChatGPT 给我的第一印象，每次看到它的答案如泄洪般喷涌而出，我都怀疑屏幕的背后坐了一个国际打字冠军，或者是，淘宝金牌客服。ChatGPT 可能不会喝啤酒，但我能确定它打字肯定很快。
以往我们要得到一个问题的答案时，需要先将我们心中的问题换成搜索引擎能读懂的模板，即提炼关键字。我们会在搜索引擎里打上「 IPA 介绍」，然后在列出的答案中开始拼凑答案。IPA 的定义可能来自维基百科，IPA 的分类可能来自知乎，IPA 推荐可能来自某个啤酒爱好者网站。这中间充满陷阱和弯路，我们就像鲁滨逊在孤岛上拼凑一间庇护所——不是不能做，只是需要耗费大量时间和精力，而 ChatGPT 就像开了挂的星期五，直接把整个成品扔到你脸上，而且还不忘面带标志性的微笑。
这张「照片」由它的邻居 Stable Diffusion 生成。
从结果出发，这的确很好，这样的产物完全满足了那句「把更有意义的事情留给更有价值的人去做」的愿景。除非，这句话用在这本身就是错的。
回到文初，我聊到自己对弄清楚一件事物的来龙去脉并分享给别人怀有浓厚的兴趣，这其实就是学习的乐趣，这是需要不停地浏览各种网页，看视频，买酒回来尝试的过程。这次的尝试踩雷了，那次的尝试中我找到了我的最爱，虽然充满陷阱和弯路，但是任何让我们兴奋起来的叙事不都是遵循这样逻辑的吗？
我并不是要对 ChatGPT 嗤之以鼻，相反现阶段我承认它的确可以被运用到一些只需要客观、准确答案的场景中，比如翻译（初稿）、总结长文、了解概念（如我前文问的）等等。但是对于创造性工作，我觉得这不是它的舞台。同时，在这次和 ChatGPT 的交流中，面对选择题时，它总会不忘在最后加一句建议我多去尝试，难能可贵。
虽然在别的课题中什么都试一试的回答，就像快递丢了推荐你联系快递公司全国客服电话一样中庸，但在学习啤酒中，我承认尝试的确是最核心的进步方法。
在前文中提及的晚点聊播客中，李如一的一个观点引起了我的注意。他认为能够说出「把更有意义的事情留给更有价值的人去做」的人，本身就不懂得创造这件事情。而后续另外两位主播也补充到，每一次创造的过程都离不开那些看起来繁琐、机械、重复、低级的工作，但正因为我们不停重复去做这些事情，才能创造出杰作。学习亦是如此。
以我自己为例，我认为每一次做视频后期时，归类素材、整理时间线、给每一条音轨命名，这些都是很基础无聊的步骤。但正因为不停地重复练习操作，才能让我对整个后期各方面烂熟于心，而只有对这些都烂熟于心了，熟能生巧，才能编排出令人眼前一亮的视频。做过视频后期的读者也知道，如今这行也已经出现了许多 AI 加持的脚本、插件，但使用过后通常都会在心中留下一句「还是用手搓吧」。
后来我又看到李如一转发了 这篇即刻推文，发布者主要表达了对那期播客的不满。我也认同其「对一个工具产品需要的是事实和效率而不是偏见和低效」的观点，但接下来这个观点我想反驳：
我认为绝大多数人不想浪费时间，当他们想要学习一个陌生问题的时候，更愿意选择的是 ChatGPT 在 30 秒以内给出的 “周密的”、“好得让人害怕” 的综述，而不是 “吭哧瘪肚看了 2 个小时” 才发现 “不是自己想要的” 长文章（但是嘉宾居然神奇地觉得浪费这 2 个小时是值得的，因为这 2 个小时让他理解了这个八竿子打不着的作者的创作动机，尽管创作动机跟自己没毛关系）。
正如上文所说，我就是这样「想浪费时间」的人。可以再举另一个例子，高中时我对刷机饶有兴趣，但是每个手机品牌甚至型号都有不同教程。于是我开始在网上翻看不同论坛的帖子，正是浪费了这大量的时间让我这样的门外汉首先了解到的是刷机一定要先双清这样细枝末节的知识点，而不是在我面前摊开一本写着刷机的操作说明书。至于这样浪费时间的行为解决了我的问题吗？那是当然，因为这种浪费时间的行为本身就建立在已经找到可以解决问题的答案上。
也许，归根到底还是因为看待学习的心态不同，这种争议的核心是我们对确定的东西越来越痴迷，对不确定性的、抓不住的东西越来越排斥。短视频是确定的，因为它或充满干货，或吸引眼球。长视频是不确定的，因为我不确定它能给我什么，或者多久才能给我，我等不及了。
现在，让我先放过这个可怜的大型语言模型吧。未来，我们要争论的还会有更多，但眼下想不到学点什么时，来一杯啤酒总是没错的。
这张「照片」亦由 Stable Diffusion 生成。
以上就是我脑袋里的怪东西第二十一期的全部内容，目前不打算设定固定更新时间，想到就写。在这期间，我会积极收集人间点滴，下期再会。
