在原神中，罐装知识是一种非常有价值的资源，可以被用来提供虚空系统的知识服务。
虚空从世界树中读取知识，人们在耳朵上佩戴虚空终端，虚空系统会根据访问者的身份、阅历等信息，推送相应的知识。在虚空系统的帮助下，人不需要主动思考，就可以获得任何需要的知识。
罐装知识的来源，是学者的大脑，学者们将自己的知识罐装起来，然后通过虚空系统提供给其他人使用。不过，由于教令院禁止私下买卖罐装知识，所以在黑市上出售罐装知识是非法的。
用现在的话来说，世界树提供了云存储服务，虚空系统提供云计算服务，虚空终端就是云端设备，罐装知识就像是储存了有价值信息的U盘。
罐装知识是原神中一个非常有趣的设定，它展示了一种先进的知识传播体系，同时也反映了知识对于一个社会的重要性。
信息唾手可得
现实中，书本就是最古老的“罐装知识”，图书馆就是古老的世界树与虚空系统。图书馆是存储知识的场所，就像虚空系统，人们去图书馆翻书获取知识。
科技发展使各种承担知识传播功能的新设备代替了书本。虚空系统从广播到电视，进化到到互联网、无线互联网，终端也从收音机到电视机进化到个人电脑再到手机甚至各类可穿戴设备。人类社会中知识传播的效率在科技的加持下不断提高。
这种效率的提高体现在两个方面，一是信息复制与传输的成本越来越低，二是新媒介中信息密度不断提高。
要复制古老的书本，得依靠印刷技术，相比之下，读取和复制电脑硬盘中的数据成本就低得多。近几十年，连书籍的排版都已彻底电子化。到今天，不仅仅是电子书，我们在视频网站点播高清视频也习以为常了。人们能够以极低的成本且有选择性的接受需要的知识。
另一方面，同样给你5分钟时间，看5分钟文字，听5分钟音频，与看5分钟高清视频比起来，你接受到的信息量差了几个数量级。这就是信息密度不要小看信息密度，它为人类获取和使用信息提供了更多可能性，也提供了更多不经意间创意涌现的机会。
这些进步的结果就是，人们不论是工作、学习、生活、娱乐的效率都成倍的提高了。想象一下在20年前我们还需要每周在固定的时间等在电视机前看想看的动画片，或者要在周末去楼下的漫画店借一本最新出版的漫画，这些生活习惯都已经不复存在了，现在在手机上点几下就可以解决问题。
时至今日，“信息唾手可得”已经几乎实现。
学习曲线
不过，学习是个始终没有被技术解决的问题。
现在的你无论通过什么手段获取到文字、图像或是视频，你仍然需要花时间学习消化。与原神中虚空终端不同，学习过程还没有办法被替代，信息并不能直接被灌输到你的大脑里。然而，信息只有能够被人类消化，然后用于解决特定的问题，才可真正称为知识。从这个意义上说，现实中的我们只能接收到是“罐装信息”而非“罐装知识”。
在解决一些现实问题面前尤其如此。一个简单的例子，比如你想手工做个蛋糕，你已经可以轻松的搜索翻阅相关的食谱，这可能包括相关的书籍、网站、在线视频视频课程等，然后你仍然需要花时间学习其中的内容，一边学习你可能还需要继续搜寻更多的信息以解决实践中遇到的更多问题，比如家里的烤箱使用方法等等。这个学习的过程以及学习所耗费的时间都无法避免。
经济学中常会提到学习曲线的概念。在日复一日的学习中，人们能逐步形成经验，将这些信息真正变成自己的知识，在这些积累下来的经验的帮助下，人们将获得更高的劳动效率。
学习曲线之所以重要，一个重要原因是它与时间相关，时间是积累学习曲线的必要条件。每个人每天都有24小时，也只有24小时，这24小时无法租借，流逝的时间也无法再找回。时间成本对很多事情来说都无法忽略，也正因如此，对个体或企业来说，学习曲线的优势也往往是极具壁垒的竞争优势之一。
那么，有什么办法能够让人们的学习曲线变得更加平滑一些吗？有，就是AI。
在过去几年里，使用AI进行人脸识别或是文字翻译工作已经不是新鲜事，在那些工作中，AI承担了大量节省人们体力的工作，但并没有太好的解决人们提升学习效率，让学习曲线变得更平滑的问题。而近两年AI的发展，也许可以更好的解决这个问题了。
如何解决呢？如果去深入观察人类学习技能的过程，我们会发现我们的学习时间会耗费在几个方面上。
肌肉记忆
首先是对肌肉记忆的训练。这尤其明显的体现在乐器、体育运动等技能的学习上，除此之外例如钳工等重视操作的工作也需要依赖肌肉记忆。
在对肌肉记忆的训练中，除了勤学苦练之外，最重要的恐怕是评估过程。当你完成一个动作，你最需要的是能够第一时间收到反馈，纠正可能错误，只有在动作正确的前提下，勤学苦练才是有意义的。
这种反馈和纠正，只能靠有经验的人来教。我们常说如果有个老师傅“手把手”的教你，你就会学的又快又好，就是这个道理，有经验又肯带人的老师傅是多么值钱。不过老师傅的时间也是很贵的，更何况还有些老师傅根本就不愿意教徒弟，真正有能力又肯花时间带你的老师傅本身都是非常稀缺的，大多数人根本就没有得到让老师傅手把手教学的机会。
现在的AI可以一定程度上代替老师傅的存在，只要给AI喂上足够的专业数据，AI就能够你在练习专业任务的过程中帮助进行评估。这个过程，想想现在已经不稀奇的英文学习软件就可以理解，随着ChatGPT之类技术的发展，AI的应用场景会很快超越语言学习，可以想象未来在论文写作、图表编制、或是绘画、音乐等等工作上，AI都有机会成为非常棒的评估老师傅。
除此之外，随着AR/VR技术的发展，AI还可以与这些技术结合使用，为人们带来更加生动、直观、真实，也更加身临其境训练体验。
快速搜索能力
另一个消耗大量时间的事儿是对知识快速搜索能力的训练。一个优秀的医生，在手术台上能够对各种状况应对自如，一个优秀的工程师，面对复杂的问题能够信手拈来，游刃有余。这些技能都需要学习足够的知识作为基石，那些专业知识固化在了专家们的脑子里，当面对问题是，相应的知识就会条件反射一样的蹦出来。
读万卷书，行万里路，常见的学习方式就是大量阅读，大量积累。要形成这样的熟练度，达到唯手熟尔的境界，需要人们大量的时间的日积月累。不过不可否认的是，在真正面对解决特定问题的场景时，我们其实只用得上众多知识储备里的很小一部分，但问题就在于如果没有巨大的知识储备作为后盾，我们也很难快速地定位到真正需要的那些知识在哪儿。想象一下我们在学生时期的学习方法，我们会按照教科书的顺序从前到后学习并储备知识，然后在考试时在大脑中搜寻所需要的知识点。
然而实际生产中，在多学科的复杂知识面前，这种学习方法是冗余和低效的。在对专业知识要求并非那么高的场景里，一些简单的知识就足以解决问题了。在这个问题上，AI的搜索能力越来越强大和智能化，为人们的学习和工作带来更多的便利和效率，AI就像考试时的作弊小抄，有机会为我们扮演智能学习助手的角色。事实上，从个人电脑诞生的那天开始，人们就在设想这样的智能助手的出现，但可惜的是，过去电脑能做的大多是根据关键词搜索这样的事情，从使用体验来说，过去的小助手更像个人工智障而不是人工智能。
现在的AI助手能通过不断学习和调整算法，并以自然语言的方式与人类交互，这远比之前通过关键词从数据库中检索知识的方式要高效与实用。就好像点播电视剧的场景中，过去你需要告诉电脑要看哪部电视剧的第几集，现在在AI的加持下，你可以从问题出发，比如只提供一些碎片化的信息，AI就会帮你找到相应的剧集并推送给你。
这或许帮人们省去了一大块积累学习知识的时间，人们可以持续增加对AI的依赖程度，并将其应用到实际工作中。
处理意外状况
在学习的过程中，学习如何处理意外状况也是需要耗费大量时间积累的事儿。大多数时候，我们对知识的学习以归纳与总结规律为主，但真正具有极大价值的往往是如何处理特殊的例外情况，“年轻人知道规则，但老人知道意外”。
有经验的专家往往身经百战，关键时刻的某个意外发生时的决策往往正是决定事情成败的关键。积累关于意外状况的经验是很困难的，它们内容又多且又过于小众，从一般教科书很难学到所有，只有依靠时间的积累不断总结。
即使有人在不断的总结案例，学习这些案例也会花费掉你大量的时间，而这一切的努力都是为了在未来某一次实践中，脑子里蹦出某个意外案例，影响你的决策，规避某些风险。
AI在处理意外状况上有很大的潜力和优势。由于它可以通过处理大量的数据来学习和理解各种情况和场景，因此可以识别和处理那些常规规则之外的情况。只要训练有素，AI了解的例外情况也许比最厉害的专家还要多，这些例外情况的数据会非常有价值。
想想用自动驾驶技术开车的场景，虽然我们无法在所有问题上依赖AI，但在某些场景下，AI一定会比我们自己做的更好。
未来的AI罐装知识
GPT-4已经开放了Fine-tuning API(https://platform.openai.com/docs/guides/fine-tuning)这样的接口，使得开发者可以训练自己的模型，然后将其嫁接到ChatGPT的大模型上，对模型进行“微调”，并向用户提供服务。这个API给人很大的想象空间，你可以将一些知识或者案例打包成一个预训练模型，然后喂给ChatGPT，看起来你已经有能力拥有一个属于自己的罐装知识了。
虽然现在技术还处于早期阶段，但已经可以想象到，未来每个人都有机会把自己的知识通过模型训练的方式固化下来，使用者就可以通过AI调用的方式“使用”你的知识。未来也许会出现一个类似App Store的罐装知识商店，出售特定专业定位的AI机器人，就好像下载特定用途的APP一样。你想获得学习特定领域的知识，只需要到这个商店中去买一个训练好的AI机器人就可以开箱即用了。
人类记忆有限，我们很难保持对大量信息和知识的完整和准确的掌握。我们可以将各种各样的知识和经验进行有效地提取、压缩和封装，使得这些知识能够方便地被其他人使用。这种方法不仅可以提高人们的学习效率，也可以使得知识的传播更加高效和精确。AI罐装知识是一种工具，帮助人类更好地组织和管理知识库。
这种对知识的管理方式，会远比书本、音频、视频更加高效。其高效之处正体现在它对人学习效率的提升上。AI加持的罐装知识，就像一个有着多年行业经验又不知疲倦的老师傅，耐心的手把手的教你完成特定的任务。
每个行业里都有一大批非常宝贵的老师傅，在未来，AI灌装知识很可能部分替代老师傅们，这一旦真的发生，会改变很多行业的现状。
另外，要实现这一点，AI还需要有更加低成本的被训练的方式，ChatGPT已经在这个方向上取得了不错的进展，你在使用ChatGPT跟AI聊天的过程，其实已经在帮忙训练AI了。AI就像一个偷师学艺的徒弟，不知不觉中就提取了你大脑里的知识，然后装在罐子里，自己成了老师傅。
我们可以做些什么
1980年代的个人电脑广告中曾经出现过一个场景，一个家庭主妇在厨房里烹饪，厨房的角落里出现一台笨重的老式个人电脑，单色的显示器上显示出一行行绿色的文字，家庭主妇就在这样的电脑上查询菜谱，快乐的做饭。放到今天，这种场景看起来太过于搞笑，显然个人电脑并不是这么用的。不过更可笑的是，几十年后的今天我们偶尔还能看到类似的广告，只不过笨重的个人电脑换成了平板电脑或是人工智能音箱。
我很难想象出未来所谓的AI罐装知识普及以后，人类社会会出现什么样的场景，但我始终相信该发生的一定会发生，我们只需要做好准备迎接它们。
对我们自己来说，最重要的事情或许是要特别注重对判断力的训练。在未来的AI平台上，我们一定会看到不同的AI机器人对同一件事情做出不同的指导，对同一个问题给出不同的答案，就好像有好几个不同的老师傅同时教你学习一样。这时候最重要的能力就成了判断该信谁，判断谁对谁错的能力，这是种架构能力。我们需要始终保持警惕，始终用批判的眼光看待AI给我们提供的信息，不论AI再强大，它都不是可靠的，真正可靠的只有自己。你最终要为自己负责任，一切的最终决定权还是在自己的手里。
我们也不得不开始思考应该如何利用AI工具提升自身学习的能力，尤其要思考什么才是正确的学习方法。死记硬背不在有优势，提问题比回答问题变得更重要。我们得学会怎么寻找问题，怎么设立目标，怎么不断的问题追问中学习进步，AI越强大，这种真正的学习能力就显得更加珍贵。
AI只是一个加速器，如果学习方法得当，AI绝对是事半功倍的利器，但如果学习方法有问题，那AI只会起到反作用。
也许“罐装知识”在未来也会成为一个巨大的产业，可以确定的是它几乎能够和现在的许多行业结合，并改变行业格局。但我无法预测在其中会有怎样的商业模式出现，甚至也无法确定未来AI与人交互的形态会如何。不过这并不是什么大问题，事情总会慢慢的浮出水面，该来得总会来。在这段等待的时间里，我们只要持续思考能以何种形式加入这个浪潮中去，能如何向AI提供足够的有价值的数据，又如何利用AI为我们自己以及更多的客户提供价值就足够了。
从生产角度来看，如果AI能够降低某些工作的学习成本，那一定可以省下一大笔雇佣专业人才的费用，转而雇佣一批会使用AI工具的人才。我们要不断的思考如何让AI为我们服务器，在未来，使用AI工具会和使用电脑或者手机一样重要，这不论对企业老板还是对每个员工都一样。
