在使用学习功能的时候，发现现在的ai举的例子跟人的思维还是有一定偏差，这种偏差对于刚开始接触概念的学习者来说，影响挺大的。
现在的“功能”已经完善，但要真正实现利用ai学习，还是需要ai模型再发展一段时间
现在ai还是有各种局限性的，必须通过语言世界来间接地“理解”概念，还会产生“幻觉”。但我们其实可以根据现有ai的特点使用它。
比如，不要直接给ai一个知识的名称，让ai自己调用它的知识去讲解，而是要给ai一段讲解，要ai根据讲解去生成辅助讲解、例子、习题等。
关于小球的例子，ai所用的语言不对（所以才要限制），应该用「合外力」，而不是用「外力」，这个小球的「合外力」为零。如果你给它的不是“牛顿第一定律”这个名字，而是「牛顿第一定律的一段讲解」，里面提到了「合外力」，ai就不会产生这种不当了。毕竟，ai学习的是互联网上的语言关联。
再比如，互联网上对「熵增定律」的解释普遍是错的，所以，如果你仅给ai一个“熵增定律”的名称，让它生成讲解，它基本上是必错的。
另外，你这里的生成，用「关联学习」更好一些。
现在使用渐构AI宛如特工收集情报，不仅要收集，还要辨别真假
不是渐构AI，而是所有AI都要仔细辨别。
但是要看到AI带来的好处，没有AI之前，连辨别都不用，直接没材料没讲解。
有了AI就多有了一个工具，不会有人嫌工具多的。何况这个工具这么便宜，还几乎没有使用门槛。
而且学习是一个进步的过程，不会有任何材料上来就包括所有情况，你总能指出任意材料的不足，但不会有人只学一个材料就把知识学的出神入化，没有任何其它材料比AI提供的更多样化、个性化、且价格低廉了。
其实学习人类材料的时候，也需要辨别真假的，尤其是自媒体时代。举个最典型的例子，就是熵增定律的科普，错误率高的离谱，以至于全网都接受了错误的理解
