由小红书薄膜干涉视频引发的思考
今天在小红书看到一个讲薄膜干涉的视频，最后一路想到大学物理、AI，以及这些年学习方式的变化。
视频的标题写着面向高中生，因为高中物理已经会接触薄膜干涉相关的内容。它从最基本的干涉现象开始讲起，解释光射入薄膜后为什么会发生反射，两束反射光为什么会因为光程差产生相消或相长干涉，以及这些现象为什么会和薄膜厚度有关。后面又讲到了劈尖干涉，以及如何利用薄膜干涉检测光学元件表面的粗糙程度。
整个视频大概二十分钟，可以说把大物光学这一章的大致框架讲得很清楚。当然，它没有讲得特别深入，例如没有涉及半波损失，没有涉及公式推演。它举的例子也只是针对某一个波长，说明如何实现完全反射或者降低反射率。不过作为入门，它已经足够了。
看完之后，我想到一个问题。相机镜头面对的并不是单一波长的光，而是几乎整个可见光波段。如果薄膜干涉只是针对某一种波长起作用，那镜头为什么能够对几乎所有可见光都实现增透？ChatGPT告诉我，现在镜头普遍采用的是多层镀膜。不同厚度的薄膜相互叠加，每一层针对不同波长进行设计，因此整体能够覆盖大部分可见光波段。此外，现在还有一些更加先进的方案，例如在镜片表面加工纳米级结构，而不仅仅依赖传统镀膜。
这个问题到这里其实已经结束了，但它让我想起了自己当年学习大学物理的过程。我一直觉得大学物理是我学得比较吃力的一门课。我的学习方式和很多人不太一样。我很难直接接受一个公式，然后通过做题慢慢理解它。我必须知道这个公式为什么成立，它是怎么推导出来的，中间每一步发生了什么，我才能真正理解它。所以大学的时候，我经常会花很多时间推公式。但国内的大学教材往往不会把完整的推导过程写出来，它更多是在介绍结论。于是我只能自己查资料、问同学，把中间缺失的步骤一点一点补回来。即便这样，很多地方我还是一知半解。等终于把一个公式弄明白的时候，已经花掉了大量时间。别人开始刷题的时候，我还停留在理解公式这一步。所以后来回头想，我大学物理成绩不好，其实一点都不奇怪。我几乎把所有时间都花在了理解知识本身，没有留下足够的时间去练习和应用。
今天重新想到这些，我就在想，到底是现在的学习资源真的变好了，还是我刚上大学的时候其实已经有这些内容，只是我没有发现。我的总体感觉是，知识类的视频是这几年才有大规模增长的。
前几天我还刷到了几个B 站讲高考数学压轴题的 UP 主。我喜欢他们的地方，不是因为他们会解题，而是他们会讲为什么这样做。他们讲的是一道题背后的数学逻辑，而不是标准答案。我觉得很多时候，这种讲解甚至比课堂更容易理解。我可以看到他们对数学的热情。
以前我们学习，主要依赖教材、老师和参考书。后来有了作业帮，可以查到标准答案，但更多时候还是需要自己去推理答案背后的逻辑。现在已经不太一样了。B 站、小红书上有很多质量很高的讲解视频，它们能够帮助建立一个知识点最基本的理解。很多以前需要自己凭空想象的内容，现在别人已经做好了动画、做好了演示，甚至可以很直观地展示出来。我不知道这些资源是不是我上大学的时候就已经存在了，只是当时没有发现，但至少现在，它们已经变得非常容易获取。而AI 又提供了另外一种学习方式，更加个性化。它并不能代替学习，也不能代替思考，更不能代替自己推导公式。但它能够帮助建立一个知识框架，也能够降低刚开始接触一个知识点时的理解难度。
如果当年就有这样的学习条件，我觉得我的高中成绩应该会好很多。我甚至可能会选择物理作为自己的选修方向，大学物理应该也不会学得这么吃力。
即便大学时期每天刷B站，ChatGPT 等 AI工具也从大四开始就已经逐渐融入了我的学习和生活，但直到今天，因为一个讲薄膜干涉的视频，我才第一次很明显地感觉到，获取知识的方式已经和几年前不一样了。
以前，一个知识点能不能学懂，很大程度上取决于老师讲得怎么样、教材写得怎么样，以及自己能不能把那些省略掉的过程补出来。现在，教材、老师、互联网、优秀的创作者以及 AI 都可以成为学习资源。每个人都可以根据自己的理解方式去寻找最适合自己的内容，而不是只能接受一种固定的学习路径。
我不知道以后会变成什么样。但至少在学习这件事上，我觉得变化已经开始了。
后记
这篇文章几乎全程通过语音输入完成。我尝试了 Superwhisper的 S1 Voice 和 Ultra V3 Turbo 模型，和 macOS 自带语音输入。
S1 的识别质量比较好，速度也很快，不过依赖云端，在 Automatic 模式下偶尔会混杂简体、繁体和英文；切换到简体中文模式后，又会偶尔丢失标点。
Ultra V3 Turbo 准确性最好，但最大的问题是响应速度，本地运行虽然不依赖云端，但等待识别结果的时间比较长，很容易打断思路。
最后我还是回到了 macOS 自带的语音输入。虽然识别准确率没有 S1 高，但响应几乎是即时的，不会打断思路。对于我来说，语音输入最重要的是把想法快速记录下来，至于错别字、病句、标点和语序，我更习惯在完成初稿之后，再交给 ChatGPT 做统一整理。
目前看来，这种工作流最适合我：Apple 负责记录，ChatGPT 负责后处理。