◇ 建立知識框架的三種方法
如之前所說，我們在面對一個龐大的新的知識概念時，如果該知識跟自己的專業完全搭不上邊，一般來說我們會從哪個地方下手都沒有概念。
這時除了砸時間擴大自己的見識，慢慢摸索出最基礎的知識群外，我們還可以透過三種方式來做為最一開始接觸該專業知識的起手式。
◆ 參考別人的框架
站在巨人的肩膀上前行一直都是知識累積的最佳方式之一，當我們想接觸想學習的知識點是大學某科系專業的一部分時，對於框架的架構我們大可不必太擔心了。
直接找教科書複製章節大綱，細目過來用就行。
那當然的，大綱上我們會有許多不懂的東西，這些東西正是我們要研究要學習的知識點，透過逐條理解及展開延伸讓自己能夠觸及到的範圍擴展到全面理解，甚至超過教科書提供的知識架構。
這方法是在知識群過於龐大時完全不知道從何開始為主概念，也不清楚哪邊是延伸概念時最快捷的方式，並不是就要開始將課本上的知識照單全吸收，是以課本上的概念為主，繼續再向外拓深自己不了解的地方或者自己想到能夠延伸的地方，用別人的知識樹幹、樹枝為基底，延伸出自己的知識網。
◆ 找懶人包
如果不想從教科書上開始，懶人包、第一次ｘｘｘ就上手之類的書籍會是我們很好的選擇，雖然這些懶人包或者快速解析常常會因為要快速讓讀者理解而過度簡化到有點瑕疵的描述，但這些書籍或片段資訊也都是他人濃縮濃縮再濃縮，還簡化到讓一般人也看得懂的狀態的著作。
做為一個知識的研究起始點，白話到極致的濃縮再濃縮的精華是最適合不過的了。
比起參考他人或課本的框架來說更需要自己對於起始點的拓展探究，將濃縮過後的精華推展成一個屬於自己的知識網。
這也會比起直接抄來的大鋼還要困難些，但也因這些知識點和知識點之間的連結是自己創造的，比起教科書預先給自己的知識點能夠更好熟悉，能夠更快速的「內化」這些外來的、研究查詢來的知識。
◆ 直接問AI
在未來，我們如今的學習行為在AI發展至極致的時候會變得多此一舉，也或許到時有了所謂腦機終端系統，甚至人類插上晶片就可以吸收晶片內所記存的所有知識。
這些科技是有點眉目見到端倪，以目前的進步速度最快也要三五十年後有可能真的完全實現。
再來，學習力的培養與訓練並不是單單為了吸收知識，學習力內包含了對於知識的擴展與運用，這部分涉及了人類才有的技能－創造。
不管是從原有知識延伸出自己的新的觀點，還是從舊有知識中找出自己的懷疑，這些都是在已經被我們輸入進大腦中的固定的已知的知識點中創造出一個新的小的概念，這個目前人工智慧是辦不到的，即使他AI的資訊也是透過現有資訊深度學習而來回答人類，但他無法憑空創造一個新的概念出來，不是科技進度的問題，是我們人類無法將「創造」的概念傳達給機器。
「創造力」這也是未來大部分不會被取代的職業所必需的能力之一。
回到正題，作為一個闖進現代生活的新寵，太深入的知識問題AI的回應或許還是會有些牛頭不對馬嘴，或一本正經地轉述他在各種資料海中取得的錯誤資訊。
拿來詢問學習方向或者學習內容之類讓人工智慧快速爬文學習在轉傳達給我們，藉由一步步問下去，一步步作筆記，一步步發散自己的想法與問題來說，是個非常方便的學習輔助工具。
如同前面所說，方便是方便很多，但我們提問的問題會被AI所提供的唯一解侷限住，如果過度依賴AI反而會造成我們的知識點、資訊、觀點的拓展侷限，而且過微末節的細瑣的資訊可能會因為網路或者文獻不夠多而時有錯誤的、偏頗的見解，因此這方法只適合作為知識樹上的主幹建立，拓展出的第二三層之後的延伸知識可能需要更多方面的資訊蒐集。
