一次无意识的思想漂流：AI 时代，我们何以自处？

最近几次长途开车，我都在一路听李继刚的播客。

从广东开车去贵阳的来回路上，我先听了「有知有行」中孟岩与李继刚的对话。开篇的一句话便让我久久不能平静：

工业革命拿走了体力，AI 正在拿走脑力。留给人的，是心力。

这样的时代之下，人何以自处？

听得酣畅淋漓，意犹未尽，我又追到「面基」播客，听他聊读书的四种配速：主题阅读、每周一本书、每天一本书，以及围绕思维盲区展开的阅读。

听上去好像全是书，但这些讨论真正触动我的，却不是某种具体的读书技巧，而是让我第一次认真回望自己这几年使用 AI 的方式。

我一直在研究怎样让 AI 帮我分析问题、挑错、寻找盲区。李继刚却走向了另一个方向。他没有让 AI 给自己答案，而是用 AI 把自己重新送回书中。

时间过得飞快。

我从平原开到丘陵，从一个服务区驶向下一个服务区。暂停播客，车里突然安静下来。

我意识到，真正让我停下来的，并不是他说了什么惊人的观点，也不是那些读书方法有多么玄妙，而是一个看似简单的问题：

  • 同一件事情，为什么不同的人会看到完全不同的世界？
  • 有人看到机会，换一个人看到的可能是风险。
  • 有人把 AI 当作提高效率的工具，也有人把它当作认知伙伴。

这些差异背后究竟是什么？为什么有些人在投资上的判断能够穿越周期？而有些人拥有大量信息，却依然只能停留在事物的表面？

过去这些年，我一直在寻找答案。

最开始，我把 AI 当成一个更聪明的搜索引擎，不停地借助它发掘价值投资领域的书籍、语录和思想。《穷查理宝典》《段永平投资问答录》等内容，更是翻了又翻。

遇到问题，我便去问 AI。

有时面对同样一段文字，我以为自己和那些优秀投资者理解得差不多。可当 AI 将其中的假设、逻辑和现实条件逐层展开，我才发现，看似相同的理解背后，可能有着完全不同的认知结构。

这种过程曾经给我带来许多快乐。

后来，我开始让 AI 帮我从书籍和问题中寻找体系。

一个问题背后有哪些理论？ 有哪些经典案例？ 有哪些彼此冲突的学派？

慢慢地，我开始构建自己的方法。

让 AI 帮我分析，让 AI 帮我拆解，让 AI 帮我寻找盲区。

最近两个月，又从 AK 那里接触到 Auto Research 的理念，开始设计各种工作流，让 AI 分析问题、寻找错误、挑战假设、发现认知漏洞。

每天耗费大量 Token，让 AI 像一个永不停歇的研究助手一样，试图推动自己不断迭代。

那段时间，我非常兴奋。

因为我第一次强烈地感觉到，人的学习速度似乎真的可以被重新定义。

我也尝试开发各种自己使用的工具和插件，做了几个用于日常记录的语音应用，陆续加入实时对话、语音转文字、自动整理和反思等功能。

功能越来越多，分析越来越完整，结果也越来越丰富。

但越往后走，我心中反而出现了一个问题：

当 AI 可以替我快速分析、反驳和寻找盲区时，我为什么还需要重新回到阅读？

我渐渐发现：

我越来越依赖 AI。在把一部分自我反思交给 AI 的同时，是否也存在逐渐削弱内在判断的可能？

我拥有了越来越多的分析结果，但它们中的许多只是静静地躺在那里，并没有真正进入我的思想和行动。

很多时候，AI 给出了一个漂亮的答案。它逻辑完整、结构清晰，却可能建立在未经验证的假设之上。

于是，一个更加直接的问题出现了：这些答案真的改变了我吗？还是只是让我产生了一种我已经理解的错觉？

这是我听李继刚播客时最大的触动。

他的方向似乎恰好相反。他没有试图让 AI 给出答案，而是让 AI 帮助自己重新进入阅读。

他让 AI 根据日记、对话和反思提出可能存在的盲区，却没有让 AI 直接填补这些盲区。

AI 可以指出一个问题，也可以推荐一些线索，但真正的回答，仍然要回到不同作者、不同书籍和自己的长期阅读中寻找。

从这个角度看，那套阅读配速并不只是一份阅读指南。

它真正试图解决的，是当 AI 可以无限生成内容之后，人应该如何重新管理自己的注意力，如何把有限的时间留给那些值得反复进入的思想。

这让我在路上屡屡暂停播放。

我开始意识到，AI 不应该只是答案的终点，它也可以成为阅读的起点。

一本好书至少保留了一个人相对完整的思考过程。它可能错误，也可能带着作者所属时代的局限。但它能够让我们看到，一个观点如何从问题、证据、经验和时代中逐渐生长出来。

《人月神话》背后，是布鲁克斯对软件复杂性的长期反思。

《枪炮、病菌与钢铁》背后，是戴蒙德对文明差异底层原因的重新追问。

这些书真正有价值的地方，不只是告诉我们答案，而是让读者进入作者的问题世界，看到一个自己原本没有想到的问题，并观察作者如何一步步抵达他的判断。

这也让我看见，自己此前的 AI 实践究竟缺少了什么。我很好地利用了 AI 的优势，却常常止步于获得分析结果本身。

AI 加速了答案的生成，但那些答案有时只是停留在一个高度自洽的室内世界里，没有经过现实的摩擦，也没有真正进入我的生活。

AI 很强大，但这种强大本身也意味着危险。它太擅长在我们的既有问题空间里构建答案。只要问题足够明确，它就能快速生成一条看起来完整、顺畅而且内部自洽的路径。

但我们仍然需要回答：

  • 为什么要从这里出发？
  • 这个问题本身是否正确？
  • 我所提供的前提是否可靠？
  • 有没有一个更重要的问题，被我完全遗漏了？

我们急于构建一个 AI 增强的大脑，希望借助工具突破人的限制。但在突破处理速度的同时，也不能把选择方向和判断价值的责任一并交给 AI。

听着节目回头看，之前的我或许走得太快了。

我忽略了一件事情：

人的限制，也许不只是处理信息的能力，更是判断什么值得进入自己生命的能力。

AI 时代真正稀缺的，或许已经不是知道更多。信息、观点和即时解释，已经近乎无限供应。

真正稀缺的可能是：什么值得相信？什么值得长期投入？什么思想值得陪伴自己十年，甚至一生？

从李继刚的思考方式中，我所理解到的，并不是要找到某一种理论或者教条，把它奉为最终答案。

更重要的是形成一套自己的判断函数，一把用于删减噪声的剃刀，一组可以不断更换的取景框。

这些东西来自不同的书籍，也来自一个人在现实中的理解、选择和承担。以前我读书，主要基于兴趣、基于问题，也基于偶尔出现的无意识发现。而这一次，我开始看见一个更加完整的循环。

从日常兴趣和真实问题出发，从自己的日记、行动和反思出发，确定一段时间需要理解的主题。再让 AI 根据这些真实记录提出可能的盲区，把盲区当作阅读的入口，进入不同作者和不同立场的书籍之中。阅读之后，再回到现实中判断、实践和修正。

AI 可以提出盲区假设，却不能替我确认盲区。书籍可以提供完整而异质的思想路径，却不能替我决定应该相信什么。最后的判断仍然必须留在自己手中，并由自己的行动和生活承担结果。

这未必是利用 AI 学习的唯一方法，也未必已经足够成熟，但它重新定义了我对三者关系的理解：

书籍让我进入别人的问题世界，AI 帮我寻找联系、提出反驳，而我必须保留最后的判断，并用现实检验这些理解。

我曾经以为，认知成长就是不断获得更好的答案。后来才发现，它还包括在一个重要的问题面前，忍住不立即得到答案。