大腦的“硬傷”，竟然被“快餐式”AI讀書無限放大了！很多人還在以此為傲丨世界讀書日

　　4月23日是世界讀書日。在AI時代，各種知識類“代餐”層出不窮——“3分鐘看完一本書”“任何一本書都一小時讀完”的短視頻和筆記可以用眼花繚亂來形容。

　　隨便點(diǎn)開一看，內(nèi)容要么是AI寫書摘、做視頻直接喂給你看，要么是教你怎么用AI拆書。感覺效率爆棚，但讀完好像什么都沒留下?？梢哉f，快餐式閱讀放大了人類閱讀本身的幾個“生理bug”，卻忽略了AI真正該補(bǔ)上的地方。

　　“快餐式”閱讀的“致命”陷阱

　　大部分人平時閱讀目的，歸納起來就兩類：一類是功利性閱讀，是奔著學(xué)知識、解決實(shí)際問題去的，要求內(nèi)容準(zhǔn)確扎實(shí)；另一類是消遣性閱讀，主要目的是放松，圖的是沉浸式的情緒體驗(yàn)。

　　但問題是，AI代讀和切片“快餐”閱讀恰好在這兩方面都精準(zhǔn)踩到了坑里。

　　1 對于功利性閱讀：顆粒度粗+易失真

　　功利性閱讀本來是帶著明確目的的，要的是能落地的實(shí)在信息。但快餐拆書為了流量及適配大多數(shù)讀者，只能做粗顆粒度內(nèi)容，導(dǎo)致核心的實(shí)踐性、深入細(xì)節(jié)全被砍掉，看了也難以有實(shí)際收獲。

　　不僅如此，二次拆書還會出現(xiàn)信息偏差、夾帶私貨、簡單歸因等問題，就算大方向好像沒錯，也很容易偏離原作者的真實(shí)意圖。

　　2 對于消遣性閱讀：完全丟失情緒價值

　　如果說功利閱讀還只是“吃不到干貨”，那用AI拆書來消遣，就是“花錢買票然后讓人直接把電影結(jié)局念給你聽”。

　　本來讀消遣類的書是奔著讀著有意思去的，但用了AI之后，原本能感受到的沉浸式“心流”體驗(yàn)被拆得七零八碎——鋪墊、轉(zhuǎn)折、細(xì)膩描寫全沒了，只剩干巴巴的結(jié)論。

　　更可惜的是，書中那些看似“沒用”的閑筆、作者埋的幽默?；蛐〔实埃緛砭褪情喿x時的意外小驚喜，但拆書為了追求所謂“效率”，會像濾網(wǎng)一樣把這些細(xì)碎的點(diǎn)統(tǒng)統(tǒng)過濾，導(dǎo)致情緒價值被抽干。你好像“知道”了故事，但什么情緒都沒留下。

　　大腦的“bug”，

　　加速放大碎片化閱讀的缺陷

　　目前，現(xiàn)代學(xué)界對閱讀腦機(jī)制的認(rèn)知核心是神經(jīng)元再利用假說。簡單來說就是大腦的閱讀功能是強(qiáng)行調(diào)用天生的視覺皮層(Visual Cortex)、布洛卡區(qū)(Broca's Area，語音處理核心腦區(qū))、運(yùn)動皮層(Motor Cortex)外加后天訓(xùn)練出來的視覺詞形區(qū)(Visual Word Form Area，VWFA) 最終“湊”出來的功能，這就導(dǎo)致了各種各樣的“bug”。

　　Bug 1：喜歡框架先行

　　首先是框架先行，說白了就是要先知道一本書、一篇文章大致上準(zhǔn)備說什么，這樣才能更好地接收信息。

　　大腦海馬體的編碼邏輯是“關(guān)聯(lián)優(yōu)先”，如果閱讀前還沒形成對應(yīng)的認(rèn)知框架，那么接收到的信息就很容易變成零散的碎片，難以梳理，這也是為什么小時候總是聽說讀書要一次粗讀加一次細(xì)讀。

　　Bug 2：不擅長應(yīng)對網(wǎng)狀內(nèi)容

　　大家在讀書時有沒有遇到過看了后面忘前面的情況？這其實(shí)是因?yàn)檠劬蜁镜奈锢硇螒B(tài)決定了閱讀天生是線性的——一個字一個字、一行一行地掃過去。

　　但問題是，對于許多知識密度高的書來說，核心框架和關(guān)鍵洞見并不是線性的，而是像一張互相勾連的網(wǎng)。你要理解A，可能需要提前知道B和C，而B又指向了D。用線性的眼睛去追這張網(wǎng)，當(dāng)然吃力。眼球不斷往前翻、往回找的“回溯”成本極高，非常消耗認(rèn)知資源。

　　對于大腦來說，不太可能克服“一口氣先看完整本書再思考”這個硬件限制。而快餐閱讀恰恰迎合了這個bug：它把原本復(fù)雜交織的網(wǎng)狀知識，全部切碎成一個個線性排列、彼此孤立的“信息點(diǎn)”。你看起來是順暢地“接收”了所有信息，舒服了，但知識網(wǎng)絡(luò)被打散了，什么用都沒有。

　　Bug 3：好書普遍帶前置信息差

　　第三個bug 更隱蔽：很多書讀不懂，并不是因?yàn)樗y，而是你和作者之間存在“前置信息差”。作者寫的時候，默認(rèn)你已經(jīng)知道了某些基礎(chǔ)信息(比如講三角函數(shù)，默認(rèn)你知道啥是三角形)；文學(xué)作品很多也默認(rèn)你知道時代背景。

　　而快餐式拆書，會加劇這一問題——書中原本可能存在的部分“鋪墊”和“過程”也被直接跳過。看似沒門檻了，但你接收的結(jié)論因?yàn)槿笔Я酥嗡谋尘熬W(wǎng)絡(luò)，反而更容易被帶跑偏。

　　AI讀書，用對了可以補(bǔ)“bug”！

　　既然咱們已經(jīng)搞懂閱讀卡殼的真正原因，那AI本來就是幫咱們補(bǔ)這些短板的有力工具。把 AI 當(dāng)切片拆書工具用實(shí)屬用它的短處放大咱們本身的bug，但只要找對正確方式不就行了？

　　下面分享一份實(shí)用的AI輔助閱讀實(shí)操指南，幫你實(shí)現(xiàn)真正用對AI！

　　1 用AI輸出全局框架、基礎(chǔ)背景、核心結(jié)論，

　　補(bǔ)全bug

　　這是AI輔助閱讀的第一步，拿到書先別著急自己翻，先讓AI輸出三個核心內(nèi)容。

　　首先是輸出全書的全局框架，幫你提前搭好認(rèn)知錨點(diǎn)，對應(yīng)咱們之前說的認(rèn)知要框架先行的 bug。

　　第二是讓AI告訴你書里涉及的必備基礎(chǔ)背景知識，補(bǔ)全和作者之間的前置信息差，不用自己到處查資料卡殼。對于知識性內(nèi)容，可以讓它實(shí)時梳理概念間的網(wǎng)狀關(guān)聯(lián)，幫你看到知識全貌；對于消遣類作品，可以預(yù)先讓AI先梳理好大綱和脈絡(luò)，補(bǔ)全必要的信息，仍然可以讓你事半功倍，提升閱讀體驗(yàn)——當(dāng)然了，懸疑/推理類小說并不建議這樣操作。

　　第三是讓它告訴你原作者的核心結(jié)論，提前錨定閱讀方向，避免被零散信息帶偏，也不會有拆書二次加工的失真問題。

　　2 閱讀后提問與擴(kuò)展

　　閱讀正文時靠AI當(dāng)外掛掃清了障礙，但合上書后AI依然有發(fā)揮作用的余地——讀完書后復(fù)習(xí)知識點(diǎn)能夠有效幫助我們真正記牢所看的內(nèi)容，否則很容易又變回“知道很多道理，但過兩天就忘”。

　　具體可以這么做：

　　· 主動提問，檢驗(yàn)內(nèi)化：不要問“這本書講了什么”，而是基于你記下的框架和疑惑，讓 AI 模擬好奇的朋友向你提問，例如“我跟你二次確認(rèn)一下這本書x觀點(diǎn)是不是xxxx的意思？”然后由你自己組織語言回答。這個過程能立刻檢驗(yàn)?zāi)男┑胤秸娑?，哪些還含糊。

　　· 知識縫合，擴(kuò)展連接：比如“這本書里提到的‘心流’概念，和我之前看過的《刻意練習(xí)》里的‘學(xué)習(xí)區(qū)’理論，具體有什么關(guān)聯(lián)和區(qū)別？”或者“這個觀點(diǎn)，可以解釋我最近工作中遇到的xxxx現(xiàn)象嗎？”AI能快速幫你找到連接點(diǎn)，把新知識縫進(jìn)原有的知識體系。

　　· 激發(fā)好奇，探索前沿：基于書中的結(jié)論或遺留問題，讓AI提供最新的研究進(jìn)展、相關(guān)案例或相反觀點(diǎn)的著作。例如“作者說這個經(jīng)濟(jì)模型正在失效，那最近三年有沒有新的研究支持或挑戰(zhàn)它？”這能將一次閱讀變成一條探索路徑的起點(diǎn)。

　　所以說，別再追求“3分鐘讀完”的幻覺了。用對AI，才能真正更深入、更完整地讀好一本書，把書里寫的真正變成你自己的。

　　參考文獻(xiàn)

　　[1]迪昂， 斯坦尼斯拉斯 (Dehaene, Stanislas). 《腦與閱讀：破解人類閱讀之謎》. 周加仙 等譯. 杭州： 浙江教育出版社， 2018.

　　[2]Rumelhart, David E. "Schemata: The Building Blocks of Cognition." In Theoretical Issues in Reading Comprehension, edited by Rand J. Spiro, Bertram C. Bruce, and William F. Brewer, 33–58. Hillsdale, NJ: Lawrence Erlbaum Associates, 1980.

　　[3]Sweller, John. "Cognitive Load Theory, Learning Difficulty, and Instructional Design." Learning and Instruction 4, no. 4 (1994)： 295–312.

　　[4]卡爾， 尼古拉斯 (Carr, Nicholas). 《淺?。夯ヂ?lián)網(wǎng)如何毒化了我們的大腦》. 劉純博 譯. 北京： 中信出版社， 2010.

　　[5]Anderson, John R. Cognitive Psychology and Its Implications. 8th ed. New York: Worth Publishers, 2014.

　　策劃制作

　　作者丨Sammy Zeng 獨(dú)立 AI 研究者 科普作者