大脑的“硬伤”，竟然被“快餐式”AI读书无限放大了

大脑(nao)的“硬伤”，竟然被“快餐式”AI读书(shu)无限放大了！很多人还在(zai)以(yi)此为傲丨世界读书日

4月(yue)23日是(shi)世界(jie)读书日???。在AI时代(dai)，各种知识类“代餐(can)”层出不穷——“3分钟看(kan)完一(yi)本(ben)书”“任何一本书(shu)都一小时读完”的短视频和笔记可以(yi)用眼花缭乱(luan)来(lai)形容???。

随便点开(kai)一(yi)看，内容要(yao)么是AI写书摘、做视频直接喂给你看(kan)，要么是教你怎么(me)用(yong)AI拆书???。感觉(jue)效率爆(bao)棚，但读完好像什(shi)么(me)都没留下???。可以说，快餐(can)式阅读放大了人类(lei)阅读(du)本身的(de)几个(ge)“生理bug”，却忽略了AI真正该补上的地方???。

“快(kuai)餐式(shi)”阅(yue)读的“致命”陷阱

大部分(fen)人(ren)平时阅读目的，归纳起来(lai)就(jiu)两类：一类是功利性阅读，是奔着学知识、解决实际问题(ti)去的(de)，要求内容准确(que)扎实；另一(yi)类是消(xiao)遣性阅(yue)读，主要目(mu)的是放(fang)松，图的是(shi)沉浸式的情绪体(ti)验???。

但问题是，AI代读和切片(pian)“快餐”阅读恰好在(zai)这两方面都精准踩到了(le)坑(keng)里???。

1 对于功利性阅读：颗(ke)粒度粗+易失(shi)真

功(gong)利性阅读本来(lai)是带着(zhe)明确目的的，要的(de)是能落地的实在信息???。但快餐拆书为了(le)流量及适配(pei)大多数读者，只能做粗(cu)颗粒度内(nei)容，导(dao)致核心的实践性、深入细节全被砍(kan)掉，看了也难以有实(shi)际收获???。

不仅如此(ci)，二(er)次拆书(shu)还(hai)会出现信息(xi)偏差、夹带私货、简单(dan)归因等问题，就算大方向好像没错，也很(hen)容易偏(pian)离原作者的真(zhen)实意图(tu)???。

2 对于(yu)消遣性阅读：完全(quan)丢失情(qing)绪价值

如果说功利阅读还只是“吃(chi)不到干(gan)货”，那用AI拆书来消遣，就是“花钱买票然后让人直接(jie)把电影结(jie)局念给你听”???。

本来读消遣类的书(shu)是奔着读着有意思去的，但(dan)用了(le)AI之后，原(yuan)本(ben)能(neng)感受到的沉浸式“心流”体验被拆(chai)得七零八碎——铺(pu)垫、转折(she)、细腻(ni)描写全没(mei)了，只剩干巴巴(ba)的结(jie)论???。

更可惜的是，书中那(na)些看似“没用”的闲(xian)笔、作者埋的幽默梗或小彩(cai)蛋，本(ben)来就是阅读时的意外小惊喜，但拆书(shu)为了追求所谓(wei)“效率”，会像滤网一样把这些细碎的(de)点统统(tong)过滤，导致情绪价值(zhi)被(bei)抽(chou)干???。你好像(xiang)“知道(dao)”了故事(shi)，但(dan)什么(me)情绪都没留下???。

大脑的(de)“bug”，

加速放大碎片化(hua)阅读的缺陷

目前，现代学界对(dui)阅读脑机制的认(ren)知核心(xin)是神经元再利用(yong)假说???。简(jian)单(dan)来说就(jiu)是大(da)脑的阅读功(gong)能是强行(xing)调用(yong)天生的(de)视觉皮(pi)层(Visual Cortex)、布洛卡区(Broca's Area，语音处理核心脑区)、运(yun)动皮层(ceng)(Motor Cortex)外(wai)加后天训练出来的视(shi)觉词形区(qu)(Visual Word Form Area，VWFA)?最终“凑”出(chu)来的功能(neng)，这就导致了各(ge)种各(ge)样的(de)“bug”???。

Bug 1：喜欢框架(jia)先行

首先是框(kuang)架先行，说白了就是要先知道一本(ben)书、一篇(pian)文章(zhang)大致上(shang)准备说什么，这样才(cai)能(neng)更好(hao)地接收信息???。

大脑(nao)海马(ma)体的编码(ma)逻(luo)辑是“关联优先”，如果阅读前还没形(xing)成对应的认知框(kuang)架，那么(me)接收到的信息就很(hen)容易变成零散的(de)碎(sui)片，难以梳理，这也(ye)是为什(shi)么小时候(hou)总是(shi)听说(shuo)读书要一次粗读加一(yi)次细读???。

Bug 2：不擅长应(ying)对(dui)网(wang)状内(nei)容

大(da)家在读书时有没(mei)有遇到过(guo)看了后(hou)面忘(wang)前面的情况？这其实是因为眼睛和(he)书本的(de)物理(li)形态(tai)决定了阅读天生(sheng)是线性的——一个(ge)字一(yi)个字、一行一(yi)行(xing)地(di)扫过去???。

但问题是，对于许(xu)多(duo)知识密(mi)度高的书来说，核心框架和关键洞见并不是线性的，而(er)是像一(yi)张互相勾连的网???。你要(yao)理(li)解(jie)A，可能(neng)需要提前知道(dao)B和C，而B又(you)指向了D???。用(yong)线性的眼睛去(qu)追这张网(wang)，当(dang)然吃力(li)???。眼(yan)球不断往前翻、往(wang)回找的“回溯”成本极高，非常(chang)消耗认知资(zi)源(yuan)???。

对于大脑来说，不太可能(neng)克服“一口气(qi)先看完(wan)整本(ben)书再思考”这(zhe)个(ge)硬件限制???。而快(kuai)餐阅读恰(qia)恰(qia)迎合了这个(ge)bug：它把(ba)原本复(fu)杂交织的网(wang)状知识，全部切碎成(cheng)一个个线性排列、彼此孤立的“信息(xi)点”???。你看(kan)起来是顺(shun)畅地“接收”了所有(zuozhe)信息，舒服了(le)，但(dan)知识网(wang)络被打散(san)了(le)，什么用都没有???。

Bug 3：好书(shu)普遍带前置信息差

第(di)三个bug 更隐蔽(bi)：很多书读不懂(dong)，并不是因(yin)为(wei)它太(tai)难，而是你和作者(zhe)之间存在(zai)“前置信(xin)息差”???。作(zuo)者写(xie)的时(shi)候，默(mo)认(ren)你已经知(zhi)道(dao)了某些基础信息(xi)(比如讲三角函数，默认你知道啥是三角形)；文学作品很多也(ye)默(mo)认(ren)你知道时代背景(jing)???。

而快餐式拆书(shu)，会加剧这一问题——书(shu)中原本(ben)可能存在(zai)的(de)部(bu)分(fen)“铺垫”和“过程”也被直接(jie)跳过???。看似没(mei)门槛了，但你(ni)接收的结论因为缺(que)失了支撑它的(de)背景网络，反而更容易被带跑偏???。

AI读(du)书，用对了可以补“bug”！

既然咱们已(yi)经搞懂阅(yue)读卡(ka)壳的真正原因(yin)，那AI本来就是帮(bang)咱们补这些短板的有力工具???。把 AI 当切片拆书(shu)工具用(yong)实属用它的短处放大咱们本(ben)身的bug，但只要找(zhao)对正确(que)方式不就行了？

下面分享一份实用的AI辅助阅(yue)读实操指南，帮你实现真正用对AI！

1用AI输(shu)出全局(ju)框架、基础背景、核心结论(lun)，

补全bug

这是(shi)AI辅助阅读的第一步(bu)，拿到书先别(bie)着急自己翻(fan)，先让AI输(shu)出三个核心内容???。

首先是输出全书的全局框架，帮你提前搭好认知锚点(dian)，对(dui)应咱们之前说的认知要框架先行的 bug???。

第二(er)是让(rang)AI告诉你书里(li)涉及的必备(bei)基础背景知识，补全和作者(zhe)之间的(de)前置信息差，不用自己到(dao)处查(cha)资料卡壳???。对(dui)于知识性内容(rong)，可以让它实(shi)时(shi)梳理概(gai)念间的网状关联(lian)，帮你看到知识(shi)全貌；对于消遣类作品，可以预(yu)先让AI先梳理好大(da)纲和脉络，补全必要的信息，仍(reng)然可以(yi)让你事半功倍(bei)，提升阅读体验(yan)——当然了，悬(xuan)疑/推理类小(xiao)说并(bing)不建议(yi)这(zhe)样操作???。

第(di)三(san)是让它告诉你原作者(zhe)的核心结(jie)论，提前锚(mao)定阅读方向(xiang)，避免被零散信(xin)息(xi)带偏，也不(bu)会有拆书二(er)次加(jia)工(gong)的失真问题???。

2 阅读后提问与(yu)扩展

阅读(du)正文时(shi)靠AI当外(wai)挂扫清了(le)障碍，但(dan)合上书后AI依然有发挥作用的(de)余地——读(du)完书后复习知识点能够(gou)有效帮助我们真正记(ji)牢(lao)所看的内容(rong)，否则(ze)很容易又变回“知道很(hen)多道理，但过(guo)两天(tian)就忘”???。

具体可以(yi)这么做(zuo)：

· 主(zhu)动提问，检验(yan)内化(hua)：不要问“这本书(shu)讲了什(shi)么”，而(er)是(shi)基于你记下的框架和疑惑，让 AI 模拟好(hao)奇的朋友向你提问，例如“我跟你(ni)二次确认(ren)一(yi)下这本书x观点是不(bu)是xxxx的(de)意思？”然(ran)后由你自己组织语言回答???。这个过程能立刻检验哪些地方真懂(dong)了，哪(na)些还(hai)含糊???。

· 知识(shi)缝合，扩展连接：比如“这本书里提到的‘心流’概(gai)念，和(he)我(wo)之前看(kan)过(guo)的《刻意(yi)练习》里(li)的‘学习区’理论(lun)，具体有什么(me)关联和区别？”或者“这个观点，可以解释我最近工作中遇到的xxxx现(xian)象吗(ma)？”AI能快速帮你找(zhao)到连接点，把新知识缝进原有的知识体系???。

· 激发好奇，探索前沿：基于书中(zhong)的结论或遗留问题，让AI提供最新(xin)的研究(jiu)进展、相关案(an)例或相反观点的著作???。例(li)如“作(zuo)者说这个经济模型正在(zai)失效，那最近三年(nian)有没(mei)有新(xin)的研究(jiu)支持或挑战它？”这能将一(yi)次(ci)阅读(du)变成一条探(tan)索路径的(de)起点???。

所以说，别(bie)再追求“3分钟读完(wan)”的幻(huan)觉了???。用(yong)对AI，才(cai)能真正更深入、更完(wan)整地读好一本书，把(ba)书(shu)里写的(de)真正变成你自己的(de)???。

参考文(wen)献

[1]迪昂(ang)， 斯(si)坦尼(ni)斯拉斯 (Dehaene, Stanislas). 《脑与阅读：破解人(ren)类阅读之谜》. 周加(jia)仙 等译. 杭州： 浙(zhe)江教育出(chu)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(ka)尔， 尼古拉斯 (Carr, Nicholas). 《浅薄：互联网如何毒化了我们(men)的大脑》. 刘(liu)纯博(bo) 译. 北京： 中信出版(zuozhe)社， 2010.

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

策(ce)划(hua)制作

作者(zhe)丨Sammy Zeng 独立 AI 研究者 科普作者

(来源(yuan)：科普(pu)中国微(wei)信(xin)公(gong)众号)【编辑:惠(hui)小东】