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。可以說，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，是奔著學知識、解決實際問題去的，要求內(nèi)容準確扎實；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。

　　但問題是，AI代讀和切片“快餐”閱讀恰好在這兩方面都精準踩到了坑里。

　　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，導致核心的實踐性、深入細節(jié)全被砍掉，看了也難以有實際收獲。

　　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”體驗被拆得七零八碎——鋪墊、轉(zhuǎn)折、細膩描寫全沒了，只剩干巴巴的結論。

　　更可惜的是，書中那些看似“沒用”的閑筆、作者埋的幽默梗或小彩蛋，本來就是閱讀時的意外小驚喜，但拆書為了追求所謂“效率”，會像濾網(wǎng)一樣把這些細碎的點統(tǒng)統(tǒng)過濾，導致情緒價值被抽干。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)代學界對閱讀腦機制的認知核心是神經(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))、運動皮層(Motor Cortex)外加后天訓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“關聯(lián)優(yōu)先”，如果閱讀前還沒形成對應的認知框架，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讀。

　　Bug 2：不擅長應對網(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？這其實是因為眼睛和書本的物理形態(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”。你看起來是順暢地“接收”了所有信息，舒服了，但知識網(wǎng)絡被打散了，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，并不是因為它太難，而是你和作者之間存在“前置信息差”。作者寫的時候，默認你已經(jīng)知道了某些基礎信息(比如講三角函數(shù)，默認你知道啥是三角形)；文學作品很多也默認你知道時代背景。

　　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，但你接收的結論因為缺失了支撐它的背景網(wǎng)絡，反而更容易被帶跑偏。

AI讀書，用對了可以補“bug”！

　　既然咱們已經(jīng)搞懂閱讀卡殼的真正原因，那AI本來就是幫咱們補這些短板的有力工具。把 AI 當切片拆書工具用實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？

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

　　1 用AI輸出全局框架、基礎背景、核心結論，

　　補全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，幫你提前搭好認知錨點，對應咱們之前說的認知要框架先行的 bug。

　　第二是讓AI告訴你書里涉及的必備基礎背景知識，補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，可以讓它實時梳理概念間的網(wǎng)狀關聯(lián)，幫你看到知識全貌；對于消遣類作品，可以預先讓AI先梳理好大綱和脈絡，補全必要的信息，仍然可以讓你事半功倍，提升閱讀體驗——當然了，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 閱讀后提問與擴展

　　閱讀正文時靠AI當外掛掃清了障礙，但合上書后AI依然有發(fā)揮作用的余地——讀完書后復習知識點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“我跟你二次確認一下這本書x觀點是不是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哪些地方真懂了，哪些還含糊。

　　· 知識縫合，擴展連接：比如“這本書里提到的‘心流’概念，和我之前看過的《刻意練習》里的‘學習區(qū)’理論，具體有什么關聯(lián)和區(qū)別？”或者“這個觀點，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，把新知識縫進原有的知識體系。

　　· 激發(fā)好奇，探索前沿：基于書中的結論或遺留問題，讓AI提供最新的研究進展、相關案例或相反觀點的著作。例如“作者說這個經(jīng)濟模型正在失效，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。

　　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

　　[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 獨立 AI 研究者 科普作者

　　(來源：科普中國微信公眾號)