大脑的“硬伤”，竟然被“快餐式”AI读书无限放大了！很多人还在以此为傲丨世界读书日
4月23日是世界读书日。在AI时代，各种知识类“代餐”层出不穷——“3分钟看完一本书”“任何一本书都一小时读完”的短视频和笔记可以用眼花缭乱来形容。
随便点开一看，内容要么是AI写书摘、做视频直接喂给你看，要么是教你怎么用AI拆书。感觉效率爆棚，但读完好像什么都没留下。可以说，快餐式阅读放大了人类阅读本身的几个“生理bug”，却忽略了AI真正该补上的地方。
“快餐式”阅读的“致命”陷阱
| --> |
大部分人平时阅读目的，归纳起来就两类:一类是功利性阅读，是奔着学知识、解决实际问题去的，要求内容准确扎实；另一类是消遣性阅读，主要目的是放松，图的是沉浸式的情绪体验。
但问题是，AI代读和切片“快餐”阅读恰好在这两方面都精准踩到了坑里。
1 对于功利性阅读:颗粒度粗+易失真
功利性阅读本来是带着明确目的的，要的是能落地的实在信息。但快餐拆书为了流量及适配大多数读者，只能做粗颗粒度内容，导致核心的实践性、深入细节全被砍掉，看了也难以有实际收获。
不仅如此，二次拆书还会出现信息偏差、夹带私货、简单归因等问题，就算大方向好像没错，也很容易偏离原作者的真实意图。
2 对于消遣性阅读:完全丢失情绪价值
如果说功利阅读还只是“吃不到干货”，那用AI拆书来消遣，就是“花钱买票然后让人直接把电影结局念给你听”。
本来读消遣类的书是奔着读着有意思去的，但用了AI之后，原本能感受到的沉浸式“心流”体验被拆得七零八碎——铺垫、转折、细腻描写全没了，只剩干巴巴的结论。
更可惜的是，书中那些看似“没用”的闲笔、作者埋的幽默梗或小彩蛋，本来就是阅读时的意外小惊喜，但拆书为了追求所谓“效率”，会像滤网一样把这些细碎的点统统过滤，导致情绪价值被抽干。你好像“知道”了故事，但什么情绪都没留下。
大脑的“bug”，
加速放大碎片化阅读的缺陷
目前，现代学界对阅读脑机制的认知核心是神经元再利用假说。简单来说就是大脑的阅读功能是强行调用天生的视觉皮层、布洛卡区(Broca's Area，语音处理核心脑区)、运动皮层(Motor Cortex)外加后天训练出来的视觉词形区(Visual Word Form Area，VWFA)#8204;最终“凑”出来的功能，这就导致了各种各样的“bug”。
Bug 1:喜欢框架先行
首先是框架先行，说白了就是要先知道一本书、一篇文章大致上准备说什么，这样才能更好地接收信息。
大脑海马体的编码逻辑是“关联优先”，如果阅读前还没形成对应的认知框架，那么接收到的信息就很容易变成零散的碎片，难以梳理，这也是为什么小时候总是听说读书要一次粗读加一次细读。
Bug 2:不擅长应对网状内容
大家在读书时有没有遇到过看了后面忘前面的情况？这其实是因为眼睛和书本的物理形态决定了阅读天生是线性的——一个字一个字、一行一行地扫过去。
但问题是，对于许多知识密度高的书来说，核心框架和关键洞见并不是线性的，而是像一张互相勾连的网。你要理解A，可能需要提前知道B和C，而B又指向了D。用线性的眼睛去追这张网，当然吃力。眼球不断往前翻、往回找的“回溯”成本极高，非常消耗认知资源。
对于大脑来说，不太可能克服“一口气先看完整本书再思考”这个硬件限制。而快餐阅读恰恰迎合了这个bug:它把原本复杂交织的网状知识，全部切碎成一个个线性排列、彼此孤立的“信息点”。你看起来是顺畅地“接收”了所有信息，舒服了，但知识网络被打散了，什么用都没有。
Bug 3:好书普遍带前置信息差
第三个bug 更隐蔽:很多书读不懂，并不是因为它太难，而是你和作者之间存在“前置信息差”。作者写的时候，默认你已经知道了某些基础信息；文学作品很多也默认你知道时代背景。
而快餐式拆书，会加剧这一问题——书中原本可能存在的部分“铺垫”和“过程”也被直接跳过。看似没门槛了，但你接收的结论因为缺失了支撑它的背景网络，反而更容易被带跑偏。
AI读书，用对了可以补“bug”！
既然咱们已经搞懂阅读卡壳的真正原因，那AI本来就是帮咱们补这些短板的有力工具。把 AI 当切片拆书工具用实属用它的短处放大咱们本身的bug，但只要找对正确方式不就行了？
下面分享一份实用的AI辅助阅读实操指南，帮你实现真正用对AI！
1用AI输出全局框架、基础背景、核心结论，
补全bug
这是AI辅助阅读的第一步，拿到书先别着急自己翻，先让AI输出三个核心内容。
首先是输出全书的全局框架，帮你提前搭好认知锚点，对应咱们之前说的认知要框架先行的 bug。
第二是让AI告诉你书里涉及的必备基础背景知识，补全和作者之间的前置信息差，不用自己到处查资料卡壳。对于知识性内容，可以让它实时梳理概念间的网状关联，帮你看到知识全貌；对于消遣类作品，可以预先让AI先梳理好大纲和脉络，补全必要的信息，仍然可以让你事半功倍，提升阅读体验——当然了，悬疑/推理类小说并不建议这样操作。
第三是让它告诉你原作者的核心结论，提前锚定阅读方向，避免被零散信息带偏，也不会有拆书二次加工的失真问题。
2 阅读后提问与扩展
阅读正文时靠AI当外挂扫清了障碍，但合上书后AI依然有发挥作用的余地——读完书后复习知识点能够有效帮助我们真正记牢所看的内容，否则很容易又变回“知道很多道理，但过两天就忘”。
具体可以这么做:
· 主动提问，检验内化:不要问“这本书讲了什么”，而是基于你记下的框架和疑惑，让 AI 模拟好奇的朋友向你提问，例如“我跟你二次确认一下这本书x观点是不是xxxx的意思？”然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了，哪些还含糊。
· 知识缝合，扩展连接:比如“这本书里提到的‘心流’概念，和我之前看过的《刻意练习》里的‘学习区’理论，具体有什么关联和区别？”或者“这个观点，可以解释我最近工作中遇到的xxxx现象吗？”AI能快速帮你找到连接点，把新知识缝进原有的知识体系。
· 激发好奇，探索前沿:基于书中的结论或遗留问题，让AI提供最新的研究进展、相关案例或相反观点的著作。例如“作者说这个经济模型正在失效，那最近三年有没有新的研究支持或挑战它？”这能将一次阅读变成一条探索路径的起点。
所以说，别再追求“3分钟读完”的幻觉了。用对AI，才能真正更深入、更完整地读好一本书，把书里写的真正变成你自己的。
参考文献
迪昂， 斯坦尼斯拉斯 (Dehaene, Stanislas). 《脑与阅读:破解人类阅读之谜》. 周加仙 等译. 杭州: 浙江教育出版社， 2018.
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.
Sweller, John. "Cognitive Load Theory, Learning Difficulty, and Instructional Design." Learning and Instruction 4, no. 4 (1994): 295–312.
卡尔， 尼古拉斯 (Carr, Nicholas). 《浅薄:互联网如何毒化了我们的大脑》. 刘纯博 译. 北京: 中信出版社， 2010.
Anderson, John R. Cognitive Psychology and Its Implications. 8th ed. New York: Worth Publishers, 2014.
策划制作
作者丨Sammy Zeng 独立 AI 研究者 科普作者
