《原始智能》:AI时代认知升级之书

跟你分享一本英文新书Primal Intelligence: You Are Smarter Than You Know ，中文可以翻译成《原始智能：你的智慧超乎想象》。
在AI狂飙的时代，最令人担忧的莫过于人被机器所替代。显然，2026年这场替代大潮正在开启，今年的大学毕业生是ChatGPT一代，他们入学的2022年，ChatGPT推出正式开启了大语言模型改变人类工作和生活的序幕，他们也成为第一批在大学教育中广泛使用AI的人群。但问题是到了他们毕业的时候，AI已经开始抢他们的饭碗，各种入门级的工作，从码农到咨询师，都可能被AI替代。
这就需要我们去思考到底人与机器有哪些区别？《原始智能》正当其时。这本书的作者Angus Fletcher（安格斯·弗莱彻）是俄亥俄州立大学“叙事项目”（Project Narrative）的故事科学教授。而这个项目是研究叙事运作方式的世界领先学术智库。 弗莱彻教授的这本书之所以及时，因为它所探讨的就是机器无法替代哪些人的智能，也就是书名中强调的人类的“原始智能”，即我们与生俱来但常常未被充分开发的智慧潜能。这本书挑战了传统的成功和优化观念，强调我们需要对人类潜能的深入探索。这本书对人类“原始智能”的梳理，将改变我们对思考的思考方式，也有助于我们在“人机共舞”的时代更专注于超越机器的能力的培养。换句话说，理解人与AI的本质区别，花更多时间去培养人的“原始智能”，同时利用AI来放大这种智能，是AI狂飙时代人在教育和工作中应当采取的姿势。

人与AI的四大区别
弗莱彻认为，在 AI 飞速迭代、能处理海量数据、优化复杂流程的今天，人与 AI 的本质差距并非效率或算力，而是人类与生俱来的、难以被算法复制的四种核心能力，分别是直觉、想象力、情绪与常识。这些能力让人类在不确定环境中突破边界、创造新知，而这些正是 AI 难以企及，而人类可以不断挖掘的核心竞争力。
我们来一一梳理这四种核心能力。
首先是直觉。
诺奖行为经济学家卡尼曼在他最重要的著作《思考，快与慢》中提出了系统一和系统二。系统一帮助我们不假思索去做决策，系统二则是经过学习和思考来做决定。直觉很类似卡尼曼所强调的系统一，它不是通过学习习得的，却具备穿透力和在不确定环境下快速决策的能力，也是我们理解这个世界中广泛存在的 “隐形规则” 的能力。
这种能力的核心在于 “超越数据的洞察”——AI依赖海量数据训练模型，而人类直觉能在资讯极少、甚至没有先例的情况下，捕捉到被忽略的关键信号。就像居里夫人发现放射线并非原子间的化学反应，而是源自原子内部，这种突破既有认知的发现，并非来自逻辑推理的层层推导，而是源于对异常现象的直觉敏感。梵高对颜色组合的独特感知也是如此，这让他发现绿与紫、红与青的搭配能产生全新色差，并将其运用在著名的画作《星空》中，这种对美的直觉捕捉，无关数据统计，纯粹是对事物本质的直接洞察。
在商业场景中，优秀的销售能通过直觉 “比客户更了解自己”，捕捉到对方未言说的需求；在科研领域，科学家能凭直觉锁定看似无关的研究方向，最终取得突破性进展。AI 可以处理符合逻辑的常规情况，却无法像人类直觉那样，在例外中发现新规则，在模糊中快速锚定方向。成年人的世界习惯用模式和原则组织生活，更看重效率而非发现。模式和效率恰恰是AI最擅长的。
我们要与机器不同，直觉很重要。直觉要求我们保留“童心般的敏锐”。而童心恰恰是我们与生俱来的初心，也就是人与机器的第二大区别：好奇心。弗莱彻在书里讲述了一个自己的亲身故事。他给自己一岁多的孩子喂饭，喂饭的勺子掉到地上，他就找来另外一个一模一样的干净勺子让孩子吃饭，结果孩子哇哇大哭。直到他把地上的勺子捡起来洗干净再给孩子，孩子才破涕为笑，继续吃饭。这个例子其实是在告诉我们，在一两岁的孩子的童心中，世界上没有两个完全一样的东西。而成人因为太习惯于范式化，会觉得两个一模一样的勺子很正常。而孩子的那种这种“不被经验束缚”的感知力，正是直觉的源泉。
下面我们就来聊聊人与AI最大的区别——想象力。
机器特别擅长将已知的知识重新组合，给人以一种充满想象力的感觉，但真正的想象力源自我们与生俱来的好奇心，以及发现细微变化的察觉力。
AI的创造性本质是概率重组——它基于过去的数据统计，计算出最可能的组合方式，比如生成一幅画、一首诗，核心都是对既有元素的拼接优化。而人类的想象力，是无中生有的可能性探索，强调“关注眼睛看不到的东西”。逻辑计算的是概率，即过去发生过的事情未来再次出现的可能性；而想象力构建的是可能性，即从未发生过、但不违背底层规则的全新场景。

这种想象力源于好奇心的驱动。我们又得回到孩子的世界，回到童年的初心。孩子天然会用故事思维去思考世界，会追问“如果天空是绿色的会怎样”。而这种what if（如果，那么）的追问，正是创造力的起点。好的计划从来不是一条固定路径，而是“一个长期目标+多种可能路径”。战略是长期叙事，战术是沿途孵化的灵活方案，这正是想象力赋予人类的优势。
AI能穷极已知的组合，但无法像人类那样，带着好奇心去冒险，去探索那些没有数据支撑的全新方向——就像爱因斯坦提出相对论、乔布斯构想智能手机的触控屏，这些突破都不是基于既有数据的优化，而是源于对未来的大胆想象。
人与AI的另一个重要区别是情绪。
我们现在经常讲活人感，或者温度，因为机器缺乏温度。活人感和温度其实就是情绪。情绪很多时候是非理性的，但它恰恰是我们处理未知问题的基础设置。比如害怕是因为我们在潜意识里发现计划偏离了轨道，我们正在失去对事情的控制，而愤怒则可能激发起我们去孤注一掷的冒险。
AI的运行基于理性算法，没有情绪波动，也无法理解人类情绪背后的信号意义，但人类情绪恰恰是应对未知的预警系统和动力引擎。面对不确定性，人类的两种常见反应——恐惧和愤怒，都在传递关键信息：恐惧意味着超出认知边界，提醒我们计划出了问题，需要调整，避免在失控中越陷越深；愤怒则会让未来的选择窄化为单一分支，激发破釜沉舟的行动力，虽然代价高昂，却可能能在绝境中突破困局。
与 AI依赖海量数据投喂即可升级不同，人类的大脑通过主动行动、收集反馈、持续调整变得更聪明，而情绪正是这个过程的催化剂。它让我们在计划受阻时感到挫败，从而主动寻找新路径；在取得进展时感到愉悦，从而坚持长期目标。这种带着情绪去适应变化的能力，让人类具备了AI缺乏的韧性——AI 会严格执行既定程序，而人类会因为情绪的驱动，在绝境中寻找转机，在迷茫中坚守方向，这种有温度的自适应，正是人类应对复杂世界的核心优势。
最后我们要强调一下常识。
这本书认为，常识是我们与AI最本质的区别。AI之所以仍然会产生幻觉，因为它缺乏常识。它认为一切都是可解的，而人类知道自己不知道，甚至有自省能力的人知道“自己不知道自己不知道”。拥有常识有助于我们在面对未知，也就是面对并不掌握完整充分信息的情况下，做出更为明智的选择。
常识的核心是对认知边界的清醒认知——AI没有“不知道”的概念，它会通过拼凑信息制造看似合理的答案，这就是“AI幻觉”的根源；而人类的常识让我们明白，并非所有问题都有答案，并非所有答案都正确。这种“自知无知”的能力，让人类在不确定环境中保持审慎，避免陷入盲目自信。比如在决策时，常识会提醒我们何时该切换计划？哪个新计划更符合现实？而AI 会因为缺乏常识，在超出训练数据的场景中给出荒谬结论。

常识还源于“真实世界的实践感悟”——就像新兵无法通过书本学会应对伏击，必须在真实战场中自己发现规律，将知识内化为常识。AI可以处理结构化的确定性问题，但在充满变数的真实世界中，常识能让人类权衡利弊、规避风险，在信息不完整的情况下做出符合现实逻辑的选择，这正是AI 难以复制的核心能力。
随着AI能力的飞速提升，我们也正进入到一个“知道越多才知道自己知道的越少”的感悟阶段——也就是当AI展现出越来越惊人的能力，比如翻译、快速处理和总结信息的能力时，我们才更加清楚地看到它与人类的不同，而直觉、想象力、情绪和常识对此做了很好的总结。直觉并不是通过自觉的学习习得的，却具备穿透力和在不确定环境下快速决策的能力，也是我们理解这个世界中广泛存在的“隐形规则”的能力。想象力源自我们与生俱来的好奇心，以及发现细微变化的察觉力。情绪很多时候是非理性的，但它恰恰是我们处理未知问题的基础设置。拥有常识有助于我们在面对未知，也就是面对并不掌握完整充分信息的情况下，做出更为明智的选择。
AI时代的领导力与终身学习
理解人与AI的区别，不仅让我们清晰每个人相对于AI的定位，也有助于我们去思考AI如何在商业和管理中应用。在AI主导效率迭代的时代，领导力与管理的分野会愈发清晰：管理聚焦对当下的优化，AI大有用武之地；而领导力则聚焦于未来的开拓，需要凭借人类独有的远见与创造力驱动真正创新。二者的本质差异，根植于对迭代（ideation）与创新（Innovation）的不同追求。
创新（Innovation）这个词有500多年的历史，源自sin这个词，本意是挑战上帝设计的完美世界的罪孽。但innovation现在被用滥，尤其是在互联网的创新领域，因为我们对它的理解出现了偏差，变成了ideation，也就是迭代想法。所以一度我们认为AI很擅长创新，因为它能将各种想法混搭在一起，就好像17年AlphaGo所做的那样，穷极各种可能性。但真正的创新需要有目的地去选择。
这里我们有必要对领导力和管理做一个非常清楚的定义。
领导力的核心是基于远见（Vision）与自立（Self-reliance），捕捉未被发现的机会，驱动有目的的、变革性的创新。它不是对既有规则的遵循，而是对未来可能性的开拓，领导力意味着要率先迈出走向明天的第一步，意味着要抓住那些被他人忽视或未能看到的机会。
领导力对应的是创新。创新并非AI式的“暴力头脑风暴”不是无章法的点子拼凑，而是 “有目的、能重塑生活的变革”。创新的核心是有选择地突破：爱因斯坦提出相对论、居里夫人发现原子内部放射线，都是领导力驱动的创新，它们跳出既有认知，开辟全新领域；而AI的想法迭代，只是对已知知识的重新组合，无法产生真正的变革性价值。
领导力的本质是跳出概率看可能性：它不依赖过去的数据统计，而是凭借直觉、想象力与常识，在信息不完整的不确定环境中，为组织找到全新方向。在一个快速改变的时代，未来不是当下的更新版本，领导力正是要带领组织去发现从未发生过的可能，而非重复过去的成功。
相比之下，管理的核心是基于数据与规则，优化既有流程，实现高效迭代。它是可学习、可复制的技能，聚焦将事做对，确保组织在既定框架内稳定运行，追求有序的和谐。
优化对应的是AI擅长的迭代—— 依托海量数据整合，优化流程、减少内耗、提升效率。AI 能自动化处理事务性工作、建模分析最优路径，与管理的核心目标高度契合：管理者坚守数据，通过AI工具量化绩效、监控执行，将过去的成功经验标准化、规模化，实现“从1到100”的效率提升。
由此分析下来，管理的本质是遵循概率求最优：它依赖历史数据判断未来，规避无依据的风险，确保组织行动不偏离轨道。管理者的价值在于通过规则约束与流程优化，让组织的迭代更精准、更可控，这与AI“长于优化、短于创新” 的特质完全匹配。
理解了领导力与管理的区别，我们需要思考的是在AI时代，AI能替代什么，不能替代什么？AI将替代诸多管理的职能，而AI替代不了真正带来创新的领导力。这就需要我们去花更多时间去培养人的领导力和创新力，这也意味着传统的管理者需要转型。
怎么培养领导力，首先要能拥抱例外。真正的创新往往源于例外，而非常规。领导力的关键是发现那些能够推动艺术、科学和技术发展的特殊案例。具体可通过三种方式落地：
第一，把例外变成新规则，充分发挥直觉的力量，或者说逆向思维，敢于拥抱异端思想。爱因斯坦在1930年的一次演讲中就特别强调了这一点。他列出了一系列带来突破的科学家，在一开始的时候都会被认为是异端，比如最先提出消毒重要性的奥利弗・霍姆斯，比如提出免疫的想法的伊利亚・梅契尼科夫，当然也包括提出了相对论的他自己，都是从例外中突破认知。领导力需要鼓励团队关注 “不合逻辑的细节”，将例外转化为全新赛道；
第二，要利用冲突激发灵感：冲突是认知差异的体现，领导力要包容不同观点的碰撞，而非追求一致同意。
很多人觉得随着AI能力已经可以取代入门级的岗位，未来企业就不用招募新鲜人了。这一想法其实很短视。我们千万不要小看“初生牛犊不怕虎”给企业带来的正向刺激。挑战专家，推动终身学习，需要年轻人的刺激。

当外部环境持续变化时，即使运营良好的企业也面临专家知识固化的挑战。很多时候专家之所以会变成“砖家”，砖头的砖，就是因为他们失去了继续学习的能力和动力，而不断引入新鲜人是最好的外部刺激。
新鲜人虽然在完成“简单”任务上比不上AI，但他们可以给企业带来新鲜的刺激却不是AI短期能营造的。一个现在被很多管理者推崇的办法就是放手让新人去干事，一方面他们会带来新想法，更重要的是他们很可能犯错，当小错积成大错的时候，再交由专家站出来收场。年轻人留下的烂摊子或者乱摊子是专家“干中学”的机会，关键是不要改变他们的选择，而是在清理烂摊子的“解题”过程中锤炼专家的能力。烂摊子往往是意想不到的新情况，会帮助专家突破思维中的固有局限，从而激发新的发展方向。
我们也可以从即兴表演的剧院中看到同样“新老搭配”的价值。即兴剧院的特点是让新手与老炮同台，因为它想要吸引观众，需要一个令人吃惊的开头，也需要一个令人印象深刻的结尾。新手很容易出新，而老炮则容易把即兴创作最终带回到一个不错的结尾。
换句话说，AI时代的企业组织仍然需要新陈代谢，因为新人带来的冲突能打破思维定式和思想惯性，并在冲突中推动创新。
最后，需要接纳对手的价值，也就是书中提到“啃掉你的对手”。从竞争对手的优势或行业的痛点中，找到自身的创新机会，而非回避挑战。
理解了以上这些，就需要我们去思考，何为AI时代的终身学习？有两点特别值得我们去思考。
第一，人的终身学习需要不同于机器学习。
关于学习，我们首先要区别两种态度，一种是在课堂上要求学生阅读经典文章时的态度，目的性太强，教育引导性也太强，总是要在既有的框架中去做一番分析，好人坏人，意义价值，却失去了直觉的引领。这种学习态度其实就是机器学习的态度。另一种态度是“乱翻书”的态度，靠直觉引领，真正对一些话题感兴趣，自己主动花功夫，逐渐形成自己的领悟。
从这一点出发来理解AI和人，最大的区别是AI仍然是那个做题家，因为教育的范式在那里，它也有非常强的目的性，求解的目的性。相反有想象力，能发挥直觉能力的人却不一样。所以终身学习的要义是排除目的性，花时间去探索和发现，然后才会有所感悟，并在感悟的过程中带来新的东西。
第二，终身学习应当充分利用AI工具。
最早写出《大数据》的数字化专家涂子沛几年前写过一本书《第二大脑》，那还是大语言模型没有被广泛应用的时代，但第二大脑的概念在AI时代其实更加重要。
何为第二大脑？简言之就是一种数字化的个人知识管理系统，旨在通过外部智能存储弥补人类记忆的局限性，优化学习与思考方式。我们为什么需要第二大脑？恰恰因为我们有直觉、想象力、情绪和常识，所以我们这个平均功率只有20瓦的大脑一方面能产生各种奇思妙想，但另一方面却无法记住很多东西。我想许多人都有类似的经历。比如去阅读一段几年前自己写的文字，你会惊艳于文字的内容，甚至会感叹：这是我写的吗？或者你在写作的时候会突然模糊地想起一个案例，或者一组数据，却忘了具体是什么，苦思不解。第二大脑的作用就是要成为我们可以不断去复盘的外脑，也成为我们私域的知识库，而这种私域的知识库在AI时代显得更有价值。

回到领导力与管理，如果我们想要更好地去发挥领导力和创新，需要运用AI来更好地管理我们自己的私域库。管理大师汉迪曾经向另一位管理大师德鲁克请教，怎么会有那么多创新的想法？德鲁克的回答让汉迪大吃一惊：听自己，也就是要善于倾听自己。德鲁克其实讲出了人类创新的真谛，大多数人在全新场景中都会被激发出来巨大的潜能，无论是思想还是行动。关键要做有心人，把思想的火花记录下来，聚拢整理起来。等复盘时，它就会变得价值连城，而AI恰好是最佳的整理与复盘的工具。

总结：在“人＋机器”的时代，如何更好地分工？
最后，我们总结一下《原始智能》这本书的价值，就是在AI狂飙时代提醒我们去思考人与AI的巨大不同，并延伸到区分工作中领导力与管理的不同，以及终身学习中我们应该如何去探索知识，并善用AI机器去复盘。
关于人与机器的不同，具体体现在探索与效率，创新与优化，创新与更新的不同，这也需要人与AI更有效地分工，分清楚三个维度重要的区别。
首先是探索与效率，创新与优化/更新之间的区别。人擅长探索未知的领域，机器在处理既有的事务时更高效；人擅长从无到有去创造，机器则特别擅长于优化。
其次是思考可能性与判断概率之间的区别。可能性是面向未来的，人可以在信息很有限的情况下去想象未来的诸多可能性；而概率则基于过去的数据，海量的数据，在外部环境变化不大的时候，机器擅长基于过去数据分析来预测未来事件的概率。换句话说，人擅长探索全新的未来，而机器则很会把过去发生的重新组合。
第三个维度是变化和计划之间的区别。人擅长适应变化，而机器则能更高效地执行计划。
归根结底，人类与机器区别在不确定性和确定性的差异。直觉是能找到意想不到的东西，对意想不到的东西加码；想象力是愿意去冒险，去探索未来的多重可能性；情绪很重要，它让我们意识到计划出了问题，需要去修正；而常识则时刻提醒我们有些东西我们并不知道。这四种原始智能的共同点是不确定性。人更擅长拥抱不确定性，而机器则特别适合在确定性下做推演。

好，以上就是本期听书的全部内容。