上周末，我让AI解释清楚”确认偏误“这个概念。它给了两段解释加三个例子。我读完后关掉窗口，觉得自己已经会了。

第二天开会，同事说了一个方案，我说”你这不就是确认偏误吗？”她反问：”那你具体说说，我这个方案里哪一步犯了确认偏误？”我张了张嘴，脑子里的两段解释和三例子全部蒸发了。

不是我没认真看。是AI讲得再好，那东西还是AI的，不是我的。

我翻了翻过去半年和AI的聊天记录，问过不下50个概念——”熵增””纳什均衡””边际效用递减”。每个都读过解释，每个都觉得”明白了”。但真让我讲一遍，十个里有八个说不清楚。

大部分人用AI学东西就是这个状态：读得多了，以为懂得多了。实际上只是见得多。

直到我看到了哲学家Amanda Askell的一个方法。

Amanda Askell是Anthropic的哲学家。她有一个独门技巧，用来啃那些你完全陌生的概念。做法反直觉：不看书，不查资料，不直接让AI解释——先让AI帮你写一个寓言，把那个概念藏进去。你通过读故事来猜。

她的prompt原文长这样（我翻译了一下，结尾附完整英文prompt）：

“从某个学科里挑一个本科低年级没听过、但研究生高年级会知道的概念。找一个相对冷门但有趣的。然后想一个三段的故事，用这个故事完整地解释这个概念，但全程不提到概念的名字。读者要读到结尾才恍然大悟。最后再补一段，把概念说清楚。”

我第一次看到这个prompt的时候，觉得这不就是在绕弯子吗？直接让AI解释不就完了？但我还是拿”确认偏误”试了一下——就是那个让我在会上出丑的概念。

⬇️下面这个故事，就是用Askell的方法生成的。你先读，读到结尾之前试试能不能猜到它在讲什么。

从前有个国王，他有一顶帽子。

严格来说，他不觉得自己戴着帽子。他只是每天早上起来，对着铜镜看一眼，镜子说：”陛下英明。”他走到殿上，大臣们说：”陛下圣明。”他回到后宫，侍从们说：”陛下高明。”

所有人都说的是同一类话，国王觉得这很正常——毕竟他是国王，大家夸他不是应该的吗？

但有一件事很奇怪。国王每次提一个想法，满朝文武都会点头。他说要修一条运河，大家说历代先王都没想过这么妙的主意。他说北边的邻国不足为惧，大家说陛下的判断一针见血。他说今年的税收还可以再加两成，大家说百姓一定感恩戴德。

运河修了三年，淹了两个县。北边的邻国打过来了，边境驻军毫无准备。加税之后跑了三成农户，粮食反而减产了。

国王大怒，把满朝文武骂了一顿：”你们当初怎么不早说？”

大臣们委屈极了——他们确实没说。但他们自己也不知道自己有问题。每个大臣单独看，说的都是实话的某一部分：管运河的确实在图纸上看到了一段好地形，管边境的确实没收到最近的敌情通报，管财政的确实算出来理论税收能增加。但所有人都只说了对国王有利的那半截。没看全的图纸、没更新的情报、没实地核验的账本——都悄悄咽回去了。

不是他们在撒谎。是他们自己也只相信那半截。

真正关键的那个人是一个老史官。他从来不发言，只在角落里记东西。国王有一天把他叫过来，问他在记什么。

老史官说：”我在记一件事——陛下每次提出一个想法之后，赞成的有多少人，反对的有多少人，沉默的有多少人。”

国王说：”你统计这个有什么用？”

老史官说：”如果每次都是全票赞成，那陛下戴着一顶很厚的帽子——厚到外面的声音传不进来。但帽子不在陛下头上，在每一个只敢说’是’的人头上。”

国王沉默了很久，说了一句：”那你以后坐到我旁边来。每次我提完一个想法，你先告诉我——现在有多少人没说话。”

这个故事在讲什么

这顶帽子就是确认偏误。

它说的是：人会下意识地寻找、注意、记住那些支持自己已有观点的信息，同时忽略、遗忘、低估那些反对自己观点的信息。不是故意的，是大脑自动干的。

国王不是坏人，大臣也不是奸臣。只是每个人给国王的信息，都经过了同一层过滤——”陛下想听什么”。信息越多，他反而越笃定，越听不见反对的声音。

同一个心理学实验里，研究者给两组人看同一篇关于死刑是否有效的论文。支持死刑的人看完说”这篇论文证明了死刑有效”，反对死刑的人看完同一篇论文说”这篇论文证明了死刑无效”。同一篇论文，两个相反的结论——每个人都在文章里只提取了支持自己立场的那部分。

（GPT image 2生成）

但我想说的不是确认偏误。我想说的是这个方法。

你刚才读那个故事的时候，脑子里大概率在转——”这是什么？偏见？信息茧房？群体思维？”——就这个转的过程，就是学习本身。

Askell的设计最妙的地方在这里：她不是让你听一个故事然后被告知答案。她让你经历”主动猜测→反复比对→最终验证”。

我拿这个方法试了两个星期，最大的感受是：以前学概念是在”存”——存进脑子里，等要用的时候调取。现在是在”找”——在已有知识的缝隙里找线索。找的过程比存的结果重要得多。

把Askell的prompt里”从经济学学科里”改成你想探索的领域——”从心理学里””从物理学里””从管理学里”。让AI生成寓言。这一步不用你动脑子。

这一整步才是关键。读到一半就停下来，问自己三个问题：这个概念大概属于哪个领域？它和我知道的哪个概念最像？故事里哪个细节是决定性线索？把你的猜测写下来，哪怕只是一个词。跳过这一步，这方法就废了。

猜对了——回头看，哪个细节让你猜中的？猜错了——你被哪个细节误导了？你对这个概念原来的理解偏在了哪里？这个比对不用五分钟，但比你再看三篇解释都有用。

我最容易掉的一个坑是：读第一遍的时候看了一眼答案，觉得故事不够隐蔽，”这不就是XX吗”。但仔细一想，是我先看了答案，所以回头看什么都是”明显”的。正确的做法是一定不要先看答案，憋到猜不出来再看。

说实话，这个方法不是万能的。它解决不了”怎么操作一个东西”的问题——学VLOOKUP函数、学视频剪辑快捷键，这个方法帮不上忙。它适合的是一类特定的东西：概念性的、抽象的、你以为懂了但其实说不清楚的——认知偏差、经济学原理、哲学概念、博弈论。这些东西用寓言法学，效果好得离谱。

另外，AI生成的寓言质量不稳定。有时候故事太直白，第一段就暴露了——让它重写，加一句”隐喻要足够隐蔽”。有时候又太晦涩，读完全篇不知道在讲什么——说明这概念确实太难，不适合用这个方法入门。

不用等”找时间”。就现在。

打开你用的AI——不管是ChatGPT、DeepSeek还是Kimi——把Askell的prompt贴进去。把领域改成你最近想弄清楚的东西：”心理学里的一个概念””投资里的一个原则””谈判里的一条法则”。按我说的三步走：生成、猜、比对。

你会发现一件事：一个你看了好几遍都没记住的概念，读完一个故事之后，你可能这辈子都忘不了。

你拿这个方法试了什么概念？最后猜对了吗？来留言说一声。我尤其想知道你是不是经历了”差点就猜中了”或者”完全没想到”的瞬间——那个瞬间，才是这个方法的精华。

哲学家 Amanda Askell 分享的prompt原文示例：

“Try to identify a somewhat niche principle or idea from the discipline of economics. This should be a principle or idea that early undergraduates wouldn’t have heard of but late graduate students would have. It should be a relatively obscure but interesting and useful to know about nonetheless. Once you have identified such a principle, think of a story that could be used to illustrate your chosen principle. This should be an illustrative 3 paragraph story that would fully explain the principle or idea you’ve chosen but without naming the principle or idea itself. You can then name the principle or idea at the end of the story and explain it and how it is illustrated by the story in a single paragraph.”

（生成此内容的提示： “尝试从经济学学科中识别一个有些小众的原则或理念。这应该是一个本科早期学生不会听说过但研究生晚期学生会了解的原则或理念。它应该是一个相对晦涩但仍然有趣且值得了解的原则或理念。一旦你确定了这样的一个原则，思考一个可以用来阐释你所选原则的故事。这应该是一个说明性的三段故事，能够充分解释你所选择的原则或理念，但不提及该原则或理念本身的名称。然后，你可以在故事结尾命名该原则或理念，并用一段话解释它以及故事如何阐释它。”）

  [ END ] .

LUO SHU AI