夜雨聆风
那一年，互联网还没普及，智能手机还远不是今天的样子，深度学习还在学术圈无人问津。
但KK在这本书里描述的东西，你可以去看看今天的AI Agent、多智能体协作、涌现智能，几乎一模一样。
我把这本书放在第一个，是因为它解决的是整个书单最底层的那个问题。
也就是，AI到底是什么。
我从《失控》这本1994年的书中得到的答案是，一个涌现出来的系统。
《失控》的核心概念就一个，涌现，大量简单个体遵循简单规则，在大规模协作之后，涌现出任何单个个体都不可能拥有的复杂能力。
维纳提出了一个概念，到今天为止我觉得仍然是理解人机协作最核心的点，那就是，反馈。
控制论的整个理论基础，就是建立在反馈回路上的。
一个系统之所以能自我调节，是因为它能接收到自己行为的结果，然后根据结果修正下一步动作。
恒温器就是这样，你设了26度，它发现现在28度，就开始制冷，等降到26度，就停下来。
它不需要理解温度是什么，它只需要这样的一个反馈回路。
你把这个思路迁移到AI协作上，会发现一件很有意思的事。
那些真正把AI用得好的人，和用得一般的人，包括现在的Loop Engineering，最大的区别，其实是这些人，给AI的反馈质量更高。
维纳还在这本书里说，机器最擅长的事，是可重复的、可量化的、可编程的工作。
而人的价值，恰恰在于那些不可重复的、需要判断的、充满歧义的场景。
1950年说的这句话，放到今天的AI时代，我觉得依然极其准确。
后来AI浪潮来了，我觉得，它也应该是每个跟AI协作的人的必读书。
这里面有一个很有趣的观点，叫舍本逐末。
就比如你有一个根本问题，你不去解决根本问题，而是用一个见效更快的临时方案来缓解症状，临时方案确实有效，症状消失了，你就更没动力去解根本问题了。
时间一长，根本问题越积越深，你对临时方案的依赖越来越强，直到有一天临时方案也撑不住，整个系统崩盘。
放到AI上，就是你需要写一篇深度分析，本来应该自己花几天去线下之类的深度研究、去思考、去建立自己的判断。
但AI可以30分钟给你一篇看起来像模像样的东西，你用了，效果还行，下次又用，再下次还用。
半年之后你发现，你对这个领域的独立判断力，反而比半年前更差了。
因为你一直在用AI的输出替代自己的思考，你的思考能力在萎缩。
这就是舍本逐末。
梅多斯还有一个概念我觉得特别好，她把系统里的东西分成「存量」和「流量」两种。
存量是慢慢积累起来的东西，你的专业知识、你的判断力、你的人脉、你对一个领域的直觉。这些东西积累了五年十年，是你的家底。
流量是进进出出的东西，每天的产出量、处理的信息量、完成的任务数。
AI可以极大地加速你的流量，你一天能产出的东西，可能是以前的十倍。
但它同时可能在不知不觉中消耗你的存量。
当你所有的分析都让AI做，你的分析能力这个存量就在降低，当你所有的写作都让AI代笔，你的表达能力这个存量就在流失。
而且存量的消耗是无声的。你并不会某一天突然发现哎我变笨了？这个消耗它是一个缓慢的、你几乎察觉不到的过程，就像温水煮青蛙一样。
所以《系统之美》这本书，很有趣的一点是，它会让你发现，在AI时代最重要的价值，是让你看到那些你看不到的代价。
这本书的作者叫汉斯·罗斯林，一个瑞典的公共卫生学家。
他花了几十年的时间研究全球发展数据，最后写了这本书，副标题叫“用数据思考，避免情绪化决策”。
罗斯林做过一个特别经典的测试，他在全球各种场合给观众出了一组关于世界现状的选择题，比如全球贫困率是在上升还是下降、全球人均寿命是多少、有多少女孩能上完小学。
那些高学历的、关心时事的、所谓的在各个领域有专业建树的人，答对率平均只有两道题，比猴子直接随机选还要差。
因为人的大脑有一套先天性的本能，在系统性地扭曲你对世界的认知。
比如“鸿沟本能”，就是你的大脑特别喜欢把事情分成两个阵营，发达国家和发展中国家、AI取代人和AI帮助人、懂AI的和不懂AI的。
但现实几乎从来不是二分的，绝大多数东西都在中间那一大片灰色地带里。
比如“直线本能”，你看到一个趋势在涨，你就默认它会一直涨下去。
等等等等。
这些本能在人类进化过程中是有用的，在非洲草原上快速判断是不是有狮子这种生死存亡的时候，这能保命。
但到了现代社会，到了需要你基于事实做复杂判断的时候，这些本能就变成了bug。
而在AI时代，这个观点，就变得很重要了。
因为你输入给AI的，不只是Prompt，还有你的世界观。
你问AI的每一个问题，背后都带着你对世界的假设，如果你的假设是扭曲的，你问出来的问题就是扭曲的，得到的答案再漂亮，那其实也是有巨大的事实偏差的。
罗斯林教你的是，在做判断之前，先看数据。
不看情绪，不看标题党，不是看朋友圈的焦虑文章，看数据。
事实，来源于数据。
不要被情绪和本能带着走。
你可能没读过这本书，但你大概率听过他最著名的那句话：
媒介即信息，The Medium is the Message。
麦克卢汉的意思是，一个新媒介被发明出来之后，真正改变世界的，并不会是这个媒介上传播的内容，而是这个媒介本身。
电视被发明出来之后，改变世界的是电视这种媒介本身重新塑造了人类接收信息的方式、注意力结构、甚至家庭关系和政治格局。
互联网也是，改变世界的并不是某一个网站，是互联网这种媒介重新定义了知识的获取方式、社交的形态、商业的规则。
如今的AI更是。
AI在我心中，有很多种定义方式，其中有一种定义，就是媒介。
而一个新媒介出现之后，改变世界的方式，完全不是你能预料到的。因为你会犯一个麦克卢汉叫做后视镜思维的错误。
就是每当一种新媒介出现的时候，人类理解它的方式，永远是拿上一代媒介的框架去套。
汽车刚被发明的时候，人们叫它“无马马车”，horseless carriage。
这个名字现在来看就非常的扯淡，它是用马车的框架来定义汽车的，好像汽车就是一辆去掉了马的马车。
但汽车真正改变世界的方式，跟马车没有半毛钱关系。
汽车催生了公路系统、催生了郊区、催生了购物中心、催生了整个美国中产阶级的生活方式、几乎重塑了石油工业和中东地缘政治。
这些东西，你站在马车的框架里，一个都想不到。
AI也是，这是全新的物种，全新的媒介。
所以，《理解媒介》这本书给我最大的启发是，别用后视镜看AI。
别问比如说“AI能不能替代我的工作”。
真正的问题应该是，“因为AI的存在，什么以前不可能的事情现在变得可能了”。
第一个问题会让你焦虑，第二个问题会让你兴奋。
而且，我觉得，第二个问题才是对的问题。
《反脆弱》这本书我真的在不同的阶段翻回去看了无数次。
核心概念就一个。
有些东西，不仅不怕波动和冲击，反而从中受益。
塔勒布管这叫反脆弱，Antifragile。
在AI时代，反脆弱，变得太重要了。
AI行业的变化速度，大家也都知道，去年的版本答案，今年可能就被淘汰了，你三个月前学的那个工作流，现在模型升级了，也不需要了。
在这种级别的不确定性面前，追求稳定和确定性是徒劳的。
你没办法预测三个月后AI会进化到什么程度，你没办法赌哪个模型会赢，你没办法确定今天学的技巧明天还有没有用。
而塔勒布给了一个答案，杠铃策略。
一头极度保守，守住你的底线和基本盘，另一头极度激进，拿出一小部分资源去做高风险高回报的尝试，中间那些看似稳妥其实风险最大的东西，不要碰。
翻译成AI时代的人话就是，你的基本盘是你的底层能力，比如社交能力、表达能力、系统思维、品味、领域专长等等，这些东西不会过期。
然后你拿出一部分的精力，疯狂去试各种新模型、新工具、新玩法，试错成本很低但一旦押中回报巨大。
但千万别把全部身家压在比如精通某一个特定AI工具这种破事上面。
因为那就是杠铃的中间段，看起来安全，其实一个版本更新就给你归零了。
比如说Claude Code是我现在的主力工具，我用它非常深。
但如果明天出了一个更好的东西，我会毫不犹豫地切换，因为我的核心竞争力根本不在会用Claude Code这种破事上，是在那些Claude Code替代不了的东西上面。
这就是反脆弱。
从每一次变化中获益，而不是被变化淘汰。
以前，你是一个执行者，老板给你一个任务，你自己动手做完，你的核心能力是执行力，手速快、细节准、产出稳定。
而现在，你打开Claude Code，你的工作状态变了。
你不再需要自己动手写代码了，你变成了一个在指挥AI写代码的人，你要给方向、定标准、做取舍、看结果、给反馈。
这就是管理。
你可能还是一个普通的个体贡献者，你可能手底下没有一个人。但你每天的工作状态，其实已经变成了一个管理者，你在管理一个AI团队。
而管理这件事，是有方法论的。
艾格在书里聊了非常非常多的领导力原则，但对我在AI协作上影响最大的有三个。
第一个，聚焦。
艾格刚当上迪士尼CEO的时候，公司一团乱麻，到处都是问题。但他做的第一件事不是到处灭火，因为那些火太多了，你根本灭不完，他上来只定了三个战略优先级。所有不在这三个优先级里的事情，不管看起来多紧急，都排在后面。后面这三件事完成之后，那些火，全部自己消失了。
第二个，在不确定中做决断。
艾格收购皮克斯的时候，价格是74亿美金，这在当时是一个超级疯狂的数字。董事会里有很多人反对，但艾格力排众议，拍板了，执行了。
后来证明，这是迪士尼历史上最成功的收购之一。
跟AI协作的时候，你会频繁地面临这种不确定性，你必须得经常在信息不完备的情况下快速判断，选一个方向，往前推。
等所有信息都齐了再做决定的人，在AI时代会被快速迭代的人甩在后面。
这个对我启发最大，艾格管理过的人里面有乔布斯、有约翰·拉塞特、有凯文·费奇，全是超级创意人才。
他的管理方式呢，不会事无巨细地控制他们，而是给一个清晰的方向和约束框架，然后在这个框架里给他们最大的自由度。
你看这个逻辑像不像Harness。
AI就是你的创意型人才。它能力极强，但需要引导。你管它管得太细，它就变成了一个只会听命令的打字机。你放手太多，它就开始自由发挥到你认不出来。
好的领导者知道那个度在哪里。
这层怀疑不是让你变成一个什么都不信的虚无主义者。
恰恰相反，它是让你的所有信念都建立在更坚实的地基上。
因为经过怀疑之后还能站住的东西，才是真正靠得住的东西。
这些底层能力，不会因为模型升级而过期，不会因为工具迭代而失效。
因为它们从来就不是关于AI的。
它们。
是关于人的。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
