决定你能不能把AI用好的,从来不是你对AI了解多少,是那些和AI毫无关系的底层能力

在X上刷到一篇文章，讲AI时代最该读哪些书，觉得非常有意思。认真研究文章所列的书目，做了增删，发现表述观点已跟我高度一致，以书喻意。

现在大部分推荐书单，热门转发，列的全是Prompt指南、大模型原理、Agent开发实践。不是这些内容不好，只是它们太贴近AI本身了。你三个月前学的工作流，模型一次升级就全废了。你精通的某个工具，下个版本改个接口就得重学。

而决定你能不能把AI用好的，从来不是你对AI了解多少，而是那些和AI毫无关系的底层能力。工具会迭代，模型会换代，但底层能力永远不会过期。

下面这份书单没有任何一本直接讲AI。但它们加在一起，构成了理解AI、和AI协作、在AI时代站住脚的完整底层系统。

1.《失控》 | 凯文·凯利 | 1994

如果说AI时代只需要读一本书打底，那只能是《失控》。

1994年，互联网还没普及，深度学习在学术圈无人问津。凯文·凯利在这本书里系统性地描述了一件事：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。一只蚂蚁什么都不懂，一百万只蚂蚁能造出精密的巢穴和物流网络。一个参数只是一个数值权重，几千亿个参数经过训练，涌现出写诗、编程、数学推理的能力。

理解涌现之后，你跟AI协作的方式会发生根本转变。你不再试图精确控制AI的每一步输出，转而去设计更好的规则和约束，让AI在这个框架内自己涌现出解决方案。

凯文·凯利在那本书里说了一句话：放弃控制才能获得控制。

2.《人有人的用处》 | 诺伯特·维纳 | 1950

讲清了AI是什么，下一个问题自然来了：人是什么。

维纳在1950年给出了答案。控制论之父的核心概念只有一个：反馈。一个系统能自我调节，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。恒温器设了26度，发现现在28度就开始制冷，降到26度就停下来。它不需要理解温度是什么，它只需要那条反馈回路。

你跟AI协作也是一样。那些真正把AI用好的人和用得一般的人，最大的区别就是给AI的反馈质量更高。不是Prompt写得漂亮，是你看了输出之后，能给出什么水平的评价和修正。

维纳还说了另一句话：机器擅长的是可重复的、可量化的、可编程的工作。而人的价值，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，放在2026年的AI协作里，依然精准。

3.《系统之美》 | 德内拉·梅多斯 | 2008

系统动力学入门经典。梅多斯在这本书里提出的工具，全部可以直接用在AI场景上。最有价值的是存量/流量模型。存量是你慢慢积累起来的东西：专业知识、判断力、对一个领域的直觉。流量是进进出出的东西：每天处理的信息量、完成的任务数。AI可以极大地加速你的流量，一天产出过去十倍。但AI同时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,你不会某一天突然发现自己变笨了，它是一个缓慢的、几乎察觉不到的过程。还有那个叫舍本逐末的系统陷阱。你有一个需要深度研究的问题，本来应该自己花时间去建立判断。但AI三十分钟就能给你一篇像模像样的东西。你用了一次，效果还行。又用了一次。再下一次又用了。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弱了。

梅多斯帮你看到那些用AI时看不见的代价。

4.《黑天鹅》 | 纳西姆·塔勒布 | 2007

AI行业的变化速度不需要解释。去年的版本今年被淘汰，三个月前学的工作流下一个模型升级就用不上了。在这种不确定性面前，追求稳定和确定是徒劳的。塔勒布在这本书里提出了一个影响深远的概念叫黑天鹅事件。有三个特征：极其罕见，影响巨大，事后看起来好像可以预测。在AI行业，几乎每个重大突破都是黑天鹅。没人能预测GPT的涌现能力在什么时候以什么方式出现。没人能预测下一个模型会淘汰掉多少现有的流程。

塔勒布给了一个应对策略叫杠铃策略。一头极度保守，守住你的基本盘:表达能力、系统思维、领域专长，这些东西不会过期。另一头极度激进，拿出一部分精力疯狂试各种新模型新玩法，试错成本很低但万一押中回报巨大。

但中间那些看似稳妥其实风险最大的东西不要碰。比如把全部身家押在精通某一个特定AI工具上，看起来安全，一个版本更新就归零了。

5.《理解媒介》 | 马歇尔·麦克卢汉 | 1964

麦克卢汉最出名的那句话：媒介即讯息。意思是，一个新媒介被发明出来之后，真正改变世界的不是这个媒介上传播的内容，而是媒介本身。电视的内容不是重点，电视这种媒介重新塑造了人类接收信息的方式和注意力结构。互联网不是靠某一个网站改变世界的，是互联网重新定义了知识获取方式、社交形态和商业规则。AI也是一种新媒介。麦克卢汉说人类有一个思维惯性叫后视镜思维。每当新媒介出现的时候，总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。用马车的框架定义汽车，结果马车时代的任何想象力都无法涵盖汽车真正改变世界的方式：公路系统、郊区、购物中心、整个生活方式的重塑。

对你来说，别问AI能不能替代我的工作。这个思维本身就是后视镜。真正该问的是：因为AI的存在，什么事情以前做不到，现在变得可能了。

6.《思考，快与慢》 | 丹尼尔·卡尼曼 | 2011

诺贝尔经济学奖得主卡尼曼的毕生研究。核心发现：人类大脑有两套思考系统。系统1是快思考，直觉、自动、毫不费力。系统2是慢思考，理性、审慎、需要消耗能量。问题在于系统2天生懒惰，大多数时候直接采纳系统1给出的直觉答案。这个模型直接解释了AI的两个核心问题。第一，AI的幻觉本质上就是系统1的默认输出。大模型跟人脑一样，第一反应是填一个最可能的词，而不是做逻辑验证。第二，人为什么容易过度信任AI的输出。因为系统1偷懒，看到一个顺眼的答案就直接采用了，系统2懒得去验证。理解了这两点，你就不会盲目相信AI，也不会因为AI偶尔出错就失去信心。你知道什么时候该启动系统2去验证，什么时候该相信系统1提供的高效直觉。

卡尼曼有个著名的球拍和球问题。球拍和球一共1.1美元，球拍比球贵1美元，球多少钱。大部分人脱口而出0.1美元，错了，应该是0.05美元。

这个例子说明一件事：你的第一反应往往是错的，需要培养对直觉的警惕。AI时代，这个能力比任何时候都重要。

7.《故事》 | 罗伯特·麦基 | 1997

讲故事的能力在AI时代变得越来越重要。不是因为AI时代需要更动听的叙事，是因为信息过剩的时代，只有故事能把信息组织成有意义的结构。麦基是全世界最顶级的编剧导师。这本书不是教你怎么写好莱坞剧本的，它讲的是叙事的底层规律：故事结构不是编出来的，是从人类认知的深层结构里生长出来的。任何信息想要被人记住和传播，都需要一个结构：有人物，有冲突，有转折，有结局。麦基把这个结构拆解得清清楚楚。为什么这件事在AI时代重要？因为AI可以帮你把信息整理成报告、表格、PPT，但只有人能决定用什么样的叙事结构去组织和传递。

把数据变成叙事、把产品变成意义的能力，是AI替代不了的一种价值。

8.《第一哲学沉思集》 | 笛卡尔 | 1641

这份书单里最老的一本，也是最贴近当下的一本。笛卡尔做了极其简单也极其暴力的一件事：怀疑一切。他怀疑感官是不是在骗他，怀疑外在世界是不是真的存在，怀疑一加一是不是真的等于二。把所有能怀疑的东西全部怀疑了一遍之后，他发现有一件事是怀疑不掉的：我在怀疑这个行为本身。我在怀疑，所以我在思考。我在思考，所以我存在。笛卡尔式的普遍怀疑，是AI时代唯一可靠的信息策略。AI可以提供大量看起来可信的信息，但它没有义务为这些信息负责。每一个具体的事实都需要经过你的怀疑链条才能被接受。养成一种习惯：定期停下来问自己，我现在相信这件事，是因为我真的想清楚了，还是因为惯性太大、停下来太累。

经过怀疑还能站住的东西，才是真正靠得住的东西。

9.《哲学的慰藉》 | 阿兰·德波顿 | 2000