知识代糖：被 AI 过滤掉的，可能正是你最需要的

两本书都谈经济、货币、信用和金融秩序，但读起来完全不是一种感觉。

有些地方很有意思，有些地方也确实很慢。

作者会花很多篇幅铺垫一个问题，讲历史、讲故事、讲因果关系。有时读了十几页，我还是不知道他最终想说什么。

这时候，我很自然地想到了 AI。

把书名发过去，然后问：

“这本书主要讲了什么？”

“帮我提炼五个核心观点。”

“《小岛经济学》和《货币战争》有什么区别？”

几十秒后，答案就出来了。

背景、概念、观点、结论，清清楚楚。

一本原本需要几天才能读完的书，被压缩成几分钟就能看完的内容。

看完摘要之后，我甚至会产生一种很轻松的感觉：

原来这本书主要就是在说这些。

我还没有完整读完它，却已经能够向别人介绍它。甚至可以说出一些关于货币、信用、通货膨胀和金融秩序的观点。

但当我继续把书读下去时，我慢慢发现：

AI 的总结未必是错的。

有时候，它甚至总结得相当准确。

真正让我不安的，恰恰是它太准确了。

因为当一份摘要足够清晰、完整，我很容易忘记：

一本书真正重要的部分，未必都在它的核心观点里。

我知道作者说了什么，却不知道他为什么这样说

如果只让 AI 总结，《小岛经济学》和《货币战争》都可以被整理成一组与货币、信用、债务和金融秩序有关的知识点。

这些知识点很规整。

可以放进表格里比较，也可以整理成思维导图。

但真正阅读的时候，我接触到的并不只是两组结论。

我还在接触两种不同的解释方式。

作者从哪里开始讲。

他把什么看作原因，又把什么看作结果。

哪些事实被放大，哪些复杂性被暂时放到一边。

他用怎样的故事，让一个结论看起来合理。

这些东西很难进入“五个核心观点”。

但它们恰恰决定了一个结论是怎样长出来的。

如果只看 AI 摘要，我可能知道两本书分别说了什么。

只有回到原文，我才开始注意：

作者为什么会这样说？

他依赖了哪些前提？

如果换一种前提，结论还成立吗？

有没有一些事实，在他的解释框架里没有被充分看见？

这两者之间，隔着的并不只是更多细节。

还隔着证据、立场、叙事，以及一个人形成判断所需要的过程。

我开始把它叫作“知识代糖”

我并不觉得 AI 摘要是假知识。

很多时候，它提供的内容是真实的，也确实有帮助。

它能让我迅速进入一个陌生话题，理解基本概念，也能把一本书混乱的表达整理得更清楚。

我现在依然会用。

但它给我的，有时更像一种“知识代糖”。

代糖并不是完全没有甜味。

恰恰相反，它可以很快提供甜的感觉。

知识代糖也是这样。

它用很低的认知成本，迅速提供一种“我已经懂了”的感觉。

过去，理解一个问题需要经历很多不舒服的过程。

读不懂。

忘记前文。

怀疑作者。

遇到矛盾。

有些地方反复看几遍，还是无法确定自己到底理解了没有。

这些过程很慢，也很烦。

但它们至少会提醒我：

我还没有懂。

AI 会尽量消除这种不舒服。

内容太长，它会压缩。

概念太难，它会简化。

结论不明确，它会替你整理出一个结论。

有时候，它并没有替我们完成理解。

它只是消除了“没有理解”的感觉。

这是知识代糖真正吸引人的地方。

它不会让人感到知识不足。

它反而会让人觉得自己已经摄入得足够多。

总结不是缩短，而是一次筛选

我们通常以为，总结只是把二十万字缩短成两千字。

但任何总结，都不可能只是机械地删掉一些文字。

它必须先做判断：

什么是核心。

什么只是背景。

什么值得保留。

什么可以省略。

哪一个案例能代表作者的观点。

哪一段讨论与主线关系不大。

因此，AI 在替我们总结一本书时，也在替我们完成一次重要性排序。

明确的观点容易被保留下来。

能够归纳成方法的内容容易被保留下来。

适合变成金句、清单和行动建议的内容，也容易被保留下来。

更容易消失的，往往是那些不够整齐的部分。

作者的迟疑。

没有成功的尝试。

与主线不完全一致的反例。

一句不起眼的限制条件。

一个没有被展开的小问题。

这些东西不够像“知识点”。

但真正重要的东西，并不总是以知识点的形式出现。

读一本书时，真正改变你的，可能不是作者反复强调的核心观点。

也许只是一个案例。

一句保留意见。

一段看似偏题的历史。

它碰巧与你正在经历的问题连接起来。

对整本书而言，它可能只是枝节。

对你而言，却可能是最重要的部分。

AI 不知道哪一页会与你发生关系

知识的重要性，不是固定的。

同一本书，对不同的人来说，真正重要的地方可能完全不同。

有人读《小岛经济学》，关注的是储蓄、生产和消费。

有人关心的是货币如何出现。

也有人读到某个故事时，突然开始重新理解自己身边的债务、投资和消费行为。

有人读《货币战争》，关心的是金融历史。

有人注意的是国家、资本和权力之间的关系。

也有人真正开始警惕：一个看起来完整的宏大叙事，会不会让复杂的历史变得过于简单。

AI 可以总结一本书最显眼的内容。

但它很难提前知道，哪一部分会与你发生关系。

因为很多真正重要的知识，在遇见它之前，你根本不知道它对你重要。

你无法提前搜索它。

也无法在提示词里要求：

“请务必保留那一段会改变我的内容。”

因为在看到那一页以前，连你自己都不知道它存在。

AI 能回答问题，但未必能带你离开错误的问题

AI 的个性化一直被认为是一种优势。

你提出什么问题，它就围绕你的问题组织答案。

你想了解货币，它就提炼货币相关的内容。

你关心通货膨胀，它就把与通货膨胀有关的章节放到前面。

这当然很高效。

但这里也有一个矛盾：

AI 越按照你现在的需求筛选内容，越可能删掉那些会改变你现有需求的东西。

我们只能提出自己已经意识到的问题。

如果我认为自己的问题是“怎样理解通货膨胀”，我就会不断寻找有关通货膨胀的解释。

但继续阅读之后，我也许会发现，自己真正想弄清楚的并不是某一个经济现象，而是：

为什么不同的人会用完全不同的框架解释同一个现象？

为什么一些解释听起来格外有吸引力？

我们是在理解现实，还是在寻找一种符合自己直觉的叙事？

这可能不是我最初向 AI 提出的问题。

却可能是阅读真正带给我的问题。

AI 很擅长帮助我们寻找答案。

书有时更重要的作用，是改变我们的问题。

真正危险的，不是 AI 总结错了

人们谈到大模型的风险，最常说的是幻觉。

它会编造内容，会产生事实错误，也可能把不确定的事情说得非常肯定。

这些问题当然需要警惕。

但知识代糖还有一个更隐蔽的风险：

AI 的总结可能没有明显错误。

它只是太完整、太顺滑了。

看完之后，你知道结论，却不知道结论依赖了什么前提。

能够复述观点，却不知道怎样处理反例。

知道作者说了什么，却没有足够的材料判断自己是否同意他。

直到别人继续追问：

为什么？

证据是什么？

还有没有其他解释？

这个结论在哪些条件下不成立？

这时你才可能发现，自己拥有的是一份整理好的答案，而不是一个真正形成的判断。

大模型的幻觉会让答案出错。

知识代糖制造的理解感，却可能让我们不再想检查答案。

不是不要用 AI，而是不要把地图当成目的地

我不会因为这些问题就放弃使用 AI。

这也不是一篇劝人回到过去、老老实实逐字阅读的文章。

有些书确实只需要了解核心内容。

有些资料只是为了查找一个概念，没有必要从头读到尾。

AI 很适合帮助我们建立阅读地图。

在读书之前，可以让它介绍背景，整理概念，指出章节之间的关系。

读书过程中，可以用它解释难点，补充不同观点。

读完以后，也可以让它站在反方，攻击自己的理解。

问题在于，我们不能把地图误认为已经到达目的地。

尤其是当一本书会影响我们的重要判断时，仍然需要回到原文。

看看作者具体说了什么。

看看摘要里有没有消失的条件、例外和反例。

也看看自己究竟是在理解作者，还是只是在接受一份更符合自己口味的解释。

AI 可以替我们决定先看什么。

但不应该默认替我们决定，什么永远不必看。

当答案越来越便宜

AI 时代不会缺少答案。

我们会看到越来越多清晰、完整、表达专业的内容。

一个人可以在几分钟内了解一本没有读过的书。

也可以迅速谈论一个刚刚接触的领域。

以后真正稀缺的，可能不再是“知道多少”。

而是面对一个看起来很好的答案时，仍然愿意停下来问：

它省略了什么？

这个结论建立在什么前提上？

有没有另一种解释？

我是理解了，还是只是熟悉了这套说法？

读书的意义，也许正在发生变化。

它不再只是帮助我们获得更多信息。

它还在训练一种能力：

不轻易被答案满足。

不把能够复述，当成真正理解。

不把表达得完整，当成证据已经充分。

不把一份经过筛选的摘要，当成世界本身。

AI 可以帮我们更快地找到重点。

但它无法保证，被过滤掉的那一页与我们毫无关系。

有时候，我们以为自己节省了阅读的时间。

也可能只是错过了原本会改变自己的那一页。