那一年，互聯網還沒普及，智能手機還遠不是今天的樣子，深度學習還在學術圈無人問津。
但KK在這本書裏描述的東西，你可以去看看今天的AI Agent、多智能體協作、湧現智能，幾乎一模一樣。
我把這本書放在第一個，是因爲它解決的是整個書單最底層的那個問題。
也就是，AI到底是什麼。
我從《失控》這本1994年的書中得到的答案是，一個湧現出來的系統。
《失控》的核心概念就一個，湧現，大量簡單個體遵循簡單規則，在大規模協作之後，湧現出任何單個個體都不可能擁有的複雜能力。
維納提出了一個概念，到今天爲止我覺得仍然是理解人機協作最核心的點，那就是，反饋。
控制論的整個理論基礎，就是建立在反饋迴路上的。
一個系統之所以能自我調節，是因爲它能接收到自己行爲的結果，然後根據結果修正下一步動作。
恆溫器就是這樣，你設了26度，它發現現在28度，就開始製冷，等降到26度，就停下來。
它不需要理解溫度是什麼，它只需要這樣的一個反饋迴路。
你把這個思路遷移到AI協作上，會發現一件很有意思的事。
那些真正把AI用得好的人，和用得一般的人，包括現在的Loop Engineering，最大的區別，其實是這些人，給AI的反饋質量更高。
維納還在這本書裏說，機器最擅長的事，是可重複的、可量化的、可編程的工作。
而人的價值，恰恰在於那些不可重複的、需要判斷的、充滿歧義的場景。
1950年說的這句話，放到今天的AI時代，我覺得依然極其準確。
後來AI浪潮來了，我覺得，它也應該是每個跟AI協作的人的必讀書。
這裏面有一個很有趣的觀點，叫捨本逐末。
就比如你有一個根本問題，你不去解決根本問題，而是用一個見效更快的臨時方案來緩解症狀，臨時方案確實有效，症狀消失了，你就更沒動力去解根本問題了。
時間一長，根本問題越積越深，你對臨時方案的依賴越來越強，直到有一天臨時方案也撐不住，整個系統崩盤。
放到AI上，就是你需要寫一篇深度分析，本來應該自己花幾天去線下之類的深度研究、去思考、去建立自己的判斷。
但AI可以30分鐘給你一篇看起來像模像樣的東西，你用了，效果還行，下次又用，再下次還用。
半年之後你發現，你對這個領域的獨立判斷力，反而比半年前更差了。
因爲你一直在用AI的輸出替代自己的思考，你的思考能力在萎縮。
這就是捨本逐末。
梅多斯還有一個概念我覺得特別好，她把系統裏的東西分成「存量」和「流量」兩種。
存量是慢慢積累起來的東西，你的專業知識、你的判斷力、你的人脈、你對一個領域的直覺。這些東西積累了五年十年，是你的家底。
流量是進進出出的東西，每天的產出量、處理的信息量、完成的任務數。
AI可以極大地加速你的流量，你一天能產出的東西，可能是以前的十倍。
但它同時可能在不知不覺中消耗你的存量。
當你所有的分析都讓AI做，你的分析能力這個存量就在降低，當你所有的寫作都讓AI代筆，你的表達能力這個存量就在流失。
而且存量的消耗是無聲的。你並不會某一天突然發現哎我變笨了？這個消耗它是一個緩慢的、你幾乎察覺不到的過程，就像溫水煮青蛙一樣。
所以《系統之美》這本書，很有趣的一點是，它會讓你發現，在AI時代最重要的價值，是讓你看到那些你看不到的代價。
這本書的作者叫漢斯·羅斯林，一個瑞典的公共衛生學家。
他花了幾十年的時間研究全球發展數據，最後寫了這本書，副標題叫“用數據思考，避免情緒化決策”。
羅斯林做過一個特別經典的測試，他在全球各種場合給觀衆出了一組關於世界現狀的選擇題，比如全球貧困率是在上升還是下降、全球人均壽命是多少、有多少女孩能上完小學。
那些高學歷的、關心時事的、所謂的在各個領域有專業建樹的人，答對率平均只有兩道題，比猴子直接隨機選還要差。
因爲人的大腦有一套先天性的本能，在系統性地扭曲你對世界的認知。
比如“鴻溝本能”，就是你的大腦特別喜歡把事情分成兩個陣營，發達國家和發展中國家、AI取代人和AI幫助人、懂AI的和不懂AI的。
但現實幾乎從來不是二分的，絕大多數東西都在中間那一大片灰色地帶裏。
比如“直線本能”，你看到一個趨勢在漲，你就默認它會一直漲下去。
等等等等。
這些本能在人類進化過程中是有用的，在非洲草原上快速判斷是不是有獅子這種生死存亡的時候，這能保命。
但到了現代社會，到了需要你基於事實做複雜判斷的時候，這些本能就變成了bug。
而在AI時代，這個觀點，就變得很重要了。
因爲你輸入給AI的，不只是Prompt，還有你的世界觀。
你問AI的每一個問題，背後都帶着你對世界的假設，如果你的假設是扭曲的，你問出來的問題就是扭曲的，得到的答案再漂亮，那其實也是有巨大的事實偏差的。
羅斯林教你的是，在做判斷之前，先看數據。
不看情緒，不看標題黨，不是看朋友圈的焦慮文章，看數據。
事實，來源於數據。
不要被情緒和本能帶着走。
你可能沒讀過這本書，但你大概率聽過他最著名的那句話：
媒介即信息，The Medium is the Message。
麥克盧漢的意思是，一個新媒介被髮明出來之後，真正改變世界的，並不會是這個媒介上傳播的內容，而是這個媒介本身。
電視被髮明出來之後，改變世界的是電視這種媒介本身重新塑造了人類接收信息的方式、注意力結構、甚至家庭關係和政治格局。
互聯網也是，改變世界的並不是某一個網站，是互聯網這種媒介重新定義了知識的獲取方式、社交的形態、商業的規則。
如今的AI更是。
AI在我心中，有很多種定義方式，其中有一種定義，就是媒介。
而一個新媒介出現之後，改變世界的方式，完全不是你能預料到的。因爲你會犯一個 麥克盧漢 叫做後視鏡思維的錯誤。
就是每當一種新媒介出現的時候，人類理解它的方式，永遠是拿上一代媒介的框架去套。
汽車剛被髮明的時候，人們叫它“無馬馬車”，horseless carriage。
這個名字現在來看就非常的扯淡，它是用馬車的框架來定義汽車的，好像汽車就是一輛去掉了馬的馬車。
但汽車真正改變世界的方式，跟馬車沒有半毛錢關係。
汽車催生了公路系統、催生了郊區、催生了購物中心、催生了整個美國中產階級的生活方式、幾乎重塑了石油工業和中東地緣政治。
這些東西，你站在馬車的框架裏，一個都想不到。
AI也是，這是全新的物種，全新的媒介。
所以，《理解媒介》這本書給我最大的啓發是，別用後視鏡看AI。
別問比如說“AI能不能替代我的工作”。
真正的問題應該是，“因爲AI的存在，什麼以前不可能的事情現在變得可能了”。
第一個問題會讓你焦慮，第二個問題會讓你興奮。
而且，我覺得，第二個問題纔是對的問題。
《反脆弱》這本書我真的在不同的階段翻回去看了無數次。
核心概念就一個。
有些東西，不僅不怕波動和衝擊，反而從中受益。
塔勒布管這叫反脆弱，Antifragile。
在AI時代，反脆弱，變得太重要了。
AI行業的變化速度，大家也都知道，去年的版本答案，今年可能就被淘汰了，你三個月前學的那個工作流，現在模型升級了，也不需要了。
在這種級別的不確定性面前，追求穩定和確定性是徒勞的。
你沒辦法預測三個月後AI會進化到什麼程度，你沒辦法賭哪個模型會贏，你沒辦法確定今天學的技巧明天還有沒有用。
而塔勒布給了一個答案，槓鈴策略。
一頭極度保守，守住你的底線和基本盤，另一頭極度激進，拿出一小部分資源去做高風險高回報的嘗試，中間那些看似穩妥其實風險最大的東西，不要碰。
翻譯成AI時代的人話就是，你的基本盤是你的底層能力，比如社交能力、表達能力、系統思維、品味、領域專長等等，這些東西不會過期。
然後你拿出一部分的精力，瘋狂去試各種新模型、新工具、新玩法，試錯成本很低但一旦押中回報巨大。
但千萬別把全部身家壓在比如精通某一個特定AI工具這種破事上面。
因爲那就是槓鈴的中間段，看起來安全，其實一個版本更新就給你歸零了。
比如說Claude Code是我現在的主力工具，我用它非常深。
但如果明天出了一個更好的東西，我會毫不猶豫地切換，因爲我的核心競爭力根本不在會用Claude Code這種破事上，是在那些Claude Code替代不了的東西上面。
這就是反脆弱。
從每一次變化中獲益，而不是被變化淘汰。
以前，你是一個執行者，老闆給你一個任務，你自己動手做完，你的核心能力是執行力，手速快、細節準、產出穩定。
而現在，你打開Claude Code，你的工作狀態變了。
你不再需要自己動手寫代碼了，你變成了一個在指揮AI寫代碼的人，你要給方向、定標準、做取捨、看結果、給反饋。
這就是管理。
你可能還是一個普通的個體貢獻者，你可能手底下沒有一個人。但你每天的工作狀態，其實已經變成了一個管理者，你在管理一個AI團隊。
而管理這件事，是有方法論的。
艾格在書裏聊了非常非常多的領導力原則，但對我在AI協作上影響最大的有三個。
第一個，聚焦。
艾格剛當上迪士尼CEO的時候，公司一團亂麻，到處都是問題。但他做的第一件事不是到處滅火，因爲那些火太多了，你根本滅不完，他上來只定了三個戰略優先級。所有不在這三個優先級裏的事情，不管看起來多緊急，都排在後面。後面這三件事完成之後，那些火，全部自己消失了。
第二個，在不確定中做決斷。
艾格收購皮克斯的時候，價格是74億美金，這在當時是一個超級瘋狂的數字。董事會里有很多人反對，但艾格力排衆議，拍板了，執行了。
後來證明，這是迪士尼歷史上最成功的收購之一。
跟AI協作的時候，你會頻繁地面臨這種不確定性，你必須得經常在信息不完備的情況下快速判斷，選一個方向，往前推。
等所有信息都齊了再做決定的人，在AI時代會被快速迭代的人甩在後面。
這個對我啓發最大，艾格管理過的人裏面有喬布斯、有約翰·拉塞特、有凱文·費奇，全是超級創意人才。
他的管理方式呢，不會事無鉅細地控制他們，而是給一個清晰的方向和約束框架，然後在這個框架裏給他們最大的自由度。
你看這個邏輯像不像Harness。
AI就是你的創意型人才。它能力極強，但需要引導。你管它管得太細，它就變成了一個只會聽命令的打字機。你放手太多，它就開始自由發揮到你認不出來。
好的領導者知道那個度在哪裏。
這層懷疑不是讓你變成一個什麼都不信的虛無主義者。
恰恰相反，它是讓你的所有信念都建立在更堅實的地基上。
因爲經過懷疑之後還能站住的東西，纔是真正靠得住的東西。
這些底層能力，不會因爲模型升級而過期，不會因爲工具迭代而失效。
因爲它們從來就不是關於AI的。
它們。
是關於人的。
以上，既然看到這裏了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個星標⭐～謝謝你看我的文章，我們，下次再見。
>/ 作者：卡茲克
>/ 投稿或爆料，請聯繫郵箱： [email protected]