AI 之下，阅读的演化与未来

过去数年间科技行业诞生的新概念，没有哪个像 2023 年的 ChatGPT 一样，如此迅速地走进我们的日常。生成式 AI 会如何改造生产力？我们的工作将都会被 AI 替代吗？想象力被打开后，很多新的问题出现了，但我想先从人类的文明之光，我们创造力和生产力得以诞生的源头 —— 阅读，开始聊起。

作为一名普通阅读者、阅读工具 Cubox 的创始人，以下内容是我日常碎片化思考的整理成篇。在阅读这个话题上，我认为探寻 AI 对阅读产生的影响，比怎么用好 AI 更有意义，以此泛泛而谈的文本抛砖引玉。

阅读的新与旧

传统的阅读通常指看书籍，但今天我们的话题与现代化阅读，与学习有关，那么，看书籍报刊、看社交媒体、听播客、看视频、聆听对面的人说话、看一场现场演讲，凡属于语言、文字类型的信息获取，都是我们要讨论的「现代化阅读」。这么一看，我们每天花在阅读的时间，常常远多于吃饭、社交和运动，重要性不言而喻。

而今天和生产力有关的 AI 新产品，多多少少也都和阅读有关联：写作助手、阅读助手、对话助手、AI 知识库、AI 搜索引擎…

一个数万字的专业长文，AI 可以用简单的语言概括为 200 字，可以直接给出你关心的数据和结论；一个两小时的视频， AI 可以提供 1 分钟就能阅读完的总结。AI 毫不在意形式，它以近乎无情的方式处理、压缩一切，满足人们对效率疯狂的追求。所有的媒介形式都能变成短文字，都能变成你想要的那个结论。在 AI 的背景之下，曾经的现代化阅读，作为阅读介质从纸质书籍转移到数字设备的那个进程，也正在变成下一个传统。

面临新事物时，我常会做一些思维实验。比如当我想象历史倒退，人类科技倒过来发展，有些我们所以为的全面进步并非无法质疑，历史只是用商业化普及证明了新事物的某些价值。AI 对阅读经验的挑战，也必然要面临这个考验。另一个实验是从新事物中找找「旧」，找找那些没有发生过变化的元素是什么，比如人性使然的经典需求。AI 总结就是这一类事物，它看起来很新，但去掉 AI 这个前缀，它的古老历史脉络就会浮出水面。

总结的已然和必然

并不是 AI 创造了总结这一形式，总结是人类已有的天赋和工具。甚至可以说，语言作为一种相对低效率的沟通工具和抽象的符号系统，就是对现实世界中事物和概念的描述，它必然是提炼和概括，我们都在依赖大脑的总结功能去理解世界并与他人交流。

我们常说信息过载，既然人们没有那么多时间阅读，能不能给我讲讲，或者直接告诉我关心的答案？AI 总结若能够如期望中解决掉信息过载难题，我们应该有任何理由拒绝它吗？

和所有观点一样，我们当然能找到一些反驳的理由。比如有朋友刚好给我分享了在 X 上一位内容创作者的观点，它提到，总结是一种二手信息获取，不够准确，无法替代阅读，还常常更容易错过好内容，因此无法通过总结学到知识，AI 总结没有意义。有关 AI 总结的一些批评常常在暗示，AI 总结导向的是错误的阅读潮流，要反对「只看总结，不看全文」的阅读方式。

但如果用「阅读总结」直接对比「阅读全文」，那我们讨论的只是阅读方式，不是 AI，这个对比和 AI 的关系仅局限于 AI 是否加速了这个现象的流行；要深入看 AI 对阅读的影响，我们应当先关注 AI 与人的不同。

作为道德上的偏见消除器

人工总结无处不在，那么出于人性，人们会根据自己的偏好，选择性地强调或省略一些信息，以达成自己的目的。这就是争端和偏见产生的重要原因，从互联网、校园、职场，到家庭日常，这样的现象比比皆是，它孕育了网络暴力、仇恨言论、隔阂和争端。

新闻文章或视频中出现的评论，情绪激昂的重要性，往往胜过追求事实本身，因为事实被数字化后，都会成为片段或总结。热门评论中也常会有网络词语和各类“梗”，这些词语是一种超链接式的总结，揉杂了不同的含义，好像虽然什么都没说，但又说了很多东西。标题党也是一种带有极强引导性的内容总结，我们不能只责怪看客们的不负责任，内容创作者本身也爱用标题党吸引阅读者。

好好说话没有意义，总结一切，快速投入到下一个新闻奇观的浏览，才是当代数字居民的要紧事。不擅长偏好性总结的人，甚至很难在互联网世界获得关注。

社交媒体是一个由总结构成的信息丛林，它不教你如何思考，它教你如何阅读他人的偏好性总结。

AI 有可能帮助人们更快地了解事情的真实全貌，从而更大程度上去减少偏见吗？

抛开设计者的道德因素影响，合理设计 AI 的确可以只根据客观的数据、文本来分析，给出更公正和理性的结论。AI 不仅仅能提供总结内容，作为示范性的阅读纲领，提醒人们不要忽视真相，不假思索地宣泄情绪，它还能在内容审核、社区氛围引导、创作者评论管理等许多方面诞生新的能力。而在某些领域，比如心理、医疗、司法等方面，AI 作为道德上的偏见消除器有更重要的价值，即使需要人参与的部分也可以由 AI 辅助，以减少犯严重错误的几率。

AI 在消除因为人工总结产生的偏见，进而消除人与人之间的偏见上，潜力巨大。

作为大脑的知识扩展接口

大部分总结类 AI 产品做的事情并非只是总结，很多应用也会同时包含解释和分析能力，而总结 (Summarize) 这一单项功能也并不是一句「给我总结一下」的指令那么简单。AI 可以用中文总结你完全不懂的韩文文章；可以帮助你用通俗的语言，总结你熟悉领域之外的学术论文；可以用文字总结你不方便看、不确定值不值得看的视频… 再借助 AI 解释能力，阅读者可以继续追问更多问题的答案。 这种总结已经和人类的人工总结能力大有不同。

首先，AI 增强了我们个人的大脑能力，帮助我们触达了原本可能没有办法接触的信息。这在以往都是互联网搬运工们的职责，但能被搬运的也都是少部分热门内容，何况也必然存在上文提到的人为偏见问题。

其次，AI 提供的解释能力，和曾经人们一边阅读、一边使用搜索引擎去查找资料的模式有许多不同，这里不赘述。夸张点说，这应该是人类首次能在没有另一个人类的参与下，将任何阅读材料，都能直接变成主动、可交互式的阅读。有经验的阅读者们有这个共识：在阅读过程中，阅读者越主动，参与越多，也就意味着更多的思考，更容易对所读之物产生深刻理解。

这一点对 AI 总结功能的设计也有启发，它应当可以个性化根据用户特点和需求而变化总结方式。

个性化阅读的时代，也因为 AI 真正到来了。

以前的个性化阅读，是算法推荐人们喜爱的内容，它是自我阉割式的、人为制造信息茧房的阅读。现在的 AI 之下，任何内容都能以最符合我的方式为我呈现，你可以做自己知识图书馆的管理员，为自己策划任何内容。

传统教育模式的弊端之一是学科壁垒，我想象不到任何一个比 AI 更好的方式，能够在许多领域的知识墙壁上凿出一些好奇心的入口。这样的入口在 AI 以前的时代并没有多重要，人们做好自己领域的专长可以，但对未来的个人成长和创新非常关键。

另一个弊端可能是知识诅咒，人的视角是局限的，他不可能同时是一名科学家，又是一个涉世未深的小孩，会导致教授知识的人无法与学习者也许更自由的思维方式共鸣，更多是以改造为目的，有意无意地破坏了创造力。

因为通用 AI 的训练数据的特点，它所表现出的无学科、无偏见，反而更能保护和激发学习者自身的创造力。

古老的阅读、学习经验，在 AI 新技术的加持下，如同交通工具从自行车换成了飞机。先登机的往往仍然是有更强阅读经验的人们，但新的工具最终会普及到每一个学习者。

我女儿 5 岁时，有次从影院看完电影回来，我让她给我说说这是个什么故事，她毫不犹豫地开始了长达十分钟的流水账演讲，全程都是用「然后」衔接的，看她兴奋的表情，我实在不忍心打断。结束后我让她用简单几句话总结一下，她反而愣住了，电影怎么能几句话就讲完呢？惊讶之余我才转换过来思维，一个接受教育不多的小孩子要概括信息是不容易的，她需要重新回顾整个电影的逻辑，并理清其中人物的关系，才能最终组合成精炼的几句话。

总结看起来会损失信息，但它要求较高技能，不仅要缩减表面的信息量以增加沟通效率，还要确保准确无误。总结调用的不只是记忆力，还有信息的处理能力，是一项高级思维技能。

“最好的学习是成为老师”，能把某个知识讲述给一个完全不懂的人，解答对方的各种疑惑，让对方最终理解，意味着真正掌握了这个知识。其实这个教授过程就是某种方式的总结。

对人脑来说，总结是充分掌握知识后的成果。既然人人都必须生活在总结构成的世界，那我们可以追求强如 AI 一样的总结效率和质量，追求对自己领域的知识有极强的总结能力，以此为个人学习的目标。

我似乎已经看到这么一个场景：AI 让用户讲述某个内容，AI 给人类的总结来打分，从而判断用户是否真的懂了，并且给出进一步改善学习的意见。人类被阅读理解考试支配的命运，恐将由 AI 来接棒。

作为大纲目录的工具

AI 对信息的处理，特别是总结，目的就是在尝试让读者快速学到知识吗？我们先看看论文的摘要，维基百科是这么解释它的：

对于普通文章，我认为摘要同样具有相似的工具属性，让读者快速了解内容的概要，决定是否要阅读。只通过阅读摘要就可以获得一些信息，但摘要并没有让读者马上学习到知识的义务。

网络文章的总结（Summary）的信息损失程度，一般远远低于论文摘要（Abstract）的抽象程度，既然损失的信息不多，为何不读读总结就好？也就是说，人们可能会本能地带着希望快速学到知识的心态来使用摘要，但这里最大的因素还是阅读者本身的选择，不是每一篇文章都需要完整阅读，它都未必和文章质量有关，有时只是每个人对信息的需求不同罢了。

有人说文章和书籍不同，内容很短，没有必要先看总结。一篇文章和一本书的确不同，但我们应当关注的是阅读的信息总量，而不是用相同单位做对比。比如在我自己所有的阅读材料中，碎片式文章阅读的总量一定超过了书籍。正是因为文章本身更轻量、数量更多的特点，更需要高效筛选，以决定将时间花费在哪些资料的阅读上。

我们稀缺的不是信息，是过滤能力。正如作家 Clay Shirky 所说，信息过载的本质，就是信息过滤的失败。

在 AI 时代，我们也可以重新思考目录或大纲的设计。传统的章节标题阅读价值较低，而好的目录应当能提供更强的「预览式阅读」功能，帮助筛选信息。它可能的形式丰富多样，可以为章节标题附上一句话摘要，可以给出具有关系图的目录结构，可以给到每个目录中辅助的图片和高亮文字展示。公平地说，传统书籍已经在做类似的事情，很多书的目录设计都不尽相同，其中做得最贴心，当属随书附送导读小册的。但 AI 能带来的可能性远远不止这些。

用 Cubox 举例，我们加入了提问的形式。提出关键问题，并给每个问题总结出内容中的解答。提问的价值在于好奇心和互动，问题问出时，读者会带着疑问马上开始思考，相比于平铺直叙，更容易激发读者的学习兴趣，就像演讲，演讲人提出一个新的话题再稍做停顿时，听众已经开始设想问题可能的答案，直到演讲者揭晓答案的那一刻恍然大悟。提问不仅仅有助于决定是否要阅读原文，以及阅读原文的哪个部分，它还非常适合阅读之后的重看、回顾和自我评估。

在相似的电子书领域，我认为争论电子书好还是纸质书好并不公平，我们并没有大规模地创造过作为形式的电子书。什么意思呢？每一本电子书都应当用数字的方式从零开始设计，而不是实体书籍改改格式后放在电子书商店，和其它书籍一起销售。历史上曾经有过一些这样的尝试，但也许因为成本过高，最终几乎都消失了。

电子书应该制作为可交互的、完全数字化的新格式，每一本书根据内容特点，独立以 App 或某种数字形式发行。这样的电子书优势非常明显，类似 AI 对摘要目录的改造，AI 对这种电子书的改造是脱胎换骨的，书籍的作者、编辑和设计，共同参与这本书籍的制作，最大化阅读体验。

无法有效到达读者的观点是没有意义的，我们评估书籍价值时也应该把阅读体验考虑进来。就像演唱会，歌手不能像播 CD 一样只给观众听到完美的声音，作者也不再只负责留下文字，而是尽力通过对内容的第一手理解，加之设计，用完整的体验去影响读者。

AI 处理的内容，不仅仅本身具有大纲目录的能力，也能很好地优化传统的大纲目录，甚至改造传统内容，升级用户的信息获取和筛选体验。

作为信息和知识的分类器

一些反对总结的观点，会认为总结是阅读的捷径，但学知识没有捷径，那么这也意味着，人们提到的知识是需要努力才能获得的知识，相比而言，今天 OpenAI 创始人发生了什么，今天哪家公司又新出了什么产品，只能算是原始消息、是一类基础的阅读材料。

但恰恰在我们每天要阅读的内容中，很多就是这一类的资讯，它要求我们在最短时间内获取信息的关键点，再决定是否要采取任何行动。一个热点信息出现时，很多媒体都会同时报道同一件事，通过 AI 总结，不仅仅提炼某一篇文章的信息，还能处理某一组文章的关联信息，给出具体的阅读建议。互联网上值得通过阅读学习知识的文章只是少数，AI 给了普通读者对抗搬运和碎片化的有力工具。

该模式同样适用于轻松的阅读场景。有些信息我希望简单了解，作为锚点，未来某天可能成为我的某个灵感的来源，比如某部故事有趣但不值得观赏的电影的五分钟讲解；有些信息我希望沉浸在其中，获得足够的知识经验和理解，比如一部三个小时的完整电影。

虽然我们在聊分类器，但知识和信息很难被严格分类，我们在当下不容易判断它是哪种类型，直到某个事件、某个决策和它有关时，我们才会严肃地对待它。但在阅读时可以借助这种粗略的分类方式，尽可能多地获取信息，帮助在大脑建立自己的知识索引，这种索引在 AI 时代就是隐形的生产力。

作为反碎片化的粘合剂

AI 可以将碎片连接，对某个主题、某个事件进行整体分析和总结。这在过去依赖人工或其它算法都比较难达成。

结合对于阅读者和内容的了解，AI 根据内容的内在逻辑，为每个主题提供不一样的处理策略。某个社会事件，应当在摘要中包含事件线和不同观点，帮助梳理来来龙去脉；某个科普文章，则可以追溯到更早的历史，让读者看到整个发展的脉络，再做延伸阅读学习建议；而某个产品发布的消息总结，除了总结关键参数，可以给到一些竞品的近期信息。

利用 AI 对内容补充、评价、分析，带有过去的记忆和经验，去洞察信息表相背后可能错过的其它信息。

去碎片化的过程，类似将碎片阅读变成主题式阅读的过程。主题式阅读和上文提到的主动阅读一样，也是一种更高级的阅读技艺。AI 提供主题式总结后，人们在查找和关联信息层面所需的付出更少，大部分由 AI 代劳，这将会让更多缺乏高级阅读经验的读者们获益。而已经具备很强的传统阅读经验的读者，也可以更好地利用 AI 来升级自己的阅读方式，诞生的新方法可以帮助 AI 阅读工具的设计，最终仍然会惠及普通读者，形成积极循环。

作为作者和读者筛选器

内容背后的作者，是所有阅读得以发生的前提。

我偶尔写一些文字，也希望读者能够从头到尾看完全文，这样的信念要求我在写作过程中用心斟酌每个字，确保我所说的观点充分推敲，言之有物。但即使如此，我相信通过 AI 总结，一定可以让读者更快地了解我的观点，只是更少的补充论据、更短的说服时间，可能会影响他们对我的风格的了解，以及对我的观点本身的认同程度。

但这就是创作者可以努力的方面之一：创造与众不同的阅读体验，建立读者对自己的理解和信任，从你的内容中不仅仅能获得信息和知识，还有阅读的愉悦，思维的激荡。

不良的知识习惯不会因为 AI 总结的风靡而变得更糟糕，没有耐心的浅薄读者仍然是浅薄读者。如果你是一名优秀的创作者，AI 不仅仅可以辅助你写作过程的文本处理，还可以帮助你筛选掉其它平庸的创作者，那些内容本身并不值得被完整阅读的作者。以此，能让你的读者更多地阅读你创作的内容。去写一些不容易被错过的好内容吧！

创作者应当心怀谦卑，即使是从和 AI 的对话中，也能学习到很多。创作者也可以在这个时代刻意强化自己与 AI 不同的个人风格。就我自己而言，我会努力展示思考过程，再简单表述，所举案例和大家的日常共鸣，同时减少结论式的条列（那是 AI 可以更快提供的）。带上一点好奇心和耐心，任何人都可以是我的读者。写作是思考过程，这个过程一定会严谨胜过有趣（社交媒体不缺 “有趣” 的作者），为严谨所需要付出的努力无止境，任何观点都可以不断被质疑，而 AI 注定会让质疑观点这件事，到达一个全新的高度。

AI 当然具有让有趣变得无趣的能力，那么它会让优秀的内容变得平庸，从而导致读者错过真正的好内容吗？

回到社交媒体的语境，我们就发现不应该把有趣和优秀等同看待，因为极具吸引力的标题党文章，越具备激烈偏向性的总结，常常就是最有趣的。但如果我们所说的有趣，就是指行文风格有趣，观点阐述方式特别的「好内容」的话，它们被 AI 总结并独立出现时，好内容的「好」确实就无从体现。因此，我相信 AI 确实会让读者错过一些好内容。

但事情没有想象的糟糕，因为人们通常不是带着鉴赏家的心态去阅读的，特别是在实用性阅读层面，也就不会太在意错过。我之前写过一篇「与信息舒适共处：我的信息极简管理实践」，和 AI 无关，不过今天我的观点没变：个体想要解决好自己的信息过载问题，不需要担心错过任何有用的信息，只需要管理好精力与时间的分配。应当承认这个事实：最焦虑好内容被错过的，是利益相关的创作者，不是读者。

作为分享的缩略图

链接常常作为信息入口被分享，也能够被工具抓取到社交封面图，但如果在分享中能够包含总结性信息，就能明确表达该内容是否值得阅读，为何值得阅读，这将更有帮助。作为被分享人，我希望看到真实的摘要，或真实的阅读理由，而不是煽动人心的标题。人的偏向性导致没办法把这件事做到位，有了 AI 的协助，即使原作者未提供相关内容，分享人也可以自行获得。

如同截图分享一样，通过标注的高亮内容分享全文，也是吸引人的分享方式。高亮内容是一个钩子，无论是回顾还是首次阅读，都会给分享内容更大的展示机会；以后，包含一些重要信息的总结，是新的形式上的钩子，它不仅仅让内容有了更强的展示优势，也给到了读者权利，能更好地决定是否要阅读。

也许在未来的 HTML 规范中会扩展出新的，和 AI 有关的元数据规范，这些数据甚至未必是由开发者写好的文本，而是提供的某种能和 AI 交互的逻辑提示，以让内容到达读者时，真正千人千面，让老规范焕发新生机。

对教和学的意义

阅读几乎都和学习有关，而教育和学习的意义也无需多言。但现实中，人们会重点关注获得用于考试的知识，找到好工作，会误认为这个目标，与教育的理想目标本质上是一致的。

上文已经提及了很多如何利用 AI 高效获取知识的潜在机会，教育行业从业者、专家们，也会越来越多致力于此。但我认为大部分人可能忽略了一点，AI 之于教育的意义，更在于有没有可能解决传统教育里长期存在的问题，从而让教育回归本质。

承认问题本身就是困难的，埋头忙碌的人们容易对真相视而不见，只因真相并不让人开心。家长们害怕不卷的结果，害怕输，即使偶尔想通过那些终极的人生意义，也都被恐惧所掩盖，只能叹息一句“那又能怎么办呢？”。即使很多先进的 AI 工具对「真正」的教育有显著帮助，家长最关注的还是与考试成绩的相关性，最终可能会像儿童编程一样，花钱报名 AI 培训班，拥抱新的焦虑。

孩子们花费人生中最宝贵的时间，在由成年人创造的 “都是为了你好” 的学习围墙里，学到了一些对考试有帮助的知识，并从此认定，求学是辛苦的，知识是无趣的。孩子们也不知道爸爸妈妈每天在忙什么工作，听说只要学习好，一切都会好。校园的各种实践常常演变成了学科和任务，因为只有这样才能被系统化设计，才能在一个老师对几十个孩子的情况下，步调一致地顺利开展。离开校园后，大孩子们又会发现，世界和自己想象的不同，学习了很久的知识很难用上，努力获得的学历证书不够厚，对职场和社会充满了疑惑。

既然通过人传授知识的场所存在许多不完美，当 AI 掌握了大量知识，并且可以提供更快速、个性化的知识获取途径时，人们还需要人来教学吗？

当然需要，而且这时候，人的意义才真正登场。几乎所有的形式主义都来自更高维度的形式主义，来源于一层一层的任务和对意义的放弃追问。教育者应该成为引导者，成为合作能力、沟通能力的培养者，应当去花费精力适应不同学习者的个性化教学。教育者最不重要的使命或能力，将是传授课本知识，教育者应当回归育人的本质。因此，可以先用 AI 把教育者从教学准备、批改作业、讲述知识等等工作中解放出来。这里的教育者不仅仅是教师，还有家长。因为这样的变化，教师的从业标准和良好父母的教育理念，都值得好好审视。

在知识获取层面，用深度的个性化将趣味和价值重新还给知识。幸福的环境有助于有创意地思考、解决问题。学习可能是充满困难和挑战的，但同时也是有趣的，「吃得苦中苦」的方针是把挑战困难和忍受痛苦两件事，错误地划上了等号，其实我们离开校园很久以后仍然印象最深刻的知识，几乎都和某个顿悟的场景，某个开心的时刻有关，这是人脑的多巴胺机制对记忆的贡献。

最高级的学习方法就是顺应大脑的特点与需求，在适度的难度和良好的情绪状态中挑战对新知识的理解，获得正反馈。这个特点决定了每个教育者不能照搬他人的方法，每个学习者必须有自己的个性化学习空间。学习者好奇心以内的知识，即使传统课本无法提供的，也能给到帮助，我们课堂上所缺失的教育的确不少，比如哲学、心理健康、艺术通识。AI 对教育者在知识传授层面的解放，也理论上让教育者有更多精力投入到个性化教育的引导中。

在知识使用层面，AI 能够让孩子在学生阶段就开始创造价值。成人设计的社会对儿童并不友好，曾经未成年人可以是学徒，从师傅那儿学到宝贵的手艺，并马上开始工作，成为一名预备成人，这样的儿童过渡到成人世界很顺畅。现代社会对孩子们没有这样的要求，求学之路的过于漫长，求学和求职之间的切割剥夺了许多创新的可能。

AI 相比曾经的计算机、编程来说，对孩子更友好，更强大，这样的工具赋予他们，儿童也能利用超过自己智力水平的知识去创造有趣、有价值的东西，这个过程中学生能真正理解知识、认识世界，提前获得成就感，也就能激发更多的阅读动机。

不仅仅学生在校园阶段就可以创造价值，离开校园了学习也不会停止，每个人都应当终身阅读和学习。当大家不再需要高呼「终身学习」这个口号时，也就意味着全民教育真正地实现了。

「终身」意味着长期主义，拥有了长期主义视角，教育上的功利主义和形式主义一定会日渐式微。

阅读将会如何消亡

在一本 90 年代出版的书籍中，展望阅读的未来的配图，是一个女孩正在看着手上的一台「砖头手机」屏幕。作者想象有更先进的电子屏幕作为设备的阅读时代的到来，而二十多年后的今天我们在谈论 AI，我们发现不仅仅是媒介，连阅读方式、意义在内的各种命题，都将有新变化。

我曾经和朋友抱怨：你看接下来小编们会用 AI 生成各种文章，读者们再用 AI 一段话总结，我们双方真是互相伤害还不自知，白白浪费地球资源！

如果创作者、读者都在重度依赖 AI，人类还会有新的知识产生吗？

后来我意识到，我已经在用「小编」这样的描述了，小编我是指在每个时代提供信息价值很低的初级搬运工，如果 AI 因为加速了信息流动，促进了知识壁垒的打破而让他们的岗位消失，或者被迫升级自己的工作价值，善莫大焉。这个问题自然也有了答案，人类新知识的产生从来就不是源于知识的简单搬运，有创造者就会有新知识产生的机会。

未来阅读会被 AI 逐渐替代，直到消失吗？是否有天我们不再需要通过阅读积累知识，而是依靠 AI 提供我们发展地球科技和文明所需的知识？

在科幻电影中，我们常常看到脑机接口的应用，知识能够直接注入大脑，但这篇文章的所有讨论在那个时间点都将失去意义。即使那一天的到来，AI 也需要有能力创造新的知识，才算真正意义上替代了知识获取。我坚信人类不会作茧自缚，止步不前。

今天的 AI 很难给出超出人类好奇心以外的信息（但我认为放到个体身上是可以的），在 AI 没有能力创造新知识之前，我们需要阅读来充分积累知识，才能给出非常好的指令和要求，实现认知的提升。我们通过阅读建立一个有效的知识索引，才能和 AI 好好交流。

这个索引也是阅读方式的某种变化，我们将越来越多阅读 AI 所提供的知识，AI 的训练过程所「阅读」的知识，将替代一部分我们原有的阅读。但无论信息到达如何便捷，人和人的差别仍然是对信息的理解和充分利用上。

人类的归宿是发展，阅读的归宿是知识，阅读是人类的发展燃料。无论阅读的方方面面如何变化，阅读都将是历久弥新的不朽主题。

从阅读到创造：生产力工具的终点

无论是阅读工具还是其它生产力工具，都绕不开这个问题：未来它们都会变成 ChatGPT 式的对话式工具吗？

「生产力」追求的是高效率完成任务。我们可以分析一下语言（包含文本、语音等，下文统称语言）交互工具执行任务的效率如何。

作为类比，iPad 的触摸屏比 Mac 的输入更直观，上手更容易，但它的生产力效率其实不如 Mac + 鼠标、触控板或键盘。触控板和鼠标的输入方式非常接近，但也有效率上的不同，触控板无法在移动光标的同时完成点击事件，而鼠标可以。而如果任何一个操作都有快捷键，不考虑学习成本，键盘的效率也是碾压鼠标的。

这里的理论效率极限是：键盘 > 鼠标 > 触控板 > 触摸屏。但实际上手的直观程度排序是相反的。

我们如果把语言交互工具放到这个排序里，会发现也遵循这个逻辑。语言是几乎人人都无需学习的直观工具，但要完成特定的任务，它的理论效率也最低。

但我们不能离开实际场景讨论。当一个产品能满足用户的无数种意图时，它就无法被提前设计好任务执行的流程，这时语言指令的输入可能是效率最高的，越复杂的指令，它的优势就越明显，一个指令可以替代传统界面可能几十个操作按钮。它还能通过不清晰的意图输入，再根据反馈不断调整输入方式以达到最佳结果。

生产力不会因为其上手门槛的降低而整体获得提升，很多时候甚至是反过来的，我们常识中认为效率很高的工具，也许只是容易被学习，往往利用人所有器官的最大潜能的工具才是理论效率最高的工具。但语言型交互因为和其它工具完全不同维度的应变能力，复杂的指令处理能力，在应对更广泛的需求上有绝对的优势。

用这个结论来辅助回答我们的问题，意味着未来对话式工具会非常普及，但也有很多需要追求极致效率的垂直专业需求，对话式交互无能为力。在专业领域仅仅关注输入和输出这两个结果也远远不够，需要借助交互和可视化来更好地理解问题，通过对过程的介入来提升任务完成质量。

瑞士军刀可以搞定很多事情，但抛开便携性和广泛的适用性，它在搞定几乎所有事情的过程中都体验一般。文本交互型工具就有点像瑞士军刀，但瑞士军刀不会蚕食其它刀具、锯子、钳子的市场。即使电脑键盘已经非常强大了，我们还有 Stream Deck 这种能兼顾直观和高效的个性化键盘市场。

新的交互方式会和传统交互方式共生，传统工具也会因为新的能力得到交互上的进化。得益于市场的细分，传统工具也能进化得比之前更专业和纯粹。这一点可从当 Mac Book Air 和 iPad 坐稳自己的市场后，Mac Book Pro 在厚度和接口数量方面的变化中窥得一点趋势。百花齐放将会让所有人受益。

文明不应该止步于实用主义的 All-in-One，真正的文明，是满足多样的需求，追求有创意、有品质地解决问题。

生产力工具可见的未来会怎样呢？不负责任预测的话：对话型交互变成各类工具的常规配置，承担许多功能，但传统交互界面不会被替代；非专业用户可以用语言对话的方式进入某个领域，解决一些基本问题，但会随着自己的成长升级更专业的专有工具；原有生产力工具类别不会减少，甚至会有新的类别诞生。

我们在 2024 年一定能看到更多新东西，比如服务于 AI 文本交互时代的 “drafts”，比如接入 AI 的游戏化时间管家… 这篇文章的每个章节，也几乎都是我曾想过的创业灵感。至于更遥远的未来，我无法想象，但期待参与变化。

尾声

AI 不会让阅读消失，AI 提供的新的阅读方式，也并非新的阅读哲学，而是传统阅读经验在新技术下，在更少的人工的参与下，更好的兑现。

App 时代的创业者来到了 AI 时代，我相信积极关注 AI 能做什么，就有机会让一些事情真正到来，通过实际行动做出小小影响。虽然通篇几乎都在说 AI 的优势，但 AI 模型和应用都有很长的路要走，越关注 AI 的优点，我也会越希望缺陷和风险问题被尽早解决。

Cubox 是最早推出 AI 助手的生产力工具之一，期间我们遇到了一些问题，又将相关功能下线了，九个月之后，终于以新的面貌重新发布了 Cubox AI 2.0。无论你是什么类型的阅读者，都可以试试新版本 Cubox，并给我们一些意见，帮助它往未来的阅读方式去进化。

阅读是一个过于宏大而经典的话题，因此本文观点和 Cubox 没有直接关系，况且思考转化成产品也都不是线性的过程。希望一年后我再阅读自己写下的这些文字时，能欣喜于 Cubox 和 AI 在这一年取得的进步，也能更新我的一些想法。

感谢你能读到这里，愿你无论身在何处，心都能因阅读而自由。