首頁 / 自我成長 / 知識管理是反 AI 的：把加工外包給 AI，等於在幫你退化

知識管理是反 AI 的：把加工外包給 AI，等於在幫你退化

不管是寫作還是知識管理，都是「反 AI」的。

任何想教你用 AI 來搞定知識管理和寫作的，都是邪魔歪道。

你能學到什麼，為什麼取決於你當下擁有什麼？

一個人能理解什麼，是取決於他當前的「知識儲備」以及「經驗累積」。

就像是一個 6 歲小童看孫子兵法，就算每個字都背起來了，也讀不出什麼深層含義，但如果是給一個 60 歲的老頭，他經歷過成功、失敗等大起大落，雖然字還是那些字，但他卻能代入自身經歷去理解。

從原理拆解會長這樣：

當新知識進入大腦時，它會被先暫存在「短期記憶」中。此時，大腦會調用「長期記憶裡」的相關信息與之「打交道」。也就是說，如果長期記憶裡「已有」相關信息，那就能解讀，而如果沒有，那就像看無字天書，無能為力，無法解讀。

舉例來說，如果你現在大腦已經儲存了小學學的加減乘除，那你在看一元二次方程式時，你還能稍微勾上點邊，還在你的能力範圍內。但如果是看大學的微積分等高等數學，那你的腦子就矇了，因為這超出了你的理解範圍，中間空缺太多知識，沒有任何能力去解讀他。

因此，學習的關鍵，就在於一步步的拓寬你的「認知邊界」。

怎麼拓寬呢？

就是將你新學到的知識，透過加工等手段，融入你的長期記憶中。只要你記住了這則知識，能力圈(認知邊界)就被拓寬了，那你就能進一步看懂，更難的知識了。

反過來說，如果你不將知識牢記於心，或未能將其轉為長期記憶，會發生什麼事呢？

那就會像你以前學的高中知識那樣，現在全都忘光，而當你再遇到那些可能觸動到你的內容時，由於你已經忘光了，因此你無法對其產生反應。

知識管理的本質，為什麼是「反哺第一大腦」？

知識管理的本質 —— 是將收集來的資訊，經過篩選、加工、比對後，把這些你認為是「正確答案」的概念，記住在我們的長期記憶中。

這是一個動態過程：

我們當前的長期記憶，會不斷跟外部資訊互動 → 從中提取有用的內容 → 再經過加工提煉 → 融入長期記憶，形成穩定知識結構 → 再繼續跟外部資訊互動 → 飛輪越滾越大，認知提升

所以，知識管理的零階邏輯，就是「把有用的資訊，轉化成長期記憶」。

關鍵在於「記憶」。

而所謂的卡片盒或第二大腦這些工具，實際上是你大腦的延伸。

我們大腦的工作記憶一次最多只能處理四個東西。所以，第二大腦的作用，是作為一個「問題擺放區」，或我更喜歡的說法是「概念的草稿紙」 —— 用來輔助我們交叉比對筆記，推導出正確結論。

其實這就跟數學的草稿紙沒什麼兩樣。就像是你在算數學時，當 5+5=？，你可以完全用大腦硬算。但是，如果要你計算 8765 + 889947 =？這樣龐大的數字時，你就得拿出紙和筆，作為輔助。

只是這次，我們算的不是數字，是在算更複雜的概念。像是你的人生問題、事業問題、家庭問題......

而傳統意義上的「第二大腦」有一個錯誤定義。

問題在於，《第二大腦》這書，所鼓吹的概念是，你有個外部軟體，可以幫你「記住任何事」。潛台詞是「大腦不是用來記憶，而是用來思考的」，他參考的是《GTD》這書，這明顯是將任務雜項和知識混在一起談了。

但知識管理的真正目的，就是用大腦記憶。

如果你把它當作「概念草稿紙」，那你就會知道它不是拿來完全外包你的記憶。在我的定義中，第二大腦是作為一個外部草稿紙，用來幫助我們分析資料，以便找出真正需要記住的知識。

目的是把需要的知識，記住在「原生大腦」。

也就是說，我們只是需要一個像草稿紙一樣的東西，借由它把這些觀點一步一步算清楚，推導出一個最能說服自己的、相對正確的答案。等這個答案出來之後，再把它反哺回我們的第一大腦裡。

如果全都外包到第二大腦，你的第一大腦空空如也，那就無法跟客觀世界做交互，提取新的一輪有用資訊了(就如前面所說的，遇到超出能力圈的資訊，你無法做出反應)。

為什麼把知識管理交給 AI，是在幫你退化？

目前，AI 時代的知識管理已經走偏了。

是在往「降低認知損耗」的方向發展。

處理信息的流程長這樣：

• 閱讀：你翻網頁，AI 幫你閱讀，給你摘要
• 筆記：蒐集的筆記不需要你加工、統整，AI 自動找關聯
• 寫作：你可以一鍵生成文章粗搞

你看看，這是不是很懶人化？

你完全不需要動腦 —— 它省去了閱讀文章、整理筆記、寫成文章的功夫 —— 可以無痛的把你認定的好知識，轉化成一篇可以對外輸出的文章。而你在中間，只需要扮演「品味擔當」的角色，讓 AI 修改編輯後，再用你的品味，命令它繼續修改，最後製造出好內容。

我得說，如果你的目的，只是為了流量，那確實是有效的。

但是呢，這會損害你的「成長系統」。

我覺得這個就跟跑馬拉松一樣。大家在跑馬拉松，而你卻叫計程車。計程車跑得更快、花的力更少，但你跑馬拉松的目的是什麼呢？

是鍛鍊身體。

那學習成長系統也是一樣。

「必要難度」是認知加工的前提。

知識管理的每個動作（篩選、加工、關聯），都是在鍛煉你的「神經元連接能力」 —— 「費力思考」是為了讓大腦形成「新的神經回路」。

你需要自己加工筆記、自己寫成文章，這樣才能讓那些知識融入長期記憶中，反哺原有的認知模式 —— 這就很像是你在健身房鍛鍊，你今天舉起的重量會破壞肌肉纖維，而等到修復時，肌肉變更強壯了，你才能舉起更重的重量。

但如果你將這「必要難度」都交給 AI 處理，那你是不會記住內容的，這樣過一個月後，你還會覺得這內容很陌生，甚至是不是自己寫的，都不能肯定。

等於還要重學。

如果是寫日常文章或說故事那種就算了；但是如果是為了成長、是要寫有知識落差的內容，就一定要讓它長進腦子裡。

我換個例子解釋你就懂了，如果有一位學生，他寫數學題都拍照，然後叫 AI 解題，從三角函數解到微積分，那你能說，這是他自己的實力嗎？不能吧。因為去掉 AI 後，他一題都解不出來。

同樣的，AI 現在確實能讓很多人寫出一些好文章，但是那是 AI 寫得，不是他們親自寫的，那等於說他自身並沒有成長。

而知識和數學考題可不同。

知識會複利成長。是貝葉斯定理 —— 新知識會反哺，改正原有知識 —— 類似於你吃了個大苦頭，你下次就不敢再犯了。因為苦頭(新衝擊)改正了你舊認知(原本以為那套老觀念才是對的)。

但如果你都不親自「加工」，那你的「先驗概率」就不會更新，就只能永遠活在老認知中。

也由於關鍵是在第一大腦，你需要將正確的知識「記住」在第一大腦裡，因此，加工資訊的關鍵是「苦力活」，不能將任何「苦力活」外包給 AI。但是呢，以現在 AI 技術發展來說，是往「認知卸載」的方向走，就是幫你更容易作筆記(幫你一鍵統整網頁訊息)、自動筆記連結、幫你自動寫草稿、......

在我看來，是方向偏了。

看似在幫你節省時間，實則在幫你「退化」。

因為這比較難懂，所以我得再解釋一次邏輯：

必要難度 → 進入長期記憶 → 迭代認知 → 擴大原有知識圈 → 看懂更多新知識 → 再跟外部互動，從中提取有用的內容 → 再加工提煉，寫成文章 → 觸發必要難度 → 進入長期記憶 → 迭代認知。

但如果都交給 AI 處理，就無法進入長期記憶中，那知識複利的循環就斷了。

// 把這篇帶著走

反 AI 知識管理，一鍵打包為 Notion 模板

重點濃縮 + 動手檢查表，留個 email，我直接寄一份可直接套用的版本給你。

寄一份給我 →

P.S. 一週寄一封電子報，不喜歡退訂兩秒鐘 ✏️