昨天刷推特的时候看到了一篇好文章，翻译一下分享给朋友们（AI翻译80%，我修改20%）。
原文地址：Curiosity Is Compound Interest for Your Brain
干扰假说
干扰让注意力碎片化。AI 工具则让其碎得更彻底。GhatGPT不过是配有键盘的老虎机：输入提示词，盯着旋转的加载圈、等待未知的奖励。这种机制就像在抖音无限滑动屏幕一样，但提供了更高密度的新奇刺激。
Packy MacCormick最近观察到，尽管我们现有拥有前所未有的丰富资源——AI工具、海量的信息、零传播成本——但是，原创性的思想却似乎日渐枯竭。一旦看清这背后的”交易“，这个悖论便迎刃而解：我们用获取信息的便利性交换了思考的深度。
代价便是：创造力的消亡。创造力要求你耐得住性子，面对悬而未决的题枯坐良久，知道灵光一现。而当你每三分钟拉动一次ChatGPT老虎机的拉杆时，那些新的视角永远无法成形。
这并非在反对使、AI工具，而是以此主张：我们要理解好奇心那巨大的复利效应，并警惕在这个物质丰饶的时代，我们正面临好奇心丧失的危机。
好奇心—创造力循环
创造力不是平白无故就蹦出来的。它源于一种特定的动力引擎：那是一种持续得足够久、久到能碰撞出意想不到组合的好奇心。
好奇心—创造力循环是这样运作的：一个问题卡在你的脑子里，你翻来覆去地思考。你尝试了一种又一种的解决方式。这些解法又衍生出新的问题。每一个答案会关联到你之前从未考虑过的问题。最后，你灵光一现，某个连接瞬间被点亮，所有的关联在你脑海中串成了一张网——这是那些没有深度思考、浅尝辄止的人无法企及的时刻。
好奇心是创造力的催化剂。它绝非被动地在百度百科上看资料或是在B站刷视频，而是一种能产生复利效应的主动追寻。
我说的是实际经验而不是专业技能。我演奏过音乐、录制过专辑、也写过书。不是因为我特别擅长以上任何一种，而是因为我从不自我设限。从技能角度来讲，我在大部分领域都在平均水平以下，至于为什么我没有去主动精进这些技能，下文我会详述。结果就是：东西做出来了。我认识的大多数人天赋远胜于我，产出却寥寥无几。这其中的差别不在于能力。而在于好奇心—创造力循环是否一直在运转。
这个循环有一个软肋：它需要持续不断的集中注意力。一旦链条过早断裂，复利效应就戛然而止。正因如此，“干扰”才显得如此致命。
技能障碍
好奇心并不总会被点燃。有时你涉足一个新的领域，内心毫无波澜：既没有感受到吸引力、也没有动力去探索。对此，标准的解释是：好奇心是天生的——有就是有，没有就是没有。
打错特错。阻挡你的不是天性，而是技能
好奇心需要动力。想象一个 SQL 初学者盯着报错的代码。这个错误代码对他毫无意义。这个过程没有提供任何阶段性胜利来吸引他继续学习。所以，他就关掉了页面，就此作罢。
把这个过程和游戏对比一下：你在一个关卡死了，四秒后复活，换个姿势再跳一次。反馈是即时的，成本是微乎其微的，奖励是肉眼可见的。这样能力不断积累、进步愈发明显的过程中，好奇心才得以存活。
这一差别不在于人，全在于反馈。
当有人说他们对某个领域“不感兴趣”时，那往往是“能力缺失”披上了一层“个人喜好”的伪装。他们尝试过、但感到力不从心、没有得到正向反馈，于是撤退了。这种撤退感觉上像是“不感兴趣”，但本质上其实是一种自我保护。
每个人都有好奇心，只是在别处
并不是你没有好奇心，只是它被被放错了地方，证据就是：每个人在孩提时代都充满好奇。好奇心的确存在过，只有各种各样的因素压抑了它，比如对你各种奇怪问题表现的不耐烦的父母、奖励循规蹈矩的学校、让你退却的失败经历。但是好奇心一直存在。
值得说的是，人们在很多领域其实一直保持着好奇，只是他们自己没意识到那就是好奇心。
有人声称自己没雨好奇心，但花四个小时研究游戏的技巧。有人一口气看完关于古代战役的深度解说视频。有人对汽车引擎的每一处细节如数家珍。我的妻子酷爱惊悚小说，尤其喜欢那种女性是反派结尾有反转的类型。她必须要知道结局，必须要知道作者是怎么安排情节的。
他们不认为这些是好奇，因为这些更像是娱乐消遣。但机制是完全相同的：问题出现、主动探索，知识积累。
真正的问题是，你在强迫自己对一个毫无吸引力的领域产生好奇心。这通常是因为其他人说这个领域非常重要。
与此同时，你的好奇心只是在别处，换了个名字罢了。
在好奇心不存在的地方创造好奇
如果一项技能会产生动力，动力会激发好奇，那么好奇心就可以产生。需要注意的是，这个过程需要认清什么是值得追寻的。
关于选择的追问
在着手构建好奇心之前，先问自己：这个领域值得我去好奇吗？
生命是有限的。注意力更是零和博弈。你每花一个小时强迫自己去钻研像编织这样无感的琐事，就意味着少了一个小时去投入那些对你有天然引力（Natural pull）的事物。
有时，正确的问题不是“我该怎么对它产生好奇”，而是“我为什么要尝试？”。
这个问题事关重大。人们花费数年时间，在根本不适合的职业力、别人推荐的爱好中、自己根本没有天赋的领域内，强迫自己产生兴趣。这种努力很少会转化成真正的全情投入。
建设之前，先做选择。
假设你已经决定了：这个领域对你至关重要，哪怕毫无动力，你也必须要继续下去，该怎么办？
电台策略
电台主持人会把新歌夹在流行金曲中间播放。这样，大脑会从熟悉中“借来”温度，去接纳陌生。
这个原则可以推而广之：把“困难”与“熟悉”搭配食用。读一章晦涩的教材，然后读点你喜欢的闲书；在这个令人发怵的项目上磨二十分钟，然后切换到一个你觉得得心应手的任务上。熟悉感能为陌生感提供“情绪脚手架”。
但问题有时在于，你手头的难事太多了，导致你从一个难关跳进另一个难关，所以你会感到挣扎也是必然的。
当我刚入行做产品经理时，每个任务都很难。唯一让我感到放松的时刻，就是躲进Excel里处理一下数据。遗憾的是，这种活儿在我的工作中并不多见——毕竟不是总有数据可以让我放松——所以那段日子真是一种煎熬。
复盘好奇心-创造力循环
后天构建的好奇心，需要时刻审视。你需要反复叩问自己：
它对我有吸引力吗？我是否依然确信这一领域至关重要？当下的努力，是否正在转化为真正的全情投入？
其实，你都不需要把这些问题说出来，答案自在心中。
这个循环，要么会快速得到正反馈——意味着你的技能在增长，反馈在加速，好奇心在增强；要么，就是一潭死水。
如果三个月的努力仍未产生任何效果，那么最诚实的答案或许就是：放弃。这并非失败，而是对生命资源的有效重组。
人生苦短，若在一件事上耗费良久仍无效果，便不值得再纠缠。
但我敢打包票：只要你能熬过最初那几次尝试，再多坚持哪怕一小会儿，你几乎注定会被它深深吸引。
神经网络：当技能产生复利
持续保持好奇，你将收获一张知识网络。
任何领域的早期学习中，就像是在收集孤立的事实。你学会了一个名词，你掌握了一套流程。但这些零散的信息之间都孤立存在，毫无关联。
直到你跨越一个隐形的门槛。孤立的节点开始建立连接。第3章的一个概念为你解决第7章的问题提供灵感。你在一项任务中学到的技能马上就能应用到另一项任务。整张网络开始全速运转。
这就像神经元协同工作的镜像。单个突触毫无用处，但一个神经簇便能开始识别规律。一张网络便能着手解决那些你从未直接演练过的问题。
随后，“元层面”的关卡被解锁：从一个领域学到的智慧，可以完全迁移到另一个截然不同的领域。你在音乐中学到的东西一一张力、释放、节奏、重复一一会出现在写作中。编程中debug逻辑，会在研究商业问题时派上用场。你在国际象棋中培养的判断能力会在战略规划中得到体现。
这就是好奇心的复利效应。
但前提是，你必须熬过早期阶段——那个节点孤立、毫无连接、反馈寥寥无几的阶段。在网络成形之前，哪怕是一丁点的干扰，都足以将好奇心扼杀再此。
直接索取的陷阱
AI工具和社交网络就像老虎机，每次拉动拉杆都会带来奖励，这种奖励让人感觉像是取得了进步。
但要注意缺失的部分：你并没有构建神经网络。
AI在你自身的神经元协同工作之前就回答了问题。原本应该形成的连接一一将这个问题与之前的经验联系起来的连接一一从未真正建立起来。你只是把好奇心外包了。
这就是直接获取的陷阱。AI工具模拟了好奇心被满足的快感，却没有构建能够让好奇心不断累积的内部架构。你感觉自己学到了东西，但实际上你什么都没记住。
向ChatGPT询问某个概念的人和花费一个小时死磕这个概念的人，他们的体验截然不同。前者感觉自已掌握了知识，而后者则搭建出了思维回路。
区别在于你使用工具的方式。
方式一：你让AI帮你制定年度目标。它会生成一份简洁的清单一一多运动、多读书、多存钱。你点点头，保存文档，然后到了二月份就把它忘得一干二净。AI完成了思考，你没有任何思考和思考带来的能力增长。
另一种方法：让AI来”采访”你，了解你的目标。它会问一些你不会问自己的问题，，并指出你“想要的”和你“实际花费时间的”之间存在的矛盾。最终浮现出的目标才是你真正的目标。人工智能的作用只是一面镜子。
我最近两种方法都试了。首先，我请AI采访我，问我我未来一年的重点策略。大多数人做年度计划时都是闭门造车，祈祷思路能自己清晰起来。而使用外部工具来构建访谈流程一一比如提出第二和第三个后续问题一一与单纯的内省相比，结果截然不同。
接着，我更进一步：我利用AI将目标游戏化。
它并非在教我做事，而是将游戏设计的原则——那些我从未想过能与个人规划挂钩的原则——应用到了我的计划中。AI并没有凭空制造我的动力，而是利用完全不同领域的机制，帮我构建了一个能持续维系动力的系统。
我仍然需要付出努力，依然会感到吃力。但我通过 AI 获得了能力增强，完成了那些靠我自己可能需要几周才能搞定的事。
在两种情况下，在这两种情况下，人工智能都是锦上添花，而非越俎代庖。它并没有取代我应该经历的思考，而是创造了新的层面。
这就是区别。
提取模式：AI 作答，你接收，毫无建树。
构建模式：AI 辅助，你钻研，网络成形。
这并不意味着AI工具毫无用处。而是说，它们的代价是隐藏在表面之下。每一次操作都是一种权衡：你用即时的答案换取了延迟获得的能力。
保护循环
广义上的干扰——特别是 AI 带来的干扰——会在好奇心-创造力循环产生复利之前就将其截断。
如何保护好奇心-创造力循环：
-
守护独处时刻。 创造性的洞见，要求你不受干扰地与一个悬而未决的难题共处。这一点不容商榷。所需时长因人而异，但起步时间往往比你想象的要长。30分钟不切换任务仅仅是一个起点，而非上限。
-
有意识地构建反馈循环。 进入新领域时，要设计那种游戏天然提供的架构：微小的胜利、肉眼可见的进步、快速的反馈。不要被动等待领域本身来提供，而要利用 AI 去构建它们（这才是 AI 的绝佳用法）。
-
审视你的“拉杆”行为。 每次把手伸向 AI 工具时，都要问问自己：我是否把那份构建网络的“挣扎”外包了出去？ 有时外包是正确的——任务琐碎，学习内容无关紧要，时间花在别处更有价值。
-
在通知弹窗亮起前，熬过阈值。 那个网络化的阶段——神经元协同作业、能力迁移成为可能的阶段——需要你熬过反馈匮乏的早期。 大多数人在此放弃，并非因为缺乏好奇心，而是因为反馈还没来得及送达。坚持，就是分水岭。
那个在你挣扎之前就给出答案的工具，恰恰锁死了你对它的依赖。
好奇心能产生复利，便利性却不能。