AI 答得越快，你越没机会长出自己的判断

看懂了却动不了，是我手上没有带反馈的样本

—— AI高效进化论

上个月底，一篇讲「认知差」的文章被转得很凶。它把人和人的差距拆成五组对照——有人焦虑被淘汰、有人安心在生长；有人把努力当消耗、有人当积累；有人囤信息量、有人追理解深度；有人只优化做事效率、有人先想清该做什么；有人求稳定、有人求韧性。

图1 · 一滞一行，一蜷一舒：五组对照里的两种活法

我读完，五条全同意，还转发给了三个人。

之后那一周，我的工作日和上一周长得一模一样。

可我盯着那五条，想不出今天该做哪一件不一样的事。每一条都像在说我，每一条都没给我一个今晚能动手的动作。

我后来才反应过来：看懂了却动不了，是我手上没有带反馈的样本——这篇文章就想把这件事拆开，顺便给你几个今晚就能动手的补法。把五个差并排摆开，样子很像五道选择题，读者默认要做的事是「选对的那一边」。可真站在这五道题前面，你会发现自己在每一道上都点了左边。

图2 · 空白本子前的人：看懂了却动不了

我给这件事起了个名字，叫「样本饥荒」。

先说清「样本」在这篇文章里指什么。你上周赌这个客户会签，他拒了，你回过头看，才发现自己其实早该收手——这一成一败，加上你亲眼看见结果、还知道错在哪，就是两个样本。判断力听不来，得靠你亲手下过注、亲眼看到结果的那一批经历喂大。道理不缺，信息不缺，缺的正是这种样本。而你现在，断粮了。名字叫饥荒，是因为解法就藏在这四个字里：少听点道理，多给自己攒点样本。

图3 · 样本断了粮：空了的谷仓

样本断了粮，人第一反应总是怪自己：不够自律，不够勇敢。这个解释我太熟了，用起来最省事。但它经不起追问。一个在岗位上干了六年、绝大多数常规问题都能自己收掉的人，为什么一遇到要押注的场合就往后退半步？胆子不是突然变小的。

于是我换了个看法。那五个差不是五道题，是同一台机器的五个零件，首尾相接，自己给自己供电。想求稳，就绕开可能出错的场合；绕开出错，手上的错误样本就一直不够；样本不够，判断力没有东西可长；判断力长不出来，就只好借别人的标准来给自己打分；借来的标准越用越顺，出错的代价就显得越大；代价显得越大，就越想求稳。

这台机器最麻烦的地方是：环上每一步，在当时那个处境里都合理。没有人在其中做过一个蠢决定。你只是每一次都选了当下最省力的那一格。我这么说没有替谁开脱的意思，只是想说，光骂自己没用——结构不松，人松不下来。艾利克森（研究「高手怎么练出来」的心理学家）还补过一层：在工作里犯错，或者错过一个节点，代价大到不成比例，光是这份代价就够挡住人了，想学的人照样会在上班的时间里沿用老办法。所以回避出错是岗位结构下的理性选择，跟性格关系不大。

图4 · 首尾相接的回廊：看不见出口的循环

先说最要紧的一条：快的那环在杀死慢的那环。这个闭环看着是五个环，其实混着两种速度，一种以秒计，一种以年计。借别人的标准，几秒钟就能把焦虑按下去，看完一篇拆解，第二天上班就有方向感，这种回报快得让人上瘾。而自己长判断力那条线，也就是攒样本的那条线，要攒几十次难看的尝试才回一声。两条线抢同一份注意力时，快的那条每次都赢，不是因为它更要紧，是因为它先到账。慢的那条于是永远停在成熟之前，永远被判定为性价比不高。

这里得分清两处。一处是摩擦通胀，那一篇讲等待本身在变少，这一篇讲的是速度落差——慢那条线的等待照样在，只是变得难以忍受了。另一处是谄媚税，那一篇讲真话变贵了，是反馈那一侧被抽空；这一篇讲的是另一侧被灌满，外部标准现在无限量供应，还从不反驳。方向是反的，凑在一起才要命：一边没人告诉你错在哪，一边有人随时告诉你该怎么想。

AI 在这儿扮演的角色，说白了是转速。它把「借外部标准」这一环的延迟压到零，成本压到零，而且态度始终温和。闭环本来就在，AI 只是让它合得更快、更安静，快到你以为前方是一条直路，看不到回环。

再说「生长感」。班杜拉（研究「人为什么相信自己能成事」的心理学家）讲自我效能感有四个来源，最硬的那个叫掌握性经验，意思是真撞上困难，并且靠自己把它撞过去了。翻译成大白话，掌握性经验就是你亲自攒下的样本——真撞过、真疼过、真知道自己怎么过来的那批。排第三等的是言语劝说，别人说你行，或者自己跟自己说你在往前走。「我有没有在生长」这句话，本质上就是后者。它起效极快，塌得也极快，因为只要有一天你没这个感觉，它就整块垮掉。麻烦在于，唯一能生产掌握性经验的处境，恰恰是求稳的人最努力绕开的那一类：会出错，会被看见，会疼。所以原文把它拆成第一题和第五题，其实是同一条链的两头——一头在拿替代品充饥，另一头在拒绝产粮。

图5 · 近处疾走，远处缓行：快的那环挡住了慢的那环

那判断力到底怎么长出来。克莱恩（研究人在高压下怎么下判断的认知科学家）给的答案是两个硬条件，缺一不可：足够高频的练习，加上快速而清晰的反馈。翻译成人话，一条是样本够密，一条是反馈够快。少任何一个，长出来的都是自信，不是直觉。这句话我读了以后有点难受，因为它把问题从我身上挪走了。还有一组更老的证据，说的是同一件事。艾利克森在上世纪九十年代研究过柏林音乐学院的小提琴手，按将来的去向把学生分成独奏、乐团、音乐老师三档，本来以为拉开差距的会是练琴时长。可真正起作用的是练的时候有没有人当场告诉你错在哪。他的意思很朴素：反馈不够的时候，再想学好也学不动，动机再强，进步也小得可怜。我看到这句话愣了一下，因为它把我这十年换了个说法——原来我这些年不是练得不够，是练完没人对答案。

多数岗位根本喂不饱判断力：活被切成碎片，流程由别人设计好，做完之后没有任何人告诉你错在哪一步。不是不努力，是这个环境不长这个东西，不长样本。二〇一四年有人做过一次元分析，把八十八项相关研究拢到一起算总账，结论更扎心：练习时长能解释的成绩差距，在棋类、音乐、体育这类规则清楚、结果立等可见的领域最明显，大概能解释两成到四分之一；可到了教育和专业工作这种「什么叫做得好」本身就定义不清的领域，这层关系几乎测不出来。我读到这儿反而松了一口气——把练习变成能力的那套装置，本来就没打算装在我所在这块地上。

顺带说一件让我松了口气的事：判断力不是通用能力，它一个领域一个领域地长。你在自己那摊事上攒出来的手感——也就是样本——换到新领域基本要重来一遍。所以别拿「我怎么还是不会」来压自己，你不是退步了，你是换了一块地从零开始。

还有一处必须说清楚。那篇文章里有一条「2022 年斯坦福的研究，复盘者三年后晋升速度接近两倍」。我查不到对应文献，大概率是编的。我之所以非要点出来，是因为我自己就是被这个数字说服的人之一——一个挂着校名和年份的数字，比一整段推理更能让我点头。这件事也该记进样本饥荒的账上：正因为缺样本，我们才格外容易被别人做的样本赝品填饱。

图6 · 灯下写判断账本：亲手攒样本

写到这儿，我得承认一个可能：把五个差串成一条闭环，会不会本身就是我事后编出来的因果。人很擅长在一堆乱事里看出一条链，尤其在自己写文章的时候。我没法证伪它。我能说的是，就算它只是我编的，它至少有个用处——它把你从「我这个人不行」挪到了「我手上样本不够」。前者很难改，后者可以补。

所以我给自己立了一本账，叫判断账本。规则笨得要命：每周挑一件真正重要、结果又不确定的事，开工之前写三行——我赌什么，多久之后能看到信号，什么样的信号算我赌错了。写完存进日历，到期那天回去看一眼，把结果填进去。三个月就是十二个带反馈的样本，一年五十个。五十个不算多，但比我手上现在的零个多太多了。

顺手分清两个容易混的东西。复盘是结果出来之后回头嚼，如果整条路上根本没人给过你反馈，复盘很容易变成反复确认自己当时的理由，越嚼越笃定。事前验尸不一样：它是在还没有反馈的时候，先给自己造一个。提前假定这件事已经黄了，逼自己写出三条最可能的死因。一个是没米的时候反复淘空锅，一个是没米的时候先去借米。

还有一个换指标的动作，是从梅多斯（系统思考学者，《增长的极限》作者之一）那儿借来的。她治系统的时候，常常先动手的地方是你盯着看的那个数，至于目标，反而是在它后面才跟着变的。所以这周我不再数「少犯了几个错」，改数「产出了一个可以复用的错误样本」。指标一换，行为自己会跟着动，不需要额外掏意志力。

塔勒布（写《黑天鹅》《反脆弱》的那位）那句也得放在这儿，但要换个问法。别问「我能不能承受失败」，先问「这一次最多亏多少」，把下行先钉死，上行的门才敢开着。还有一句他没往下讲、我替他补的：上行归谁。多数组织里，判断错了的代价由你个人出，判断对了的好处记在组织的账上，在这种结构里多下注是净亏，跟勇不勇敢没关系。所以这台机器停不停得下来，不全看你的胆子，还得看你有没有一小块地，赔是你赔，赚也是你赚。一份自己定选题的周更、一笔很小的自费尝试，都算。关键是两端都归你。

上面几条没有标准答案，全是我自己试下来能落地的招。你不必全做，挑一条先动起来，剩下的会自己长出来。