本文来自微信公众号： 范阳 ，编辑：范阳，作者：范阳，原文标题：《人的瓶颈 | Human Bottlenecks》
我喜欢通过阅读一些个人写作来发现一些特别的人才。今天分享的文章也来自于一个个人博客，作者Fernando Borretti是一位正在研究生命科学原理的软件/机器学习工程师，在他个人网站上提出的这个问题很有趣：
“未来：生命在超越生物学之后会是什么样子，而宇宙在孕育出智能之后又会变成什么样子？”
同时他也撰写科幻短篇作品，看起来是一个有想象力和好奇心的人。同时他也不避讳坦白自己的认知缺陷。
发现这位工程师是因为他关注了一些我在关注的研究方向，他并没有带着纯计算机思维来理解生物的复杂性和“底层原理”。
我很认同这篇文章里的一些观点。
”与现在主流崇尚的“人力资本正在贬值”的观点恰恰相反，教育的投资回报率现在反而更高了。因为那些聪慧、受过良好教育、且大脑奖赏机制运转正常的人，会从AI中获益更多。”
“克劳德·香农（Claude Shannon）之所以能发明数字计算，是因为他恰好记住了当时一门极其冷门的数学逻辑分支—布尔代数，并敏锐地意识到它可以由硬件来实现。一个价值数万亿美元的新产业，就这样从几本古旧的书籍中被召唤了出来。”
其实我觉得人真正的能力，同时也是我们的瓶颈，都来自于人的本质特征，比如真实的意图，欲望，内在的修养和丰盈的灵魂。还有在面对挑战和危险时候的勇气，和超出理性之外的事情，比如爱，比如执着。这些都是工具与机器无法替代人，也不能替人去做的。当你成为这样的人，你会发现整个世界会在你面前展开，无论它或大或小。
我们不应该自动化自己的思考，也不该让别人替我们寻找真实的人生意图。与此同时，我们手中有了越来越强大的工具，可以从整个自然界和人类知识宝库中，去发现那些全新的东西。你能创造出来的事物，或许今天你还无法想象。保持学习，保持饥饿，勇往直前。希望今天的文章对你有启发。
人的瓶颈
Human Bottlenecks
作者：Fernando Borretti
编辑：范阳
发表日期：2026年5月18日
AI模型能力强大，而且每年都在变得更强。所以人们自然觉得，自己并没有充分利用它们。有条推特是这么说的：你的笔记本电脑里其实藏着一家价值1亿美元的初创公司，你只需要找出正确的话术组合把它敲出来就行（your laptop has a 100M USD startup in it,you just have to figure the right sequence of words to get it out）。除了赚钱，人们还设想AI能全方位提升自己的生活。于是，各种老生常谈的点子层出不穷（perennial ideas）：比如AI行政助理、AI导师、帮你打理“数字花园”的AI，以及（叹气）帮你写记忆卡片的AI（AI that(sigh)writes flashcards for you）。
这类设想通常都有一个通用的模板：只要我能把正确的提示词、正确的工具和正确的框架组合起来，我就能拥有一个让生产力提升10倍的智能体，或者通过心理咨询解决我的心理问题，又或者让我变得更擅长社交、更有学识。奇妙的是，这正是早期许多计算机先驱的野心—“增强人类智能”（Augmenting Human Intellect）和“人机共生”（Man-Computer Symbiosis）。道格·恩格尔巴特（Engelbart）的实验室甚至就叫“增强研究中心”（Augmentation Research Center）！
而就在不久前，人们还在抱怨，既然每个人的口袋里都装得下整个亚历山大图书馆，为什么我们却没有都变成天才博学家（genius polymaths）呢？
这些想法之所以反复出现，却始终未能真正实现。就像索洛悖论（（Solow paradox））在个人层面的重演。为什么会这样？我认为有两个原因：第一，大多数人缺乏安迪·马图沙克（Andy Matuschak）所说的“严肃的使用场景”（serious context of use）（也就是说，AI无法带来突破，是因为根本没有需要突破的实际业务或目标）；第二，大多数人的瓶颈来自内在因素，而AI（实际上，任何外部事物）对此都无能为力。
范阳注：索洛悖论（Solow Paradox）是经济学家罗伯特·索洛在1987年提出的一个观察。简单说就是：我们到处都能看到计算机时代的痕迹，唯独在生产率统计中看不到。
意思是，虽然企业大量投资IT和计算机技术，但这些投入似乎并没有显著提高国家的整体经济生产率（即单位投入的产出）。这就像你只是简单买了各种高科技办公设备，但公司的整体效率并没有明显提升。
严肃的使用场景
The Serious Context of Use
无论是在网上还是在现实生活中，我都听过太多人跟我说过类似的话：“我想［使用|开发］一款用AI帮我写记忆卡片（flashcards）的App。”但在这些人里，你觉得有几个是真正自己写过卡片的？他们当中有几个人每天都在用Anki？或者说，他们真的用过Anki吗？
那些渴望让AI帮自己写卡片的人，实际上根本不用卡片。他们没有理由去用。反过来看，那些真正每天在使用记忆卡片的人，让AI来帮他们写卡片也带不来多大好处。
“AI导师”（AI tutors）的设想也是同理。如果你的笔记本电脑里驻留着约翰·冯·诺伊曼（John von Neumann）的灵魂，你会让他教你什么？咱们坦白点说吧：你大概会翻一翻某个你有点好奇的数学主题的第一章，然后就忘了
而这甚至很可能是理性的选择！大多数人并不是自学成才的人（autodidacts），因为大多数人没有实际理由去学某个特定主题（比如工作用不上）。而为学而学的问题在于机会成本：学什么不学什么，没有先验的理由，那不如什么都不做，等一个真正吸引你的东西出现。
再强调一次，这很可能是理性的！试想一下，如果你对万事万物都感兴趣会怎样？你可能会在地下室里呆上好几年，废寝忘食地去维护一个关于“苏联晚期军事硬件”之类的维基百科。所以，即便你口袋里揣着个冯·诺伊曼，恐怕也无法带来任何实质性的改变。
一个“AI行政助理”真的能提高你的生产力吗？除了告诉你那些你已经知道自己该做的事，它还能做什么？这些抽象概念很有吸引力，但要让它们降温，只需要追问具体的、细颗粒度的细节。回想一天的工作，问自己：一个在你旁边看着的AI，具体做了哪件事，才会真正带来改变？
最后，就是那群搞“思维工具/笔记软件”的人了（the tools-for-thought/notetaking people）。上帝救救我们吧。永远都是那套陈词滥调：一个装满你笔记的文件夹—噢抱歉，应该叫你的“第二大脑”（second brain）—再加上一个能写作、编辑、整合信息并回答问题的AI智能体。你花一个下午就能把这玩意儿搭出来，但它对你的生活不会产生任何影响。原因很简单：因为你当初费尽心思搭建的“第二大脑”本来就没起到任何作用。
你看，我们大多数人，如果不是学生，其实根本没有记笔记的理由。你是学生的话，你会从教科书里记笔记。我自己写日记，偶尔有点用。有些工作我写工作日志，也有点用。但如果我不写了，大概也什么都不会变。
那些沉迷笔记的人（The notetaking people）—我说这话的时候，是带着满满的爱意的—从来不会是那种站在领域前沿的研究者，一块砖一片瓦地建造自己的知识大教堂，以便得出新的洞见。也不会是那种需要阅读几千万字、跨越上千个来源，才能拼凑出某个历史人物生平的历史学家。
它永远不会是那些在啃硬骨头的人（It’s never someone doing something hard）。它永远是某些博主。他们的“数字花园”里唯一的内容，就是关于“如何打理一个数字花园”（Their“digital garden”is about how to keep a digital garden）。这非常自我沉溺（solipsistic）：这里没有产出，没有交付物。唯一的交付物就是你截一张自己的Obsidian关系图谱，然后发条推特，炫耀它看起来多么像一团让人看不懂的乱毛线球。
所以，AI到底能带来什么改变？
“它能帮我写笔记。”—记关于什么的笔记？
“它能帮我读文章、做摘要，然后把它们加进我的数字花园里。”—目的是什么？
“它能发现我不同想法之间的联系！”—你有什么想法？
它会把你为某篇无聊文章准备的、最终也没写完的草稿大纲，和你一堆根本没读过的PDF文件组合在一起，然后产出什么？另一个你同样不会去做的项目？AI就是来干这个的？
同样，我是带着全人类的爱意来说这些的。我自己曾经也是个“思维工具迷”，我也囤积PDF。但我们必须对自己诚实。
有时候，工具无法带来突破，是因为根本没有需要突破的实际目标。因为所谓的“突破”，从来都不是一个具体可实现的物质层面的需求，而是一个关于“我们想成为什么样的人”的模糊的，理想化的期许（Sometimes,tools don’t move the needle because there’s no needle to move.Because the“needle”is not a concrete,realizable material need but a vague,aspirational idea about who we are as people）。
内在限制因素
Internal Limiting Factors
说到底，用计算机来增强人类能力的本质逻辑就是：你把一个人放在中心，然后在他们周围搭建一套脚手架，但人本身保持不变。这套脚手架可以是传统的软件，也可以是AI，但人类本身依然是一个黑盒子。而人们的奢望是：我只要给我的AI智能体集群发个提示词，就能像科幻小说《终端渐速》（Accelerando）里的主角曼弗雷德（Manfred）那样，战斗力瞬间暴涨100倍（you take the human,and you build a scaffold around them,but the human stays the same.The scaffold can be classical software,or AI,but the human remains a black box.And the hope is:I just prompt my swarm of AI agents and become 100x more effective,like Manfred in Accelerando）。
注：Accelerando
https://www.antipope.org/charlie/blog-static/fiction/accelerando/accelerando.html
为什么这行不通？我认为，绝大多数人都是被那些极难改变的内在因素（internal factors）卡住了：精力、动力、执行功能的能力（Mental energy,motivation,executive function），更不用说智力和责任心（conscientiousness）这些更底层的特质了。所以，外部的“脚手架”—无论是传统软件还是AI—或许有些帮助，但不可能带来根本性的改变（it won’t be transformative）。
执行功能（executive function）
以执行功能（executive function）为例。我自己应对ADHD（注意缺陷与多动障碍）的体会是：外部脚手架（待办清单、日历、计时器、无数种骗自己去工作的小技巧）能把我从“零”提升到“勉强能运转”（gets me from zero to“kind of functional”）。但也就到此为止了。
范阳注：作者的个人实验分享：Notes on Managing ADHD
https://borretti.me/article/notes-on-managing-adhd
而兴奋剂类药物解决的是原始的内在瓶颈—我的生物性的神经化学问题（Stimulants fix the original,internal bottleneck,which is my neurochemistry）。药物起效后，我才能真正实现自己的目标（这叫李比希最低量定律）。
范阳注：李比希最低量定律（Liebig's law of the minimum）是一个源自农业的原理：植物的生长不是由最充足的养分决定的，而是由最缺乏的那一种养分决定的。好比一个木桶，能装多少水不取决于最高的那块木板，而取决于最短的那块。无论其他养分多丰富，只要某一种必需元素不足，生长就会被卡住。
在能够穿透大脑组织、结合去甲肾上腺素转运体（NET）和多巴胺转运体（DAT）的微小药物分子面前，全世界所有的“番茄工作法”都显得苍白无力。更何况，真正派得上用场的外部脚手架，其实只是像Todoist和日历这样的传统软件。一个AI智能体能达到哌醋甲酯（利他林）治疗ADHD的效果吗？我深表怀疑。
智力（Consider intelligence）
再来看看智力（Consider intelligence）。AI能增强人类的智力吗（Can AI augment human intelligence）？这会是个什么场景？想想看，AI智能体也是在底层模型跨越了特定的能力门槛后才开始变得有用的—你不可能把GPT-2套上个外壳就指望它跑出GPT-5的结果。你能把一个人放进AI的脚手架里，就让他的有效智商瞬间暴涨30点吗？
我对此深表怀疑。除非那个AI包揽了所有的思考——但如果是那样的话，要这个人还有什么用？在“人机半人马”（human-AI centaur）的组合里，限制因素始终在人这一侧（The limiting factor in the human-AI centaur is the human!）！因此，在我们获得极度先进的生物技术之前，智力这个变量是锁死的（So intelligence is fixed until we get very advanced biotechnology）。
知识（Knowledge）
知识（Knowledge）是另一个限制因素。我发现，即使是受过良好教育的人，也往往低估了知识的重要性。很多人抱着一种“船到桥头自然直，到时候直接谷歌搜一下就行”的态度。就像查尔斯·巴贝奇（Babbage）曾感叹的那样，我实在无法理解，什么样的思想混乱会导致一个人这么想（I can’t rightly apprehend the confusion of ideas that would lead someone to think this）。
这也许是因为缺乏“严肃的使用场景”吧。你所做的每一件事、每一个行动、每一个冒出来的闲思杂念，都在调用你脑海中那座巨大（且隐性、不可见）的知识宝库。克劳德·香农（Claude Shannon）之所以能发明数字计算，是因为他恰好记住了当时一门极其冷门的数学逻辑分支—布尔代数，并敏锐地意识到它可以由硬件来实现。一个价值数万亿美元的新产业，就这样从几本古旧的书籍中被召唤了出来（Claude Shannon invented digital computing because he remembered this then-obscure branch of mathematical logic called Boolean algebra and saw that it could be realized in hardware.A trillion-dollar industry,conjured out of some old tomes）。
在AI时代，知识之所以仍然是瓶颈，不是因为“如果你没有知识，你就写不出提示词”。而是：如果你没有足够的知识，你就根本不懂那个问题，也不懂它为什么重要，更不懂如何判断答案的正确与否，你甚至永远不会想到要去问这个问题。你离“写提示词”还隔着十万八千里（if you don’t have the knowledge,you don’t understand the question,or why it matters,or how to judge the answers,and you won’t ever think to ask.You’re in a completely different continent from“writing the prompt”）。由于长期记忆是私密且存在于大脑内部的，AI无法直接拔高它。或许，通过明智地使用，AI能在获取新知识的过程中提供一些辅助。
综上所述：执行功能、智力以及知识，是决定你能做成什么事的巨大瓶颈。因为它们存在于大脑内部，所以在我们拥有远比现在先进的生物技术之前，AI对它们无能为力（because they are internal to the brain,AI can’t touch them until we have far more advanced biotechnology）。
由此可以得出一个推论：与现在主流崇尚的“人力资本正在贬值”的观点恰恰相反，教育的投资回报率现在反而更高了。因为那些聪慧、受过良好教育、且大脑奖赏机制运转正常的人，会从AI中获益更多（contrary to the popular view of human capital is becoming worthless,the returns to education are now higher,because intelligent,educated people with working reward circuitry stand to gain more from AI）。