READING NOTE · WE ARE AS GODS
读《吾辈如神》第一章
旧石器大脑如何面对神级进化
第一章真正要说的是：AI 时代的危机并不只是技术太强，而是人的旧认知、 旧注意力和旧情绪系统还没有升级。所谓“胜任于此”，就是让判断力、 责任感和行动能力追上指数型技术。
为什么拥有神级能力的人类，反而越来越焦虑？
作者提出一个强烈反差：人类已经通过 AI、计算、生物技术、机器人和网络， 获得了过去只有神话才敢想象的能力，却没有普遍感到兴奋，反而陷入焦虑、 无力、麻木和末日想象。
能力层
技术正在让人类拥有创造、感知、预测、连接、修复和改造世界的能力。
认知层
人脑仍适配地域性、线性、稀缺环境，不擅长处理全球化和指数化现实。
情绪层
当变化超过大脑处理能力，人会用恐惧、偏差和末日叙事保护自己。
技术已经神级进化，大脑仍停在旧石器时代
本章最重要的判断是：AI 时代真正的挑战，不只是继续发明更强技术， 而是让人的认知框架、注意力、心态和责任感跟得上这些技术。
“吾辈如神，理应胜任于此”的重点不在“如神”的兴奋感，而在“胜任”的责任感。
这句话来自斯图尔特·布兰德与《全球概览》的思想传统。它不是要制造 “人类无所不能”的兴奋，而是把技术能力转化成责任：既然我们已经拥有改变世界的能力， 就必须学习如何理解、约束、使用并承担后果。
从神迹清单，到认知偏差的连锁反应
重新定义神迹
作者把无中生有、全知、无处不在、预知未来、治愈、复活等神话能力，转译成今天的 3D 打印、AI、网络、生物技术、脑机接口和预测分析。
解释神迹来自指数型技术
计算、传感器、网络、AI、机器人、生物技术等不是孤立进步，而是在性能提升、成本下降和相互融合中形成二次加速。
指出人脑无法自然适应指数变化
人脑习惯用熟悉经验理解新事物，但指数型技术变化太快、跨度太大，旧类比经常失效，于是麻木、眩晕和恐惧就出现了。
信息过载压垮预测系统
现代大脑面对全球化、指数化、持续推送的信息风暴，长期处在过度警觉中，焦虑、疲惫和职业倦怠就不只是个人问题。
偏差叠加遮蔽好消息
指数型偏差、现状偏差、近因偏差、消极偏差和确认偏差相互叠加，让人只看见灾难，却看不见正在发生的富足。
这一章要抓住六个词
神级进化
通过技术获得过去只有神话才敢想象的能力，重点是能力尺度，而不是宗教意义。
旧石器大脑
为缓慢、局部、线性、稀缺环境进化出来的大脑，难以处理抽象、远程和指数级变化。
指数型技术
性能持续提升、成本持续下降，并在多领域融合后产生加速效应的技术。
结构映射
人脑理解新事物时，会把陌生对象映射到熟悉经验中；没有合适类比时，就容易陷入认知眩晕。
信息风暴
由新闻、社交媒体、算法推荐、数据增长和工具迭代共同构成的高强度刺激环境。
偏差连锁反应
多个认知偏差叠加后扭曲现实判断，让人高估风险、低估进步、错过机会。
从思想源头到技术案例，把“神迹”落到现实
MD 稿里最有价值的不是单个案例，而是这些案例共同完成的转译： 古代神话里的能力，今天正在被计算、网络、生物技术、传感器和 AI 重新组织。
斯图尔特·布兰德与《全球概览》
提供“吾辈如神”的思想源头：人类已经拥有巨大的技术能力，因此也必须训练与之匹配的胜任力。
神话能力清单
把无中生有、全知、无处不在、预知未来、治愈、复活等神迹，转译为 3D 打印、AI、网络、预测分析和生物医学。
脑机接口与视觉恢复
用医学和神经技术说明，治愈、感知、意念控制正在从神话叙事变成工程问题。
摩尔定律和性价比曲线
说明计算能力的持续提升与成本下降，如何推动 AI、机器人、传感器和生物技术一起进入加速区。
AI 算力反馈循环
算力提升让模型更强，更强的 AI 又帮助设计更好的芯片、算法和系统，技术之间相互催化。
社交媒体注意力消耗
解释为什么信息环境会长期占用注意力，让人更容易焦虑、疲惫、职业倦怠。
杏仁核与威胁反应
说明消极偏差为什么会在现代媒介环境中被持续放大：大脑天然更优先处理危险信号。
把技术新闻翻译成能力变化
这一章可以沉淀成一组读技术、读 AI、读未来趋势的方法。重点不是追新工具， 而是把工具背后的能力变化、成本下降、资源释放和认知偏差看清楚。
把“技术新闻”翻译成“能力变化”
- 它让谁获得了过去没有的能力？
- 它降低了什么成本？
- 它把什么稀缺资源变得更接近富足？
- 它会和哪些技术叠加，产生二次加速？
用指数视角重看日常变化
- 不要只看今天的工具是否完美，而要看它的改进速度。
- 一个当下“不够好”的技术，如果处在指数曲线上，几年后可能越过可用门槛。
建立个人的信息过滤器
- 这是长期趋势，还是短期噪声？
- 这是事实数据，还是情绪包装？
- 它让我更能行动，还是只让我更焦虑？
识别自己的偏差链
- 我是不是低估了指数变化？
- 我是不是只接受熟悉的旧模式？
- 我是不是被近期新闻绑架？
- 我是不是只搜集支持原判断的证据？
把“胜任力”定义为认知升级
- 理解技术背后的变化速度。
- 管理自己的注意力。
- 在不确定环境中保持判断力。
- 把技术能力转化为真实问题的解决方案。
技术可行，不等于社会可及
技术乐观主义是否低估了制度约束？
技术能否普及，还取决于制度、资本、教育、医疗体系、监管、伦理和分配机制。技术可行不等于社会可及。
从“技术能力”到“人类胜任”之间缺少中间层
个人并不会自动获得这些神级能力，中间还需要学习机制、组织流程、任务设计和社会协作。
把焦虑主要归因于信息过载，可能解释不足
现代焦虑也来自经济不稳定、身份转型、工作替代、社会比较、家庭压力等。
部分数据和前沿判断需要核验
涉及 AI 使用率、全球数据量、社交媒体使用时长、AI 算力增长等事实判断，公开使用前需要核验最新来源。
“神级能力”容易制造过度期待
拆书时要区分实验室可行、商业可用、社会普及、教育可迁移四个层级。
从工具焦虑到认知升级
可用于文章的核心句
- AI 时代最大的断裂，不是工具不够强，而是人的认知框架跟不上工具的增长速度。
- 我们焦虑，不一定是因为未来更糟，也可能是因为大脑还在用旧地图理解新大陆。
- 技术让人类获得神级能力，但教育要解决的是：人如何配得上这份能力。
- 信息过载会让人失去判断力，而判断力正是 AI 时代最稀缺的能力。
可用于教师培训的转化
本章可以转化为一个教师培训主题： 从工具焦虑到认知升级：教师如何理解 AI 时代的胜任力。
- 展示 AI 已经带来的神级能力：生成、搜索、诊断、翻译、协作、自动化。
- 解释教师为什么仍然焦虑：线性经验、信息过载、评价压力、工具变化太快。
- 训练识别偏差：指数型偏差、现状偏差、近因偏差、消极偏差、确认偏差。
- 建立胜任力清单：会提问、会过滤、会验证、会设计任务、会做人机协同。
AI 时代认知偏差自检表
- 我是否把今天的 AI 缺点当成它未来的上限？
- 我是否因为工具太多而停止学习？
- 我是否只看到了 AI 替代人的风险，没有看到 AI 增强人的机会？
- 我是否把短期新闻误判为长期趋势？
- 我是否有意识地保留注意力，用于深度判断和创造？
对教师和学习者来说，这一章的价值不在预测未来有多快，而在提醒我们： 工具升级之外，还有一场认知升级。
AI 越强，人越要训练自己的判断力。
会提问、会过滤、会验证、会设计任务、会做人机协同，才是“神级进化”时代真正的胜任力。