你的資訊飲食習慣正讓你變得平庸

大多數知識工作者會在同一時間得出相同的結論，這是有原因的。因為他們讀的東西都一樣。熱門頁面、演算法推送的帖子、在群聊過濾機制中倖存下來的討論串。也就是目前、這週在您所處的網路角落裡正流行的任何事物。

這很舒服。但這也是為什麼您最終產出的成果與其他人的毫無二致。如果一百個人閱讀了同一篇文章並從中得出結論，這些結論就會趨同。這是必然的。因為輸入的資訊是一樣的。想要有不同想法的唯一方法，就是進行不同的閱讀。

熱門陷阱

大多數人的閱讀是由「即時性」決定的。這週發表了什麼、現在正在討論什麼、演算法今天決定讓您看到什麼。這創造了一種資訊單一文化：特定領域或社群中的每個人都在同一時間吸收相同的素材，這意味著從這些素材中產生的想法也是趨同的。

問題並不在於熱門素材不好。很多內容都很好。問題在於它是「共享的」。從廣泛閱讀的素材中衍生出來的想法，根據定義就是普羅大眾的商品。如果您和其他五千人在今天早上閱讀了同一篇論文，並產生了大致相似的反應，那麼您從中獲得的見解幾乎一文不值，因為它並不稀缺。

獨創性的思考需要不同的輸入。這不是為了反對而反對的逆向輸入，而是您所在領域的其他工作者沒有在消費的輸入。這意味著您需要去尋找那些沒有被任何推薦引擎推送給您的角落。

舊素材的價值被嚴重低估了

在大多數領域中，最被低估的資訊來源就是舊素材。這裡的「舊」不是指過時，而是指在當前的討論開始之前就已經寫好，現在正處於眾人關注焦點之外的素材。

克勞德·夏農在 1952 年發表了一篇關於創造性思考的演講，其每個段落包含的實用技巧比大多數現代創意書籍還要多。他的起手式非常優雅：把一個問題縮小到幾乎微不足道，解決這個小版本，然後每次重新引入一部分複雜性。單憑這一項技巧，能幫您突破的難關就比這十年發表的任何高效率建議都要多。

里奇·薩頓的《苦澀的教訓》大約只有一千字，寫於 2019 年，但它對 AI 領域發展軌跡的預測，比篇幅是其十倍的研究報告還要準確。大多數領域都有類似的文獻：簡短、古老且精準得令人震撼。問題是沒有人分享它們，因為它們是在當前的話題展開之前發表的。

筆記簿（Commonplace book）的傳統，可以追溯到文藝復興時期的學者，他們會將閱讀中最好的段落收集到終身保存的筆記本中，這正是建立在這樣一個洞察之上：最有價值的素材會隨著歲月而產生複利。您在五年前記錄的一個段落，可能會以今天早上的預印本所無法做到的方式，啟發您今天面臨的問題，因為它來自不同的背景，並帶有不同的假設。

如果您的資訊飲食中沒有任何比去年更早的東西，那麼您看到的只是現有資訊中極薄的一片，並誤以為這就是全貌。

廣度最終會戰勝深度

有一種根深蒂固的觀念認為，成為專家的途徑是深入一個越來越狹窄的領域。在一段時間內，這完全正確。您需要深度來足夠了解一個領域，從而對其做出貢獻。但過了某個點之後，進一步的深度產生的邊際收益就會遞減，而廣度開始以深度本身無法實現的方式帶來回報。

最有趣的工作往往發生在不同領域的交界處，因為在那裡，來自一個領域的想法可以啟發另一個領域的問題。可解釋性研究大量借鑒了神經科學。AI 的評估設計其實是披著實驗袍的機制設計。了解硬體實際上如何傳輸數據，能讓您在任何人進行基準測試之前，就知道哪些軟體架構想法是可行的。

這並不是要成為一個半吊子。這是為了在相鄰領域建立足夠的熟悉度，以發現那些領域內的專家因為距離太近而看不見的聯繫。花一小時閱讀相鄰領域的入門論文，所產生的原創思考可能比花十小時深入閱讀自己的領域還要多。

這點的實際應用：當您卡在某個問題上時，不要閱讀更多相同的文獻。去閱讀一些完全不同領域的東西，看看那種框架是否能給您帶來任何啟發。這往往比您預期的更有效。

讀原作，不要讀摘要

這句話雖然聽起來很顯然，但依然值得一說：去讀論文本身，而不是總結它的討論串。

討論串、摘要和評論文章對於發現存在什麼內容很有用。但它們無法替代與實際論點的接觸。摘要剝離了細微差別、警示說明、方法論細節以及局限性章節，而這通常是任何論文中最誠實的段落。

附錄才是秘密埋藏的地方：那些不符合正文敘事邏輯的細節、邊緣案例、失敗的嘗試。對於您自己的工作來說，這些往往比頭條結果更有價值，因為它們告訴您作者嘗試了哪些行不通的方法，從而避免您重蹈覆轍。

在閱讀時進行註釋會改變您與文本之間的關係。當您標記段落、在邊白寫下問題，並記下與您讀過的其他內容的聯繫時，您是在消化素材，而不僅僅是在消費它。這在記憶和洞察力方面的差異是顯著的。

當您讀完後，用您自己的話寫一份簡短的文獻筆記：論點是什麼、什麼內容與您的工作相關、它提出了什麼問題。每篇論文花十五分鐘。這些筆記會成為您真正的研究資料庫，可搜尋、可連結，且比一堆隨機高亮標記的 PDF 資料夾有用無限倍。

建立一個與您共同成長的圖書館

資訊飲食不僅僅關係到您讀了什麼，還關係到您保留了什麼，以及您以後如何找到它。

一個在幾個月和幾年裡累積了您的閱讀、筆記和反應的研究圖書館，會成為一個無論重複閱讀多少次都無法企及的資源。當您在研究一個新問題並在您的圖書館中搜尋相關概念時，您會發現您已經忘記自己讀過的東西、不同閱讀時期的想法之間的聯繫，以及您自己過去對相關主題的思考，這能避免您重複做同樣的工作。

語意搜尋讓這一切變得實用，即使沒有完美的歸檔。您不需要記住您給某個東西起了什麼名字，或者把它放到了哪個資料夾。您只需描述您在尋找什麼，系統就會根據含義找到它。「關於注意力機制和能量調節的那個東西」會帶出相關的論文，即使您在不同時間將它們歸檔在不同的項目名稱下。

AI 助手可以跨越您收集的閱讀內容進行綜合：「我讀過哪些與 X 和 Y 之間的關係相關的內容？」這將產生一個基於您自己圖書館的答案，而不是來自網路的通用總結。這就是資訊飲食與資訊基礎設施之間的區別。

實踐版本

如果您想在不進行劇烈變革的情況下改變您的資訊飲食：

在您的日常閱讀中加入一個非顯而易見的來源。一本日誌來自相鄰領域。一個由具有不同方法論傳統的人撰寫的部落格。一本在 2000 年之前寫成的、關於您關心主題的書。一個來源就足以開始引入多樣性。

花一個小時閱讀您領域中一直想讀但從未讀過的經典文獻。每個人都引用但似乎沒有人真正讀過的文獻，通常就是最值得讀的那篇。

當您發現改變您思考方式的東西時，妥善記錄它：剪輯它，寫下為什麼它很重要，將它連結到您之前讀過的相關內容。只有當您把閱讀內容保存在可以找到並在此基礎上發展的地方時，閱讀才會產生複利。

減少一個您純粹因為其他人都在讀而閱讀的來源。您可能已經知道那是哪一個了。

常見問題

我如何尋找日常來源之外的閱讀材料？

追蹤您已經閱讀過的論文中的參考文獻，尤其是那些似乎不再有人引用的較舊參考文獻。詢問相鄰領域的人他們認為什麼是奠基性的。瀏覽您崇拜的研究人員的閱讀清單。每個月一次，去聽一場演講或閱讀一篇您一無所知領域的論文。不熟悉的地方正是原創輸入存在的地方。

如果我停止閱讀最新的出版物，我會落後嗎？

您不會完全停止，您仍會透過同事、會議和針對性搜尋接觸到重要的最新工作。改變的是比例：不再是 100% 的當前和熱門，而是轉向大約 60% 的當前和 40% 的較舊、更廣泛或相鄰的素材。當前的工作仍然會被閱讀。它只是不再是唯一的內容。

我該如何記住我讀過的內容？

寫下來。在讀完一篇論文或一個章節後，用您自己的話寫下一篇簡短的筆記，這是最有效的記憶方法。漸進式總結也有效：在第一次閱讀時高亮標記，在第二次閱讀時加粗關鍵的高亮部分。但沒有什麼能取代寫下您自己的反應，因為建構您的回覆這一行為，會強迫您進行被動閱讀所沒有的資訊處理。

我應該定期閱讀多少個來源？

品質遠比數量重要。認真閱讀三篇並寫下文獻筆記和真心投入的論文，比粗略瀏覽並收藏二十篇論文更能產生洞察。如果您的閱讀清單增長速度快於您的理解速度，那麼您是在收集而不是在學習。收集者的謬誤是知識工作中最強大的陷阱之一。

相關閱讀：如何切實進行研究，研究日誌。相關指南：研究工作流程，讀書筆記，筆記簿，卡片盒筆記法，記筆記基礎。