知識的邊界

知識就是財富，知識是特別的一種人類思想能力。我們的知識體系，正是我們對世界還抱有希望的基礎，期待人類終有一天能夠消弭分歧達成一致，平和地生活在這個星球上。 當發展、保存以及交流知識的媒介發生了改變，知識也隨之發生着改變。 當今數字時代，知識的網絡屬性，不僅僅意味着大衆在某些條件下也能擁有某種智慧。正如我們將看到的那樣，這不僅僅是說在某些情況下，三個臭皮匠賽過一個諸葛亮。事實上，知識結構方面的變化，也改變了知識的形態和性質。當知識變得網絡化之後，房間裏最聰明的那個，已經不是站在屋子前頭給我們上課的那個，也不是房間裏所有人的羣體智慧。房間裏最聰明的人，是房間本身：是容納了其中所有的人與思想，並把他們與外界相連的這個網。 現如今，我們將信息超載視爲一種文化環境。而令我們深夜難眠的，並非是擔憂如此衆多的信息會令我們精神崩潰，而是擔心我們無法得到自己需要的足夠多的信息。 我們能夠成爲這個星球上的主導生物，全賴於我們創造出的這些複雜的過濾系統運轉良好。 我們是怎麼去理解這個遠遠超出我們大腦處理能力的世界的呢？最基本的策略就是過濾、篩選，要不就是將複雜的事情降低到較爲可以掌控的層面。把水流關小，我們就控制住了消防水管；同理，我們有一個複雜的編輯過濾系統，大多數人們寫出來的東西被它過濾掉不能發表；我們有一個複雜的管理者過濾系統，大多數發表的東西經它過濾後，沒能出現在我們當地圖書館或者書店的書架上；我們還有一個複雜的專業過濾系統，大多數人都被過濾得不知道別的過濾系統中是什麼樣的情況。知識一直是這樣，它簡化了我們需要知道的事情。 這是我們一直以來理解知識的過程。信息時代也採取了這種策略，並且運行良好。我們製造出了計算機，所運行的數據是提前分類好的最基本的信息：姓名、社保號碼、出生日期……不管數據庫包括十項還是一千項，只有把不在數據庫之內的東西一概排除掉，我們的信息系統才能運行。 就連知識本身，也是從一種篩選主張開始的。 信息之於數據，就如同葡萄酒之於葡萄園：那是美味醇厚的經過提取和蒸餾之後的產物。 現在，面對着這如山的信息，就和當初面對數據超載一樣，我們有了同樣的疑問：我們花了那麼多錢來收集信息，意義在哪裏？信息本身變成了一個問題，而不是一項解決方案。所以，我們投入了那麼多，從那麼多數據中提取出了那麼多信息，爲的是什麼呢？我們用自己對數據的投入來類比，以證明自己是對的。我們在數據上投入了很多，然後從數據中提煉出了信息；現在我們期望，能夠從信息中提煉出更有價值的什麼東西。 面對海量的信息資源，我們需要做出正確選擇有用信息的思維架構和能力。

信息超載 理解信息超載： 溫伯格在《知識的邊界》中指出，信息超載並不是指信息量過大，而是指我們的過濾機制失效 。在當今時代，我們面臨着前所未有的海量信息，這導致我們無法有效地篩選和獲取真正有價值的信息。 傳統與現代過濾機制： 傳統上，我們通過做減法來獲取知識（konwing by reducing），即通過篩選和過濾信息來構建我們的知識體系。然而，隨着信息量的急劇增加，這種策略變得越來越難以奏效。溫伯格認爲，解決信息超載的方法不是減少信息，而是改進我們的過濾系統。 社交和算法過濾： 現代的過濾機制可以分爲兩類：算法機制和社交機制。算法機制利用計算機程序自動篩選信息，而社交機制則依賴於社交網絡和人際互動來推薦和過濾信息 。 知識的三角形 理解知識的三角形： 知識的三角形模型是溫伯格用來描述知識層級結構的一個重要概念。這個三角形從底層到頂層依次是數據、信息、知識、理解和智慧。 層級描述： 1. 數據：最底層是數據，代表原始的、未經處理的事實和數字。這些數據本身沒有太大價值。 2. 信息：通過處理數據得到信息，信息是有意義的、結構化的數據。 3. 知識：信息進一步整合和分析，形成知識。知識是可以用於解釋和決策的信息。 4. 理解：知識進一步昇華爲理解，代表對知識的深入掌握和洞見。 5. 智慧：最頂層是智慧，智慧是對理解的全面運用，能夠進行深刻的判斷和決策。 應用與挑戰： 在互聯網時代，數據和信息的海量增長使得我們在底層獲取了大量內容，但如何有效地提升到知識、理解和智慧的層級成爲新的挑戰。溫伯格強調，現代社會需要新的工具和機制來處理信息超載，並有效地將信息轉化爲有用的知識和智慧。

僅做閱讀思考筆記。 網絡讓知識過載成爲現實 當下人們獲取信息的渠道多種多樣，各種各樣的信息充斥在人周圍。導致人們在獲取信息後分辨信息的難度越來越高。 這樣就產生了一個問題，信息過載。 簡言講，信息過載並非問題本身，關鍵是信息的過濾以及管控機制失效。 現在任何人發佈信息的門檻瞬間被無限制放低，只有有攻工具可以的上網，人人都可以發聲。 過去因爲印刷和發行成本高，而且獲取信息的門檻較高，知識是通過篩選和過濾才能傳遞到普通人手中。 如今互聯網打破了時空的限制，存儲的限制，我們可以閱讀到距離我們數千年 之前的內容，無限擴容的存儲形式，也導致現在獲取知識無限方便。 網絡讓信息的邊界從有序拓展爲無序 互聯網時代，獲取知識的途徑發生了根本的變化。從過去的只能藉由書本、報刊獲取的知識的舊渠道發展爲通過互聯網、移動設備獲取的知識新渠道。 知識的量級呈指數級上升，從別人的減法到大衆的加法，因爲任何人都可以發聲、書寫、傳播。 媒介的發展讓知識沒有了邊界，也沒有了終點，各種新的知識層出不窮，傳統的 知識也受到了影響。人們對新舊知識之間的疑問也越來越多。 比如，知識不再是少數人掌握的真理，而成爲大衆都可以獲得東西，這樣就導致當下人們越來越難以達成共識。 知識網絡化的影響 網絡化的 知識擁有的豐富性、強連接價值、無需許可、公共性和未決性等特點。它讓人們更方便的接觸，傳播渠道更加開放，但也帶來了真實性、確定性等新的疑問。 面對知識網絡化，人們在開放通道的同時，應該思考如何讓那些更有價值的知識保留下來，以幫助人們找到。

這本書質量很高，從信息到經驗到知識，我們學的是什麼? 轉方軍老師的讀書筆記： 在《知識的邊界》這本書中，溫伯格挑戰了關於互聯網最難的話題——「知識」，也就是，「互聯網給知識帶來什麼影響？」 從結果上，溫伯格的成果不錯，它可能是迄今爲止圍繞互聯網知識唯一一本深入的著作。它也創造了很多流行詞： 比如，「聰明的房間」，也就是說，現在的知識就像一個房間，房間裏最聰明的人不是房間的裏任何人，而是房間本身。 比如，「後事實社會」，事實不再是事實，影響人們的觀點不再是事實，而可能是情緒。 01 越來越大 《知識的邊界》的英文是：Too Big To Know，是個「大到不可知」的東西。 「知識的邊界」這個中文書名其實沒說完，溫伯格說的是「知識的邊界（大到看不見邊）」。 知識是個大到看不見邊的東西，而且它還在變得越來越大。 02 知識的網絡化 知識的網絡化（The Networking of the Knowledge）。過去知識的形狀是一本書，知識的總體就是一座圖書館；而現在，知識的形狀就是互聯網，就各種相互鏈接的網頁組成。 過去，過去知識存在在每個人的大腦裏，而現在，在知乎這樣的社交問答網站，你我腦子的知識都被變成了寫出來的答案。 03 聰明的房間 房間裏最聰明的人，是房間本身。《知識的邊界》的觀點：當我們所有人都在一個房間裏面的時候，不是站在前面講課的專家老師更聰明，也不是我們加起來有了羣體智慧，而是我們讓房間本身更聰明。——既網絡本身更聰明。網頁之間的鏈接關係，比如網頁本身更重要。 04 鏈接 知識的網絡化，帶來的重大變化就是，這些鏈接變成了知識的一部分，而且可能是極其重要的一部分。 關於知識有一個所謂的DIKW金字塔模型：數據、信息、知識、智慧，每上一層，其實就是下一層的關係，用網絡來說，上一層就是下一層的「鏈接」。 05 向前過濾 在我們傳統的知識系統中，過濾器無處不在。論文，要經過匿名審覈，才能成爲被認可的學術成果。就知識而言，我們相信專家，因爲專家就是我們的過濾器。我們相信權威媒體，因爲媒體就是我們的過濾器。 不做這樣的過濾、篩選，就會超過我們的大腦能處理的，就會「信息過載」。這種過濾器，就是篩選，它會減少信息，只有少部分精華能夠通過。 06 無停止點與專家的網絡化 用溫伯格的說法，過去的知識，採用的是所謂的「停止點」系統，你翻到書的最後一頁，就到了「停止點」。我們遇到爭議時去法院打官司，法官的裁決就是絕對的權威，一個停止點。 但是，在網絡上，我們剛纔說的這些停止點，都不存在了。 07 長形式 vs 網形式 長期以來，我們認爲知識就是書，書就是知識。 一本書：它們將思想擠壓到一條狹長的小徑上，驅使讀者沿着這條小徑前進。 而現在，提出了與「長形式」的「網形式」這個新的知識的形狀之後，溫伯格有這麼一段話，值得一字一句複述給你聽：如果書籍告訴我們，知識是A到Z的漫長旅程，那麼網絡化的知識會告訴我們，世界更像一個無定形的、相互交織的、不可掌控的大網。

作者是美國作家協會的主席，讀他上一本書是《混沌：開創一門新科學》深受震撼。因此讀這本2014出版書，主要是爲了與今天ChatGPT 時代與他當時想法，思考與時俱進？當時也是從一位會讀書書友書架上發現了它，立刻想到看這位學問大家如何看其是否從所謂後現代角度看“知識”？ 這本書探討了互聯網時代知識的本質、傳播和構建方式，以及這一切如何改變我們對專家、事實、和真相的看法。 作者✍️主要是以下方面認爲： 1. 知識的本質正在變化 傳統上，我們依賴於書籍、圖書館、報紙和其他印刷媒體來存儲和傳播知識。但在互聯網時代，知識更像是一個不斷發展、變化的網絡。例如，認爲它是“知識是將“信息變爲指令（information into instructions）”的年代。 2. 專家的角色 傳統上，專家是知識的守門人。但在數字化時代，專家的角色正在發生改變。人們現在有更多途徑獲取知識，而不僅僅是通過專家。例如，有笑話說：在家問老婆、出門問百度。他書🀄️描述了專家七個特徵。 3. 知識的過載 我們生活在一個信息過載的時代，有太多的知識可以獲取。這導致了人們如何篩選、評估和信任哪些信息成爲了一個挑戰。 因爲在互聯網上、“我們曾經最基本的認知策略，即通過做減法來獲取知識（konwing by reducing）？” 這既是如何刨垃圾過程！ 4. 知識的多樣性 互聯網時代的知識更加多樣化。這意味着存在多種解釋、觀點和理論，而不再是一個“絕對真相”。像過去一本書可以翻到發黃起卷現象，應該不再會有了。 5. 網絡知識的價值 網絡使知識更加開放、連續、透明，但這也帶來了混亂和不確定性。儘管如此，這種開放性爲創新和合作創造了前所未有的機會。他總結互聯網五個特色。 6. 真相與事實的模糊界定 在數字時代，事實和真相的界定變得更加模糊。這要求我們以新的方式去認識和理解它們。 特殊值得關注的新方面： - 溫伯格特別強調了網絡化知識如何促進集體智慧的增長，這是一個相對於傳統專家模式的全新視角。 - 他對“智慧屋”和“智慧的網絡”之間的區別進行了深入探討，強調了知識如何從封閉、有限的結構轉變爲開放、連續、無限的結構。 總的來說，作者博學，思路清晰開闊。儘管有點像書生氣十足，例如他分析“知識所具備的一些恆久之三特點、貫穿了整個西方歷史”觀點等都很萌，但是其對於理解互聯網時代知識的本質和價值，的確提供了深刻的，非常有學術欣賞價值洞見。 7. 走馬觀花讀後感：對比今天ChatGPT 時代認證，作者未曾能夠關注方面： 考慮到本書出版時間是在ChatGPT及其他先進人工智能技術出現之前，因此以下是可能在書中未能涵蓋，但對當前至關重要並且與“知識”有關幾個內容？ 1. 人工智能與知識的關係 如何定義和認識由AI生成的知識，以及如何評價這些知識的準確性和可靠性。 2. 數據的倫理性 隨着AI的快速發展，數據的收集、使用和保護成爲了重要的話題。如何確保人們的隱私權得到保護，同時又能充分利用數據帶來的價值？ 3. 人機合作： 未來的知識生產和消費將是人類和AI之間的合作。如何確保這種合作是有益的，並最大限度地發揮人類和AI的優勢？特別是人（腦）機對話新產物？ 4. AI的偏見與公正性 考慮到AI的訓練數據可能包含偏見，如何確保AI生成的知識是公正、無偏見的？ 5. 人工智能的普及教育 爲了使公衆更好地利用和理解AI，如何進行普及教育以提高公衆的數字素養和AI素養？ 6. 知識的商業化與AI 隨着AI技術的發展，許多公司開始使用AI來生成和分發內容。這種商業化如何影響知識的質量和可靠性？ 7. 深度假新聞與AI AI能夠生成極其逼真的內容，這如何影響我們對真實和虛假信息的辨識？ 對於現在的我們，理解和應對這些新出現的問題和挑戰是至關重要的。這些顯然是當前和未來的知識社會至關重要方面。當然明顯感覺一些故事，信息內容陳舊，就不敢推薦了。

# 知識的邊界：當"知道"本身被重新定義之後，誰有權宣稱自己擁有知識？ ## 一、這本書真正觸及的不是信息過載，而是知識權力結構的底層坍塌 《知識的邊界》（*Too Big to Know*）表面上討論的是互聯網時代知識的形態變化——從金字塔形的專家體系變成網狀的分佈式結構。但它真正觸及的問題遠比"信息怎麼組織"深刻：**當知識不再需要通過稀缺性來確立權威時，整個由"知識-權威-權力"構成的社會分層體系的合法性根基被動搖了。** 溫伯格提出的核心判斷是：知識不存在於書本中，不存在於頭腦中，而存在於網絡本身。這不是一個信息技術描述，而是一個認識論宣言——它等價於說：**個體作爲知識容器的時代結束了。** 當知識的承載單元從"人"變成"網絡"時，以"擁有知識"爲核心資產的一切社會角色——專家、教授、諮詢顧問、分析師、政策制定者——都面臨價值重估。 這本書寫於2012年（英文原版），彼時社交媒體剛剛展現出重塑信息流動的潛力，但尚未出現大語言模型、生成式AI和知識生產的全面自動化。溫伯格當年的框架在2026年已經不只是"前瞻性洞察"，而是變成了一個**正在被實時驗證並被極端化的預言**。 ## 二、用發展的眼光重新評估：從"網絡樂觀主義"到"知識生產民主化的代價覈算" **歷史語境中的價值：** 2012年前後，互聯網知識討論被兩種敘事主導：尼古拉斯·卡爾的"互聯網讓我們變蠢"（《淺薄》）和克萊·舍基的"衆包智慧超越專家"（《認知盈餘》）。溫伯格的貢獻在於拒絕了這個二元對立，提出了第三條路徑：問題不在於"更聰明還是更蠢"，而在於**知識的社會結構本身正在發生範式轉換**——從"過濾後才發佈"到"發佈後再過濾"，從"專家認證"到"網絡湧現"，從"確定的答案"到"持續的對話"。 這在2012年是極富洞察力的認識論更新。 **當代重估——2026年的三重驗證與三重翻轉：** 溫伯格的框架在2026年既被證實又被顛覆： **被證實的部分**：知識確實網絡化了。學術論文的價值不再由期刊等級獨立決定，而由引用網絡、社交傳播、實際應用反饋共同評定。商業決策的知識基礎不再是某個諮詢報告，而是實時數據流、多源信息聚合和集體判斷。"專家"的權威確實在消解——但不是因爲人們變聰明瞭，而是因爲信息獲取成本的驟降使得"信息不對稱紅利"貶值。 **被翻轉的部分**： 1. **溫伯格低估了"網絡化知識"被操控的脆弱性。** 他預設網絡的多樣性和開放性會自動導向更好的知識生產，但2016年以來的信息戰、深度僞造、算法推薦極化證明：網絡化知識同樣可以被系統性地扭曲，且扭曲的規模遠超傳統媒體時代。 2. **他未能預見AI作爲"超級過濾器"的出現。** 溫伯格討論的是"過濾器從專家變成了網絡"，但2026年的現實是過濾器變成了AI——一個既不是專家也不是"衆人"的第三種實體。這徹底改變了"誰來過濾"的問題結構。 3. **"知識的社交性"在2026年的含義已從"協作"變爲"競爭"。** 溫伯格描述的是知識在開放網絡中流動和協作生長的樂觀圖景；但2026年的現實是：知識生產變成了注意力競爭、敘事權爭奪和信息優勢的零和博弈。 **邊界校準：** 這本書提供了一套描述性框架（知識形態在變化），但不提供規範性指引（個體應如何行動）。它解釋了爲什麼舊的知識權威在消解，但沒有回答：**當所有人都能獲取所有知識時，知識本身還能構成競爭優勢嗎？如果不能，個體的競爭優勢該建立在什麼之上？** ## 三、把原書放進2026年的複雜系統中重新定價 **"知識邊界溶解"在多重變量耦合中的新含義：** 溫伯格描述的"知識網絡化"趨勢，在2026年已經不是一個趨勢，而是既成事實。但這個事實在不同系統層級產生了截然不同的後果： - **技術層面**：大語言模型實質上成爲了溫伯格所說的"網絡化知識"的具身化載體。GPT、Claude等模型不存儲知識於某個節點，而是把知識編碼爲網絡連接的模式——這恰恰是溫伯格2012年的隱喻變成了字面現實。但後果是：**當網絡化知識可以被實體化爲一個可調用的接口時，"人作爲知識中介"的角色價值趨近於零。** - **經濟層面**：知識的邊際成本趨近於零意味着知識本身不再是經濟壁壘。2026年的競爭優勢正在從"知道什麼"轉向"能做什麼""能判斷什麼""能連接什麼"。這不是溫伯格討論的問題，但它是他的命題的直接經濟後果。 - **社會層面**：當"博學"不再稀缺時，以知識佔有量爲核心的社會評價體系——學歷、考試、專業資格——面臨系統性貶值。這不是說學習無用，而是說：**學習的目的從"積累可被檢索的信息"轉向"建立不可被AI替代的判斷能力"。** - **國際層面**：知識的全球性流動使得信息優勢的地域壁壘消失，但同時，數據主權、AI模型訓練語料的地緣政治化、技術脫鉤又在重建新的知識邊界——不是認知邊界，而是政治邊界。溫伯格的"知識無邊界"樂觀主義，在2026年的地緣博弈中已經部分失效。 - **組織層面**：企業內部的知識管理正在從"如何讓員工共享知識"轉向"如何讓AI消化組織知識後爲決策服務"。中層管理者的知識中介功能——收集信息、整合判斷、傳遞決策——正在被AI輔助決策系統替代。 - **個體層面**：溫伯格描述的"網絡化知識"本應賦權個體——每個人都能獲取一切信息。但2026年的悖論是：**信息獲取的民主化與判斷能力的分化同時發生。** 每個人都能看到同樣的信息，但能從中提取有效判斷的人越來越少。知識的邊界消失了，判斷力的邊界在加深。 **核心判斷**：溫伯格在2012年宣告了"知識的形狀"正在改變，但他未能預見的是：形狀改變之後，**知識的價值函數本身也在改變**——從"擁有信息的價值"轉向"在信息過剩中做出正確判斷的價值"。2026年的稀缺資源不是知識，而是判斷。 ## 四、原書的價值不在"知識網絡化"的描述，而在它暴露出的底層問題 **表層命題**：知識正在從金字塔結構變成網絡結構；專家權威在消解；過濾機制從出版前移到出版後；知識變得社交化、流動化、開放化。 **底層結構**：這些變化背後運轉的深層機制是—— 1. **知識生產的規模經濟崩塌**：傳統知識體系（大學、出版社、研究機構）的核心商業模式建立在"知識生產有門檻"這一前提上。當生產門檻被技術夷平後，這些機構的壟斷地位不是被競爭者打敗的，而是被基礎設施的變化所瓦解的。 2. **權威的信任-驗證解耦**：傳統專家權威的有效性建立在"驗證成本極高、因此信任替代驗證"的均衡上。當驗證成本（信息檢索、交叉覈實、多源比對）趨近於零時，信任不再是理性選擇——"爲什麼我要相信你而不是自己查"變成了默認心理。 3. **過濾器從"守門人"變爲"排序算法"**：溫伯格敏銳地識別出：舊世界的知識過濾器（編輯、教授、出版社）是排斥性的（不通過就不存在），新世界的過濾器是排序性的（一切都存在，但被不同程度地可見化）。這個變化的深遠後果是：**被排斥的知識雖不可見但激發追尋欲；被降序的知識雖可見但不被注意到——後者比前者更有效地消滅了多樣性。** **更高一層的問題**： 爲什麼這本2012年的書在2026年仍然具有衝擊力？因爲它提出的問題——**當"知道"不再稀缺時，什麼纔是真正的認知資產？**——不但沒有被解決，反而因爲AI的出現而變得更加尖銳。溫伯格當年的答案是"網絡本身就是知識"，但2026年的追問是：當網絡化知識被壓縮進一個可以被所有人以同等成本調用的AI接口之後，**人還需要"知道"什麼？人的認知價值究竟在哪裏？** ## 五、對35-45歲博士/博士後職業轉型者的認知進階啓發 **需要從哪種舊身份中退出：** 博士訓練的核心價值承諾是：通過多年深度學習，你將"知道"別人不知道的東西，這種知識差異構成你的社會價值。溫伯格的框架直接動搖了這個承諾的底層：**當知識的邊界溶解、獲取成本趨零、網絡化存儲替代個體記憶時，"我知道而你不知道"不再是可持續的價值來源。** 需要退出的舊身份不是"學者"，而是"知識佔有者"——那種認爲"我讀過/研究過/理解過某個領域，因此我具有不可替代性"的自我認知。在2026年，這種不可替代性已經從"我知道X"轉向了"我能在X、Y、Z交叉中做出A判斷，並承擔其後果"。 **需要建立哪種新能力棧：** 1. **判斷力而非知識量**：當AI可以在秒級完成文獻綜述、數據分析、多源信息比對時，人的競爭力不再是"知道更多"，而是"在信息充分的條件下做出更好的判斷"。判斷力包括：權衡不可量化因素、在信息衝突中選擇行動方向、在不確定性中確定下注規模。 2. **問題定義力而非答案生產力**：溫伯格指出網絡化知識的特徵是"持續的對話而非確定的答案"。對轉型者而言，這意味着：你的價值不在於給出答案（AI已經可以做得足夠好），而在於**定義值得回答的問題**。問題定義力是當前最難被自動化的能力之一——它需要對現實情境的深度理解、對利益結構的洞察、對資源約束的判斷。 3. **網絡編織力而非知識積累力**：溫伯格的"知識存在於網絡中"命題，翻譯成個體策略就是：你的認知資產不是你腦中存儲的信息，而是你所連接的信息節點的質量、多樣性和可激活性。這不是"社交"，而是**認知網絡的基礎設施建設**——你能夠在需要時快速連接到正確的信息源、判斷源和執行源。 4. **語境判斷力**：溫伯格強調知識的語境依賴性——同一條信息在不同語境中意義不同。在AI可以提供"無語境答案"的時代，人的價值在於**判斷當前語境中什麼信息重要、什麼信息可以忽略、什麼框架適用**。這是一種元認知能力，也是博士訓練（如果被正確理解的話）確實培養的東西。 **需要理解的非專業變量：** - 在知識民主化的環境中，影響力不來自"知道更多"，而來自"被信任來做判斷"。信任的建立不靠知識展示，靠的是：可追溯的判斷記錄、承擔後果的意願、利益透明度。 - 組織中的知識權力不再屬於"知道得最多的人"，而屬於"控制信息流向的人"——決定什麼信息被看到、被誰看到、在什麼時機被看到。這是一種組織政治能力，博士訓練通常不培養它。 - "深度"在2026年的含義正在變化。傳統的"深度"=在一個領域積累更多信息。新的"深度"=在一個問題上形成更精準的判斷力。前者可以被AI替代，後者不能。 **從"個體優秀"到"系統有位"：** 溫伯格的框架暗示：**在網絡化知識體系中，個體節點的價值不取決於其信息存儲量，而取決於其連接度和不可替代的功能位。** 一個存儲了大量信息但連接稀疏的節點，在網絡中的價值低於一個信息存儲量中等但連接了多個異質羣集的橋接節點。 翻譯成職業策略：不要做一個"信息倉庫型"的人（博士訓練的默認產出），要做一個"橋接型"的人——連接不同學科、不同組織、不同圈層的信息和判斷，並在連接中創造他人無法獨立產生的價值。 ## 六、這本書最容易被誤讀的地方 **誤讀一：把"知識網絡化"等同於"專家無用"。** 溫伯格的論點不是"專家已死"，而是"專家的功能正在從'知識壟斷者'轉向'網絡節點中的高質量貢獻者'"。專家仍然有價值，但其價值的來源從"我知道你不知道的"變成了"我能在網絡化討論中持續輸出高質量判斷"。這是功能轉型，不是價值消滅。 **誤讀二：認爲"網絡讓人更聰明"或"更蠢"。** 溫伯格明確拒絕了這個二元框架。但很多讀者仍然把他歸入"技術樂觀派"。實際上他的立場更精確：**網絡改變了知識的形狀，這個變化本身無關好壞，關鍵在於我們是否能設計出與新形狀匹配的制度和實踐。** 把他讀成"互聯網萬歲"，是把認識論分析降格爲價值判斷。 **誤讀三：把"過濾器變了"簡單理解爲"去中心化"。** 溫伯格確實說過濾器從專家變成了網絡，但這不意味着過濾消失了或變得更公平了。2026年的現實是：過濾器從人類專家變成了算法和AI模型——這些新過濾器的權力可能比舊過濾器更集中、更不透明、更難以問責。溫伯格2012年的樂觀需要被2026年的現實修正。 **誤讀四：把"知識的社交性"理解爲"多討論就能獲得知識"。** 知識的網絡化和社交化不等於"開放討論自動產生好結果"。它需要特定的制度設計——激勵真實表達、懲罰誤導、保護少數意見、對沖回聲室效應。沒有這些制度條件，社交化的知識生產同樣可以產出大量垃圾、偏見和操控。 **誤讀五：用2012年的技術想象來理解2026年的知識生態。** 溫伯格寫作時，"網絡化知識"的典型載體是維基百科、學術博客、開放獲取期刊。但2026年的知識生態已經被大模型、合成內容、個性化信息流、多模態交互徹底重構。用他的框架來理解當下時，必須進行"技術載體升級"——他的認識論洞察可能仍然有效，但其社會學想象需要大幅更新。 ## 七、真正值得帶走的不是"知識在變"的判斷，而是一套認知資產重估框架 **框架一：知識價值的位置遷移判斷** - **解決什麼問題**：在任何領域中，快速判斷"知道X"的價值正在從哪裏遷移到哪裏——從信息佔有到判斷力，從個體存儲到網絡連接，從答案生產到問題定義。 - **現實應用**：當你評估一項技能、一個學位、一次培訓、一個崗位的長期價值時，追問：它提供的核心資產是"可被數據庫化的信息"還是"不可被形式化的判斷能力"？前者正在貶值，後者正在升值。 - **對轉型者的意義**：博士訓練積累的大量領域知識，其信息層面的價值正在被AI壓縮。但訓練過程中形成的"如何在不確定信息中形成有根據的判斷""如何識別論證中的漏洞""如何在多重證據衝突中選擇立場"——這些元能力正在升值。轉型的關鍵不是丟棄訓練成果，而是識別成果中哪些是貶值資產、哪些是升值資產。 - **適用邊界**：某些領域（如法律、醫學、工程）的"信息佔有"仍然有制度性壁壘保護。貶值速度不是均勻的。但長期趨勢方向明確。 **框架二：過濾器權力分析** - **解決什麼問題**：在任何信息流動系統中（組織、市場、社交網絡、媒體），識別"誰在決定什麼信息被看到"——過濾器權力的位置和性質。 - **現實應用**：當你進入一個新組織/新行業/新圈層時，不要只問"這裏的信息是什麼"，要問"這裏的信息被誰過濾、按什麼標準過濾、被過濾掉的信息去了哪裏"。掌握了過濾器邏輯，就掌握了該系統的信息權力結構。 - **對轉型者的意義**：學術體系中的過濾器（同行評審、期刊編輯、學術委員會）是你熟悉的；商業/管理/投資領域的過濾器（算法推薦、意見領袖、信息中介、社交圈層准入）是你不熟悉的。理解新領域的過濾器結構，是進入新生態位的前置條件。 - **適用邊界**：不是所有系統的過濾器都是惡意的或需要被規避的。有些過濾器在保護信息質量。關鍵是判斷：當前過濾器的功能是質量保障還是權力維護。 **框架三：網絡位置價值評估** - **解決什麼問題**：判斷自己在知識/信息網絡中的當前位置是"終端節點"（只接收信息）還是"中繼節點"（轉化和傳播信息）還是"橋接節點"（連接不同信息羣集）。 - **現實應用**：定期審視：我當前連接的信息源有多少是異質的（來自不同圈層、不同學科、不同行業）？我是否只是在自己的回聲室中循環？我是否在爲他人提供他們無法獨立獲取的連接價值？ - **對轉型者的意義**：從學術圈（高度同質化的知識網絡）轉向更廣泛的社會/商業場景時，最大的網絡位置升級不是"認識更多人"，而是"連接到與原有網絡異質性最大的信息源"。一個同時連接了學術界、產業界、投資界、政策界的橋接節點，其位置價值遠超任何單一領域中的深度節點。 - **適用邊界**：橋接節點需要在每個連接領域都有"最低可信閾值"——如果你對某個領域的理解太淺，你就無法有效橋接，只能傳遞噪聲。廣度需要以每個方向上的"夠用深度"爲前提。 **框架四：認知基礎設施的自建策略** - **解決什麼問題**：在知識過剩時代，如何設計自己的"個人過濾器系統"——選擇關注什麼、忽略什麼、以什麼頻率更新什麼、在什麼條件下改變判斷。 - **現實應用**：建立"信息攝入預算"——像管理財務預算一樣管理注意力分配。定期審計：我當前的信息輸入是在提升我的判斷力，還是隻是在消耗注意力和製造焦慮？ - **對轉型者的意義**：學術訓練養成了"儘可能多地瞭解一切相關文獻"的習慣，這在信息稀缺時代是好習慣，在信息過剩時代是災難。轉型者需要從"窮舉式學習"切換到"戰略性忽略"——正確選擇不看什麼，比選擇看什麼更能提升判斷質量。 - **適用邊界**：過度的"戰略性忽略"會導致盲區和偏見。需要定期進行"信息審計"——檢查自己的過濾器是否在系統性地排斥某類重要但不舒適的信息。 ## 八、面向社會發展趨勢的高階啓發 **第一，2026年的認知競爭力方程式已經徹底改寫。** 舊方程式：競爭力 = 知識存量 × 應用能力。 新方程式：競爭力 = 判斷力 × 網絡位置 × 行動速度 × 信任資本。 溫伯格的框架解釋了爲什麼"知識存量"從方程式中退出：當知識可以被即時檢索和生成時，存量差異不再構成競爭壁壘。對35-45歲轉型者的具體含義是：停止爲"知道得不夠多"而焦慮，開始爲"判斷得不夠準""連接得不夠廣""行動得不夠快""被信任得不夠深"而投入。 代價與約束：判斷力的提升沒有捷徑，它需要大量"做判斷-承受後果-修正模型"的反饋循環。讀書、學習、思考可以輔助，但無法替代實際決策經驗。 **第二，"專家身份"正在從"知識認證"轉向"判斷擔保"。** 在知識獲取成本趨零的環境中，人們爲什麼還需要專家？不是因爲專家"知道得多"，而是因爲專家願意**爲判斷承擔聲譽後果**。2026年的專家價值 = 判斷質量 × 可追溯性 × 後果承擔意願。 對轉型者的含義：如果你希望在新領域建立專家地位，路徑不是"積累更多知識然後展示"，而是"在公開場景中做出具體判斷，讓判斷可被追溯和驗證，併爲錯誤判斷承擔聲譽成本"。這與學術發表邏輯（追求正確性、規避出錯風險）恰好相反。 **第三，知識的"邊界"已經從認知維度轉移到了政治維度。** 溫伯格描述的"知識無邊界"在2026年面臨一個現實約束：數據主權、AI模型訓練語料的地緣政治化、信息審查的全球差異化。知識的流動性不是一個技術問題，而是一個政治問題。個體在這個環境中需要理解的是：**你能獲取什麼知識，取決於你在哪個信息管轄區、使用什麼工具、被哪種過濾器覆蓋。** 知識的邊界沒有消失，只是從"你夠不夠聰明"變成了"你處於什麼制度環境中"。 對轉型者的實際含義：跨國信息獲取能力、多語言信息處理能力、對不同信息管轄區差異的理解——這些正在變成一種新型的"認知基礎設施資本"。它不是學科知識，而是獲取和處理知識的元能力。在全球信息碎片化的趨勢中，能夠跨越信息邊界的人擁有結構性優勢。

有用，而且對你這種做市場、產品、銷售決策的人很有用。 《知識的邊界》如果變成現實，意思不是“知識更多了”，而是： 用戶、員工、老闆、市場都不再靠一個權威答案做判斷，而是在一個信息網絡裏形成判斷。 所以我們能利用它的地方，主要有 5 個。 --- 1. 不要再幻想“一篇內容說服用戶”，要做“證據網絡” 以前營銷像這樣： > 我寫一篇主推文案 → 用戶看完 → 被說服 → 下單。 現在更像這樣： > 用戶看到一篇內容 → 去小紅書搜 → 看評論 → 看競品 → 看測評 → 看店鋪評價 → 問朋友 → 再回來比較。 所以用戶不是被單點說服，而是被一組信息共同說服。 這對我們意味着： 營銷不能只做單篇爆文，而要佈局一張“用戶決策證據網”。 比如圍繞一個產品，要同時有： > 爲什麼需要它； 和競品有什麼區別； 用戶真實反饋； 常見顧慮解釋； 使用場景； 負面問題怎麼回應； 專業測評； 店鋪評價； 銷售話術； 售後解釋。 用戶在不同地方看到的信息，要能互相支撐，而不是各說各的。 --- 2. 做內容不要只講賣點，要佔領“問題節點” 網絡型知識裏，用戶不是隻搜品牌名，而是搜問題。 比如用戶不會一開始就問： > 我要買某某品牌。 他會問： > 這個東西值不值？ 有什麼坑？ 怎麼選？ 和 A 品牌比哪個好？ 爲什麼貴？ 適不適合我？ 買了會不會後悔？ 所以內容策略要從“我要宣傳什麼”變成： 用戶決策前會問哪些問題？我們能不能成爲這些問題的最好答案？ 也就是建立一張 用戶問題地圖。 模板很簡單： 用戶階段 用戶問題 我們要提供的內容 沒意識 我爲什麼需要這個？ 痛點/場景內容 有興趣 它解決什麼問題？ 賣點解釋 比較中 和別人有什麼不同？ 橫評/對比 猶豫中 貴在哪裏？可靠嗎？ 證據/案例 快下單 買哪個型號？怎麼買？ 購買指南 買完後 怎麼用？有問題怎麼辦？ 使用/售後內容 誰能回答更多真實問題，誰就更容易進入用戶決策網絡。 --- 3. 市場判斷不要等“確定答案”，要做“證據等級” 現在的問題是，信息很多，但沒有一個指標能絕對證明未來會賣。 所以不能再問： > 這個判斷到底對不對？ 要改成： > 現在證據支持到什麼程度？ 可以把市場判斷分成 4 級： 等級 狀態 例子 0 級 只是直覺 我覺得用戶可能喜歡 1 級 有弱信號 小紅書有人討論、評論裏有人問 2 級 有行爲信號 搜索、收藏、諮詢、加購上升 3 級 有交易信號 成交、復購、轉介紹、低退款 4 級 可複製信號 多渠道、多批次、多團隊都能跑通 這樣你就不會被“沒有確定性”困住。 市場工作不是一次性找到真理，而是不斷把判斷從 0 級推進到 1 級、2 級、3 級。 --- 4. 公司內部要做“知識網絡”，不要讓信息死在部門裏 很多公司不是沒知識，而是知識分散在各處： > 客服知道用戶抱怨什麼； 銷售知道用戶爲什麼猶豫； 運營知道哪個內容有效； 產品知道功能限制； 售後知道真實問題； 老闆知道戰略方向； 數據知道結果變化。 但這些信息沒有連起來，就變成： > 每個人都知道一點，但公司整體不聰明。 這就是《知識的邊界》對組織最重要的啓發： 最聰明的不是某一個人，而是信息流動起來後的整個系統。 所以你們應該做一個簡單的“市場知識庫”，按問題沉澱： > 用戶高頻問題； 用戶高頻顧慮； 成交理由； 流失理由； 競品打法； 有效內容； 無效內容； 售後問題； 銷售話術； 數據覆盤。 每週更新一次，不用很複雜。關鍵是讓市場、銷售、產品、客服看到同一套事實。 --- 5. 品牌可以從“賣產品的人”變成“幫助用戶做判斷的人” 知識網絡時代，用戶不缺廣告，缺的是： > 我到底該怎麼判斷？ 哪些信息可信？ 哪些是營銷話術？ 哪些參數真的重要？ 哪些坑要避開？ 所以品牌的機會是： 不要只做推銷者，要做用戶決策的解釋者。 比如你可以做： > 購買避坑指南； 競品對比框架； 參數解釋； 使用場景判斷； 常見誤區澄清； 用戶真實案例； 選擇題式導購。 這類內容的作用不是馬上成交，而是建立一種感覺： > 這個品牌懂行，而且願意幫我判斷。 長期看，這比單純喊賣點更能建立信任。 --- 最實操的落地動作 你可以馬上做一個 “用戶決策知識網”，只分 6 個模塊： 1. 用戶在問什麼？ 收集搜索詞、評論、私信、客服問題。 2. 用戶爲什麼猶豫？ 整理價格、信任、效果、售後、競品等顧慮。 3. 用戶爲什麼買？ 記錄成交客戶的真實購買理由。 4. 用戶爲什麼不買？ 記錄流失原因，不要只歸因“嫌貴”。 5. 哪些內容推動了用戶往前走？ 看收藏、諮詢、搜索、加購，而不只看點贊。 6. 哪些證據最能打消顧慮？ 用戶評價、案例、測評、參數、對比、服務承諾。 每週開一次 30 分鐘會議，只問： > 這周我們新發現了什麼用戶問題？ 哪個判斷證據變強了？ 哪個判斷被證僞了？ 下週要補哪一塊內容或話術？ --- 一句話總結 《知識的邊界》對我們最大的用處是： 不要再把市場當成“發內容、投廣告、等結果”，而要把市場變成一個不斷收集問題、連接證據、更新判斷、幫助用戶決策的知識網絡。 誰能更快理解用戶在想什麼、更快組織可信答案、更快把分散信息變成判斷系統，誰就更容易贏。

AI時代，知識需要“回家” 傳統知識體系的穩固性，本質上是前數字時代媒介特性（紙質載體、線性傳播、中心化審覈）與知識生產邏輯（專業化、權威化、代際積累）相互塑造的結果。印刷術普及後運行了數百年，其底層假設包括：1）知識的稀缺性：受限於傳播成本，專業知識必須通過資質篩選和機構背書來降低認知負擔；2）時間的權威性：知識通過同行評審、反覆證僞實現可靠性，新發現需融入既有體系才能被接受；3）空間的中心性：知識生產集中於高校、科研機構等物理空間，傳播依賴書籍、講座等單向渠道。 但數字時代以互聯網、社交媒體、算法推薦爲代表的媒介革命徹底動搖了這些假設。當知識存儲從紙質書變爲數據庫，傳播從人際網絡變爲算法推薦，知識的定義、權威來源乃至“真理”的判定標準都發生了本體論意義上的轉變。數字與AI時代的知識生產，本質上是人類從知識的壟斷者轉變爲“知識的園丁”——不再追求單一權威的“正確”知識，而是培育一個多元、動態、可進化的知識生態系統。這個系統允許誤差（通過快速迭代修正），包容參與（大衆與專家協作），並始終以“增進人類福祉”爲終極目標。 與此同時，請留意觀察身邊的大學、圖書館、諮詢公司、企業、情報機構、科學界——它們分別對應知識生態中的生產、保存、傳播、應用、治理、驗證環節——每個環節都暴露了傳統機制與數字時代需求的根本衝突。種種亂象不好一一列舉，這充分表明：數字時代知識體系面臨着一場整體性、根本性的秩序危機。更進一步，不妨說現代知識金字塔的深層困境只是整個社會意義系統消散的一個側寫而已：當知識被簡化爲“令事情辦成的有用性”時，它正在丟失文化傳統中最珍貴的維度——知識作爲人類理解世界、追問意義的生存方式——重理輕文的風氣愈演愈烈，其實不過是人類自我閹割的鬧劇而已，鬧劇總會有曲終人散的時候。我們並不知道這場危機的終點會在哪裏，但可以肯定的是這場危機不是知識的終結，而是一次秩序的重生。未來的知識體系，或將更包容、更動態，也更依賴人類對“何爲有效知識”的集體智慧。 羅素·艾可夫的DIKW知識金字塔（數據-信息-知識-智慧）常被視爲知識管理的經典模型，但其背後隱藏着知識觀從“目的論”到“工具論”的現代性斷裂。當知識淪爲工具，人類將失去與“意義”的聯結，人類必須時刻對“知識異化”保持警惕。當然，AI時代的知識觀演變，不是要否定金字塔的實用價值，而是要爲其注入文化與哲學的維度，讓知識“回家”： • 回到“理解世界”的初心，而非僅“解決問題”； • 回到“人類共在”的語境，而非僅“個體效用”； • 回到“追問意義”的傳統，而非僅“追逐效率”。 未來的知識金字塔，或將是一個開放的、動態的意義網絡——數據與信息是土壤，知識是枝幹，智慧是花朵，而人類與AI共同澆灌的，是對“何以爲人”的永恆探索。

《知識的邊界》書評 戴維·溫伯格，哈佛大學資深研究員，著有《知識的邊界》一書。此書探討大數據時代知識生產與獲取之變。溫伯格言，互聯網現，知識脫物理限，從有限變無限，從內容變鏈接，從圖書館變巨網。 紙媒時代，知識體系標準：學生學課，獲文憑，成專家，輸出觀點，他專家驗證，入知識體系。數字媒體時代，微信公衆號、網頁文章湧現。知識金字塔坍塌，知識危機現。 危機表：碎片化替深度思考，回聲室效應，搜索腐蝕記憶力，專家隨處可見，停止點消逝。信息過載，知識變革。知識定義遷，非僅信息，乃可依賴、可作基礎、值得保存珍惜之信念。面對知識，重在運用，非僅學習。 多樣性引思考，回聲室網絡化造新公共生活。數字時代，羣體在線討論常失敗。我們曾渴望多樣性，互聯網卻使觀念雜亂，矛盾生。回聲室是多樣性分流，僅納與己意一致者。回聲室效應在網絡中存在，是嚴重問題。溫伯格言，舊式回聲室是誤解，回聲集市是關鍵。極端保守者，上網時更可能訪偏自由網站，反之亦然。網絡聲音多樣性，弱化人腦信息深加工能力，思考能力變差，態度極端化。 應對網絡化知識，觀念上樂觀擁抱新變化，行動上警惕專家崇拜與回聲室效應。知識分子未消亡，傳統專業知識仍有優勢。互聯網時代，知識無邊界，知識分子或專業人士地位與價值仍存。專業人士價值在“過濾”，即推薦。知識人人可享，判斷知識價值和解讀知識能力非人人有。 溫伯格言，書籍不表達知識本質。書籍爲人類文明核心媒介，曾爲知識表達奠穩固基礎：邏輯清晰、結構嚴密、權威可靠。然作者指出，此“基礎性”非知識本身特質，是書籍媒介特性對知識形式塑造。書籍將思想分割爲頁碼，邏輯編織爲章節，在印刷和傳播經濟條件下，知識表達被形式化。形式化既成就知識穩固，也帶來侷限，知識“邊界”由此生。 互聯網則現另一種知識面貌。書籍是“過濾器”，將知識篩選爲稀缺、權威形態；互聯網“超鏈接”試圖毀邊界，構建開放、動態知識網絡。溫伯格觀察敏銳：過濾器和超鏈接不僅是媒介特性隱喻，更是兩種知識傳播形態分水嶺。數字媒介崛起如何改變知識理解？溫伯格答案明確：互聯網知識毀邊界，賦知識動態生成特性。然，此解放是否也帶來新問題？書未詳述，卻留耐人尋味討論空間。 知識形式與本質：不同視角碰撞。溫伯格《知識的邊界》透過“過濾器”和“超鏈接”隱喻，提知識形式深刻影響知識本質觀點。此視角繼承麥克盧漢式媒介決定論——“媒介即信息”，即形式決定本質。然，知識形式與本質關係不止於此。哲學史中還存其他觀點，爲審視溫伯格論點提供批評視角，也爲理解知識形式未來開闢新可能。 形式決定本質：溫伯格核心立場。溫伯格站在麥克盧漢陣營。麥克盧漢言，不同媒介形式塑造人類對知識感知方式：書籍線性邏輯使知識顯穩定權威，互聯網實時互動性讓知識變開放動態。溫伯格繼承此視角，並通過“過濾器”和“超鏈接”具體化：書籍過濾器，通過邏輯篩選和內容稀缺性，塑造知識穩定性與權威性；互聯網超鏈接，打破知識固定邊界，讓知識變關聯性和過程性表達。此觀點啓發性毋庸置疑，揭示媒介形式對知識形態深遠影響。然，也帶來爭議——知識核心特性，如科學邏輯性或人文深度解讀，是否真完全由形式塑造？ 本質決定形式：傳統認識論反思。傳統認識論認爲，知識本質是形式決定性力量，非相反。例如：笛卡爾主張知識“明白性與清晰性”需邏輯演繹形式；牛頓通過數學公式表達自然規律普適性；霍布斯在《利維坦》中用機械類比呈現政治體系邏輯必然性。從這角度看，知識核心屬性（如科學驗證性、哲學必然性）對其形式提明確要求，非由媒介形式單方面決定。溫伯格理論偏重媒介形式，卻未回答科學知識邏輯性爲何需實驗與理論支撐，人文知識深度是否能在互聯網開放性中保持？ 形式與本質動態交互：知識生成過程。若暫擺脫“誰決定誰”爭論，知識形式與本質是否存在動態交互可能？黑格爾和布魯諾·拉圖爾思想提供啓發：黑格爾辯證法表明，形式與本質在不斷生成中相互作用，知識本質通過形式顯現，形式也推動本質演進；拉圖爾行動者網絡理論（ANT）進一步指出，知識是在網絡化生成中被動態塑造，形式與本質難以截然分開。在互聯網知識中，每次超鏈接新增或算法調整，都可能改變知識呈現方式，也重新定義知識本質。然，溫伯格討論未深入探討此動態交互複雜性。 形式與本質消解：解構主義挑戰。解構主義進一步挑戰形式與本質二分，認爲二者區分本身是形而上學遺產：德里達言，知識意義是通過符號差異不斷生成，形式與本質無法截然分離；福柯則認爲，知識形式與其權力網絡密不可分，知識生成過程本質上也是形式化權力表達。在此視角下，互聯網知識形式不只是知識工具，而是其本質一部分。超鏈接不僅表現知識，也決定理解和定義知識方式。然，此消解形式與本質觀點是否會讓知識失去核心屬性？科學真理穩定性如何被這種符號生成解釋？ 重新定義知識未來。溫伯格認爲，互聯網知識形式變化讓我們“更接近真理”。但此觀點意義或許在於，它非簡單回答“真理是什麼”，而是促使重新思考問題。在動態網絡中，真理不再是邏輯鏈條終點，而是生成中共識。以此爲基礎，需重新回答以下問題：知識定義，知識是否可擺脫穩定形式束縛，成純粹動態過程？真理意義，真理是否仍具普遍性，還是會隨知識形式變化被消解爲多樣化“局部真理”？認知方式，關聯性主導認知模式是否會推動知識進化，還是讓我們陷入碎片化困境？溫伯格爲這些問題提供引人深思起點，但也留未盡之處。 結語：人機協作中知識邊界。值得一提的是，此書評本身也是人機協作產物。撰寫過程中，人工智能不僅作爲輔助工具整理複雜哲學視角，還主動生成部分文字內容。在此場景中，知識生產已超越純粹“人類行爲”，轉變爲人類與技術共同作用過程。這正是溫伯格未深入觸及但對未來至關重問題：當知識生產主體不再是單一“人類”，知識形式與本質將如何演變？我們如何理解技術對知識邊界重塑？也許，知識邊界從未消失，而是在這一代人與技術協作中，以新形式被重新定義。

對現代人信息過載這個問題，最核心的疑問是，我們如何看待知識和信息？如何看待它們給我們帶來的變化？ 有人認爲信息就是知識，有人認爲準確的信息是知識，也有人認爲經過系統組織的信息是知識，但是無論上述哪種，最終人類記錄、使用知識的最核心目的，只有一個，記錄彎路，改變現實。 信息的過載，會導致人像進入了盲人摸象的混亂世界，這裏有無數個盲人，哪個盲人先說，或者後說，都會影響你是否信任他的觀點，假話包含真話，真話加了幾句假話，讓這些信息看上去不可信任，我們處於一個被投餵的世界。 抓不住的信息，驗證不了的事實，永遠在改變的價值觀。 但這本書帶我們思考，知識的最重要的錨點。 也就是教員那句，實踐是檢驗真理的唯一標準，而真理的用途是改變現狀。 也是那句六經注我，到我注六經。 要挑着看東西，像作者說的，出版商就是一個巨大的過濾器，之於我們，短視頻是，搜索引擎也是，未來ai也會是，但是選擇相信什麼，確定怎樣的篩選詞，這會永遠是個私人話題。 因爲只有你可以塑造自己的價值觀，只有你選擇自己的世界長什麼草開什麼花，只有你決定接受什麼，不接受什麼，相信什麼，批判什麼，否定什麼，如果把自己泠出來看，世界縱然有巨大變化，依然可以有一席之地去思考，悄悄成長，這大概，纔是不斷閱讀，思考，精進的真正意義吧。 一葉小舟，也僅有一葉小舟，但從來都是一葉小舟。