本文属于写给《知识工作者的 AI 指南》的一部分。从知识库构建的角度，谈谈当今社会下面临的知识信息挑战。AI 工具能产生什么帮助？如何在处理信息和提取信息之间保持平衡？用户真正的内在需求是什么？如果你想节省时间，只阅读粗体的观点即可。非加粗的文字是解释和论证。
被动式的，具象的刺激，正在逐步削弱人们理解信息的能力。谁还愿意去阅读长篇的文字呢？看看精华书摘就好了。那么长的电影谁看？十分钟速度电影不香吗。论文那么难理解还是英文的？总结成摘要不就好了。
然而，快餐化的总结并不能实质性帮助信息的吸收。这来源于信息加工理论，其中知识表征是信息在人脑中的存储和展现。存储时越省力，提取时就越费力。反之亦然，你在信息处理上下越多功夫，记得就越牢固。
追求可解释只是针对头脑的“苯二氮”（一类抗焦虑药物），用于缓解大脑的焦虑。有一定的作用但不必依赖它，会上瘾。
从信息的海洋中撷取灵感更重要。可以假象你是全知的，只不过都忘记了。通过学习想起那些你忘记的，尤其是专属于你的部分，而不需要其他人的。从同样内容中获得的灵感一定是不同的，这取决于你个人的生命体验。
AI 工具可以帮助你聚焦灵感，但不能代替你产生。目前 AI 现存的问题是千篇一律，其有高效的信息处理能力，并不能根据特定的人来生成。（个人的独特性特征并不被AI所掌握，至少在脑机接口技术有进一步突破前是这样。）
通过对输入结构的剖析和解构，AI 可以还原一个信息脉络，但却是有理解成本的。就像机器学习领域的“No Free Launch”（天下没有免费的午餐）一样，不存在一种通用的方式能处理所有输入，而可以让下游任务高枕无忧。从经济学上讲，你必须要让渡一些成本，才能获得利益。
AI 的出现可以从两个方面提升这个过程：首先，工具可以提取预处理大量的文本信息，然后预先筛选出那些潜在有用的内容。虽然可能有错误的丢弃，但整体上是可以节省人的精力的。同时信息以文本形式存储以后，又可以被计算机高效地检索，降低了一点提取成本。
第二方面，工具可以介入语义信息的理解，提示重要关键点，作为存储过程的催化剂。这里使用催化剂的说法，是指它能宏观上加速原本的内容理解过程，而不是把它作为原料。举个例子，假设现在你想要用自己的话总结一篇文章的内容，工具会给你呈现总体的结构，帮助你审查所有的要点。而不是代替你完成总结这件事情。
更关注 Aha Moment 的瞬间，刻录当时想法。正如在阅读文本时，会在有启发时写下书评一样，这是一个主动暂停的过程。但对于音频/视频的连续输入来说，暂停下来再记录灵感就显得有些“反人类”。更多是记录一个时间戳，然后写一些想法的关键词，然后继续听。
灵感按钮，给音频/视频重点划线。然而从 AI 工具的角度，我们从任何一个时间戳构建相关的上下文，针对上下文记录灵感，而不用担心自己会忘记上下文的那部分。 想象你面前有一个灵感按钮，当你拍下时，就会出现当前内容的概括上下文，然后你可以用文本或者语音的方式记录下启发，然后继续播放。你也可以随时回顾前面自己记录的灵感，去产生更多的想法。
快进段落，跳过已知部分。通常来说，目前的音频/视频会提供2倍速或者长按加速的方式，跳过听众会觉得不感兴趣的内容。听众以倍速阅读时，实际上提升了信息密度，可能这段内容无聊，可能这段内容是听众已经掌握的。听者的实际需求是“OK，你说的我都知道了，快说重点吧”，但是提出这个需求的产品经理很可能被程序员用板砖砸。由于现今的程序还无法理解用户到底认为哪些是重点，倍速播放其实是个妥协后产物。在点击快进时，听者希望的是跳到下一个主题段落，而不是向前播放5秒。如果 AI 工具可以实现这一点，则代表着它以一种更实时细致的方式在与用户交互了。
小结一下，灵感的记录形成闪念笔记，融入到个人知识流管理体系中。这些灵感笔记是你看过这些内容的存证，便捷地记录内容来源上下文和自己的想法。闪念笔记可以与很多现成的知识管理系统结合。比如可以通过 API 插入一条 flomo，或者在滴答清单的 Input Box 里创建一条记录，等等。
其次，拆解长文，可解构其内在结构，因全盘吸收未必合适。每篇长文逻辑的结构都可能不同，AI 工具可以提供一种“庖丁解牛”式的初感。另外，由于知识结构的相互引用，你所关注的内容可以有更合适的排列方式，因此需要先行解构。囫囵吞枣式的接纳原来的结构脉络，可能对原本自身的结构产生冲击。
最后，承认个人意念的重要性，同时避免对原始内容的消解。这背后反应了一种哲学的思想，即 AI 工具扮演多少的重要性。“我知道 AI 可以做这件事，但是为什么？”是思考这个问题的切入点。这种哲学思想要求发挥个人的独特性，AI 的存在是帮助人与人之间更好的沟通，而不是构造一些隔离层去消解听众对创作者的认知。
