你有沒有發現，整個科技界正在陷入一場「速度狂熱症」？
寫程式、查文獻、做簡報……只要敲下一個提示詞，AI 就會在 0.5 秒內把最精準、最完美的答案直接送到你眼前。所有人都在拚命優化工作流程，把「提問」和「得到答案」之間的每一點等待、每一絲卡頓，全部當成毒瘤切除。
然而，公認當今世界最強大的大腦、菲爾茲獎得主陶哲軒（Terence Tao），卻在最近一場深度訪談中，給全人類的效率狂歡潑下了一盆刺骨的冷水：
「AI 可能正把我們變得太高效了。」
「生活裡需要留一點走神（distraction），它能帶來足夠的隨機性與『高溫』。」
這句看似像「摸魚藉口」的話，出自一位從 10 歲起就橫掃數學界、證明了質數存在任意長等差數列的神童口中，徹底震撼了全球研究圈。
為什麼絕對的高效會變成創新的毒藥？為什麼消滅一切「繞遠路」，反而可能終結人類的原創性發現？
這一切，要從一間充滿灰塵的老圖書館說起。
消失的「隔壁書架」：精準檢索正在扼殺「意外之喜」
陶哲軒舉了一個極具畫面感的例子。
在他讀研究所的年代，如果你想查一篇學術期刊上的論文，沒有任何捷徑。你必須穿過長長的走廊，走進昏暗的圖書館，在一排排巨大的木質書架前一本一本翻找。
好不容易抽出那本厚重的大部頭，在你讀到目標論文的同時，你的眼睛往往會不經意地掃到同一本期刊裡的下一篇，或是隔壁書架上另一本毫不相關的書。
「有時候完全沒用，但很多時候，你會突然撞見極其驚豔的靈感。」陶哲軒說。
▲ 陶哲軒在 Dwarkesh 訪談中指出：生活裡留點走神，能帶來隨機性與「高溫」
在科學史上，這種美妙的現象被稱為 Serendipity（機緣巧合／意外發現）。弗萊明休假回來發現發霉的培養皿周圍沒有細菌，於是誕生了青黴素；工程師的微波雷達烤化了口袋裡的巧克力，於是發明了微波爐；甚至連 3M 膠水因為「黏性太差」，最終歪打正著成了風靡全球的便利貼。
科學史上的奇蹟，幾乎全是從這種「計畫外的碰撞」裡迸出來的。
但現在的 AI 檢索呢？
你輸入一段高度精確的 Prompt，演算法直接在億萬級參數裡進行向量逼近，零點幾秒內精準命中你想要的那一個點。
你得到了你想要的，卻也可能錯過了自己尚未想到的整個宇宙。
這份擔憂也有研究支持。2021 年發表在權威頂刊 PNAS 上的一項重磅研究（分析了 241 個學科、9000 萬篇論文與 18 億條引用）給出了殘酷的數據支撐：隨著數位論文量爆炸式增長、檢索越來越高效，科學界新發表的論文反而越來越嚴重地固化在少數「高引正典」上。
論文太多、找得太快，所有人都直奔標準答案而去。這就像把沙子倒得太急太猛，微小的沙粒根本來不及引起局部坍塌，顛覆性創新，反而被過度高效的洪流活活悶死了。
普林斯頓的幽靈：當環境「絕對專注」，大腦卻迎來了死亡
很多人以為，創新的終極狀態就是：給天才一間遠離塵囂的安靜小屋，把雜事、行政和會議都擋在門外，讓他們 24 小時絕對專注。
陶哲軒曾經也這麼以為。
他曾在全球頂尖學者的聖地——普林斯頓高等研究院（IAS）待過整整一年。那裡曾是愛因斯坦、馮·諾依曼、哥德爾工作的地方，教學任務和瑣事都被擋在門外，所有人唯一的目標就是純粹思考。
▲ 普林斯頓高等研究院（IAS）：學者夢寐以求的無干擾聖地，卻隱藏著「靈感耗盡」的悖論
頭幾個星期，簡直像天堂一樣。陶哲軒積壓了幾年的論文被一口氣寫完，複雜的數學問題可以毫無阻礙地連續思考好幾個小時。
但幾個月過去後，極其詭異的事情發生了。
陶哲軒發現自己的靈感徹底枯竭了。面對絕對純淨的白板，他的大腦開始罷工，甚至無所事事地瘋狂刷新網路。
這與幾十年前物理學大師理查德·費曼對 IAS 的毒舌吐槽如出一轍：費曼發現那群關在漂亮林間木屋裡的頂尖大腦，常常陷入巨大的內疚與憂鬱，因為他們脫離了實驗室的髒活累活，沒有年輕學生跑來問他們那些「荒謬卻刺激」的外行問題，大腦的齒輪徹底卡死了。
陶哲軒用了一個極其精妙的統計物理與機器學習術語來解釋：「大腦需要 High Temperature（高溫）。」
在演算法世界裡，「溫度」控制著採樣的隨機性。如果把溫度調到 0，演算法就會陷入機械的死板，永遠在一個「局部最優解」的深坑裡打轉；而適度的干擾、雜事的噪音、走神的晃蕩，恰恰就是給大腦升溫的「熱擾動」，能把你從死胡同裡狠狠震盪出來，拋向從未涉足的全新維度！
演算法的陽謀：只有「利用」，沒有「探索」
在強化學習中，有一個經典命題叫做 Explore vs. Exploit（探索與利用）。
- Exploit（利用）：沿著已知最賺錢、最穩妥的路徑瘋狂收割；
- Explore（探索）：甘冒失敗的風險，去未知的黑暗地帶胡亂試探。
網友 @PAClearning 用了一句極短的印尼語道破了 AI 時代的天機：「Exploit tanpa explore（只有利用，沒有探索）。」
▲ 留言區深度剖析：超優化的檢索消除了跨領域模式識別所需的隨機摩擦
正如留言區學者 Ajit 所說：「超優化的檢索抹殺了隨機摩擦，而跨領域的模式識別恰恰發生在摩擦之中。當你用演算法剝離了所有意外相鄰的『噪音』，你是在用重大發現，去換取對預期答案的極速收斂。」
如果整個文明的所有知識工作者，每天都只用 AI 秒級收斂到「已知機率最高」的答案裡，那麼整個社會的認知頻寬，就會被鎖死在現有知識的平均值之中。
致命一問：AI 會讓改變世界的天才絕後嗎？
這種擔憂有現實依據。
今天支撐著蘋果作業系統（LZFSE 壓縮）、Facebook 骨幹網路（Zstandard 壓縮）以及下一代影像格式 JPEG XL 的底層數學基石——非對稱數字系統（ANS）的發明者 Jarek Duda，在看到陶哲軒的觀點後，直接發出了靈魂拷問：
▲ ANS 發明者 Jarek Duda 質問：在 AI 自動優選已知方案的時代，顛覆性演算法還會被發現嗎？
在 ANS 出現之前，「算術編碼」在電腦界被反覆獨立發明，被奉為無懈可擊的標準答案。Duda 當年之所以能發明出碾壓前人的 ANS，恰恰是因為他保留了一種跳出主流範式的「有益的無知」，拐進了完全無人問津的側翼小徑。
Duda 犀利地反問：「如果放在今天，當 AI 會全自動從已知最佳方法中為你選型時，這種顛覆性的東西還會被人類發現嗎？」
答案令人不寒而慄。
AI 是最極致的「正房大路修築者」，它能把現有公路鋪得比光還平整；但文明的躍遷，往往來自於某個人在路邊草叢裡漫無目的地抓蝴蝶時，無意中跌落的那個神秘蟲洞。
找回「被浪費」的摩擦力
在 X 平台的討論區裡，一條高讚回覆刺痛了無數人的神經：
▲ 網友 Helgrim 討論問題與答案之間的空白：「我們總把問題與答案之間的一切當成浪費時間，但有時那才是學習發生的地方。」
「我們一直把『提問』和『得到答案』之間的一切過程，統統當成被浪費的時間；但有時，那些看似低效的繞路、掙扎與偶然，正是學習和頓悟發生的地方。」
AI 確實是人類有史以來最偉大的工具。它能替你秒出報表，替你秒寫程式，替你掃清機械勞動的障礙。
但請永遠保持警惕：千萬別把自己的大腦，也退化成一個只追求即時回報的 Prompt 響應器。
去實體書店漫無目的地翻兩本晦澀的冷門書；在散步時任由思緒天馬行空地亂飛；允許自己在解決問題時走幾段看似可笑的彎路……
因為在冰冷演算法統治一切的時代，那些看似不經意的走神、晃悠與摩擦力，恰恰是人類靈性與創造力最後的避難所。