《Shared Wisdom》这本感觉偏乐观了吧，真实的人类认知生态可以概括为系统效率与系统演化能力之间的互动与冲突，这本只说的了一部分。信息流通与聚合的加速确实可以促进文明的跃升，但AI时代的问题是既有共识传播的控制结构，也有训练数据集的平均化。如果多样性是基于已有知识的多样性，那可以说AI的铺开在让人类停止变聪明。个体可以借助AI越来越能干，同时整个系统产生新知识的能力在萎缩；即便是那些脱离实践的纯思辨，也需要基于既有的知识生产机制。认知外包导致元认知退化正在发生，但人被AI替代的门槛还是比大多数人想象的更高，学习具有范围经济性，每个试图理解世界的人都在为集体知识库添砖加瓦。数字时代的共享设施还会升级、集体协调成本还会更低、既有知识的调用效率还会更高，该追问的是当工具足够准确迅速，人类的学习激励还剩多少？未来国家之间的竞争是不是看谁还能保留高密度的真实协同与实践以及人与人之间的复杂认知的生产？大规模的认知摩擦也是在促进认知生态的演化循环。经济增长、社会发展依赖的还是大众层面的普遍参与，几个超级企业及企业家的表演在长周期里更接近昙花一现。
之前发过的：AI革命的速度可能比工业革命快几个数量级，工业革命替代的是体力劳动，人类向认知劳动迁移有明确的方向。AI替代的是认知劳动，人类该向哪里迁移尚不清晰。向更高创造性环节迁移的市场规模未必能容纳被替代的劳动力，AI时代的就业容量也未必那么大，再或者这部分需求本身也被AI扩展？短期的阵痛与欣喜交织，长期是经济必然增长，但分配的结构性问题越来越突出。分工深化的收益理论上应该通过市场扩散，但前提是分工网络是竞争性的。AI时代的专业化报酬递增的外部性更容易被平台生态捕获，不论是调用API 或订阅服务的按需纳税，还是劳动力议价能力的下降，都将生产剩余从劳动力逆流向资本与数据端。拥有数据与算力优势的平台，不仅吸引更多的分工参与者，还可以通过调整跨生态的交易成本，把最优分工水平锁定在平台最优的超边际阈值。还有，平台与模型能力的提升是指数级的，但组织惯例、监管框架、劳动力技能结构的调整是线性的甚至阻力重重的。福利差距本就带有路径依赖与网络效应，AI圈地进一步固化这种分工网络与分配结构。所谓个体解放其实是深度依附平台，保就业的目标是不是得转向保认知接入权、促分工红利的社会化分享？
是数字主权下的分工异化，还是AI铺开后基础设施与个人能力的升级，这是一个正在发生的故事……#读书#