# 馬諾利斯·凱利斯：人類文明的演化與超級智慧 AI > 計算生物學家從基因組與演化視角談人類文明的走向，以及超級智慧 AI 可能帶來的變革與風險。 - 原標題：#373 – Manolis Kellis: Evolution of Human Civilization and Superintelligent AI - 期數：第 373 期 - 釋出日期：2023-04-21 - 嘉賓 / 主題：馬諾利斯·凱利斯 - 網頁版：https://lex.qiaomu.ai/tw/ep/manolis-kellis-5/ - 官方頁面：https://lexfridman.com/manolis-kellis-5/ - 精讀字數：約 8539 字（閱讀約 19 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 馬諾利斯·凱利斯（Manolis Kellis）在 MIT 領導計算生物學組，這是他第五次上 Lex Fridman 的播客。他區分人和 AI 的那個說法，比絕大多數討論都硬： > AI 只有新皮層。它沒有邊緣系統，沒有恐懼、逃跑、飢餓這一整套東西。（馬諾利斯·凱利斯） 人的大腦是在舊系統上一層層加蓋起來的。最上面是新皮層，負責推理；中間壓著情緒；最底下是恐懼、戰慄、轉身就跑這些反應。AI 把這套底層全跳過，直接拿到了最上面那一層。 被跳過的部分，恰恰是創造力的來源之一。凱利斯說得很直接： > 我有時會生氣，有時會餓，這些可能就是我的創造力來源。我不想變成一個沒有情緒的機器人。我想惹點麻煩，想說錯話，想冒出一句尷尬的評論，把別人頂到有反應的位置上，讓別人換個角度去想事情。（馬諾利斯·凱利斯） 他甚至覺得當下社會正在滑向一個沒有幽默感的空間：所有人都怕說錯話，於是集體沉默，然後開始不喜歡自己的工作。 ## 你身體裡跑著三億年前的程式碼 他講人體演化層積的方式，比任何教科書都直觀： > 我每一次細胞分裂，我就是酵母，就是一個單細胞生物。我每一次吸氣、肺擴張、每一次心跳，我就是一條魚，心臟幾乎沒怎麼變過，血在血管裡流、氧氣、這些東西變了一點點。免疫系統，我們是靈長類。社會行為，我們是獼猴。你追蹤每一個行為，都能在演化裡找到出處。（馬諾利斯·凱利斯） 這些舊程式一直沒被"替換掉"。它們還在執行，還在分裂、代謝、抵禦病原體、爭奪地位。新皮層只是搭在最上面的一層薄殼。 軟體工程裡最常見的做法是推倒重寫，把 v2.0 從零開始。演化從來不這麼幹，它只會往上打補丁，而且補丁打得極其聰明。三億年前的程式碼今天還在你的細胞裡跑，還跑得很好。任何一個被要求維護過祖傳程式碼庫的工程師，都能體會這有多難。 這層認知也順手給了凱利斯一個倫理立場。既然體內每一條魚、每一隻獼猴、每一個單細胞都還在工作，那麼殺戮的邊界就不只是"別殺人"： > 所有那些生物過程從來沒有停止存在，它們一直在我們體內活著。所以別再殺別的物種了。（馬諾利斯·凱利斯） ## 演化越複雜，反而越快 他提出了一個看著矛盾的現象。1960 年代人們設計遺傳演算法，把複雜度一路加上去，很快就卡死了。原因不難推：隨著複雜度提高，把你從"能用"推到"不能用"的突變數量指數級增長，把你推向"更好"的突變數量指數級下降。複雜度越高，演化出更好東西的機率越趨近於零。 生物演化幾乎是反過來的，越複雜，看起來越快。 時間線擺出來是這樣的：幾十億年才搞出一個會分裂的細胞，然後是多細胞、複雜的身體結構、精密的感官。蝙蝠在幾百萬年之內演化出飛行，還順帶演化出聲吶。幾百萬年在演化的尺度上，是眨一下眼。 凱利斯的解釋是，系統學會了演化。演化本身被演化出來了。 模組化、層級結構、可複用元件，這些東西讓有意義的改動可以發生，同時不把整個系統弄崩。真正的門檻落在變異能不能被容納上，能不能變異反倒好辦。一個系統如果一改就全廢，它的可演化性就是零。反過來，一個系統如果設計成"改動區域性不影響全域性"，它就能在複雜度不斷上升的同時保持演化的速度。 人類今天寫軟體、搭組織、建公司，反覆撞上的就是這堵牆。 ## 四十億年只做了一件事：處理資訊 如果要把整條演化軌跡壓縮成一句話，凱利斯選的是資訊處理。 最早的一步是趨化性（chemotaxis）。細菌沿著化學梯度移動，濃度高一點就往那邊走。這是最原始的資訊處理，也是捕食的第一步。 下一步是感光。所有已知的生命都演化在這塊每 24 小時轉一圈的岩石上，亮、暗、亮、暗。光既是能量，也是資訊：光告訴你上面在哪。有了這個，就能演化出感光細胞，再演化出複雜的眼睛、多隻眼睛，然後識別形狀、運動、方向。有了這些輸入，才有在上面搭認知基礎設施的可能，去建模整個環境。 按這條線看，人類的出現是下一步。 > 有些動物在很多維度上比我們強得多，但在認知這個維度上，我們在這個星球上無人能及。（馬諾利斯·凱利斯） 我們沒有爪子、沒有獠牙、跑得不快、嗅覺一般，卻成了優勢物種。原因就是那條主線：資訊處理能力一直在往上加。 ## 下一層演化，用自己搭自己 沿著這條線往前推，凱利斯看到一個可能性：下一層演化，是自己搭自己。 人類用這套舊硬體，把認知能力推到極致，然後創造出了技術。技術能做很多原本只有認知才能做的任務，卻不背上前面所有演化層留下的包袱。再往前，就是我們用現在的聰明才智去設計更好的程式語言，用程式語言去訓練 ChatGPT，再讓它去寫下一層軟體，加速下一輪。 他注意到一個能耗上的落差。大多數動物把 80% 的清醒時間花在找食物和搭窩上，人類大約只花 1%，剩下全給了創造性的活動。AI 連這一層都不用操心，它整個活在認知空間裡。 > 把這理解成演化的下一個自然階段，其實挺順的。（馬諾利斯·凱利斯） 還有一層讓凱利斯覺得漂亮：造出這一層的東西，還活著，還在旁邊看著，還能參與引導。他希望這種共存關係能一直持續下去。 ## 讀自己的程式碼，是內省的最後一層 人類開始讀懂自己的基因組，這件事在凱利斯眼裡意義特殊。它是內省的終極形態：不只是觀察自己的念頭，而是直接讀那套生成念頭的原始碼。 讀懂之後就有干預的可能。不只是和 AI 協作來增強能力，還包括看清哪些神經通路支撐著共情、判斷、正義感這類東西，然後透過神經元層面的、化學的、電的干預去調整。再往後，理解的不只是神經元的連線和功能，還有基因本身。 終點的清單很實在：能不能消掉精神疾病，能不能消掉神經退行，能不能消掉痴呆。 凱利斯的答案在這裡拐了個彎。他不想要一個沒有包袱的升級版。 憤怒、飢餓、坐立不安，這些東西混在一起才讓人有意思。一個永遠冷靜、永遠得體、永遠說正確的話的人，不會冒出新想法。他覺得那種"更理性"的人，其實是把人身上最像人的那部分抑制掉了，代價是創造力和新鮮感一起沒了。 ## 同一個模型，換幾個提示詞就換了個人 凱利斯有一個特別有意思的類比。他說在 ChatGPT 出來之前，他跟學生說： > 你就問自己，馬諾利斯現在會怎麼說？你們每個人腦子裡都已經有一個還不錯的我在跑。（馬諾利斯·凱利斯） 這東西的正式名字叫橡皮鴨除錯法（rubber duck debugging）。你對著桌上那隻一動不動的橡皮鴨，一步步解釋你寫了什麼程式碼、為什麼會出現這個 bug。解釋著解釋著，你自己就想通了。鴨子的作用在於提供一個"你必須把話講清楚"的框架，它自己一個字都不用說。 他講了一個夢。他夢見自己在一個禮堂講課，一位朋友正在給他講癌症基因組和癌細胞如何演化的深刻洞見，講得極其精彩。醒來他意識到，那些洞見全都是他自己的神經元產出的，只是被投射到了夢裡的朋友身上。 > 我的神經元本來就有這個能力，但只有在"你現在是某某教授，你是這個領域的專家，你怎麼說"這樣的提示下，它才會啟動。（馬諾利斯·凱利斯） 他還有更小的例子。遇到不知道怎麼辦的時候，他就問自己： > 我不知道該怎麼做，讓我問問虛擬的 Lex，你會怎麼做？虛擬的 Lex 會說，要善良。我說，哦對。（馬諾利斯·凱利斯） 他自己在沒被提示的狀態下未必做得到，但提示一給，答案就出來了。 他最常用的提示詞是"一步一步想"。這招對他十歲的兒子也管用。孩子做數學題總想一步到位，凱利斯完全知道他會錯在哪一步。但只要說一句"請一步一步來"，孩子就進入狀態了。 ChatGPT 的"think step by step"能起效，本質上是一回事。人類在訓練模型時用的那套基於人類反饋的強化學習（RLHF），也是把同樣的東西反向灌了回去。 ## 模型把知識、語境和風格拆開了 還有一個讓凱利斯覺得美的發現。語言模型在極度過引數化之後，自己學會了某件事：知識、語境和形式是可以分離的。 你可以用俳句寫科學知識，也可以用莎士比亞的腔調講同一件事。模型能在幾個提示之內，穩定地切換成"莎士比亞混搭大衛·鮑伊"的風格，而且切換得令人信服。這種變換的幅度和穩定度，人很難做到。 照這個思路推下去，人的心智裡，同樣的三個維度大概也是可分離的。這給心理學提供了一批新詞彙。今天我們形容一個人的說話方式，只能說"他讓我想起某位朋友"，含含糊糊。如果模型能幫我們精確地命名這些維度，這些概念在人的心智裡也會變得更清晰，然後再被更好地編碼回機器。 解釋性這件事上，卷積網路好辦。它有區域性性，有層級結構，不同層看不同尺度的東西，啟用特徵能對上影象裡的具體部位。語言模型難辦得多，但凱利斯覺得還是能做。辦法是"消融"：把網路的這一塊去掉，看它會生成什麼樣的提示詞，然後一點點逼近一套能描述這些維度的語言。 ## 基座模型是精神病院，也是思想史 Lex 提到一個想法：去看看沒經過 RLHF 對齊、沒有安全審查的基座模型，探索它能生成多少仇恨言論，能復活多少人類自己幹過的事，能切換成共產主義、法西斯主義、資本主義中的哪一種，看看哪些部分被啟用。 凱利斯順著往下講了一層。他說從某個角度講，精神病院住的正是這些人：心智失去了控制，漂到自己 psyche 裡某個特定的位置出不來了。他看那些描繪錯亂心智的電影，常常在裡面看到自己的某個版本，沒那麼極端而已。躁鬱、精神分裂、抑鬱、自閉，每個人身上都有這些方向上的投影，只是向量短很多。 > 這些行為都在每個人的向量張成空間裡，大多數人的向量幅度小，因為他們沒遺傳到那組特定的變異，或者沒暴露在那樣的環境裡，或者成長過程中的那套對齊機制對他們沒起效。（馬諾利斯·凱利斯） 順著這個邏輯，嬰兒就是沒對齊的模型。凱利斯說，每個嬰兒基本上都是一個怒火中燒的自戀者。 但接著他補了一句：也不全是。他觀察自己三個孩子長大，性格里有一部分從頭到尾沒變過，另一部分在不同階段劇烈擺動。有個孩子永遠要更大的那塊，有個孩子要求絕對平均，第三個說沒關係我可以拿小的，你們別擔心我。這些差異在很早很早就出現了。 ## 你選的朋友，正在寫你的明天 人也是可以被提示的。給一個人一個環境，他的行為就會跟著變。 > 老話是，給我看你的朋友，我告訴你你是誰。其實更像是，給我看你的朋友，我告訴你你會變成誰。（馬諾利斯·凱利斯） 第一步當然是你傾向於選像自己的人。更值得琢磨的是第二步：你的圈子裡哪些行為算正常，你就會開始採用哪些行為。 這是一種元層面的演化。你每做一次某個行為，不只是得到今天的結果，還在為明天鋪路，因為你強化了那條神經通路。凱利斯把它講成了自我實現的預言：你按你希望成為的樣子去行動，去挑那些和你想成為的樣子一致的人，那些行為就真的會變成你的常態。 一個人的生活本身，就是一套極其複雜的提示機制。你選的朋友、你選的環境、你怎麼改造這個環境，全都在持續給你下指令。 ## 教養能掰回來的，比你想的少 凱利斯是遺傳學家，也是三個孩子的父親，他在這件事上的坦白很不留情面。 作為父母，他和妻子花了巨大的精力去"修"後天那部分：教孩子分享，教他們善良，教他們開放，教他們互相信任，教他們跨過囚徒困境。所有人都只為自己打算，大家就都住在一個糟糕的地方；稍微利他一點，所有人都過得更好。他們並沒有區別對待孩子，可孩子生下來就是不一樣。 > 作為一個遺傳學家，我必須承認，後天能做的就那麼多。先天肯定佔了很大一塊。（馬諾利斯·凱利斯） 他給了一個統計學上的細節來解釋為什麼。常見的基因變異一般效應都很弱，因為選擇會把效應強的變異清除掉。一個大幅提高精神分裂風險的變異，不可能升到很高的頻率。能留下來的常見變異，按定義都是效應溫和的那些。 那麼問題來了。如果性格、認知、行為的差異全都由成千上萬個弱效應變異決定，按大數定律，孩子的特徵應該穩穩地落在父母兩人的中間。可現實裡兄弟姐妹的差異大得驚人。在層常見變異之上，還壓著一批以孟德爾方式遺傳的罕見變異，效應強得多，直接決定了很多行為、生理和心理的走向。 同一套邏輯也能解釋同卵雙胞胎。同卵雙胞胎的基因組幾乎完全一樣，但其中一個確診精神分裂，另一個確診的機率只有大約 50%。剩下那一半，來自發育過程中的暴露、環境、創傷，以及所有那些說不清的東西。 ## 天才的孩子，大機率是普通人 "迴歸"這個詞的來源，凱利斯講得很有意思。二戰時戰鬥機飛行員在某次空戰裡表現特別好，回去被表揚了一通，下一次出戰往往表現變差。軍方當時的解讀是：表揚把他們毀了。 統計學上的解讀叫均值迴歸（regression to the mean）。那位飛行員受過極好的訓練，實力被推到了很高的位置，某一次他發揮到了自己分佈的上沿。下一次再抽一次樣，最可能的結果是往中間靠一點。跟表揚沒有關係。 把這個套到人身上就有點殘酷了。愛因斯坦是人類智力的某種極致，但這不意味著他的孩子和孫輩會是天才。更可能的解釋是，他本身是常見變異和罕見變異的一次極端組合，是分佈尾部的稀有采樣。他的後代從同一個底層分佈裡重新抽樣，落點大機率會往中間挪。 這套框架的用處是校正直覺。孩子的表現可以從父母均值為起點去理解，再疊加上他們繼承到的那組罕見變異帶來的偏移。 先天和後天在這裡攪成了一團。你說這是天生的，可能只是環境使然；你說這是教養出來的，可能只是同一套基因在同一個環境裡的表達。父母不僅在塑造自己的環境，同時也在塑造孩子將要出生的那個環境。孩子在那個環境裡出生，再帶著自己那一袋基因變異開始新一輪。 > 先天能影響後天，後天能影響先天，兩者至少是相關的、可互相預測的。想把它們拆開，非常非常難。（馬諾利斯·凱利斯） 他還順帶提了一個演化尺度上的觀察。人類作為物種，演化速度慢得可怕，一代人二三十年，拿來做選擇迴圈是很糟的設計。真正高效的選擇需要更緊的反饋迴路。免疫系統就是例子：免疫細胞在分裂時做 V(D)J 重組，幾百萬種抗體在幾天之內被造出來、被篩選、被擴增。那是嵌在人體內部、跑得比人類演化快好幾個數量級的另一套演化。 受精那一刻也一樣。幾十萬個精子在競爭，只有一個能進去。隨機性確實存在，但隨機性背後是一整套篩選機制在極小的尺度上高速運轉。 ## 讓 AI 去做數學，讓人類負責不一樣 回到 AI。凱利斯覺得這件事最值得期待的地方，是它可能把智力追求從一條窄門裡解放出來。 過去的教育體系在篩選一種人：數學特別好的人。所有人擠向同一批學校，同一批專業，同一批崗位，彷彿人類的智力只有一個可測量的方向。可如果有 AI 能瞬間完成數學推導、寫程式碼、跑分析，那麼"數學特別好"這件事本身就不再稀缺。稀缺的會變成另一種東西：想法特別不一樣的人。 > AI 可以做數學，那我們就該去找一群彼此差異極大的人湊在一起。那才是創新的真正搖籃。（馬諾利斯·凱利斯） 這個判斷背後的邏輯很硬。創新的本質是把兩個原本不相干的點連起來，而連線的可能性來自差異。十個數學天才坐一桌，他們大機率會討論同一個問題，用同一套語言，得出同一類結論。一個生物學家、一個木匠、一個詩人、一個機械工程師坐一桌，反而更可能撞出點東西。過去我們沒法這麼組織，因為專業分工要求每個人在單一維度上足夠深。現在深度可以外包，廣度就變得值錢了。 他還提到另一條路徑：語言模型可以用幾個提示詞就被推離中心。你讓它扮演某種特定的思路，它就會穩定地沿著那個方向去思考和表達。這和人類被環境塑造是一回事。 一個模型用幾個提示詞就能變成"莎士比亞混搭大衛·鮑伊"，而且變完還能穩得住、說得像。人類做不到這麼快、這麼徹底。這個差距本身說明了點東西：風格、語境、知識這三樣東西在模型內部是解耦的，而在人身上它們被攪在一起，難拆難換。 ## 情緒的詞有多老，人的心就有多老 凱利斯還想到一個繞得挺遠的辦法，去追問人類心理的底層結構：從語言的演化史裡找線索。 善良、憤怒、嫉妒，這些詞在不同語言里長得像不像？如果高度相似，說明它們非常古老，可能在人類分化之前就已經存在於共同祖先的語言裡。如果差異極大，說明每個語言群體是各自獨立地發明了這些概念。 把語言的分化樹和人類遷徙的路線圖疊在一起看，遺傳學已經能相當精確地追蹤後者的時間線。兩條線對齊，就能推斷出某個心理特質大概在什麼時候出現、沿著什麼路徑傳播。 這條路能走通，靠的是語言本身也是一層演化產物。它和基因組一樣會變異、會繼承、會分化，只不過傳得更快。 ## 人被意識形態抓住，因為人本來就容易被提示 Lex 提了一個他很好奇的思想實驗：把沒對齊的基座模型放出來，讓它生成共產主義、法西斯主義、資本主義的文字，看哪些部分被啟用，看這些意識形態在神經網路裡究竟長什麼樣。 凱利斯的回應繞回了"可提示性"這個概念。人之所以會被某套理念整個抓住，因為人天然就能被提示。給一套詞彙、一套框架，人就會沿著它去想、去說、去行動。意識形態就是一套高度濃縮的提示詞包，它把複雜世界壓縮成一句口號，然後人就開始按那句口號生活。 > 也許共產主義、法西斯主義、資本主義、民主制度，在底層是連著的。人的心天然就被意識形態吸引，被一箇中心化的想法吸引。也許我們需要一個神經網路來提醒我們這一點。（馬諾利斯·凱利斯） 這個說法有點冷，但成立。人被概念捕獲的速度，比人自己意識到的快得多。你讀到一句足夠簡潔的解釋，感覺"原來如此"，那一刻你就已經被提示了。 ## 基因能改，包袱別扔 回到他那個最大的分歧點。技術在往"可以修改自己的硬體"的方向走，讀懂基因組、干預神經通路、消掉疾病，這條路的盡頭是什麼？ 凱利斯的答案很明確：他可以接受技術去消除疾病，但不接受用同樣的思路去消除人的情緒包袱。 > 我不想變成一個沒有情緒的人。我想惹麻煩，想說錯話，想冒出一句尷尬的評論。（馬諾利斯·凱利斯） 他說得很認真，理由也是功能性的：那些看起來是缺陷的東西，正是創造力的燃料。一個永遠冷靜、永遠精確、永遠說正確的話的頭腦，輸出會越來越可預測。可預測意味著可以被最佳化掉。真正不可替代的部分，恰恰是那些說不清從哪裡冒出來的、帶著點偏差和火氣的東西。 他甚至認為當下社會正在往一個無趣的方向漂：所有人都在擔心說錯話，於是選擇不說，於是集體變得沉默，然後開始不喜歡自己在做的事。 順著這個邏輯，他還講了一件讓很多人不舒服的事：人的多樣性不是可以被抹平的，因為它就是硬體本身。 > 我們在 99.9% 的程度上是同一個物種。如果把這件事真正想明白，人類大概就不會再互相打了。（馬諾利斯·凱利斯） 但剩下那 0.1% 裡，藏著六百萬個常見變異和一堆罕見變異組合出的無窮可能。兄弟姐妹之間、父母子女之間，差異大得讓"教養"這個詞顯得力不從心。凱利斯和妻子的六個兄弟姐妹，從遠處看像同一個模具倒出來的，走近了看每個人都是另一個物種。有意思的地方在於，這些差異又小到不足以破壞溝通。大家還是同一種東西，只不過各自偏了不同的方向。 他說自己願意相信，人類在高維空間裡的那個"質心"是空的。沒有一個標準的、平均的人。維度多到某種程度之後，中心區域根本沒被佔據，每個人都落在稀疏的外圍。所謂"正常人"，只是一個統計上的虛構。 ## 給讀者的行動清單 這期對話資訊量很大，但如果只留下可以立刻用起來的東西，大概是下面這些。 - 把"一步一步想"當成預設設定。遇到複雜問題，無論是自己思考、跟同事討論，還是向 AI 提問，都先要求拆成步驟。跳過步驟的思考，錯誤率會高得離譜。 - 給自己建幾個"虛擬顧問"。針對你常遇到的問題，想清楚誰會給出最好的答案，然後在心裡向他提問。人的神經元具備這個能力，只是需要一個提示才會啟動。 - 刻意選擇你的提示環境。你經常待的圈子、反覆看的賬號、日常對話的語氣，都在持續給你下指令。這些輸入會決定你明天是誰，選的時候認真一點。 - 別再追求在所有維度上中庸。中心位置是空的，往某個方向偏出去，才是你真正的位置。用 AI 補上你不擅長的深度，把省下來的時間投到你的偏斜上。 - 接受先天和後天攪在一起、拆不開這個事實。教育孩子、管理團隊、評估自己的時候，把"我努力了所以他該變"接受先天和後天攪在一起、拆不開這個事實。教育孩子、管理團隊、評估自己的時候，把"我努力了所以他該變"這個預期調低一點。人能做的比想象中少，但也沒必要因此放棄所有努力。 - 保留你的情緒包袱。憤怒、飢餓、坐立不安，這些不是需要被最佳化掉的 bug。真正該修的只有一種：讓你無法正常運轉的那些。剩下的，那是你的燃料。 - 對意識形態保持一步距離。任何一句足夠簡潔、能讓你立刻"原來如此"的解釋，都值得警惕。它可能確實說對了一部分，也可能只是一套高效的提示詞包，成功地把你的思考方向鎖定了。 - 去找那些真的和你不一樣的人。別隻找技能互補的搭檔，要找思路、語言、判斷方式都跟你錯開的人。AI 能補齊深度，補不了這種錯位。 凱利斯這期講得最重的一句話，其實藏在他的自嘲裡。他說自己不想變成那種永遠正確的人，想惹點麻煩。這話聽著像玩笑，落到實踐上卻很具體：一個人在什麼環境下會突然冒出新想法？多半是在他覺得安全、能說錯話、不怕被糾正的時候。反過來，一個把所有不確定都藏起來、每句話都先過一遍審查的人，輸出會越來越像模板。 AI 把知識、語境和風格拆開了，這件事正在重排人的價值。能被拆解、能被複制、能被打包成提示詞的那部分能力，正在快速貶值。剩下的是那些拆不開的：你為什麼會在這個問題上固執，你為什麼對某件小事莫名憤怒，你為什麼在所有人都說對的時候覺得哪裡不對。這些偏斜沒有理由，也不高效，卻恰好構成了別人沒法從你這裡拿走的那一小塊。 四十億年的演化在人體內一層層打補丁，酵母、魚、獼猴、新皮層，全部同時線上執行。凱利斯提醒人們別急著關掉底下那幾層，道理到最後就是這麼樸素。真正稀缺的是那個願意在正確和有趣之間選後者的判斷力，精確倒從來不稀缺。