AI 愈強，你愈該練回這四種本能：《原始智慧》讀後感
這一兩年，我遇到的創作者、學員或企業的人資主管，幾乎都在問同一個問題：AI 這麼強，我還剩下什麼？
多數人給的答案，不外乎是快去學會跟 AI 協作。而安格斯・弗萊契這本《原始智慧》給的答案，剛好相反。他要你先把被學校關掉的四個本能重新打開，分別是直覺、想像力、情緒與常識。他把這四樣東西合起來叫原始智慧，並且斷言：這正是 AI 學不會、而你從來沒被教過怎麼用的能力。
老實說，一本書開頭就跟整個教育體制對著幹，我通常會先打個問號。但弗萊契的身分讓我願意聽下去——他同時擁有神經科學學士與文學博士學位，在史丹佛大學教過莎士比亞，他所帶領的智庫 敘事計劃（Project Narrative）還跟美國陸軍特種作戰部隊合作過。這不是勵志作家在喊話，而是一個拿實驗數據說話的人，在講一件反直覺的事。
我們花了二十年，把自己訓練成比較差的電腦
書裡最刺痛我的，是開場那個特種部隊的故事。
二○○○年代初，美軍發現新招募的特種作戰員出了狀況：智商很高、創意分析都無懈可擊，可是一進到變動的環境就天崩地裂了。有位觀察者的評語，弗萊契原文照引：「他們知道怎麼解開數學難題，卻無法解決人生的問題。」
弗萊契說，他在大學教了二十年書，看到的是同一件事——考試能力很強、人生歷練卻很薄弱的年輕人。而他的診斷很直接：現代世界一直用錯誤的方式定義智慧，把邏輯當成智慧的全部。從教育部、Google 到諾貝爾經濟學獎，大家都在拜同一尊神。
問題是，邏輯這件事，電腦做得比人好太多了。我們把整個教育拿去訓練學生像電腦一樣思考，等於是在把下一代訓練成次等的演算機器。這句話我讀了兩次。因為過去這一年，我幾乎把能標準化的流程都交給了 AI，包括查資料、寫初稿、排版、翻譯和做圖。真正的體感是：凡是能被寫成 SOP 的，AI 都會愈做愈好，而我留在手上的，全是說不清楚、寫不成流程的那些判斷。
弗萊契等於是幫我把這個模糊的體感，重新講成了一句更清楚的話。這也呼應我先前在〈AI 做不到的五件事〉裡談過的核心：當 AI 把執行變便宜之後，真正稀缺的，是那些它替不了你的能力。
邏輯之外，人類還有四種天賦
那留在手上的東西，到底是什麼？弗萊契把它拆成四種原始天賦：
透過直覺，我們洞察世界隱含的規律；藉由想像力，我們構築出還沒發生的未來；觀察情緒，我們看見自己該往哪裡長；運用常識，我們在資訊不明時做出還過得去的決定。
他舉的例子都在同一個模子裡：賈伯斯從一支失敗的手機看見 iPhone、巴菲特在所有人恐慌時買進、阿姆斯壯在登月最後一刻拋開儀表板訊號憑手感降落、愛因斯坦把別人忽略的例外變成相對論的起點。這些時刻的共同點是——當下資訊都不齊全，靠的都不是數據模型。
這裡帶出全書我認為最重要的一句判斷：最好的決定，往往發生在資訊最不齊全的時候。
這正是人跟 AI 的分水嶺。AI 的本質是吃資料，資料愈多它愈強；可是現實人生剛好相反，關鍵時刻幾乎都是資料不足、而且還不能等。弗萊契說，人類的大腦是演化幾百萬年、專門為了在資訊不足時還要活下去而生的。所以在資料薄弱的情境裡，人反而能做出更靈活的詮釋與行動。
🛰️ 想看見成品之前的那些觀察與判斷？
如果你喜歡這種把一本書、一場觀察，慢慢想成一套判斷的過程，那正是我做 Vista AI 靈感補給站 的原因：每個月我會把還沒寫成正式文章的觀察、精選工具與思考筆記，分享給願意走近一點的朋友。每月一杯手搖飲的價格，陪你在 AI 時代把本能練回來。
AI 為什麼會一本正經地說謊
書裡有個問題，我覺得每個天天用 AI 的人都該想一遍：AI 為什麼會一本正經地胡說八道，而這件事為什麼跟你有關？
答案跟前面是同一套邏輯。AI 擅長邏輯推理、能隨機生成想法，但它沒有那種感覺不太對的身體直覺。所以資訊一薄弱，它不會停下來說「我不知道」，而是流暢地、自信地，給你一個聽起來很合理的錯答案。
這其實不是技術缺陷，而是它的天性。而人真正的價值，不在跟它比誰產出得快，而在它出錯的那一刻，你能不能看得出來。這一年我對 AI 的用法慢慢收斂成一句：把邏輯和苦工外包給它，把判斷和品味留給自己。這跟我在〈提示詞會過期，你不會〉裡的想法是一致的——當執行變便宜，你的提問力與判斷力，才是那道護城河。
弗萊契把這件事推得更深。他認為原始智慧背後真正的引擎，是人的敘事認知：人腦之所以能聰明應對現實，是因為我們用說故事的方式思考，而不是用運算的方式。我對這個主張，又愛又有點保留。
愛的是，它跟我這些年做的事完全接得上。我做內容、教寫作和做簡報，本質都在練同一件事：把混亂的資訊收成一個有因果、有取捨的故事。弗萊契等於在告訴我，說故事不是溝通技巧，而是人類智慧的作業系統。這也是為什麼在 AI 感文章滿天飛的今天，我一直相信〈你不是寫得不夠好，而是太容易被替代〉，真正不可替代的，是你獨有的敘事。
保留的是，敘事認知可以解釋一切這種說法，本身就有點太漂亮、太順了，順到接近他書裡批評 AI 的那種聽起來很合理。四種天賦要怎麼分別訓練、訓練後的效果又該怎麼驗證，前十章給的是實作，第三部才補上科學。所以我會建議你讀的時候帶一點戒心：把它當成一套值得動手試的假設，而不是已經蓋棺論定的結論。這樣讀，反而更符合它自己的精神。
讀完之後，我打算怎麼做
一本書看完之後，如果只能讓我點點頭，那它只值一杯咖啡。這本書讓我想動手，我把它歸納成三個可以立刻採取的行動，也分享給你：
第一，刻意留白給直覺。遇到重要判斷，先不要急著丟給 AI 生一份分析。先問自己「我的第一直覺是什麼」，把它寫下來，再去查資料。事後對照，你會慢慢知道自己的直覺在哪些題目上準、哪些不準。這比盲信任何一方都值錢。
第二，把 AI 當邏輯，把自己留給例外。讓 AI 負責把常規做到位，你負責盯那個所有數據都正確、但你就是覺得哪裡怪的地方。書裡提醒得很好：有人在數據全對的情況下，還是做了錯的決定。你的工作，就是當那個看見例外的人。
第三，每天練習說一則故事。不必寫長文，一段就好：今天發生了什麼、為什麼、然後呢。這是弗萊契整本書的核心練習，也是我覺得門檻最低、複利最高的一招。
弗萊契有句話大意是這樣：AI 愈強，你過去累積的優勢就愈不可靠。我把它翻成自己的版本——當機器接手了標準答案，你真正的競爭力，是那些教科書沒教、也寫不成 SOP 的本能。這本書不保證幫你練成，但至少，它讓你重新看見自己本來就有這些本能。
對任何一個正在跟 AI 搶飯碗、或想跟 AI 一起做事的人來說，這是一本值得慢讀的好書，我很樂意推薦給你。如果你也喜歡這類把新書跟工作現場接起來的心得，我之前寫的《AI時代的一人公司經營學》讀後感，剛好是同一條路上的另一塊拼圖。
讀完之後，如果你也想把這套分工真正落到日常，把可標準化的產出交給 AI，把判斷、品味與敘事留給自己，歡迎到 solo.tw 看看我的課程：想把選題、抓資料、寫初稿串成一條屬於自己的內容產線，可以看〈AI 內容產製系統工作坊〉；想連工具本身都親手做出來、讓 AI 變成你的開發夥伴，可以看〈Vibe Coding 實戰工作坊〉。把本能練回來，也把 AI 用在刀口上，這兩件事從來不衝突。
