Stay Curious, Stay Sharp

有些人随着经验增长，判断越来越敏锐；也有些人积累了很多知识，思维却慢慢固化。差别可能不在于知道多少，而在于是否仍能发现问题，以及旧判断失效后能不能及时调整。

curious 不是知道更多

现在获得答案变得太容易了。

一个问题刚出现，搜索引擎和 AI 很快就能给出完整解释。但答案来得太快，也可能省略了一个重要过程：形成自己的问题。

如果没有猜测，没有困惑，也没有等待答案的过程，获得的往往只是一段短暂的信息。读的时候觉得懂了，过几天便没有留下多少东西。

一项关于 curiosity 的实验发现，参与者在看到答案前先作出预测，会更想知道正确答案，也更容易记住它。研究者认为，预测会让抽象的“不知道”变成一个具体的 knowledge gap。

因此，在搜索之前先作出判断，可能比直接得到答案更重要：

• 目前更倾向于什么答案？
• 判断依据是什么？
• 置信度有多高？
• 什么证据会改变这个判断？

有了初步判断，新信息才有比较和修正的对象。

Paul Graham 在 How to Do Great Work 中把 curiosity 看作动力，也看作寻找方向的方法。一个人长期反复思考的问题，往往比当下最热门的话题更能说明他适合研究什么。

问题不一定宏大。很多研究起点只是一个难以忽略的异常：为什么现实和原来的解释对不上？

sharp 是保持判断的可修改性

Sharp 常被理解为反应快、记忆好、能够立刻给出答案。但在投资中，回答得快不一定代表判断得准。

经验越多，越容易熟练地使用旧模型。股价下跌后寻找更多支持做多的证据；增长放缓后增加新的解释；原来的逻辑被证伪后，又悄悄补上一个前提。信息增加了，判断却没有变化。

这种情况下，更值得检查的是：

• 当时的判断依赖哪些前提？
• 哪个前提已经发生变化？
• 当前现象是短期波动，还是原模型无法解释？
• 如果现在没有持仓，还会不会作出同样的选择？

Sharp 并不意味着很少犯错。更重要的是，错误出现以后能否看见，以及修正速度是否足够快。

2024 年的一项研究还发现，高好奇状态有助于人记住自己关心的答案，却可能干扰对同时出现的无关信息的记忆。

这说明 curiosity 更像注意力的定向器，而不是让大脑整体加速的工具。对所有东西都保持兴趣并不现实。不断追逐新话题，最后可能只是不断切换注意力。

更有效的方式，是保留少数持续存在的问题，并围绕它们逐渐积累知识。

少收藏，多提取

收藏文章、保存推文和整理笔记容易产生一种已经学习过的感觉。但输入信息不等于掌握信息。

学习方法研究发现，单纯反复阅读和划线的效果比较有限。主动回忆和间隔学习的适用范围更广：读完以后关掉资料，尝试从记忆中重新组织；过一段时间，再次提取。

一篇文章读完后，可以留下几个简单问题：

• 核心结论是什么？
• 结论背后的机制是什么？
• 哪些内容有证据支持？
• 哪些只是作者的推测？
• 它修正了哪个原有判断？

如果脱离原文以后无法重新说明，理解可能还停留在熟悉感，而没有真正进入自己的知识系统。

研究最终留下的也不应该只是一组链接，而是一个暂时的判断，以及这个判断如何被证据支持、质疑和修改。

sharp 也有身体基础

认知状态并不独立于身体存在。

睡眠不足、长期缺乏运动、压力过高或注意力频繁中断，都会直接影响思考质量。美国国家老龄研究所关于 cognitive health 的建议并不复杂：保证睡眠、持续运动、管理血压和情绪，并参与有一定认知挑战的活动。该机构同时提醒，目前还没有充分证据表明商业 brain-training app 能带来广泛而持久的认知改善。

与其寻找某个让大脑保持年轻的技巧，不如先维持基本状态：足够的睡眠、稳定的体力和一段不被通知打断的时间。

可以长期保留的习惯

• 维护一份仍未解决的问题，而不是待读文章清单。
• 搜索或询问 AI 前，先记录自己的猜测。
• 每周选择一个问题，形成暂时结论。
• 读完资料后离开原文，重新写出机制和证据。
• 定期检查旧判断，删除已经失效的前提。
• 学习有反馈、难度逐渐增加的真实技能。
• 不追求对所有事物都感兴趣，把注意力留给反复出现的问题。

Stay curious，是避免过早用“已经知道”结束一个问题。

Stay sharp，是让已有判断始终保留被现实修改的可能。