从《投喂AI》到投喂大脑：选择你的信息口粮

记得多年前去一家头部互联网公司做工作交流，当看到整个办公楼层成批的年轻脑袋在盯着屏幕，那种专注、安静而忙碌的样子，我有点惊讶，至今让人印象深刻。

对方见状忙解释说：都是新招的大学生，他们现在的工作就是做数据标注。然后不无调侃地补了一句：所谓人工智能，就是“人工 + 智能”。这是我第一次对数据标注工作有近距离观感。

近日读完《投喂AI》一书，看到了数据标注工作的另一面：高压力、低报酬、长时间、枯燥乏味而不得不。

《投喂AI》封面《投喂AI》（中信出版集团）

从书中可见，数据标注处于 AI 产业端的最底端，也最基础。老喻说“对 AI 而言：向量的边界，就是智能的边界”，我深以为然。这里向量的本质其实还是数据，而高质量的数据少不了数据标注。

数据就是 AI 的口粮。“投喂AI”是中译书名，我觉得翻译很贴切，你得给机器模型输入高质量的数据，再结合恰当优秀的算法，才会有高超的智能。

从“投喂AI”想到“投喂大脑”——就是作为人类的读者的你的大脑，想过给你的神圣的大脑投喂点什么样的口粮吗？

我们其实都是“双重饲养员”：一手在为公司模型“投喂”数据，一手在为自己的大脑“投喂”信息。

一方面通过自己的行为，如消费、出行、追剧等，平台会收集并加以利用你的过程数据，从这个角度，你在用你的数据喂养公司模型；另一方面，你每天在接收这些平台公司的服务或产品，其本质也是数据，或高级点叫信息，你通过这些信息在喂养你的大脑。

读过《投喂AI》，我愈发意识到，AI 与人脑并非两条平行的轨道，而是两面镜子——你喂给它什么，它就会长成什么。我们日常生活里每天看的、听的、刷的，就是在给大脑投喂。口粮优劣，决定了认知的肌肉是越练越壮，还是逐步萎缩。

给 AI 投喂：模型从原始数据里吃下世界，靠标注、反馈和优化，长出“理解”与“偏好”。

给大脑投喂：我们从外界信息里吸收现实，靠注意力、情绪和反思，塑造价值与判断。

两者之间有明显的共通之处：输入决定能力边界——垃圾进垃圾出（garbage in, garbage out），稀缺数据导致盲区；反馈决定收敛方向，反复强化的内容会固化偏见或专长；高质量标注如地图，越精确世界模型越清晰。

当我们在谈论 AI 的数据标注、偏差、对齐，其实也相当于在讲一个人的信息摄入与自我校验。即投喂大脑，你是什么样的输入，就会成为什么样的输出。

你在从事“脑腐”活动吗？

从现实观察来看，刷短视频已成社会潮流，近乎是“全民运动”，大家都活在算法里。很多短视频都属于“奶头乐”，它们往往能牵动大脑的多巴胺回路，让人很爽。特点也很明显：

高频、随机：像老虎机一样，让人不断“再来一条”。上周圣诞节当天参加娃学校跳蚤市场“套圈圈”活动，有小朋友一轮没套中，高喊“不服，再来”，然后继续买圈，直到第四轮套中才肯罢休。当时我就在想，这“套圈圈”也有点像玩老虎机，会上瘾，还好只是学校游戏，让小朋友活动下筋骨而已。
情绪先行、认知滞后：强刺激优先占据注意力，思考被切成碎片。我有时在想，如果没有背景音乐的刺激，将所有短视频的背景声音都屏蔽掉，还会这么受欢迎吗？
成本低、反馈快：信息摄入不需要投入，并且能够及时反馈和互动，如点赞、转发、评论等，这类都是大脑喜欢的方式。

长期被这套机制投喂成瘾后，大脑的“深加工回路”大概率将会退化，导致注意力涣散，难以深入思考，文字阅读能力减退或丧失……于是，知识结构像快餐菜单一样碎片化，决策只剩“跟着感觉走”。换句话说，持续投喂劣质内容，相当于在从事“脑腐”活动。

“优质口粮”即优质内容，我有三条可能不成熟的判断标准：

优质内容可以让你拥有结构化的知识模型和储备；劣质内容却只是在你情绪面前撒糖。

投喂大脑要怎么做呢？受《投喂AI》的启发，我觉得：

为输入的信息做源头把关。为大脑设定一个清洁输入清单，如以经典书籍、优质期刊、深度长文作为日常主食；把短视频当作零食而非正餐，特别想强调的是，零食是可以不吃的。定期审视关注列表，清理情绪化、标题党、低信息密度的账号，我现在基本上看到标题含“突发”“不看后悔”一类的文章账号随即取关。
为输入的信息做标签工程。给读过的内容标注各类必要的标签，如观点、证据、方法、概念、流程等，以便分类管理和建立各种连接，并适时记录反例或疑问。
为输入的信息做自我反馈。建立闭环，而不是看过就算，如看过了一本书或电影，哪怕写一行字，将最重要的所得记录在案，也是对自己的反馈闭环；得到一个观点或方法，努力去践行，哪怕在一件小事上，也值得去验证复盘。

其实上面这些都是仅供参考，关键还是在于你的选择。给 AI 喂什么，它就学什么；给大脑喂什么，你就成为什么。

从《投喂AI》到投喂大脑，选择你的信息口粮，建议用优质内容喂养一个清醒、强壮、可生长的大脑。

2026 年的钟声即将响起，祝我们在未来“反脑腐”行动中旗开得胜。