分心会撕碎注意力。而 AI 工具则进一步加剧了这种破碎——ChatGPT 就像一台带键盘的老虎机。输入提示词，看着转轮旋转，然后收获一个不可预测的奖励。这种机制镜像了 Instagram 的无限信息流，但其带来的新奇感带宽更高。
Packy McCormick 最近观察到，尽管我们拥有史无前例的丰饶——AI 工具、海量信息、零分发成本——但原创思想似乎正在枯竭。一旦你洞察到其中的交易，悖论便迎刃而解：我们用深度换取了准入。
代价则是：创造力的消亡。创造力需要与一个未解决的问题共处足够长的时间，直到看见新的视角。当你每隔三分钟就拉动一次杠杆，那些视角便永远无法成型。这并非反对 AI 工具，而是主张理解好奇心的复利效应，并警惕在这个丰饶时代中好奇心的丧失。
创造力并非不请自来，它源于一个特定的引擎：持久到足以产生意外组合的好奇心。
循环的运作方式如下：一个问题植入你的脑海。你反复琢磨，尝试一种方法，再试另一种。方法本身又会催生新问题。每一个答案都会揭示出你从未考虑过的相邻难题。最终，灵光一现的连接发生了——这在过早放弃的人身上绝不会出现。
这就是作为“创造燃料”的好奇心。它不是被动地刷维基百科或 YouTube，而是那种能产生复利效应的主动追求。
我这番话源于经验而非专长。我演过音乐、录过专辑、写过书。并非因为我在这些领域天赋异禀，而是因为我没有“卡住”。论技能，我在大多数领域都低于平均水平（我下文会解释为何没能精进），但产出确实发生了。我认识的许多更有才华的人反而产出更少。差别不在于能力，而在于我的循环一直在运转。
这个循环有一个弱点：它需要持续的注意力。一旦过早断裂，复利就会停止。这正是“分心”致命的地方。
但好奇心并不总是能被点燃。有时你接触一个领域却毫无感觉：没有吸引力，没有继续的动力。通常的解释是好奇心是天生的：要么有，要么没有。
这是错的。障碍在于技能，而非天性。
好奇心需要“抓地力”。SQL 初学者盯着报错的查询语句，错误代码对他而言毫无意义。没有抓手，没有能吸引他明天再来的阶段性胜利，于是他关掉了标签页。
反观电子游戏：在第一关死掉，四秒后重生，换个角度跳跃。反馈极快，代价极小，奖励可见。好奇心得以存续，是因为胜任感在微小且不可否认的进步中不断积累。
区别不在于人，而在于反馈。
当有人说对某个领域“不感兴趣”时，他们通常是在描述一种伪装成偏好的技能差距。他们尝试过，感到挫败，没收到奖励信号，于是退缩了。这种退缩感觉像是不感兴趣，实则是自我保护。
好奇心并非缺席，只是错位的证据在于：每个人在孩提时代都充满好奇。这种能力一直存在。或许是某些因素压抑了它：惩罚提问的父母、奖励顺从的学校、教人退缩的失败。但硬件依然健在。
更重要的是，人们在一些不被视为“好奇心”的领域依然保持着好奇。
自称没有好奇心的人，会花四个小时研究梦幻足球的交易；另一个人会刷屏观看关于历史战役的视频论文；还有人对汽车引擎的每个细节了如指掌。我妻子痴迷心理惊悚小说——尤其是那些有女性反派且结尾反转的作品。她必须知道发生了什么，必须知道作者如何构思误导。他们不把这称为好奇心，因为这感觉像娱乐。但其机制完全一致：问题产生，随后追求，知识复利。
问题在于，你试图在没有抓地力的领域强行开启好奇心，通常是因为别人（如公司或学校）宣称该领域很重要。与此同时，你真正的驱动力正冠以他名，在别处生长。
如果技能产生抓地力，而抓地力开启好奇心，那么好奇心是可以“制造”出来的。但这个过程需要对“什么值得追求”保持诚实。
在工程化好奇心之前，先问：你应该对此好奇吗？ 生命有限，注意力是零和博弈。花一小时强迫自己对编织产生兴趣，就意味着少了一小时去投入那些有天然吸引力的事物。有时正确的答案不是“我如何对此产生好奇？”，而是“我为什么要尝试？”。
这个问题关乎重大。人们耗费多年，在并不契合的职业、他人推荐的爱好、或毫无天赋优势的领域里强迫自己产生好奇。这种努力极少能转化为真正的投入。筛选先于构建。
假设你已决定：这个领域很重要，虽然目前没有抓地力，但你想建立它。
电台编导会将陌生曲目夹在热门金曲之间。新单曲紧随你喜爱的歌之后，下一首又是你熟悉的。你的大脑会借用那种熟悉带来的暖意。
我听 Napalm Death（拿帕姆死亡乐团）和其他晦涩音乐时就用了这招，因为解开一张专辑的“密码”感觉很棒。起初很难，你会讨厌所听到的声音，只想回去听那张循环了一周的老专辑。Napalm Death 的音乐很刺耳：爆裂鼓点、电锯般的嗓音。于是我听一首他们的歌，再听一首我喜欢的，再来一首他们的。这种反差软化了棱角。一周后，我爱上了它。
这个原则可以推广：将困难与熟悉配对。将你正在构建的领域与你已经掌握的领域交织在一起。读一章深奥的教科书，再读一点你喜欢的。在令人生畏的项目上工作 20 分钟，然后切换到让你感到胜任的任务。熟悉感为陌生感提供了情感支架。
制造好奇心需要不断的重新评估。重复询问： 我获得抓地力了吗？我依然相信这个领域重要吗？这种努力是否转化为真正的投入？你甚至不需要直接问，你自己会知道。
循环要么收紧——技能增长，反馈加速，好奇心增强；要么停滞。如果三个月的努力仍未产生吸引力，诚实的做法可能是放弃。这不是失败，而是高效的资源重配置。
持续好奇心的回报是网络化的。
在任何领域的早期，学习感觉就像在收集孤立的事实。你记住这个术语，学会那个步骤。但碎片之间没有联系——每一块都孤立地躺在那里，毫无生气。
接着，一个临界点被突破了。孤立的节点开始链接。第三章的概念照亮了第七章的难题。为一个任务学会的技巧突然可以应用到另一个任务。网络开始嗡鸣。
这就是神经连接共同放电的样子。单一突触是无用的，但集群开始进行模式识别，网络开始解决你从未直接练习过的问题。
随后，元层面开启了：一个领域的习得可以迁移到另一个完全不同的领域。你在音乐中内化的结构——紧张、释放、韵律、重复——出现在了写作中。编程中的调试逻辑在诊断业务问题时浮现。你在象棋中建立的模式识别出现在战略规划中。
这就是好奇心的复利。但它要求你熬过早期阶段——那个没有任何连接、反馈稀疏的孤立节点阶段。分心会在此刻杀死你，在网络形成之前。
AI 工具和社交网络是老虎机。每一次拉动都有奖励，奖励让你感觉像是在进步。
但请注意缺失了什么：你没有建立自己的网络。 在你的神经元共同放电之前，AI 就回答了问题。那个本可以形成的、将当前问题与过往经验联系起来的连接，从未出现。你外包了好奇心循环。
这就是“榨取问题”。AI 工具模拟了好奇心的满足感，却没能构建出让好奇心产生复利的内部架构。你感觉学到了东西，却没留下任何可迁移的能力。
询问 ChatGPT 解释概念的人，与对着概念苦思冥想一小时的人，拥有完全不同的体验。前者得到了信息，后者构建了回路。
这种区别在你如何使用工具时变得清晰：
这就是区别。榨取： AI 回答，你接收，毫无积淀。构建： AI 辅助，你挣扎，网络成型。
这并不意味着 AI 工具无用，而是意味着它们以一种隐蔽的方式索取高昂代价。每一次拉动杠杆都是一场交易：用即时的答案换取了延后的能力。
本文的论点并非禁欲，而是觉醒。
分心（尤其是 AI 带来的分心）在好奇心-创造力循环产生复利之前拦截了它。干预点很明确：
那个在你挣扎前就给出答案的工具，注定会让你再次依赖它。
好奇心产生复利，而便利不会。