大家好，这里是最佳拍档。如果你能记住你读过的一切，生活会不会变的不一样呢？当你打开手机的收藏夹，里面躺着几十篇AI教程、上百个工具技巧，从ChatGPT（ChatGPT: 聊天机器人模型）进阶玩法到NotebookLM（NotebookLM: Google AI 的笔记工具）全功能解析，每一篇都标注着“有空一定要学”。可真正回头去看、去用的，却寥寥无几。我们总觉得，收藏了就是拥有了，转发了就是学会了，仿佛只要把这些信息存在手机电脑里，它们就会自动钻进我们的大脑，等到需要的时候随时提取。可现实往往是，等到真要解决问题，比如想用AI生成一段播客，或者用无代码工具做一个简单的App时，我们翻遍收藏夹，却发现自己对那些教程的记忆只剩下了模糊的碎片，连基本步骤都想不起来。这时候我们难免会困惑：为什么我们花了那么多的时间阅读和收藏，却还是记不住读过的内容呢？

收藏陷阱：信息消费的迷思

这个问题，不仅困扰着我们普通人，也引发了全球网友的热烈讨论。在YouTube上，有一个标题为《How to Remember Everything You Read》的视频，至今已经斩获了863万的播放量；在推特上更是掀起了千万级别的热议。有网友留言说，这是他看过最实用的阅读指南，26分钟的内容却能改变一生的学习方式。还有一位30岁的外科医生评论道，真希望他在10岁的时候就能看到这个视频，这帮他节省了太多的时间。

那这个视频到底有什么神奇之处呢？贾斯汀・宋在视频一开头，就抛出了一个直击灵魂的问题：你为什么想要记住一切？是为了像硬盘一样存储，还是为了像CPU（Central Processing Unit: 中央处理器）一样处理呢？我们从小到大接受的教育，似乎都是在传递一种记忆至上的观念。考试要背诵知识点，面试要记住专业术语，就连日常聊天能引经据典、出口成章的人，也总会被贴上厉害的标签。于是我们养成了一种习惯：看到有用的信息就收藏，遇到重要的内容就摘抄，总觉得记住的越多，自己就越有竞争力。

但是，这种全盘接收的记忆方式，其实是在给我们的大脑增加负担。就像贾斯汀在视频里做的一个比喻，阅读信息的过程，其实分为两个阶段：分别是消费和消化。我们现在的大多数人，都只停留在消费阶段，比如快速刷完一篇文章，匆匆看完一个教程，就像在自助餐里狼吞虎咽，吃得越快，摄入的越多，就越有满足感。可是我们忘了，身体的消化能力是有限的，大脑的记忆容量也是有限的。那些没有被消化的信息，就像没有被吸收的食物一样，最终只会被排出体外，留不下任何的营养。我们疯狂地消费着网络上的各类信息，却从来没有花时间去消化它们，所以才会出现收藏了很多，却什么都记不住的尴尬局面。

而更可怕的是，这种盲目记忆一切的执念，不仅不会让我们变得更聪明，反而可能会阻碍我们的思考。贾斯汀在视频里举了一个极端却真实的例子：世界上真的有能记住一切的人，他就是电影《雨人》的原型——金・皮克。他是一位罕见的学者症候群患者，他的记忆力堪称人肉百科全书，能够完整背诵1.2万本书的内容，从正文到标点符号，无一差错。他还能记住美国所有城市的高速公路编号、航班时刻表，甚至能准确说出任何一个历史事件的具体日期。这样的记忆力，恐怕是我们每个人都梦寐以求的吧。但是在处理复杂问题的时候，金・皮克的表现却还不如普通人。因为他的大脑里塞满了各种各样的死数据，这些数据占据了他全部的认知空间，让他没有办法进行逻辑推理、批判性思考和创造性联想。他能记住书本上的所有公式，却不知道如何运用这些公式来解决实际的问题；他能背诵历史事件的时间线，却无法分析事件背后的因果关系。

AI时代：从存储到处理的竞争力转移

因此，所谓的记住一切，并不是要把我们的脑子变成一本百科全书，更不是要让我们成为一个只会存储信息的硬盘。真正有价值的记忆，从来都不是全盘接收，而是择优录取，只要记住那些能帮我们解决问题、提升认知的核心信息，而不是被无关紧要的细节所拖累。尤其是在AI时代，我们更不需要执着于记住一切。因为你的记性再好，也比不过模型的长文本记忆能力；你的反应再快，也赶不上GPU（Graphics Processing Unit: 图形处理器）的实时运算速度。AI工具已经成为了我们的外部大脑，它们可以帮助我们存储海量的信息，随时供我们调用。在这样的背景下，人类大脑的核心竞争力，已经从存储信息转向了处理信息，也就是如何筛选、消化和运用那些真正有价值的信息。

PACER系统：五类信息的精准消化之道

而贾斯汀・宋提出的PACER系统（PACER system: 信息消化方法论），正是一套帮助我们的大脑实现精准消化的信息处理工具。它就像一个智能的过滤器，能够帮我们把杂乱无章的信息分门别类，用最适合的方式去吸收，让每一份阅读都能产生实际的价值。

那么，PACER系统到底是什么？它是五个英文单词的首字母缩写，分别对应五种不同类型的信息，而且每种信息都有专属的消化方式。贾斯汀说，这就像我们处理不同的食材一样：肉类需要腌制炖煮才能入味，蔬菜需要清炒凉拌才能保持鲜嫩，主食需要蒸煮焖炸才能饱腹。不同的食材有不同的烹饪方法，不同类型的信息也有不同的记忆逻辑。

首先是P类信息，也就是程序性信息。这类信息的核心是“如何做”，它告诉我们完成一件事的具体步骤和操作流程，比如编程教程、软件使用指南、临床检查步骤，还有我们平时看的AI工具实操教程，都属于这一类。这类信息具有极强的实操性和时效性，软件会更新，流程会优化，单纯的抄写和记忆，根本跟不上变化。因此，贾斯汀给出的消化方式是：实践，而且是越早应用越好。看到这类教程，千万不要犹豫，也不要想着先收藏起来，以后再学。现在，立刻，马上打开对应的软件，跟着教程一步步试玩一把。比如你看到一篇用ChatGPT生成短视频脚本的教程，那就立刻打开ChatGPT，输入教程里的提示词，跟着步骤调整参数，优化内容，直到生成一个完整的脚本。你可能会说，我现在没时间，等有空了再弄不行吗？可是，“等到有空”永远是一个模糊的概念，而且人的记忆是有衰减周期的。你现在看完教程不实践，过几天就会忘记大半，到时候再想捡起来，反而要花更多的时间。而当你亲手去实践的时候，情况就完全不一样了。你的手指在键盘上敲击的动作、眼睛看到的界面反馈、大脑对每一个步骤的理解和调整，都会形成一种肌肉记忆和场景记忆。这种记忆比你抄在笔记本上的文字要牢固得多，哪怕过了很久，你可能忘记了具体的步骤，但是只要打开软件，那种操作的感觉就会回来，你能凭着记忆，快速找回正确的方法。所以对于程序性的信息，只看不练等于白看，实践才是最好的记忆方式。

接下来是A类信息，类比性信息。这类信息的核心是与你已知的事物相关联，它是用我们熟悉的概念和经验去解释新的知识，帮助我们快速理解陌生的领域。比如我们在学习AI的相关知识时，经常会遇到一些抽象的概念，如果直接去看技术定义，很容易一头雾水。但是如果用一个熟悉的类比，就能瞬间豁然开朗。比如，DeepSeek推出深度思考模式的时候，很多人不理解深度思考到底是什么意思，有人做了一个类比：这就像学生在做数学题时，不再是凭直觉口算，而是会拿出草稿纸一步步的演算，虽然过程变慢了，但是计算的准确性大大提高了。这种类比性信息的消化方式，贾斯汀称之为审辩，也就是批判性地审视这个类比：它们在哪些方面相似？又有哪些不同？为什么要用这个类比来解释呢？很多人在看到一个好的类比时，只会觉得“哦，原来是这样”，然后就把类比当成了知识本身，却没有深入思考类比背后的逻辑。可实际上，类比只是一种桥梁，它的作用是帮我们从已知领域走到未知领域，但是桥梁本身并不是目的地。比方说，如果把AI的联网功能比作一个会用百度的实习生，这个类比在查找资料和验证信息方面是相似的。但是我们也要看到不同之处：实习生可能会偷懒，会错误的理解需求；而AI的联网搜索是基于算法的，效率更高，也更加客观。此外，实习生可能需要有人指导才能筛选出有效的信息；而AI可以通过自身的模型对搜索结果进行初步的甄别。只有我们批判性地去分析这个类比的相似点和不同点，才能真正理解AI联网功能的本质，而不是仅仅记住一个表面的比喻。所以，遇到类比性信息的时候，不要只停留在听懂了的层面，要多问自己几个为什么，这样才能把类比背后的知识真正内化为自己的东西。

然后是C类信息，也就是概念性的信息。这类信息的核心是“是什么”和“为什么”，它包括各种理论、原理、概念之间的关系，是帮助我们理解事物底层逻辑的知识。比如，为什么AI会出现一本正经地胡说八道的情况？为什么AI生成的图片里有时候会出现六根手指？为什么大语言模型能理解人类的自然语言呢？这些都属于概念性的信息。这类信息的特点是抽象、难懂，但是一旦理解了，就能帮我们看透很多现象的本质，是构建我们认知体系的核心。也正是因为它们很抽象，所以这类信息也是最容易被忘记的。很多人学习概念性信息的时候，喜欢做一种线性的笔记，把书本上的定义和原理一条条抄下来，然后反复背诵。可是这种方法的效果，其实并不好。因为概念之间是相互关联的，线性的笔记会割裂它们之间的联系，让我们只能记住孤立的知识点，而无法形成一个完整的知识网络。贾斯汀建议，学习概念性信息的消化方式是利用构图，也就是用思维导图、逻辑图等方式，重构这个知识网络。比如我们要理解AI幻觉这个概念，单纯去背诵它的定义，其实并没有什么用，过不了多久就会忘记。但是如果我们用构图的方式来理解，情况就不一样了。我们可以在脑子里画一张图，把AI比作一个超级版的手机输入法，它的工作原理不是理解语言，而是预测语言。它会根据之前训练过的海量文本，预测下一个最可能出现的字、词，或是句子。就像我们用手机输入法打字的时候，它会根据我们输入的前几个字给出后续的联想词。AI生成内容的过程，其实就是一个不断预测的过程，它并不知道自己说的是不是事实，只是在根据概率预测下一个的内容，让整个文本看起来连贯、合理。而当AI的训练数据中存在矛盾信息，或者它遇到了自己没有学过的内容时，它依然会按照概率去预测，这时候就会出现胡说八道的情况，也就是AI幻觉。我们还可以在这张图上补充：AI没有真实的意识，它无法像人类一样去验证信息的真实性，它只是一个纯粹的预测机器。当我们用这样一张逻辑图来理解AI幻觉的概念时，不仅能记住是什么，还能理解为什么，而且各个知识点之间的联系也会非常清晰，就像一张网一样，印在我们的脑子里。下次再遇到AI生成错误信息的情况，我们就能立刻用这个逻辑图去分析原因，而不是仅仅觉得AI又出错了。这就是构图的力量，它能帮我们把抽象的概念具象化，把孤立的知识点网络化，让记忆变得更加牢固，理解更为深刻。

接下来是E类信息，也就是证据性信息。这类信息是支撑某个概念或观点的具体案例、数据、事实。比如新闻里提到的DeepSeek V3.2（DeepSeek V3.2: AI 模型）在数学考试中考了多少分，Sora（Sora: OpenAI 的视频生成模型）生成的视频达到了多少的分辨率，这些都属于证据性的信息。这类信息的特点是具体、直观，能够让观点更有说服力。但是同时也具有很强的时效性和局限性，因为新的模型不断出现，旧的数据很快就会被刷新，所以具体的数字其实并没有那么重要。贾斯汀给出的消化方式是：储存与复述。但是这里的储存，并不是要储存具体的数字，而是储存数字背后的核心结论，以及复述这个结论对我们的意义。这些核心的结论，才是证据性信息真正有价值的部分，它们能指导我们的实际行动，而具体的数字，只是支撑这个结论的临时证据。

最后是R类信息，也就是参考性信息。这类信息是那些琐碎的、在需要时能快速找到的工具性的信息，比如某个AI画图工具的具体指令、某个网站的网址、软件的参数设置、快捷键列表等等。这类信息的特点是，不需要我们理解背后的原理，只需要在需要的时候能够快速调用即可。而且它们数量多、更新快，用大脑去记忆完全是一种浪费。所以，处理参考性信息的消化方式很简单，那就是把它们丢进收藏夹。看到有用的参考性信息时，不要想着“我要记住它”，而是要想着“我要把它放在一个容易找到的地方”。你可以把AI工具的指令大全存进手机的备忘录中，把常用的网站链接添加到浏览器的书签里。关键是要建立一个属于自己的信息检索系统，让这些参考性信息有固定的存放位置，等到需要用的时候，能在一分钟内快速找到。这比你花几个小时去背诵它们，然后用的时候还要冥思苦想，显然会高效得多。

高效慢学：PACER的终极价值

贾斯汀在视频的最后说道，学习是有生理极限的。你刷得信息越快，如果不消化，最后留下的就越少。在这个信息爆炸的时代，我们最缺的不是新的资讯，而是信息的留存率。PACER系统看似很慢，实则是一种更为高效的慢。它让我们把时间花在消化信息上，而不是消费信息上。当我们用实践去消化程序性的信息，用审辩去消化类比性的信息，用构图去消化概念性的信息，用提取结论去消化证据性的信息，用整理收藏去消化参考性的信息时，我们虽然花了更多的时间在每一条信息上，但是每一条信息都能真正被我们吸收和利用，成为我们认知体系的一部分。这才是信息最重要的意义所在。感谢收看本期视频，我们下期再见。