附录D：延伸资源

这个附录提供一些资源推荐，帮助你读完本书后继续学习和探索。资源按本书核心主题组织。

需要提醒：AI领域变化很快。这里列出的资源，在你读到时可能已经更新、变化，甚至有些可能已不存在。这个列表更多是提供方向和思路，而非必读清单。

一个重要提醒

书是好东西，但不要陷入读书的陷阱——读了很多书，却不行动。

本书第十二章强调：行动比完美的计划更重要。同样的道理适用于阅读。

读一本书，实践它的核心观点，比读十本书却什么也不做更有价值。

选择一本和你当前需求相关的书，读它，然后实践。

---

一、关于”定义能力”

想更深入理解从执行到定义的转变，以下几类书值得一读。

理解判断力

《思考，快与慢》（卡尼曼） 了解人类思维的两种模式：快速直觉和慢速推理。理解我们判断中的偏见和盲点，是提升判断力的第一步。

《决策与判断》（斯科特·普劳斯） 系统介绍人类判断和决策中的各种偏差。更学术化，但对理解判断力很有价值。

《穷查理宝典》（芒格） 巴菲特的合伙人查理·芒格的智慧集。关于如何建立判断框架、如何避免思维陷阱。

理解问题定义

《你的灯亮着吗？》（温伯格） 关于如何发现和定义问题的经典书籍。薄薄一本，但观点深刻：很多时候，我们解决的是错误的问题。

《第五项修炼》（彼得·圣吉） 关于系统思考的经典。理解问题之间的关联，避免”头痛医头”。

理解价值判断

《论语》《道德经》 中国传统关于什么值得追求的思考。不是教条，而是启发你思考自己的价值标准。

《活出生命的意义》（弗兰克尔） 纳粹集中营幸存者的思考。关于人如何在极端环境中寻找意义。

---

二、关于”想象力公式”

想象力的三个维度——问题敏感度、可能性认知、连接能力——各有值得深读的材料。

问题敏感度

《创新者的窘境》（克里斯坦森） 为什么成功的大公司会被小公司颠覆？因为它们对某些问题失去了敏感度。理解这个现象，帮助你保持警觉。

各种行业报告和分析 培养问题敏感度需要对领域的深入理解。关注你所在行业的报告、分析、前沿讨论。

可能性认知

科幻文学 科幻文学是扩展可能性认知的绝佳途径——它提供的不是预测，而是思想实验。推荐：

• 《我，机器人》（阿西莫夫）：人机关系的思想实验
• 《基地》系列（阿西莫夫）：社会预测与变化
• 《神经漫游者》（吉布森）：赛博朋克的开山之作
• 《三体》（刘慈欣）：技术与文明的宏大思考
• 《黑镜》（剧集）：技术的意外后果

历史 了解过去的可能性，帮助想象未来的可能性。

• 《人类简史》（赫拉利）：人类历史的宏观视角
• 《枪炮、病菌与钢铁》（戴蒙德）：为什么不同社会走上不同道路

连接能力

《赖声川的创意学》（赖声川） 台湾著名戏剧导演关于创意的思考。核心观点：创意是连接看似不相关的元素。

《创意的生成》（詹姆斯·韦伯·扬） 广告界的经典小书。创意的本质是旧元素的新组合。

跨领域阅读 连接能力来自跨领域的知识。有意识地阅读你专业之外的内容。

---

三、关于”专注力”

第十章讨论了专注力作为想象力和定义力之间桥梁的角色。这方面的好书不少。

理解专注

《深度工作》（卡尔·纽波特） 在注意力分散的时代，深度工作能力是稀缺资源。这本书讨论如何培养深度工作的能力。

《心流》（米哈里·契克森米哈赖） 关于”心流”状态的开创性研究。当你完全沉浸在有挑战性的任务中时，会进入心流状态。

实践方法

冥想和正念 很多研究表明冥想可以提升专注力。可以从简单的呼吸练习开始，也可以使用Headspace、Calm等应用引导。

番茄工作法 简单但有效的时间管理方法：25分钟专注工作，5分钟休息。帮助建立专注的节奏。

管理注意力环境

《注意力商人》（吴修铭） 了解注意力经济如何运作，谁在争夺你的注意力。理解这些，才能更好地保护自己的注意力。

---

四、关于AI本身

若想更深入了解AI技术和发展，可以从以下几个方向入手。

跟踪AI进展

公司官方博客

• OpenAI Blog：ChatGPT、GPT系列等产品更新
• Anthropic Blog：Claude相关技术进展
• Google AI Blog / DeepMind Blog：Google的研究成果
• Meta AI Blog：Meta的开源项目和研究

中文科技媒体

• 机器之心：国内最专业的AI媒体之一
• 量子位：AI领域的报道和分析
• 36氪、虎嗅：科技商业媒体，有AI相关商业应用报道

社交媒体

• Twitter/X：AI领域很多重要人物都活跃在这里
• YouTube：有很多科普向AI频道
• 知乎、微信公众号：国内AI从业者的分享

理解AI技术

入门

• 《人工智能简史》（尼克）：了解AI发展历程
• 各平台的AI入门课程（Coursera、edX、网易公开课等）

进阶（需要一定技术背景）

• 《深度学习》（Goodfellow等）：深度学习的经典教材

思考AI的影响

《机器人时代》（福特） 讨论自动化对就业和社会的影响。虽然写于AI大模型之前，但很多分析仍然适用。

《超级智能》（波斯特洛姆） 讨论AI的长期风险和影响。比较学术化，但视角独特。

---

五、工具参考

工具变化很快，这里只列出类别和思路，具体工具请根据最新情况选择。

通用对话AI

主流选择包括ChatGPT、Claude、Gemini、文心一言、通义千问等。建议至少熟练使用一个，同时对其他选择保持关注。

专业领域工具

• 编程辅助：GitHub Copilot、Cursor等
• 图像生成：Midjourney、DALL-E、Stable Diffusion等
• 写作辅助：大多数对话AI都可以辅助写作
• 数据分析：越来越多工具在集成AI能力

如何评估新工具

工具层出不穷，不可能每个都学。遇到新工具时，先想清楚几件事：它解决的问题是不是你需要解决的？核心能力和局限性在哪里？有没有同类替代品，这个有什么独特优势？使用成本——时间、金钱、学习曲线——能不能接受？想清楚这些再决定要不要投入。培养评估能力比记住工具列表更重要。

---

六、学习方法

关于学习本身，也有几本值得推荐的书。

《刻意练习》（艾利克森） 揭示专家是如何练成的。不是简单的”一万小时”，而是有方法的刻意练习。

《学习之道》（奥克利） 一位数学恐惧者如何成为工程学教授。关于学习的科学方法。

《如何阅读一本书》（艾德勒） 阅读是学习的基础技能。这本书教你如何更有效地阅读不同类型的书。

---

本附录提供的资源仅供参考。最好的学习资源，是你在实践中发现的、和你具体需求相关的资源。