读到 1991 年 March 的这篇论文《Exploration and Exploitation in Organizational Learning》，讨论组织中的 EE 问题：

任何组织都面对一个问题：应该如何分配资源？

- Exploitation: 把资源花在改进已有做法上
- Exploration：把资源花在尝试新东西上

论文中的互相学习模型非常有意思：

每人对现实有自己的信念，还有一个「组织代码」（code），可以理解为组织的共识知识库或者集体常识。

个体会向code学习，新人进来之后慢慢被组织同化，这叫社会化。同时，code也向那些知识得比自己多的个体学习，这叫多样化。社会化太快的组织，code还来不及从个体身上学到东西，个体就被同化了，快速社会化杀死了多样性。

在读这篇论文的过程中，不断联想到现在AI与人的关系。

人就像论文中的个体，AI就像是论文中的组织code。

面对一个个「问题」，我们快速滑向了「AI」先思考，我们再「点头」称赞的「快速社会化」境地。

以前身边的一些朋友，认知结构和表达风格十分鲜明，最近在针对一些问题在线讨论时，明显感觉到对方返回的消息是「AI」，对方那个鲜明的「个体」不见了，他被AI同化了。

反观自身，我也陷入了同样的境地。

这种情况，非常不对劲。论文对EE问题的解法是制造「慢」：慢速社会化让个体在被同化之前有时间贡献多样性；人员流动引入新的差异来源；容忍暂时的无知和低效，为长期的改进保留素材。

两个结构的类比，虽有不同（我们不是为了提升AI「Code」而努力），但这种被「同化」的境地，值得警醒。