Sanctuary · a quiet collection
疗养之地
理论教我们拆解世界,人文让我们不忘世界由具体的人组成。 在确定性之外,重新练习理解爱、失去、分歧与生活。
人不是等待优化的系统。保留迟疑、同情和不可量化的部分, 也是在 AI 时代保留人味儿。
11月18日周三
今日十讲
01哲学亚里士多德(Aristotle);当代阐释者:玛莎·努斯鲍姆(Martha Nussbaum) · 亚里士多德:公元前384–前322;努斯鲍姆:1947–实践智慧:在具体情境中做出正确判断规则之外,还有一种知道如何行动的能力。
讲义
实践智慧是亚里士多德伦理学的核心概念之一。它不同于科学知识(episteme),后者追求普遍必然的真理;也不同于技艺(techne),后者关注制作产品的规则。实践智慧是关于行动的知识,它要求人在具体情境中把握“中道”——不是算术平均,而是相对于特定情境、特定人而言的恰当。例如,勇敢不是鲁莽与怯懦的中间值,而是在具体危险面前既能克服恐惧、又不至于冒失。
对工程师而言,实践智慧意味着:算法可以给出概率和推荐,但何时采纳、如何权衡不同价值、怎样向用户解释,这些无法完全由规则决定。一个优秀的工程师不仅需要技术能力,还需要在模糊、冲突的目标之间作出判断,这正是一种实践智慧。
努斯鲍姆指出,实践智慧在现代专业领域(如医学、法律、工程)中尤其重要,因为这些领域充满不可预见的个案,而普遍规则往往无法覆盖所有细节。培养实践智慧需要经验、反思和对具体情境的敏感。
人物小传
亚里士多德是古希腊哲学家,师从柏拉图,后创办吕克昂学园,研究涵盖逻辑、物理学、伦理学、政治学。他在《尼各马可伦理学》中提出实践智慧(phronesis),认为它不同于理论知识或技艺,是一种在具体情境中把握正确行动的能力。当代哲学家玛莎·努斯鲍姆重新阐释了这一概念,强调其在公共生活和专业判断中的重要性。
生平一隅
据第欧根尼·拉尔修记载,有人问亚里士多德,受教育者与未受教育者有何差别,他回答:“如同活人与死人。”这句话常被引来说明教育的根本作用。但更深一层,亚里士多德认为教育的核心不是灌输规则,而是培养实践智慧——让人在复杂情境中作出合宜判断。这个轶事提示:真正的知识不是死记硬背,而是活用于生活的能力。
复杂性提醒
实践智慧常被误解为“跟着感觉走”或“凭经验办事”。但亚里士多德强调,它需要理性的参与和对德性的理解。另有人把它等同于“情商”或“软技能”,这窄化了它的伦理维度。实践智慧并不保证结果正确,因为情境总在变化;它更像是一种持续修正的能力。在工程领域,过度依赖规则或过度依赖直觉都可能导致失败,实践智慧正是在两者之间寻找平衡。
留给 AI 时代的人
在AI时代,算法可以优化目标函数,但难以定义什么是“好”的判断。例如,推荐系统追求点击率,却可能牺牲用户长期福祉;自动驾驶面临“电车难题”式的道德困境。这些都需要人运用实践智慧:理解情境的独特性,权衡多方利益,并承担决策责任。工程师不只是代码的编写者,也是价值的嵌入者。学习实践智慧,有助于我们在技术设计中保留人的温度。
在你最近一次重要决策中,你更依赖规则、数据,还是某种难以言明的判断?如果重新选择,你会如何调整?
延伸阅读/《尼各马可伦理学》(亚里士多德);《善的脆弱性》(玛莎·努斯鲍姆)
02社会学哈罗德·加芬克尔(Harold Garfinkel) · 1917–2011常人方法学:日常互动如何建构社会秩序秩序不是给定的,而是我们在每一次交谈中共同完成的。
讲义
常人方法学关注普通人(“常人”)如何运用方法(“方法学”)来创造和维持社会秩序。它不把社会结构看作客观事实,而是看作成员在互动中不断“做”出来的成就。例如,排队不是靠警察强制,而是靠每个人对“先来后到”规则的默契遵守;如果一个人插队,其他人会用眼神、言语或动作来纠正。
加芬克尔提出“索引性”概念:我们的话语和行动只有放在具体情境中才能被理解。比如“把那个拿过来”中的“那个”指什么,取决于说话时的共同注意和背景知识。这种索引性使得社会互动高度依赖共享的常识。
对工程师而言,常人方法学提醒我们:用户与AI的对话并不是简单的信息交换,而是一种社会互动。用户会假设AI理解语境、遵循礼貌原则、知道何时该追问。如果AI生硬地执行字面指令,就可能破坏互动的流畅性。设计对话系统时,需要理解人类对话的“方法”——那些未被写进代码的默契。
人物小传
哈罗德·加芬克尔是美国社会学家,常人方法学(Ethnomethodology)的创始人。他师从塔尔科特·帕森斯,但不满其宏大理论,转而关注日常生活中的微观互动。加芬克尔在1967年出版《常人方法学研究》,主张社会秩序不是外部强加的,而是成员在日常实践中持续建构的。他的研究影响深远,启发了对话分析等领域。
生平一隅
加芬克尔曾让学生回家做一个“破坏性实验”:在与家人交谈时,假装听不懂最平常的话,比如家人问“今天过得怎样?”学生却追问“过得怎样是什么意思?你指哪个方面?”结果家人先是困惑,继而愤怒,甚至指责学生“疯了”。这个实验表明:我们习以为常的对话背后隐藏着大量未被言明的规则,一旦被破坏,社会互动就会崩溃。这正是常人方法学要揭示的“日常生活的秩序”。
复杂性提醒
常人方法学常被批评为过于微观,忽视权力和结构。加芬克尔本人也承认,他关注的是“如何”而非“为何”。此外,破坏性实验在伦理上受到质疑,因为它可能给参与者带来心理压力。常人方法学并不否认社会结构的存在,而是强调结构必须通过日常实践来再生产;如果没有人遵守规则,规则就只是一纸空文。
留给 AI 时代的人
AI系统在模拟人类对话时,往往只学到表面模式,却难以掌握那些“索引性”的微妙线索。例如,用户说“我没事”可能意味着拒绝帮助,也可能是在求助;AI若仅按字面回应,就会显得冷漠。工程师需要意识到:社会互动不是数据匹配,而是意义的共同建构。在AI时代保留人的温度,意味着在设计时尊重这种复杂性,而不是试图用算法消除它。
回想一次你与AI或机器的对话,它在哪个时刻让你觉得“它不懂我”?这个时刻揭示了哪些未被言明的规则?
延伸阅读/《常人方法学研究》(哈罗德·加芬克尔)
03哲学阿马蒂亚·森(Amartya Sen) · 1933-能力方法:发展如何扩展人的真实自由衡量进步,不应只看 GDP,还要看人能做什么、成为什么。
讲义
能力方法(Capability Approach)的核心命题是:评估个人福祉或社会发展,不应只看资源(如收入、商品),而应看一个人实际能做什么、能成为什么——即“功能”(functionings)与“能力”(capabilities)。功能是已实现的状态或活动,如健康、受教育、参与社区;能力则是实现这些功能的真实机会。举例:两个收入相同的人,一个能自由出行,另一个因残疾或歧视无法出行,他们的福利并不等同。
森强调“实质自由”(substantive freedom)作为发展的首要目的和手段。自由不仅指没有强制,更指拥有选择有价值生活的能力。他区分了“过程自由”(决策参与)与“机会自由”(可行选项),并指出贫困、性别不平等、缺乏教育等都会压缩能力集。
对工程师而言,能力方法提供了一种系统思维:在设计产品或政策时,不能只优化单一指标(如点击率、效率、人均收入),而应追问:它是否扩大了用户的选择空间?是否让不同处境的人都能获得基本能力?例如,一个推荐算法若只追求停留时长,可能剥夺用户接触多元信息的能力;一个无障碍设计则可能扩展残障人士的行动能力。
森避免开列固定的能力清单,认为不同社会应通过公共讨论确定哪些能力重要。这保留了文化敏感性与民主审议空间,但也带来操作上的模糊性。
人物小传
阿马蒂亚·森是印度经济学家与哲学家,以福利经济学、社会选择理论及饥荒研究闻名。他生于孟加拉地区的桑蒂尼盖登,幼年经历孟加拉大饥荒,这深刻影响了他对贫困与发展的理解。森先后任教于德里大学、牛津大学、哈佛大学等,1998年获诺贝尔经济学奖。他长期批评以收入或效用为唯一福利指标,主张关注人的实质自由与可行能力,其思想融合经济学与伦理学,为联合国人类发展指数提供了理论基础。
生平一隅
森九岁时目睹孟加拉大饥荒中一名男子踉跄走进他家院子,乞求一点米汤。他后来回忆,这场饥荒并非粮食绝对短缺,而是分配与权利失败导致穷人无法获得食物。这一经历促使他追问:为什么在粮食充足的社会仍有人饿死?他最终提出,饥荒常发生在民主缺失与信息不畅的环境下,因为新闻自由和选举压力能迫使政府及时干预。这个童年记忆成为他能力方法的情感起点:贫困不仅是收入低,更是基本能力的被剥夺。
复杂性提醒
常见误解是把能力方法等同于“要更多资源”或“要政府包办一切”。其实森强调能力依赖个人、社会、环境多重因素,资源只是手段之一。另一误解是认为能力清单可以客观唯一。森刻意不列清单,因为价值判断需要公共协商;但批评者指出,缺乏清单使政策制定难以操作,容易陷入相对主义。此外,能力方法侧重个体自由,对集体责任、文化传统与结构性权力的分析较弱,需与其他理论互补。
留给 AI 时代的人
算法工程师常面对单一优化目标:准确率、转化率、日活。能力方法提醒你:指标背后是人的真实选择空间。一个推荐系统若不断推送同类内容,可能窄化用户的信息能力;一个自动决策工具若忽视弱势群体数据偏差,可能剥夺他们获得信贷或就业的机会。你可以问:这个模型是否让用户更能做自己看重的事?它有没有把某些人锁死在低能力状态?在 AI 时代,技术不仅是工具,更是分配能力的装置。
在你今天的工作或生活中,哪个决策实际上在扩大或缩小某些人的选择空间?
延伸阅读/《以自由看待发展》(Development as Freedom);《贫困与饥荒》(Poverty and Famines)
04心理学丹尼尔·卡尼曼(Daniel Kahneman)与阿莫斯·特沃斯基(Amos Tversky) · 1934-2024;1937-1996框架效应:同一事实的不同表述如何改变选择换一种说法,就能让人做出相反的决定。
讲义
框架效应(Framing Effect)指人们对同一问题的不同描述方式会做出系统性不同的选择,即使客观结果完全一致。卡尼曼与特沃斯基通过“亚洲疾病问题”证明:当选项以“活下来多少人”表述时,人们偏好确定性;当以“死去多少人”表述时,人们偏好冒险。这是因为人类对损失比对收益更敏感——损失厌恶(loss aversion)。
框架效应广泛存在于医疗沟通、投资决策、公共政策与消费行为中。例如,标注“含 90% 瘦肉”的肉制品比“含 10% 肥肉”更受欢迎;税收政策说成“红利”比“返还”更易被接受。在 AI 产品中,通知文案、隐私默认选项、算法解释的措辞都可能改变用户行为。
工程师需要理解框架效应,不仅是为了避免被操纵,更是为了设计更负责任的技术。例如,向用户展示数据收集风险时,若只强调“保护你的隐私”而隐藏具体数据用途,就是一种框架操纵。相反,清晰的默认设置(如默认不分享)可以借助框架帮助用户做出符合自身利益的选择。
卡尼曼区分了系统 1(快速直觉)与系统 2(慢速分析),框架效应主要作用于系统 1,因此即使专业人士也难以完全免疫。意识到框架的存在,可以促使我们放慢决策,主动改写问题表述,检验选择是否稳定。
人物小传
丹尼尔·卡尼曼是以色列裔美国心理学家,因将心理学研究引入经济学而获 2002 年诺贝尔经济学奖。阿莫斯·特沃斯基是以色列认知心理学家,与卡尼曼长期合作,共同提出前景理论,颠覆了理性人假设。两人在 1970 年代开始研究人类在不确定条件下的判断偏差,发现人们系统性地偏离概率法则。特沃斯基英年早逝,未及分享诺奖,但他们的工作奠定了行为经济学的基础,深刻影响了政策、金融与医疗决策。
生平一隅
卡尼曼与特沃斯基的研究常从日常对话中的直觉分歧开始。一次,他们讨论医生如何向病人描述手术风险:“术后一个月存活率 90%”与“术后一个月死亡率 10%”在逻辑上等价,但病人反应截然不同。这个观察催生了他们对框架效应的系统实验:他们设计“亚洲疾病问题”,让被试在确定救活 200 人与 1/3 概率救活 600 人之间选择,结果发现正面框架(生存)下多数人选择确定方案,负面框架(死亡)下多数人选择冒险方案。两人的合作充满智力张力,常在咖啡馆长时间争论,直至形成精确的实验设计。
复杂性提醒
常见误解是认为框架效应说明人完全非理性。实际上,它揭示的是有限理性:人们在复杂环境中依赖启发式,这些启发式多数时候有效,但在特定表述下会系统偏差。另一个误区是认为只要告诉人们“这是框架”就能消除效应。实验表明,即使被试知道框架存在,效应依然显著。此外,框架效应的大小受文化、个人经验与问题领域影响,并非对所有人群、所有情境都同样强烈。
留给 AI 时代的人
你设计的每一个界面、每一句提示、每一个默认选项,都是一种框架。算法推荐的排序、通知的措辞、隐私弹窗的设计,都在塑造用户的感知与选择。你可以利用框架提高用户福祉,例如将健康提醒表述为“坚持锻炼可降低 30% 心脏病风险”而非“不锻炼会增加风险”;也可能无意中操纵用户,例如用损失框架诱导订阅。在 AI 系统中,模型输出的解释方式同样会框架用户对算法的信任。反思框架效应,就是反思技术权力如何通过语言与呈现方式运作。
今天你遇到的一个选择,如果换一种说法,你还会做同样的决定吗?
延伸阅读/《思考,快与慢》(Thinking, Fast and Slow)
05社会学阿莉·拉塞尔·霍克希尔德(Arlie Russell Hochschild) · 1940—情绪劳动:管理感受如何成为工作的一部分当微笑成为任务,真实感受何去何从?
讲义
情绪劳动(emotional labor)指个体在工作中管理自身感受和表达,以符合组织要求或社会期待。霍克希尔德区分了两种策略:表层扮演(surface acting)和深层扮演(deep acting)。表层扮演是压抑真实情绪、伪装出恰当表情,如收银员对无礼顾客保持礼貌微笑;深层扮演则是努力调整内在感受,让自己真正产生所需情绪,如护士通过回忆温馨事件来对病人产生同情。两种策略都需要心理能量,长期可能造成情绪失调(emotional dissonance)和职业倦怠。
为什么情绪劳动重要?因为它揭示了资本主义不仅购买体力或脑力,还购买“心”。在服务经济中,员工的微笑、耐心、同理心成为产品的一部分。例如,客服人员被要求“用声音传递微笑”,即使面对辱骂也必须保持平静。这种劳动往往不被看见、不被计酬,却深刻影响个体的自我认同和心理健康。
情绪劳动也广泛存在于家庭和亲密关系中。母亲安抚哭泣的孩子、伴侣在争吵后主动和解,都属于情绪劳动。女性往往承担更多无偿情绪劳动,这加剧了性别不平等。
对工程师而言,情绪劳动并不遥远。代码评审时压抑不耐烦、向非技术同事解释技术问题时的耐心、在线上会议中维持积极氛围,都是情绪劳动。AI 时代,聊天机器人和情感计算试图模拟共情,但人类情绪劳动中的身体在场、微妙语境和道德责任仍难以替代。理解情绪劳动,有助于我们更公平地分配关系中的情感付出,并警惕将人工具化的倾向。
人物小传
美国社会学家,加州大学伯克利分校荣休教授。她在1970年代开始研究情绪的社会维度,受欧文·戈夫曼和C·赖特·米尔斯影响,将情绪从纯心理学领域带入社会学分析。1983年出版《被管理的心》(The Managed Heart),通过对空乘和收账员的田野调查,提出“情绪劳动”概念,揭示服务行业如何将私人感受转化为可出售的商品。她的研究开创了情感社会学,并持续关注工作、家庭与性别不平等。
生平一隅
霍克希尔德在访谈空乘人员时发现,她们不仅被训练处理紧急情况,还被教导如何“真诚地”微笑:公司手册甚至规定微笑的幅度和眼神接触的时长。一位空乘说:“当我生气时,我会想象自己是一个女演员,正在扮演一个快乐的人。”这种将内在感受与外在表达分离的日常表演,让她意识到情绪不再只是私人体验,而是被组织管理和榨取的劳动。这个观察成为《被管理的心》的核心洞察。
复杂性提醒
常见误解是将情绪劳动等同于“控制情绪”或“假装”。实际上,霍克希尔德强调的是情绪被组织规则商品化的过程,而非个人修养问题。另一个误解是认为情绪劳动必然有害;适度扮演可以保护自我,但长期缺乏自主权的情绪劳动才有害。此外,情绪劳动的概念边界仍在扩展,有人用它描述一切社交中的情感付出,可能稀释其批判力。
留给 AI 时代的人
算法工程师常与机器打交道,但产品需求评审、跨团队协作、用户沟通都需要大量情绪劳动。例如,面对不合理的需求变更,压抑烦躁并保持专业,就是典型的表层扮演。AI 助手可以模仿共情回复,但无法真正承担情绪劳动的责任。理解情绪劳动,能帮助工程师识别自己在工作中的情感消耗,设计更人性化的人机交互,而不是将情绪负担转嫁给用户或同事。
今天,你在哪些时刻进行了情绪劳动?如果这些劳动被看见并合理分配,你的生活会有什么不同?
延伸阅读/《被管理的心:人类情感的商品化》(The Managed Heart: Commercialization of Human Feeling)
06哲学弗里德里希·尼采(Friedrich Nietzsche) · 1844—1900悲剧的诞生:酒神精神如何对抗理性过度在秩序与迷醉之间,人如何完整地活着?
讲义
尼采在《悲剧的诞生》中提出日神精神(Apollonian)与酒神精神(Dionysian)的二元对立。日神代表秩序、形式、清晰与个体化原则,体现在造型艺术和史诗中;酒神代表混沌、迷醉、融合与生命本能的涌动,体现在音乐和悲剧合唱中。希腊悲剧的伟大之处在于两者的结合:通过日神的形象呈现酒神的痛苦与狂喜,让观众在个体瓦解的恐惧中体验到生命本源的统一。
尼采认为,苏格拉底以来的理性主义过度强调逻辑和概念,压抑了酒神精神,导致现代文化的贫瘠。他呼唤酒神精神的回归,不是要否定理性,而是要让理性为生命服务,而非反过来。
对现代人而言,酒神精神提醒我们:完全理性化的生活可能丧失激情与创造力。工程师常被训练成追求精确、效率和控制,但过度依赖算法思维会忽略身体感受、审美体验和人际间的非理性纽带。酒神精神不是放纵,而是承认生命中的混沌、痛苦与狂喜不可消除,并学会与之共舞。
AI 时代,技术试图将一切转化为可计算的数据,但人的存在无法被完全量化。保留酒神式的迷醉——比如沉浸于音乐、舞蹈、自然或毫无功利目的的游戏——是抵抗异化的重要方式。
人物小传
德国哲学家、文化批评家,生于普鲁士牧师家庭,早年修习古典语文学,25岁即任巴塞尔大学教授。因健康问题辞职后,他辗转于瑞士、意大利等地,创作了《悲剧的诞生》《查拉图斯特拉如是说》《善恶的彼岸》等著作。尼采批判基督教道德和理性主义传统,提出“上帝已死”“超人”“永恒轮回”等思想,强调生命本能与创造力的价值。他晚年精神崩溃,1900年去世。
生平一隅
尼采在巴塞尔大学任教时,与作曲家理查德·瓦格纳交往密切。他一度将瓦格纳的歌剧视为复兴古希腊悲剧精神的希望,并在《悲剧的诞生》中将瓦格纳的作品与酒神音乐相提并论。后来两人因理念分歧决裂,尼采在《瓦格纳事件》中激烈批判瓦格纳的浪漫主义。这段友谊与决裂,折射出尼采对艺术与哲学关系的反复思考:艺术究竟应迷醉生命还是逃避现实?
复杂性提醒
常见误解是将酒神精神等同于酗酒狂欢或非理性主义。尼采并非反对理性本身,而是反对理性成为唯一标准。另一个误解是认为尼采推崇痛苦;实际上,他强调在痛苦中肯定生命。此外,日神与酒神并非简单对立,而是相互依存:没有日神的赋形,酒神的混沌无法被体验;没有酒神的涌动,日神的形式将僵化。
留给 AI 时代的人
算法工程师的工作高度依赖逻辑、数据和优化目标,容易陷入日神式的过度控制。但用户体验、审美判断和伦理决策往往需要酒神式的直觉与共情。例如,设计推荐系统时,如果只追求点击率,可能牺牲内容的多样性和用户的好奇心。保留一些“低效”的探索、非功利的好奇心,甚至允许系统有一定的随机性,可能更接近真实的人类需求。
今天,你在哪些时刻感受到酒神式的迷醉或创造冲动?你如何让这种力量与你的理性工作共存?
延伸阅读/《悲剧的诞生》(Die Geburt der Tragödie aus dem Geiste der Musik)
07哲学伊曼纽尔·列维纳斯(Emmanuel Levinas) · 1906-1995陌生人的凝视:我们如何把他人当作物在相遇中,脸孔如何打破自我封闭
讲义
列维纳斯提出的“他者的面孔”不是一种视觉特征,而是一种伦理事件。当我面对另一个人的脸,那张脸既暴露其脆弱(可能受伤、饥饿、死亡),又发出一个不可拒绝的命令:“不可杀人”。这个命令不是法律条文,而是先于任何理性计算的呼唤。
核心概念:无限责任
- 面孔的抵抗:面孔无法被完全纳入我的认知框架,它永远溢出我的理解,因此他者总是“无限”的。
- 责任的不对称:我对他人的责任不期待回报,也不取决于对方是否值得。列维纳斯甚至说,我是他人的人质,我的自由在责任之后。
- 从存在到伦理:传统哲学追求对存在的理解,但列维纳斯认为,与他人相遇时,伦理学先于本体论——我首先是被质问的“我”,而不是思考的“我”。
日常例子
当你在地铁上看到有人摔倒,那一瞬间你感到一种“被召唤”的冲动,即使你随后用理性计算成本收益。列维纳斯指出,那个先于计算的瞬间才是伦理的源头。
为何重要
在算法时代,我们习惯将人简化为特征向量、行为数据或类别标签。列维纳斯提醒:任何系统如果只看到“用户画像”而看不到面孔背后的脆弱与要求,就已经开始了非人化。
人物小传
立陶宛裔法国哲学家,师从胡塞尔与海德格尔,但深受犹太传统影响。二战期间作为法国军官被俘,在战俘营中度过五年,家人多死于纳粹屠杀。战后致力于批判西方哲学中“总体性”对“他者”的压制,提出“伦理学作为第一哲学”。其思想融合现象学与犹太教文本,强调对他人的无限责任,代表作有《总体与无限》《异于存在或超越本质》。
生平一隅
列维纳斯在战俘营中观察到,其他囚犯逐渐丧失个体性,成为编号和劳动力,但一只流浪狗每天迎接他们归来,摇尾示好。他把这只狗称作“纳粹德国唯一的康德主义者”,因为它不依据理性或身份,只凭本能承认每个面孔的独特性。这个片段浓缩了他的核心洞见:真正的伦理关系不源于抽象法则,而源于面对一个具体脆弱存在时无法推卸的回应。
复杂性提醒
列维纳斯的语言常被批评为晦涩和夸张,例如“我是他人的人质”可能被误解为要求无限自我牺牲。实际上,他并非否定自我保存,而是指出责任先于自由选择的逻辑结构。另外,他的思想带有强烈犹太神学色彩,世俗读者可能难以接受其“上帝”概念。还有一个常见误解:认为面孔的伦理只适用于面对面的直接相遇,但列维纳斯后期试图将其扩展到社会正义与第三方问题,虽然并不完全成功。
留给 AI 时代的人
当你设计推荐系统或用户分类器时,你实际上在定义什么是“相关用户”。列维纳斯会问:那个被算法忽略的少数群体,他们的面孔是否出现在你的训练数据中?伦理不是事后打补丁,而是在建模之前就承认每个数据点背后有一个无法被完全表征的人。在人与AI的关系中,我们越来越多地通过屏幕交流,面孔被表情包和头像替代,这既可能削弱伦理敏感度,也可能创造新的责任形式——比如对AI生成内容中的偏见负责。
今天,你有多少次真正面对一个人的面孔,而不是他的头像、标签或数据?
延伸阅读/《总体与无限:论外在性》
08心理学卡尔·古斯塔夫·荣格(Carl Gustav Jung) · 1875-1961阴影:被压抑的自我如何塑造我们荣格心理学中,你拒绝的部分才最真实
讲义
荣格所说的“阴影”是指人格中被自我意识拒绝、压抑或忽视的部分,通常包括我们不愿承认的欲望、冲动、弱点,甚至潜在的创造力。阴影并非全是负面的,它只是“未被光照到”的部分。
核心机制
- 投射:我们最容易在他人身上看到自己的阴影。比如,一个极度厌恶懒惰的人,可能压抑了自己对休息的渴望。
- 补偿:阴影会通过梦、口误、情绪爆发或强迫性行为表现出来,迫使意识注意到它。
- 整合:个体化的关键不是消灭阴影,而是承认并与之对话,使心理能量不再内耗。
与AI时代的关联
在算法推荐和社交媒体的“完美自我”文化中,人们越来越倾向于展示经过修饰的一面,而阴影被更深地压抑。但荣格指出,被压抑的内容不会消失,只会以更扭曲的方式回归——比如网络匿名攻击、成瘾行为或突然的职业倦怠。
实践意义
对于工程师,阴影理论提醒我们:代码中那些丑陋的补丁、被忽略的边缘情况、团队中不愿讨论的失败,都是系统的阴影。正视它们,才能构建更健壮的系统。
人物小传
瑞士精神病学家,分析心理学创始人。早年与弗洛伊德密切合作,后因理论分歧决裂。荣格深入研究神话、宗教、炼金术和东方哲学,提出集体无意识、原型、人格类型等概念。他重视梦与幻想,认为心理发展是一个“个体化”过程,即整合意识与无意识的对立面。代表作有《心理类型》《原型与集体无意识》《回忆·梦·思考》。
生平一隅
荣格在自传中回忆,童年时他做了一个梦,梦见自己走进一个地下洞穴,发现一个巨大的石柱上有一个金色的宝座,上面坐着一个巨大的男性生殖器。这个梦让他困惑多年,后来他意识到那可能是他内在“阴影”的象征——一种被文明教养压抑的原始生命力。他一生通过记录自己的梦和幻想(后来整理为《红书》)来面对自己的阴影,认为这是成为完整的人的必要过程。
复杂性提醒
荣格的阴影概念常被简化为“每个人都有黑暗面”,但它的原意更复杂:阴影是自我意识无法容纳的部分,不一定是恶。另外,荣格的理论带有浓厚的神秘主义色彩,缺乏严格的实证检验,现代心理学对其科学性存疑。阴影整合也不是简单的“释放野性”,而是需要长期、有意识的自我反思,否则可能导致冲动行为或道德相对主义。
留给 AI 时代的人
当你训练一个模型时,你会刻意剔除异常值、处理数据不平衡、调整损失函数,这些操作类似于意识对阴影的压抑。但被剔除的异常值可能携带重要信息,就像阴影中藏着创造力的种子。在团队合作中,那些被忽视的“负面反馈”或少数派意见,往往是系统阴影的显现。学会倾听阴影,不是要放弃优化,而是意识到任何优化都是一种价值选择,需要定期反思被排除的部分。
你最近一次在别人身上强烈厌恶的特质,是否也是你自己不愿承认的一部分?
延伸阅读/《回忆·梦·思考》
09人类学维克多·特纳 · 1920-1983阈限人格:在结构缝隙中生成新的可能当旧秩序瓦解而新秩序未立,人如何在不确定中重塑自我
讲义
阈限(liminality)源自拉丁文 limen,意为门槛。特纳用它描述从一种状态过渡到另一种状态的中间阶段:旧身份已剥离,新身份尚未获得,个体处于结构之外,既不属于过去也不属于未来。在阈限中,日常等级、规范和角色被悬置,人们体验到一种平等而亲密的“交融”(communitas),这为反思和重组社会关系提供了空间。
特纳区分了阈限与阈限近邻(liminoid):前者是传统社会中强制性的集体仪式,后者是现代社会中自愿的、个体化的创造性活动,如艺术、戏剧、体育和休闲。阈限近邻保留了阈限的解放潜能,但不再受制于严格的仪式程序。
对工程师而言,阈限概念揭示了转型期的心理结构:离职、创业、移民、进入新领域,都伴随身份模糊和焦虑。但正是这种悬置状态,允许我们摆脱旧有思维模式,尝试新的自我定义。特纳提醒我们,不确定性不是需要消除的缺陷,而是创造性的必要条件。
在AI时代,技术迭代不断打破职业边界,许多工程师发现自己长期处于“阈限”之中:旧技能失效,新技能未稳。理解阈限,可以帮助我们接纳这种过渡性,将其视为探索与重组的契机,而非纯粹的危机。
人物小传
维克多·特纳是英国人类学家,以仪式与象征研究著称。他早年研究非洲恩登布人的仪式,后提出“阈限”与“交融”概念,揭示社会结构转换中的过渡状态。特纳深受阿诺德·范·杰内普的通过仪式理论影响,并融合戏剧与表演视角,将社会视为动态过程而非静态结构。他的著作《仪式过程》成为人类学经典,对文学、表演研究和文化批评产生广泛影响。
生平一隅
特纳在田野调查中观察到,恩登布人的成年礼中,受礼者被剥去衣物、涂抹白土,象征社会身份的暂时消解,他们既非儿童也非成人,处于一种模糊而危险的状态。这一场景让他意识到,阈限不仅是仪式阶段,更是社会创造力的源泉。他后来回忆,正是这种“既不在此也不在彼”的体验,促使他将阈限从具体仪式拓展到更广泛的文化现象,如朝圣、革命和艺术创作。
复杂性提醒
阈限概念常被浪漫化为“自由”或“解放”,但特纳强调阈限总是嵌入特定社会结构中,其颠覆性往往被仪式化地驯服。例如,狂欢节虽然暂时颠倒等级,但最终强化了既有秩序。此外,阈限并非对所有人平等:边缘群体可能被迫长期处于阈限状态,缺乏返回结构的通道。因此,阈限的解放潜能取决于具体权力关系,不能一概而论。
留给 AI 时代的人
算法工程师习惯将不确定性视为需要优化的误差,但阈限提醒我们,人生过渡期的模糊性无法被模型完全预测。当你在职业转换或技术变革中感到身份悬置时,不妨将其视为一次“仪式性剥离”:旧的角色标签暂时失效,反而让你有机会重新审视自己的核心价值。AI可以模拟许多认知任务,但无法替代人类在阈限中通过反思和共情生成的新意义。
你目前是否正经历某种“阈限”?它剥夺了你什么,又可能赋予你什么?
延伸阅读/《仪式过程:结构与反结构》
10哲学赫伯特·马尔库塞 · 1898-1979认知异化:当技术理性侵蚀人的判断力在算法推荐与量化评估中,我们如何失去了对复杂现实的感知
讲义
马尔库塞提出“技术理性”(technological rationality)概念,指现代科技不仅是一种工具,更成为一种统治形式。它将一切事物转化为可计算、可控制的客体,把人的思想和行为纳入效率与功能的逻辑中。在技术理性支配下,社会趋向“单向度”:所有对立面都被整合,批判性思维被消解,人们满足于现存秩序,不再想象另一种可能。
认知异化表现为:我们越来越依赖算法推荐、数据指标和自动化决策,却丧失了直接感知复杂现实的能力。例如,社交媒体用点赞数衡量价值,用信息茧房过滤异见,用个性化推送塑造偏好——表面是便利,实则是将人的判断力外包给技术系统。马尔库塞警告,这种异化比物质剥削更隐蔽,因为它让人心甘情愿地接受被管理的状态。
对工程师而言,认知异化提醒我们审视自己构建的系统:推荐算法是否在无意中窄化了用户的视野?量化评估是否将丰富的工作简化为几个KPI?技术理性并非邪恶,但若不加反思,它会侵蚀人的自主性和多样性。马尔库塞的批判不是反技术,而是呼吁恢复技术的解放潜能,让工具服务于人的全面发展,而非相反。
人物小传
赫伯特·马尔库塞是德裔美籍哲学家,法兰克福学派核心成员。他早年师从海德格尔,后加入社会研究所,致力于将马克思主义与弗洛伊德精神分析结合,批判发达工业社会的意识形态。纳粹上台后流亡美国,在哥伦比亚大学和布兰代斯大学任教。1960年代,他的著作《单向度的人》成为新左派运动的思想武器,深刻影响了学生抗议和文化革命。
生平一隅
马尔库塞在写作《单向度的人》期间,观察到美国消费社会的繁荣并未带来真正的自由,反而通过广告、娱乐和标准化生产,将人们的欲望整合进资本主义体系。他曾举例:工人购买最新款汽车,看似自由选择,实则被系统塑造的需求所驱动。这种“舒适的异化”让他忧虑:当物质需要被满足,人们便丧失了批判和超越的维度。这一洞察直接指向技术理性对日常生活的殖民。
复杂性提醒
马尔库塞的批判常被误解为全盘否定技术和进步。实际上,他并不反对技术本身,而是反对技术理性成为唯一的价值尺度。此外,他的理论建立在1960年代工业社会基础上,对当代数字资本主义的解释需要调整:算法权力更分散、更隐蔽,用户也并非完全被动。后来的学者如安德鲁·芬伯格提出“技术批判理论”,强调技术设计中的民主参与,修正了马尔库塞的悲观色彩。
留给 AI 时代的人
作为算法工程师,你或许曾因模型指标提升而自豪,但马尔库塞会问:这些指标是否真正增进了人的自由?当你设计推荐系统时,是否考虑过它可能强化偏见、制造依赖?技术理性的危险在于,它让一切显得合理而必然。在AI时代,保留人的温度意味着在编码之外,保持对技术后果的伦理敏感,拒绝将“可优化”等同于“应优化”。
在你日常使用的技术产品中,有哪些设计正在悄悄窄化你的选择或感知?
延伸阅读/《单向度的人:发达工业社会意识形态研究》