批判性思维的平方

1. 走向一条浓缩批判性思维的公式

如果批判性思维成为人机共处时代（增强智能时代）里最主要的、需要培养的能力，我们该如何强化它？

先从拆解问题开始。我们难道不能从一个实操练习出发，去分析构成批判性思维的那些变量吗？比如，我们就拿一条假新闻（fake news）来说。

识破一条假新闻需要深度而细致的阅读。通常，好奇心是第一步：就是那种直觉在告诉我们，标题或正文里有什么「不对劲」。好奇心之所以会冒出来，是因为我们此前已经建起了一套论证的逻辑架构（逻辑构成），它让我们能够凭直觉分辨出什么是自洽的、什么是不自洽的。

这种抽象能力可不是小事，它是用一辈子的时间建起来的。这种抽象能力就是所谓的隐性知识，或者说一生积累下来的直觉。此外，当我们假设某条信息是假的，我们会动用详尽而结构化的标准来支撑自己的分析（算法式思维）。

比如：

• 发布这条新闻的媒体是知名媒体吗？

• 它的编辑方针是什么？它是一家可信的媒体吗？

• 这条新闻和该媒体的编辑方针一致吗？

• 我认识这位记者吗？他的履历如何？

• 信息来源有没有交叉核实，或者有没有呈现相互对立的观点？

从那一刻起，当我们搭好了清晰的分析结构，我们才重新回到深度阅读，事先规划好我们想找到什么以及可以在哪里验证（事实核查机构、可信度经得起检验的扎实媒体），并分析成因，据此得出结论：眼前的到底是一条假新闻还是真新闻。

所有这些工作，可以在教学上串成一条简单的公式，帮我们记住批判性思维是靠什么滋养的：

𝙿𝙲 = 𝙲 𝚡 [(𝙲𝙻 + 𝙿𝙰) 𝚡 𝙰]^ (𝙻𝙿+𝙿+𝙰𝙲)

其中：

PC（批判性思维）：我们判断力的最终值。

C（好奇心）：激活系数。它是一个外部乘数。如果好奇心为零（C=0），那么无论我们在其他方面有多强，批判性思维都不会被激活。

CL + PA（逻辑构成 + 算法式思维）：结构性基础。它是我们推理能力与处理序列能力之和。

A（抽象）：尺度因子。它会放大这个结构性基础，因为它让我们的逻辑不至于困在单一的例子里，而是可以套用到任何情境。

^(LP + P + AC)（深度阅读 + 规划 + 成因分析）：指数，也就是幂。它代表训练。我们越是练习这些活动，就越能把自己的基础能力指数级地抬高。

不过，这套把批判性思维拆开来看的分析，乍看之下像是一个完整的练习，其实留下了一些空洞，我想详细地和你聊聊。而这就需要跳到下一部分，去超越一条公式所带来的机械论式化约。

2. 对机械论化约模型的批评

上面那个练习有着巨大的教学威力。把批判性思维简化成一条公式，能让人很快看清：这项能力不是凭空出现的，而是取决于好奇心、结构化推理、抽象和智识训练之间的相互作用。

然而，任何模型本质上都是对现实的简化，而作为简化，它必然会把一些没被考虑进来的潜在向量隔离在外。如果我们想让人类进化，而不是在一个系统性认知损耗（源自持续使用人工智能）的时代里把人类化约掉，那就得下狠功夫去中和这种机械论式的化约。

当我们更深入地分析前面这个表述，就会冒出若干局限。风险不在公式本身——作为教学工具它很有用——而在于以为批判性思维真的可以被化约成一个机械结构。

第一个问题在于，这条公式混合了智识生活的不同层次。同一个方程里同时出现了性格上的倾向（好奇心）、认知官能（抽象）、操作性技能（逻辑构成）、研究方法（成因分析）以及涵养性的实践（深度阅读）。这些元素各自属于智识养成的不同平面。一种心理上的倾向不同于一项习得的技能，一种心智能力也不同于一种教育实践。

这种混合制造出一种同质性的错觉：看起来所有元素都以同样的方式在方程里运作。但实际上，它们承担的功能截然不同。

这个公式模型的另一个界限在于，它过分偏重批判性思维的分析维度。公式把焦点放在逻辑、抽象、序列化和因果分析上。这些能力毫无疑问很重要。没有它们，思考就会变得混乱或前后不一。

但批判性地思考，并不只是推理得好而已。

一个人可以思路高明，同时是操纵人心的高手。批判性思维还意味着质疑预设、辨认出那些看不见的框架、认出自己的偏见、诠释意义、评估不确定性的程度，以及考量我们的结论对人所产生的后果。批判性思维不只是分析性的；它同时也是认识论的、诠释学的、反思性的和伦理性的。换句话说，批判性思维不只是分析数据，它必须质疑知识的来源、诠释深层的意义，并要求一种伦理上的反思，好让我们行事公正而自洽。假新闻那段练习的推演，本身就是一次归纳式的操纵：从一个具体例子生成一条通则。而这就引出了公式的下一个弱点。

第三个可议之处，是给予算法式思维的那个中心位置。这类思维在结构化的情境里极其有用：编程、工程、物流，或者复杂流程的求解。然而，并非所有形式的批判性思维都是算法式的。

诠释一段含混的文本、评判一个道德困境，或者理解一个社会现象，需要的是更需权衡、更依赖具体语境的推理方式。在这些情况下，批判性思维不太像执行一串步骤，更像一个审慎诠释的过程——在其中，与他人的相互印证也许比个人的分析序列更有价值。

正因如此，算法式思维虽然可以是一种有价值的工具，却不能被当作批判性思维的普世支柱。

难道我们不能也质疑一下好奇心吗？公式把好奇心呈现为启动整个系统的根本引擎。这个直觉是对的：没有好奇心就没有智识上的探寻。然而，光有好奇心并不能保证批判性思维。

一个头脑可以极度好奇，却依然只是在各种刺激之间浮光掠影地游走，建不起扎实的知识。好奇心需要有其他的倾向来陪伴：智识上的纪律、认知上的耐心、面对证据时的诚实，以及承认错误的能力。

好奇心为知识打开了门，但它既不整理知识，也不提炼知识。

另一个有问题的方面，是把抽象当成尺度因子来强调。抽象让我们能辨认出普遍的模式、建起概念模型。没有它，思考就会困在孤立的例子里。但抽象过头同样会产生错误。当它失去了与具体现实的接触，就会出现一些建构得很优雅、却无力解释真实处境的理论。

成熟的批判性思维需要不断地在两极之间移动：模型与经验、一般与个别、概念与情境。这种移动是必要的，它让我们避开两个同样麻烦的极端：过度抽象的思考，和纯粹轶事式的思考。

模型的另一处局限，出现在所谓的批判性思维的「根」上。我们最初那条公式提出了三项主要实践：深度阅读、情景规划和成因探究。这些活动很有价值，但它们并没有穷尽培养批判性判断所需要的全部实践。

还缺一些同样根本、并且超出个人范畴的实践：论辩式的对话、对来源的系统性交叉印证、反思性的写作、谬误的识别，或者对自身错误的复盘。

批判性思维不是光靠在个人层面上阅读或分析问题就能发展起来的。当它与其他视角正面相遇、并接受其他心智的检视时，它也会变得更强。

共同体有助于强化批判性思维。

最后，这条公式最深层的问题在于，它把一个复杂现象变成了一个近乎工程学的模型。这个方程暗示，批判性思维可以像一组稳定因素的组合那样被计算出来。但现实要顽固得多。

批判性思维是历史性的、语境性的、情境性的，而且深深地属于人。它在时间中发展，在与经验、学习共同体和真实困境的互动里发展。

把它化约成一条公式有助于教它，却不足以理解它。

换句话说：这条公式作为教学的入口很有用，作为完整的解释却不够。

3. 走向批判性思维的协作生态

如果我们放弃对批判性思维的机械论式看法，一个更有意思的问题就出现了：那我们究竟该怎么理解它？

一个更丰富的替代方案，是用多维架构这个想法取代公式这个想法。与其把批判性思维想象成一件可计算的产品，我们可以把它理解为由各种倾向、技能、调节机制和实践所构成的复杂构型。

这个视角承认：批判性思维不是单一的一项能力，而是一整套养成的生态。

在这套生态里，有不同的层次在起作用，各自承担不同的功能。

层次 1：首先是伦理—认识论上的倾向，它们塑造了一个人的智识品格。这里出现的是这样一些品质：智识上的谦逊、对不确定性的容忍、面对证据时的诚实，以及敢于修正自己自以为懂的东西。这些倾向把自发的好奇心转化成一种负责任的求真。

没有它们，思考就可能变得教条或自恋。

层次 2：其次出现的是元认知，也就是审视自身思考的能力。批判性地思考不只是分析外部的对象；它同时意味着审视我们正在如何诠释这些对象。而这项实践需要一种谦逊，需要对自身的现实做不带偏袒的观察。而这件事，独自去做是会疼的。

这要求我们不断地自问：

• 我把哪些预设当成了理所当然？

• 有哪些偏见可能正在影响我的判断？

• 我在为一个想法辩护，是因为它正确，还是因为我希望它正确？

这种自我调节至关重要，它能防止分析能力沦为既有偏见的工具。

层次 3：第三个层次由动态官能构成，它们让我们能够在抽象与具体之间来回摆动。批判性思维不是线性的；它更像一种钟摆式的运动。有时我们需要抽象，好理解普遍的模式。另一些时候我们需要回到具体的个案，好避免过度的简化。最初那条公式就是其中之一。

正是这种模型与现实之间的平衡，才使理论不至于沦为优雅却不完整的解释。

层次 4：第四个层次对应的是操作性技能：逻辑、文本诠释、谬误识别、证据评估，或者在特定情境下的算法式思维。这些工具让我们能够把推理结构化，并分析论证与信息的有效性。

但工具本身并不能保证良好的判断。

层次 5：这里出现了一个经常被遗忘的维度：批判性思维的伦理维度。一段推理可以从逻辑上看完美自洽，却依然产出深刻不公的决定。历史上满是完美地愚蠢又不义的三段论。

正因如此，批判性思维必须朝向一个规范性的地平线，其中包含正义感、把他者视为正当他者的态度，以及评估我们的决定会给人带来什么后果。

没有这个伦理维度，批判性思维就可能退化成单纯的工具性精巧：一种几乎能为任何事情辩护的聪明。

层次 6：最后出现的是一个决定性的元素：培育它的社会实践。批判性思维不只是在个人的心智内部发展起来的。当思考暴露在现实、证据和其他心智的摩擦之下，它才会变强。

严谨的对话、来源的交叉印证、论辩性的写作和同行评议，都是迫使我们把自己的想法拿去受检验的机制。

这种摩擦至关重要。没有它，思考就会变得自我指涉，失去自我纠正的能力。

正因如此，批判性思维不能被理解成一种个人主义的实践。它在很大程度上是一种共同体的实践。

科学共同体、大学、学术研讨班和公共辩论之所以存在，正是为了创造出让各种想法可以彼此对质、彼此纠正、彼此演化的空间。

总之，批判性思维的生态系统，更像是一种集体生态的实践，而不是一条个人的、机械论式的分析公式。在这个意义上，批判性思维更契合一个生态系统，而不是一项孤立的能力。

下面这张表作为总结是一个很有价值的练习

在一个生态系统里，不同的元素相互作用、相互调节。同样地，当性格上的倾向、自我调节的机制、智识的工具、伦理的取向和社会的实践以动态的方式结合起来，批判性思维才会浮现。

当其中某个元素消失，这个生态系统就会失衡。

没有伦理上的倾向，思考就会变得善于操纵。没有元认知，它就会变得教条。没有分析工具，它就会变得混乱。没有社会性的对照，它就会变得自我指涉。

因此，在增强智能的时代培养批判性思维，并不只是教一些推理技巧、把模型榨到吐出我们想要的结果为止。它是要养出一整套完整的智识生态。而在共同体里，这套生态运转得更好。

一切毫无疑问都始于个人的好奇心。就是那种让我们开始怀疑有什么地方不对劲的直觉。但好奇心只有在遇上引导它的实践、和考验它的共同体时，才会真正完全绽放。

这是一份责任，它要求持续地把自己暴露在现实面前，接受证据带来的摩擦，并带着真心想学的态度去听其他心智怎么说。

只有这样，判断力才能持续地被打磨得更准。

也只有这样，批判性思维才能履行它最重要的功能：帮助建立更公正、更有人味、也更清楚自己在这个共享世界里会带来什么后果的决定。要在缺少对共同善的均衡视野、缺少对人的尊严那种不可谈判的立场时发展出批判性思维，实在是难上加难。

批判性思维归根结底不只是一项认知能力。它是一种在集体中、在共同体里行使的智识责任。

注：[本文标注为「Human led」。由人类主导的内容。机器负责检查、标出并纠正错误、提升产出质量。该方案基于 Dubai Future Foundation 的「Human-Machine Collaboration (HMC) Icons」。Dubai Future Foundation，dubaifuture.ae/hmc]

www.bernardocrespo.com/#aboutme

Bernardo Crespo 是一位资深的数字化转型与数据战略领导者，拥有超过 25 年的经验。他曾在《财富》500 强企业和数字咨询公司担任领导职务，也创办过众多初创企业与创业工场，并为它们提供顾问服务。目前，作为自己公司 Quantum Markethink 的 CEO，他为最高管理层提供战略指导，帮助他们驾驭数字化转型的复杂局面。

此外，他还担任 IE Executive Education（IE 高管教育）的学术主任，把他在新兴技术、数字战略、数据战略和人工智能方面的专长带进课堂。在此之前，他在 Merkle 西班牙主导数字化转型项目，并在 BBVA 领导数字营销，其中尤为突出的是，他率先把游戏化应用到了银行业。

Bernardo 还与 Gam Dias 合著了《The Data Mindset Playbook: A Book about Data for People Who Don't Feel Like Reading about Data》（KDP，2023 年 3 月）。

由 AI 增强的文章： Newsletter「My AI-ter Digital Ego」

人类手工： Newsletter「Digital Sustainability」

新书：我擅自把自己关于人工智能的全部思考写成了一本书，我保证它会在夏天结束之前面世。| 书出版的时候请通知我