摘要：我们的时代强调科学的客观性，这使得我们对未经证实的直觉抱有怀疑，认为它是一种危险的、武断的主观臆断。我的意思是，或许我应该先解释一下背景，而不是直接进入主题。我们今天要讨论的是决策模型，而关于如何看待决策，大致有两派观点：一派认为，只有人，或者说人的思维才能做

休伯特·德雷福斯1978年在爱荷华州立大学的演讲中探讨专业知识与科学决策。

我们的时代强调科学的客观性，这使得我们对未经证实的直觉抱有怀疑，认为它是一种危险的、武断的主观臆断。我的意思是，或许我应该先解释一下背景，而不是直接进入主题。我们今天要讨论的是决策模型，而关于如何看待决策，大致有两派观点：一派认为，只有人，或者说人的思维才能做决策，这是一个依赖直觉的、主观的过程；另一派则认为，决策过程应该可以被公式化、机械化，或者说计算机化。我今天要反驳的就是后一种观点，也就是认为决策可以被机械化、客观化或公式化的观点。

所有这些观点最终都指向同一个问题。不过，在我反驳它之前，我想先尽可能地为它辩护一番。我之所以要这样做，是因为接下来我可能会看起来像站在它的对立面。我承认，人们渴望建立某种机械决策模型，这并非没有道理。正如我所说，我们有充分的理由去质疑那些基于未经证实的直觉做出的决策。因为如果人们这么做，你怎么能确定这不是他们武断的个人意见呢？在任何领域，对决策理由的某种解释或证明的需求，似乎在社会决策领域显得尤为自然和重要。

最近《科学》杂志上发表了一篇题为《科学、价值观和人类判断》的文章，它完美地表达了这种流行的、看似合理的观点。作者 Kenneth Hammond 和 Leonard Abel Edelman 重点探讨了科学专家证词在公共政策制定中的作用。他们承认，人类的判断在专家证词中至关重要，但他们坚持认为，应该避免武断的、主观的和自私的判断。他们指出，人们通常为了避免糟糕的、武断的、自利的判断，会尝试去寻找那些在运用判断力方面被认为富有智慧的科学家。但他们并不赞同这种做法。他们认为这种方法不科学，因为它让政治，或者说政府，受制于一种神秘莫测的认知活动。他们非常不希望某些专家得出某个决定的理由仅仅成为一个私人谜团，只有专家本人，甚至可能连他自己都无法理解。他们指出，政策制定小组通常只是简单地要求“有才能的个人进行直观的分析和评估”。

但作者认为，“这种以人为中心的信息和价值判断组合方式，由于难以清晰表述，也就无法有效回应对其是糟糕判断或自利判断的指责。” 因此，他们建议对这类专家证词本身进行客观的科学审查。否则，他们认为，缺乏科学的严谨性，这些证词仍然会受到人类判断中那些未经检验的、变幻莫测因素的影响。这听起来似乎很有道理，而且这甚至不是什么新想法。

这种认为决策应该建立在明确原则之上的要求，可以追溯到苏格拉底时代。它最早出现在柏拉图早期的一篇对话录——《游叙弗伦》——中。在这篇对话录里，苏格拉底与一位名叫游叙弗伦的年轻先知进行对话，这位先知习惯于凭借他那完全是直觉的、神秘的预言才能来做决定和发布神谕。苏格拉底要求游叙弗伦清晰地阐述，并为他刚刚以谋杀罪名检举自己父亲的行为，提供一套能够自圆其说的原则。我们这里就不去深究游叙弗伦和他父亲之间那些不堪的家庭纠纷细节了。

重要的是，通过那场对话，苏格拉底开启了一种让大家明确自己行为背后的规则和原则，并且一旦明确了这些规则和原则，就通过辩证的方法来论证其合理性的传统，这构成了我们整个哲学传统的基础。所以，不要把决策完全交给直觉、判断、传统、预感和先知，这个要求由来已久。真正新颖的是，这篇文章的作者在《科学》杂志上发表的这篇文章中所展现出的信心，他们相信科学的力量能够实现苏格拉底和柏拉图都未能完成的目标。因为我认为很明显，哲学从来没能真正弄清楚道德判断、价值判断等等所依赖的那些基本原则。他们至今仍在争论与柏拉图和苏格拉底时代完全相同的问题。

但是，由于科学如今在如此众多的领域都取得了成功，这篇文章的作者相信，稍微运用一些科学的分析方法就能解决这个关于人类判断的难题。他们认为，与其去寻找那些拥有神秘天赋的人，不如采用科学的方法来处理这个问题，就像我们处理其他问题一样。像分析任何其他自然现象一样，对人类的认知活动进行分析。这听起来确实不错。作者在他们的文章中论证了如何通过分析专家证人在被要求对某个特定问题做出判断时的思维过程，来消除直觉的影响。

这篇文章恰好以丹佛警察应该携带哪种武器作为研究对象。你可以对任何特定的公共政策问题进行同样的分析。我不想深入探讨这个分析的具体细节。重要的是，我们需要注意的是，这种方法依赖于一种类似于苏格拉底式的要求，那就是专家需要“将他们的价值判断外化”。这需要通过让专家列出这类决策中涉及的所有因素来实现，比如武器的效力、对罪犯可能造成的伤害、对旁观者可能造成的威胁等等。

他们需要提供自己对相关因素的分析，并且基于他们对各种因素的评估，给出他们对每种武器类型的评价。换句话说，他们需要考虑到每种武器类型的成本，也就是风险和收益，或者说优势，这样就可以计算出每种选择的价值。再换一种说法，他们需要给出自己对每种武器的优势和劣势之间如何权衡的看法。这些作者在这里提出的建议，有时被称为成本效益分析，这是目前最流行，也是最有希望的一种决策分析方法。目前至少有十几种不同的形式化决策分析模型。

但是，由于成本效益分析模型清晰、简单，而且应用广泛，我将以它为例进行讲解。考虑到每种因素的成本和收益，每一种武器类型都可以被评估，然后计算出每种武器的综合价值，警察只需要选择大多数专家最终都认同的武器类型就可以了。作者自豪地指出，通过使用这种类型的决策分析方法，决策过程不再依赖于神秘的直觉。专家所使用的因素以及他们赋予的权重都是公开透明的，每个人都可以看到并且提出质疑，因此，“最终，一个迄今为止人们知之甚少的决策过程可以被审查、辅助和改进。”

在一个专家是我们赖以做出关于环境、核能、药物使用等决策的唯一依靠的时代，这种认为我们可以将专家建议公式化，从而用客观的计算取代直觉和判断的想法，当然非常具有吸引力。但是，为了做到真正的科学，我们必须确保专家的专业知识确实已经被纳入到公式化模型之中。而这正是我想要开始质疑的地方。从某种意义上说，如果我们能够做到作者所提出的——将专业知识融入到这些因素和权重之中——那么这个想法本身并没有错，我们都会因此受益。到那时，我们就可以清楚地看到这些人是如何做出决策的，我们也可以和他们进行辩论。我们甚至可以给计算机编程，让它使用这些因素和权重，从而做出更快、更准确的决策。但是在我们急于得出这些一厢情愿的结论之前，最好先检验一下，决策的实际过程是否真的如此。而检验的方法，如果你想用科学的方法——我并不反对使用科学的方法——那就是选择一些简化的决策案例，最好是最简单的、甚至不涉及社会价值判断的案例，看看在这些案例中决策是如何进行的，然后再考虑它在更复杂的案例中是如何进行的。国际象棋游戏就是一个很好的例子。

它之所以特别，是因为在游戏的每一刻，棋手都需要从一堆可能的备选步骤中选择下一步棋。国际象棋之所以特别有趣，还因为已经有许多研究关注国际象棋大师是如何决定他们的棋步的。同时，也有一些国际象棋程序，它们例证了如何决定棋步的机械化或公式化模型。这可不是我捏造出来的靶子，我选择的是目前已知的最好的机械决策案例。也就是说，国际象棋程序在经历了最初的惨淡表现之后，近年来取得了令人惊讶的进步。

1977年，一个名为“Chess 4.5”的西北大学国际象棋程序在明尼苏达州公开赛中战胜了专家和高级A级棋手，这意味着它肯定能战胜我，也可能战胜在座的各位，除非听众中隐藏着一些大师级人物。而且，就在去年八月，这种国际象棋程序竞赛达到了一种高潮，因为十年前——你们中的一些人可能读到过相关报道——那些致力于国际象棋程序研究的人，特别是斯坦福大学的John McCarthy，和一位名叫David Levy的英国国际象棋大师打了个赌。赌约的内容是，十年后，在一场锦标赛中，Levy能否战胜一台计算机。这十年就在去年八月到期了，David Levy和计算机之间进行了一场锦标赛。David Levy最终赢得了比赛，但是比分非常接近，比很多人预想的要接近得多。比我预想的也要接近得多。我当时很想和McCarthy再打个赌，但是他不再接受赌注了。我本来可以赢不少钱，但是，那真是一场惊心动魄的比赛。事实上，David Levy是一位大师级棋手，而计算机程序也赢了一局。所以，他并非那天状态不好或者其他什么原因。

它可以达到大师级水平。国际象棋程序的工作方式，就像我刚才描述的成本效益分析一样。首先，研究人员会要求国际象棋大师阐明他们在比赛中使用的因素和权衡取舍。需要说明的是，让国际象棋大师向别人解释清楚他们在比赛中使用的因素和权衡取舍是非常困难的，我们稍后会详细讨论这个问题。

研究人员会要求他们这样做，他们也会尽力去做。研究人员甚至尝试追踪他们的眼球运动，看看能否找出他们在使用哪些规则，即使他们自己也不知道。最终，当你尽可能多地收集到这些因素，并且找到分配给每个因素的权重，然后用这些权重来评估和比较不同的棋局之后，你确实可以得到一个运行良好的国际象棋程序，它的棋力相当不错。但是现在我需要更详细地解释一下……我还是继续用国际象棋的例子吧。

我只希望在座的大多数人对国际象棋足够熟悉，哪怕只是稍微玩过一点，或者甚至只是玩过跳棋，也应该能够理解我接下来要讲的内容。在构建国际象棋决策的计算机模型时，也就是在制造一台国际象棋机器时，理解哪些类型的因素可以使用，哪些类型的因素不可以用，这一点至关重要。为了评估和比较不同的棋局，程序需要一些规则来计算诸如“子力平衡”之类的属性得分——每个棋子都被赋予一个数值，然后计算出每位棋手的总分。或者比如“中心控制”——计算控制中心区域的棋子数量。程序必须包含这样的属性、特征，或者我之前所说的“因素”。

然后，程序还需要一个公式，用来根据这些得分来评估不同的棋局。这就是国际象棋程序的工作原理。通过这种方法，并且在分析了数百万种可能的棋局之后，“Chess 4.5”达到了接近大师级的水平。但是，对于我们来说，有趣的是，研究发现，国际象棋大师通常只会考虑不到100种可能的棋步。现在，你必须开始思考的问题是——我们仍然以国际象棋为例——是什么让国际象棋大师仅仅考虑不到100种可能性，就能够想出比决策模型计算机程序——后者考虑了数百万种可能性——更好的棋步？

看起来，国际象棋大师之所以能够做到这一点，是因为他们通过反复研究棋谱——也就是前人记录下来的大师级棋局——或者彼此之间进行大量的对弈，最终能够识别出特定棋局中哪些是重要的、有趣的，或者说是相关的部分。我在这里进行了一些推测。我必须说明，哪些是事实，哪些是我的推测。普遍认为国际象棋大师确实只考虑大约100种可能性，这是一个事实。而他们究竟做了什么，而不是像计算机那样穷举更多的可能性，为什么他们只考虑这么少就能下得这么好，这就是许多争论和猜测的焦点。

我接下来要告诉你的，也是一个事实，那就是，如果他们没有进行过大量的练习，他们就不可能做到这一点。我还可以补充的另一个事实是，这与他们对正在进行的棋局的深层感知有关，这不仅仅是因为他们拥有超强的记忆力，或者思维速度非常快等等。事实证明，如果一位国际象棋大师只观察一个棋局几秒钟，他就能重现整个棋局。而初学者则做不到。但这只有在棋局是实际对弈中出现的棋局时才成立。如果你给一位国际象棋大师看一些随机摆放的棋子——数量相同，摆放合法，但毫无意义——他重现棋局的能力不会比一个纯粹的门外汉好多少。

那么问题是，这和通过大量的练习培养出对棋局的深层感知有什么关系呢？我的推测是，棋手学会了如何将当前的棋局与经典棋局中出现的棋局进行比较，找出相似之处。而这些经典棋局，它们的重要方面已经被前人分析过了。“方面”这个词，指的是一种非常专业的含义。区分“方面”和“属性”很重要。“属性”指的是像“子力平衡”和“中心控制”这样的东西。“属性”的有趣之处在于，你不需要懂国际象棋就可以计算“属性”。如果“子力平衡”仅仅意味着计算双方棋子的数值总和，那么即使一个完全不懂国际象棋的人也可以做到，计算机也可以做到。在你给计算机输入程序之前，它是完全不懂国际象棋的，它只是计算“子力平衡”，或者计算“中心控制”。任何人都可以被告知去数一下控制中心的棋子数量。你可能需要告诉他们什么是“控制”，也就是每个棋子是如何移动的，但是任何人都可以学会这一点。但是，“方面”要比“属性”有趣得多。我认为，国际象棋棋局的“方面”包括一些全局性的特征。比如说——这里我需要借助我哥哥的知识，他是一位非常优秀的棋手——

我还没有达到能够看到“方面”的水平。大多数初学者都处于这个阶段。但是，如果你经常下棋，你显然会看到一些东西，比如对局面的控制——你的威胁能够在多大程度上限制对手的行动；或者另一个“方面”，阵型的紧凑程度——双方棋子的活动空间大小；或者，“过度扩张”——尽管你的阵型表面上看起来很强大，但你对局面的控制力不足，如果对手应对得当，你最终将不得不大规模撤退。真正的优秀棋手，他们在互相讨论和分析棋局时，正是会用到“对局面的控制”、“阵型的紧凑程度”、“过度扩张”等等这些“方面”。我推测，那些已经被分析过并且被棋手记住的棋局，会让棋手将注意力集中在当前棋局的关键“方面”上，这样，大师级棋手就能够在开始计算具体的棋步之前，就锁定关键区域。如果我走这一步，他会怎么走；如果我走那一步，他又会怎么走。而计算机，由于只能依靠“属性”，它只能计算接下来几步棋的各种可能性——如果我走这一步，他走那一步……——然后在最后进行成本效益分析，也就是权衡各种“因素”，并且计算最终棋局的价值。

但是，计算机缺乏这种锁定关键部分的能力，因为它无法像人类棋手那样，将棋局视为一个不断发展的、具有战略意义的整体。计算机只会进行战术性的计算。它们只会计算接下来几步棋的各种可能性，然后从中选择能够在几步棋之后达到最佳棋局的走法。而国际象棋大师则不同，他们会进行战略性的思考。他们会有一个长远的计划。他们要么采取防守策略，要么采取进攻策略。他们要么计划进攻王翼，要么计划进攻后翼。“特征”和“方面”之间的区别，是我今天要讲的核心内容。

“方面”在任何关于人类游戏或一般决策的描述中都扮演着重要的角色，类似于“特征”在公式化模型中扮演的角色。但是，它们之间存在着一个非常关键的区别。在公式化模型、机械化模型或者说计算机模型中，情况是根据“特征”或“属性”来定义的。而在人类的决策过程中，对情况的理解要先于对“方面”的识别。你必须先理解棋局中正在发生什么，然后才能判断某个位置是否“紧凑”或“过度扩张”。“子力平衡”这样的“特征”的数值，可以独立于对棋局的任何理解来计算。而如果你要判断一个位置是否“过度扩张”，你就必须理解棋局的整体情况。

同样的一个位置，可能是“过度扩张”，也可能不是，这取决于游戏的长期策略。在一个白方长期策略是进攻对方国王的棋局中，白方棋子的前压并不构成“过度扩张”。但是，如果白方采取的是防守策略，那么同样的前压就可能构成“过度扩张”。由于目前的国际象棋程序，或者说我们能够想象到的国际象棋程序，都不具备长期战略眼光，因为它们缺乏人类棋手通过大量练习所获得的那种“感觉”。所以，没有任何国际象棋程序能够识别“方面”。国际象棋程序必须从那些任何不懂棋的人都能看到的、与上下文无关的“特征”开始构建它的知识。可以说，它们是从最基本的元素开始，逐步建立起自己的“专业知识”的。而专家则恰恰相反，他们会根据自己已经掌握的专业知识来看待棋局中正在发生的事情。没有基于“特征”的匹配……你还可能会认为，你可以通过建立一个包含大量历史棋局的数据库——计算机当然可以做到这一点——然后查找与当前棋局具有相似“特征”的历史棋局，看看在那些棋局中，特定的走法会产生什么样的结果，从而决定下一步棋。

但这并不能解决问题。你必须思考一下，为什么它不能解决问题。你可以存储大量的棋局，以及大师棋手在面对这些棋局时所采取的制胜走法，但这并不能帮助你，因为两个棋局完全相同的可能性微乎其微。你必须比较的是相似的棋局，但是“相似性”不能简单地定义为棋子位置相同。相似性不能仅仅根据“属性”来定义。两个棋局可能只有一个兵的位置不同，但它们可能代表着完全不同的局面。想象一个极端的例子，这个兵即将升变为后。而两个棋局也可能非常相似，即使它们的棋子位置完全不同，因为“紧凑程度”、“进攻性”或“过度扩张”等等，这些“方面”与棋子的具体位置无关。它指的是棋局的整体形态。因此，“相似性”取决于棋手对棋局中各种因素的理解，而不仅仅是棋子的位置。将两个棋局视为相似，这正是需要对国际象棋有深刻理解的地方，只有根据对记住的相似棋局的“方面”的理解来分析当前棋局，人类棋手才能避免在仅仅依靠与上下文无关的“特征”时，所需要进行的大量计算。

所以，我们已经找到了一个重要的线索，可以用来理解专家基于“方面”的知识和那种基于成本效益分析的科学分析方法之间的区别。因为这种成本效益分析，或者说任何形式化的分析方法，都必须严格地基于“因素”、“属性”、“特征”，或者无论你叫它什么——“元素”。问题的关键在于，这些“元素”是否与上下文无关，你是否需要先理解棋局才能找到这些“元素”。形式化模型总是假设，你必须从那些你不需要理解的“特征”开始，你只需要计算它们就可以了。现在，我们来看另一个重要的区别……在人类的，或者我们称之为“直觉”的模型中——在“直觉”模型中，你有“方面”。在形式化模型中，你有一些严格的规则来计算，基于给定的“特征”，一个棋局的价值是多少，或者你应该如何走。而在“直觉”模型中，你有所谓的“格言”——Michael Polanyi 用了“格言”这个词。“格言是规则，而对格言的正确应用，本身就是它所指导的艺术的一部分。真正的高尔夫球格言或诗歌格言，能够增进我们对高尔夫球或诗歌的理解，甚至能够为高尔夫球手和诗人提供有价值的指导，但是，如果这些格言试图取代高尔夫球手的技能或诗人的艺术，它们就会立即变得荒谬可笑。格言无法被那些不具备相关艺术实践知识的人所理解，更不用说应用了。”这又是同一个道理。就像你必须对国际象棋有深刻的理解才能理解“方面”一样。那些你可能提供给专家的“格言”，只有当你对游戏已经有深刻的理解之后，才能理解。否则，你就只能提供“规则”。就像你在国际象棋中可以使用“子力平衡”或“中心控制”这样的“特征”一样，你也可以使用“规则”。什么样的规则呢？我还没有想过要写下来。你可能会给某人一条规则，比如“一旦有机会就尽快出城堡”。我曾经和一个叫做“国际象棋挑战者”的电子游戏对弈过，我当时把它设置在比较低的难度。很明显，它遵循的规则就是“一旦有机会就尽快出城堡”。一旦你发现了这条规则，你就可以用各种各样的方法来戏弄它。但是，对于初学者来说，会有一些规则，而这些规则即使是完全不懂棋的人也可以遵循。

总而言之，能够看出与典型案例的相似性，并且能够基于这种相似性来识别共同的“方面”，以及能够利用基于这些“方面”而总结出的“格言”，所有这些似乎在专业知识的获取和应用过程中都起着至关重要的作用。如果真是这样，那么我们就可以理解，为什么大师们很难清晰地表达他们所使用的因素，以及——对于那些我们试图理解的、想要帮助我们制定社会政策的专家们来说——他们也很难清晰地表达他们使用的因素、他们赋予的权重、他们用来计算棋局价值的规则。我现在想说的是，他们之所以难以清晰地表达他们的规则，很可能是因为他们根本就没有使用任何规则和因素。

我们一会儿会回到这一点。他们可能曾经使用过规则和因素。我猜想，如果你刚开始学习国际象棋，你就会这样做。你必须学习“子力平衡”、“中心控制”之类的概念，以及像“一有机会就出城堡”这样的规则。但是，当你成为大师之后，你就不再使用这些规则了，我们为什么要假设你还在使用任何规则呢？如果他们根本没有使用任何规则——我不会武断地这么说——这将会对我们建立客观决策科学的希望产生严重的影响。如果我们无法通过询问专家他们在各个因素上赋予了多少权重来获取他们的专业知识，那么我们就无法将专家的判断“外化”。举个例子，假设你去问一位经验丰富、直觉敏锐、成功的商人，他在“客户信心”和“快速推出新产品（即使新产品可能会失败）”这两个因素上分别赋予了多少权重，这可能并不会有什么帮助。他很可能会告诉你：“嗯，这要看情况”，这意味着他需要了解更多关于具体情况的信息。我读过一篇文章，其中的决策分析师对那些专家感到非常恼火，他认为这些专家一定很愚蠢，因为他们甚至无法理解他想要问什么。他们总是说：“这要看情况”。苏格拉底在与游叙弗伦的对话中也表达了同样的不满。游叙弗伦总是说：“我这样做是因为神告诉我这样做”，或者“我这样做是因为我看得出来我父亲是个坏人”。而苏格拉底则不断追问：“不，你必须有一个原则。你的原则是

什么？”我的意思是，当他们说“这要看情况”的时候，这并不是因为他们愚蠢。而是因为他们拥有丰富的经验，他们了解各种情况，了解哪些方面是重要的，以及这些方面是如何相互关联的，他们可能从来没有想过要将这些经验量化成具体的因素和权重。我可以想象，如果有人去问将军们：“你们在‘伤亡人数’和‘占领区域面积’这两个因素上分别赋予了多少权重？”他们大概也不知道该如何回答。他们并没有用这些因素来思考问题。如果他们被迫给出一个数值，他们可能会说：“我不知道，我觉得权衡大概是……吧。”然后，你基于这样的答案建立一个战争策略或战争游戏的模型，这个模型很可能会非常愚蠢，因为如果你问专家他们在各个因素上赋予了多少权重，而他们的专业知识恰恰在于他们不需要考虑这些因素和权重，那么你就没有真正理解他们的专业知识。通过询问专家关于规则和因素的问题，你实际上是把他们简化成了他们在商学院或军事学院里学到的东西，而这些东西，在他们凭借天赋和经验成为专家之后，很可能已经被他们抛诸脑后了。这就像我之前所说的国际象棋的例子一样。人们最初学习国际象棋的时候，确实会从规则、因素和权重开始，但是，在他们成为高手之后，他们很可能已经超越了这些东西。人们曾经使用规则来获取专业知识，这个事实经常被用来——或明或暗地——证明他们现在仍然在使用规则。因此，即使它与事实不符，形式化模型也因为对专业知识获取过程的这种肤浅描述而获得了一种表面上的合理性。所以，我想向大家介绍一下我对专业知识获取过程的一些理解，通过几个例子，让大家体会这种形式化模型的不合理之处。

举一个比较极端的例子：一个已经熟悉各种曲线形状，但正在学习如何使用探针来识别曲线的盲人。他可能曾经走过这些曲线，他知道什么是曲线，但他还没有使用探针来感受它们。作为一个初学者，他可能会感受到手掌中压力的变化，并将这些元素、因素或特征解释为探针末端物体表面形状的证据，并以此来判断物体的形状。根据经典的形式化模型，这些属性将被用来判断该物体是否属于“曲线”这个类别——“曲线”是根据一组特定的属性来定义的。然而，虽然经典的形式化模型适用于初学者，但它无法解释，当你把它推广到熟练的人类行为时，会发生什么。你只需要注意到，当一个盲人，或者说任何人，最终学会了如何熟练地使用探针之后，他就不会再意识到手掌中压力的变化所代表的物体形状信息了。盲人，或者说任何使用探针的人，会直接感知到棍子末端的曲线形状。这是一种经验的彻底转变。我选择这个例子，是为了尽可能地突出这种转变。经验发生了彻底的转变，属性、计算、判断和决策都消失了，你只会感觉到，你就在棍子末端，直接感受着物体的形状。

我认为，通常情况下，在认知技能的学习过程中，初学者会从形式化模型中使用的那些特征和规则开始学习。先不要纠结这些细节。让我们先从形式化模型中使用的特征和规则说起。就像我们所说的，国际象棋棋手最初会学习棋子的数值和一些严格的规则，而不是像“格言”那样灵活的指导原则。学习外语的学生会学习语法规则。飞行员会学习驾驶飞机所需的一系列操作规程。在每一种情况下，只要初学者还在遵循这些规则，他的表现就会显得迟缓、僵硬、平庸——我想每个学习过外语或者学过开车的人都知道这一点。而且，任何掌握了一项技能的人都知道，随着技能的提升，就会发生转变。技能熟练的人不再关注那些特征和规则，他们的表现变得流畅、灵活、高效。国际象棋棋手会培养出对棋局的“感觉”。学习外语的人会变得流利。飞行员不再觉得自己在驾驶飞机，而是感觉自己像在飞翔。有些人怀疑，这些特征和规则只是进入了潜意识，而这种怀疑也正是科学模型的出发点——他们试图从专家的潜意识中提取出这些规则，因为他们认为专家只是忘记了这些规则，但这种观点无法解释，在发生这种转变之后，行为方式发生了根本性的改变，表现也得到了显著的提高。此外，如果一个熟练的演奏者开始刻意关注那些他在学习技能初期所关注的基本动作，他的表现反而会下降，甚至比初学者还要糟糕。如果你刻意去关注你如何打字、如何开车、如何说外语，你反而会变得笨手笨脚。Polanyi 讨论过这种情况，他认为，对特征的刻意关注会破坏你对整体环境的感知，而只有对整体环境的感知，才能让你流畅地打字、演奏或做出各种动作。另外，你会发现，这些规则和特征似乎真的被遗忘了，因为，你可以问问自己，如果你是一位熟练的打字员，你用哪个手指敲击字母“b”？你最初学习打字的时候，肯定会遵循一定的规则，你会看着键盘，知道应该移动哪个手指，然后移动它。但是现在，你已经掌握了这项技能，你甚至不知道这个问题的答案。你唯一能做的，就是假装你在打“boy”这个单词，然后看看哪个手指动了。所以我想说，科学证据表明，这种形式化的专业知识获取模型是错误的。当你学习一项技能的时候，无论是开车、说话、飞行还是其他任何技能，都会有一个时刻，你会或多或少地突然之间，将最初的规则和属性抛在脑后，只有在那之后，你才会拥有专家级的直觉，而这正是在你邀请专家的时候所希望获得的——那种神秘的直觉，那种智慧。

再举一个例子：空军的研究案例，研究人员训练飞行学员按照固定的顺序来扫描仪表盘上的各种仪器和刻度盘。他们发现在测试中，负责教授这些规则的教官能够比学员更快地发现仪表盘上显示的错误。他们感到很困惑：这是为什么呢？难道是因为教官在潜意识里应用这些规则的速度更快、更准确吗？他们追踪了教官的眼球运动，结果发现，教官根本就没有使用他们教给学员的那些规则。教官的表现表明——正是因为他们没有遵循那些僵化的扫描模式，他们才能够在测试中表现得比学员更好——这表明，熟练的操作并不在于遵循这些步骤，而学员最终也必须放弃这些规则，才能达到教官那样的水平。

到目前为止，我已经论证了，经验丰富的人类专家在解决新问题时，会将新问题与他们之前经历过的类似情况进行比较。现在，我想补充一点。这种做法在某种意义上很神秘，但在另一种意义上又不神秘。这一点需要澄清一下。当人们这样做的时候，看到“方面”，应用“格言”，并且让整个技能发生彻底的转变。他们的行为可能无法用相信科学决策的人所希望的方式来解释。但这并不意味着他们的行为无法解释。也就是说，在他们的大脑中，在神经生理学层面上，肯定发生了一些变化，如果我们能够理解他们大脑中发生了什么，我们就能够解释他们的行为。但是，没有任何证据表明，我们能够在神经生理学层面上找到那些规则和特征的编码。它们可能是全息图、格式塔、场，或者其他什么东西。我想说的是，大脑中发生的事情并不神秘。只有当你认为你还需要用另一套规则和特征来解释它的时候，它才变得神秘。没有证据表明它可以用应用于孤立属性的规则来解释，而且我已经给出了很多理由来证明它不能。虽然形式化模型的优点是它能够清晰地展现决策的完整解释，并提供论证，但这并不能代表专家做出决策的实际过程。由于经验丰富的人类实际上使用的、基于相似性的决策过程，最终在所有领域都比初学者使用的形式化方法表现得更好，因此，基于经验的决策不应该被形式化模型所取代，经验丰富的专家也不应该被迫用形式化模型来解释他们的决策。

那么，形式化模型的作用是什么呢？这并不意味着形式化模型没有价值。在那些问题过于复杂或涉及大量统计数据，以至于经验无法转化为专业知识的领域，形式化模型可以发挥作用。例如，在路径规划、排序、混合、调度等问题中，由于不存在真正的专家，计算机程序可以提供比人类更好的解决方案。

然而，在大多数政策决策中，例如环境保护、清洁空气、药品监管等等，我们面对的并非极其复杂的问题。在这些领域，专家的经验和直觉至关重要。强迫专家将他们的判断外化成规则和因素，反而会削弱他们的专业知识。

我们需要认识到，在许多重要问题上，真正的问题是：我们是谁，我们认为人类的意义是什么，我们想要什么样的生活。而我们每个人，或多或少，都是这方面的专家。我们需要依靠经验和直觉，并向那些拥有智慧和经验的人寻求建议，才能做出明智的决策。科学决策的吸引力在于消除主观性和不确定性，但我们必须接受风险和神秘性，才能创造我们想要的世界。

来源：蓝天大海沙滩上的猫