我们究竟有多无知

因此，我们对自身知识量的高估正暗示了我们比想象中更加无知。但我们究竟有多无知呢？知识量是否有可能被估算呢？托马斯·兰道尔（Thomas Landauer）试图为此寻找答案。

兰道尔是认知科学的先驱，曾任职于哈佛大学、达特茅斯大学、斯坦福大学和普林斯顿大学，并倾25年之久试图将其独到见解应用于贝尔实验室。他的研究起步于20世纪60年代，正逢认知科学家们将人脑视为电脑的时代。当时，认知科学领域与现代计算机一同崭露头角。如我们所知，拥有非凡数学头脑的约翰·冯·诺依曼（John von Neumann）和艾伦·图灵（Alan Turing）奠定了计算机技术的基础，于是问题来了，人类心智的运作是否也遵循相同的原理。计算机配有一个由中央处理器运行的操作系统，按照一系列规则读取和写入一个数字存储器。早期的认知科学家认为，与计算机相比，人脑并没有什么不同。计算机的运作程序被视为认知执行模式的一种暗喻。思维被当作一种在人们脑中运行的电脑程序。让艾伦·图灵声名鹊起的原因之一就是他把这种想法发挥到了极致。如果人脑像电脑一样工作，那么人类所能做的一切都可以由电脑程序实现。受此鼓舞，图灵于1950年发表了经典论文《计算机器与智能》（Computing Machinery and Intelligence），对“机器会思考吗”这一问题做出解答。

20世纪80年代，兰道尔决定用与计算机内存相同的衡量标准来衡量人类的记忆容量。当我们撰写此书时，一台笔记本电脑的长期储存空间为250—500GB。兰道尔使用了几种巧妙的手法以测量人们的知识量。例如，他估计了成年人的平均词汇量并计算出储存这些信息所需的字节数量，并用这一结果推算了成年人的平均知识量，其结果是0.5GB。

兰道尔也用其他完全不同的方法测算过。在许多心理学实验中，受试者都被要求读文本，看图片，听字词（实义词或无意义的音节）、句子或一小段音乐。几分钟乃至几周之后，心理学家对受试者们的记忆进行测试。一种方法是要求人们再现他们当初接收到的原始材料。这是一种令人精疲力竭的记忆力测试。你觉得你现在能立刻复述出一段几周前仅听过一次的短文吗？兰道尔分析了一些对人们而言稍显轻松的实验。这些实验更像识别测试，只要受试者能够指出新展示的内容（常常是一幅图片、一个单词或一小段音乐）是否在此前出现过即可。其中一些实验会出示几个选项让受试者选出哪个他们之前见过。这是一种极易受到影响的测试方法，即使记忆力不尽理想，受试者也能有不错的表现。兰道尔通过实验组和对照组在识别表现上的差异来推测人们究竟记住了多少。这一差异在理论上等同于我们所能获取记忆的多少。

兰道尔这一方法的绝妙之处在于，他依据起初是否接收过认知材料区分出哪些是对记忆的测量（两组间识别表现的差异）。这使他得知人们记住他们先前习得的信息的速度是多少。测量时，他也找到了一种方法，能够把遗忘的因素考虑进去。若不计实验程序细节或认知材料类型的差异，兰道尔的分析结果毫无疑问地显示出人们汲取信息的速度并无太大差异。无论认知材料以何种方式呈现，比如视觉、语音或音乐，习得的速度都大致相同。

接下来，兰道尔计算了人们究竟掌握多少信息，即人脑的知识库到底有多大。假设人们在70年的寿命中这一习得知识的速度始终恒定，他所尝试过的每一种测量方法大都指向同一个答案：1GB。兰道尔并未宣称这一结果是准确无误的。但即使把这个数字乘上10倍，即使人们的记忆储量能增加到10GB，它仍小得微不足道。这和一台现代笔记本电脑的内存比起来不过是九牛一毛。但人类本就不是堆砌知识的仓库。

从某种角度看，这简直骇人听闻。作为健全的成年人，我们居然学会了这么多东西。我们居然能看懂新闻，不会觉得晕头转向，理不清头绪。我们居然能围绕好几个不同领域的话题高谈阔论。看《危险边缘》（Jeopardy!）的时候，我们冷不丁还能猜对几道题。我们都至少会说一种语言。毫无疑问，我们知道的远不止背包里那个小机器的存储量的几百分之一。

但是，如果你对人脑等于电脑的说法不买账，那就没什么好震惊的了。如果心智模式是机械的，只能将信息编码和储存在记忆体中，那么当你需要面对的是如此纷繁复杂的世界时，它就黔驴技穷了。一味追求大存储量的记忆体是徒劳的，因为我们的记忆不可能穷尽这个世界。

认知科学家对于用计算机类比人脑的暗喻不屑一顾。不过它并非一无是处。某些情况下当人们慢条斯理且小心翼翼地思考时——当他们对每一步都深思熟虑而非凭直觉贸然行事时——确实像计算机程序在运行。但绝大多数时候，认知科学家还是热衷于指出人脑与电脑的区别。深思熟虑只占我们思维运转的一小部分罢了。大多数认知过程都是潜意识下的直觉思维的产物。认知意味着要同时处理海量的信息。例如，当人们绞尽脑汁搜寻某一词语时，我们不会逐一排查，相反地，我们将搜遍整部字典——我们头脑中的字典——与此同时，目标词也会浮现在脑海中。这可不是早年间冯·诺依曼和图灵构想的计算机和认知科学能应付的运算。

更重要的是，人脑不像电脑一样只依赖一个中央处理器，用写入和读取记忆的方式思考。正如我们稍后将在本书中详细讨论的那样，人们的思考还依赖于他们的躯体，他们身处的世界，以及其他人的心智。若要把我们对这世界的所知全部装进脑袋，实在是异想天开。

为了说明这个世界究竟有多么复杂，不妨考虑一下复杂性的几种来源。有些人造物因设计而复杂。据丰田汽车称，现代汽车约包含三万个部件。但它们真正的复杂性并不在于部件的数量，而是这些部件有多少种设计方案以及有多少种组装方式。试想一名汽车设计师需要考虑的一切：外观、动力、效能、触感、可靠性、尺寸、安全性等。除了上述人尽皆知的因素外，预估和评测汽车的震动是现代汽车设计制造的重要环节，因为这决定了一部车将会多么吵及多么晃。设计师通常会替换某些部件以调试车辆的震动特性。如今，汽车被设计得如此复杂，以致十几岁的孩子们无法再一掀开发动机罩就可以拿着扳手敲打摆弄一番。修理现代汽车需要接受大量的训练，调试汽车需要众多电子配件。年轻人不得不去找一台油腻腻的老爷车，只有那样的引擎才简单得足以让业余修理匠上手。甚至，连专业技师都在抱怨维修车辆早就轮不到他们插手了，他们不过是遵照电脑程序的提示更换组件而已。

从飞机到钟控收音机，你可以把上述说法套用在任何现代技术上。现代飞机如此复杂以至没人能完全弄懂它们。更准确地说，不同的人了解它们的一些不同方面。有些人是飞行动力学专家，有些人则专攻导航系统。一些人负责弄懂喷气式引擎，而另一些了解人体工程学谙熟座椅设计的人，让航空公司得以有效地把经济舱塞得像桶装薯片。还有诸如钟控收音机和咖啡机这样的现代家用器具也太过复杂，以至当它们损坏时都不值得被送修。我们直接弃旧换新了。

人造物的复杂性同自然界的复杂程度比起来算是小巫见大巫了。一旦你凑近仔细查看便会发现，岩石和矿物比它们看上去可复杂多了。科学家至今无法完全解释黑洞的原理，甚至为什么冰是滑的等自然现象。但如果你当真想体验一下复杂性，请翻开一本生物学教科书吧。哪怕只是像癌细胞一样的微观生物，都需要成百上千位科学家和医生共同努力，研究它们的本质、变异、繁殖和死亡的原因，以及怎么在正常细胞里把它们辨认出来。倘若科学和医学能回答这些问题，人类将摆脱这被统称为“癌症”的瘟神之扰。科学与医学不断发展，但还是有许多癌细胞“逍遥法外”。

复杂性随着多细胞生物的出现而成倍上升。举个极端的例子吧，试想一下神经系统，连一只海参都有18 000个神经元。按照渐进的标准，果蝇和龙虾都聪慧过人，它们大概有超过10万个神经元来处理信息。蜜蜂有将近100万个神经元在工作。这样算来，哺乳动物的复杂性已经达到另外一个范畴了。老鼠约有两亿个神经元，猫有近10亿个，而人类则在1 000亿个左右。大脑皮层是大脑最近才被开发的部分，有大约200亿个神经元，其复杂性正是人类区别于其他动物之处。大脑还真是纷繁忙碌，一秒都不停歇。

不论我们脑中有多少细胞，它们仍不足以将我们所见所闻的点点滴滴都保留下来。世界的复杂性深不可测。而具有讽刺意味的是，要说哪个系统复杂得难以被充分理解，大脑恰好是个完美的例子。当你面对的是像大脑这样庞大的系统时，别指望你能洞悉一切。尽管如此，在过去的几十年中，神经科学家还是在解释单个神经元如何运作，以及描述由数百万神经元组成的大规模脑功能区方面取得了长足的进步。他们发现了脑内的许多系统，认知神经学家则深入探究这些系统如何与不同官能建立联系。至今，我们所知最多的大概要数视觉了。科学家了解光线如何进入眼睛，如何被转化为大脑活化，并在枕叶的哪个位置解析为其在现实世界代表的意义（如运动、方向和色彩）。我们还知道活化哪里可以辨认物体（颞叶）并找到它们（顶叶）。

但是，神经科学家对于大脑作为一个复杂的整体如何反应和计算所知甚少。科学家仍致力于弄清楚什么是我们与生俱来的，什么又是我们后天习得的，什么会被我们遗忘且忘得有多快，意识的本质是什么以及意识因何而存在，情绪是什么以及我们能在多大程度上控制情绪，以及人们（包括婴儿）如何看清他人的意图。进化创造了如此复杂的大脑，以至我们都意识不到其复杂性的全部所在。

科学家尽力探索的另一个复杂系统当属天气。气象学家在天气预报方面已取得长足进步。许多极端天气现象数日前即可被预测，这在10年或20年前简直就是天方夜谭。我们称其为短期预报。它的进步归功于海量数据，更完善的天气模型以及更快的电脑运算速度。这是一项无与伦比的进步。像前面提到的大脑一样，天气是个极度复杂的系统，变幻莫测的因素多得难以想象而结果又与这些因素的复杂互动密切相关。你今天所处位置的天气取决于近期光照、海拔、是否与山脉为邻、有无大面积水体储热或吸热，附近地区有无恶劣天气（如飓风和雷雨），以及周遭的气压分布情况。

将这些信息汇集并统整为一份天气预报并非易事。事实上，气象学家仍无法做出具体的预测，例如下一个龙卷风的魔爪会伸向哪里。此外，长期天气预报还有很长的路要走（或许永远无法实现）。几日之内的天气预报你尚可相信一二（只要你能接受“意外之喜”），但别指望当地的气象学家能把几周后的天气状况告诉你。我们确实能够把握气候正在发生的长期变化，但针对气候变化的研究在预测具体的短期天气事件方面并无助益。我们知道由于气候变化，极端天气事件将有增无减，但具体会发生什么、发生在哪里，我们就无从得知了。

有些我们试图了解的东西是无限复杂的，即使在理论上都无法被理解。例如你正准备去参加一个同学聚会，并试图预测会不会撞见昔日的男/女朋友。假设你与他/她已失去联系多年，你还是能够依据一些基本事实做出预测，比如通常情况下谁来参加这类聚会的可能性比较大。朋友或许会透露一些参加人员的情报。你还可以基于印象中前男/女朋友过去合不合群或念旧与否做出预测。你做不到的是基于具体事实的预测，如这个人是不是住得太远或无法负担旅费，或已经不在人世了。此人可能已婚或离异。他/她或许已为人父母，照料着一个或两个，甚至8个孩子，可能从事过各行各业，也说不定曾在监狱服过刑。事实上，他/她的人生轨迹有无限种可能，只是我们无从知晓。

军事战略家谙熟此类问题。无论你对各个方向的进攻防守得多么周详，敌人还是可能从其他地方冒出来，有些在意料之中（从陆上或海上进攻），但还有很多出人意料（从地下挖隧道或藏在城门外的木马里）。由于敌人势必不想让你猜到他们会从何处进攻，意料之外的情况恐怕更有可能发生。

我们要预测的往往不只小概率事件，甚至还包括那些连我们自己都说不清到底该不该列入考虑范围的事情。唐纳德·拉姆斯菲尔德（Donald Rumsfeld）曾分别在杰拉尔德·福特（Gerald Ford）和乔治·W.布什（George W. Bush）任职美国总统期间出任国防部长。他的著名言论之一是关于区分无知的几个层次：

知道自己知道，这指的是我们对自己已知什么心知肚明；知道自己不知道，这是说，我们对自己不知道什么有自知之明；还有不知道自己不知道，指的是我们对未知的愚昧无知。

“知道自己不知道”尚属可控。这或许有点麻烦，但至少有迹可循。如果军方已知会遭到攻击但不知时间和方位，那么可以安排部队进入警戒、准备武器并让一切尽可能保持机动状态。2001年年初，警方已获悉纽约世界贸易中心是中东恐怖分子的攻击目标。毕竟，它在1993年即遭受过爆炸袭击，造成6人死亡，千余人受伤。自从知道世界贸易中心被锁定后，警方从多方面加强了安保措施，例如增加警卫和设置车障。

但真正的罪魁祸首是“不知道自己不知道”。当你漫无目的时，怎能不手足无措？谁能想到民航客机会被当作炸弹于2001年9月11日撞上世界贸易中心？此次袭击改变了美国的国土安全概念，并开启了一连串灾难性的中东事件，包括发生于阿富汗、伊拉克和叙利亚的几次大战，以及关于新兴恐怖组织的定义。

不只军事家长期为“不知道自己不知道”所扰，它也是我们每个人都必须面对的。股票交易有风险，因为谁也料想不到什么时候会有突发事件导致股市低迷。2011年，作为日本股票市场的指示灯，日本日经指数在一场大地震和接踵而至的海啸之后下跌了1.7%。“不知道自己不知道”还会在飞来横祸或者横财时把家里翻个底朝天（例如在后院挖宝藏）。“不知道自己不知道”总是难以被预测却又接二连三地发生。

要知道，巨大的复杂性不会因为你凑近去仔细琢磨就会被肢解简化。在数学领域，具有此类属性的现象被称为分形。就像是众木成林，众枝成木，众叶成枝，而且树叶自身还有血管似的复杂分支毛细管结构。如果你能一瞥高倍显微镜下的毛细管，宛如细胞层次的复杂结构即映入眼帘。分形能在你看得到的每一层级维持其复杂性。自然界众生万物都遵从分形模式。海岸线就是个典型的例子。乘坐客机从三万英尺高空俯瞰英国海岸，你将看到一条参差不齐的轮廓，勾勒出陆地与海洋的楚河汉界。无论离得多么近，那条锯齿状的边缘线依然清晰可见。即使你正身处海滩之上，只要手持放大镜盯着一块水边的岩石，就能看到那似曾相识的锯齿状边缘。看得越仔细只会发现问题越多。待解之事总是没完没了。

即使是简单的日常物品，其每个侧面都可以引入分形式的复杂性。例如，为了完全了解发夹，我们需要穷尽它的所有用途和潜在用途：它由哪些材料制成，这些原材料产自哪里，每一种原料在制造发夹中如何发挥作用，发夹在哪里出售，以及谁会买发夹。此外，为了充分领会上述每一个问题的答案，又需要提出更多的问题。要充分了解发夹的消费人群就需要展开关于发型的分析，相应地，之后便是对时尚及深层社会结构的分析。计算机科学家称这种不断增长的信息需求为组合激增（combinatorial explosion）。想要全部地理解，势必要了解更多，而且每一项待解之事的组合将很快使你不堪重负，于是，系统崩溃。

另一种证明世界复杂性高深莫测的数学工具是混沌理论（chaos theory）。在混沌系统中，差之毫厘，失之千里。众所周知的比喻是，中国的蝴蝶扇扇翅膀，美国便飓风肆虐。在混沌系统中，微小的差异会被放大，就像跌落悬崖的速度是平时下山速度的放大版。斯蒂芬·杰伊·古尔德（Stephen Jay Gould）这样诠释混沌理论如何将复杂性引入历史研究：“一开始没来由的小小异动引发的后果如瀑布般倾泻而出，回首一切，恍然间有种命中注定之感。起初哪怕只是轻轻一推，历史的车轮就会驶入不同的轨道，从这一点开始即分道扬镳。始于微不足道的改变，终于大相径庭的结局。”古尔德对过往事件的不可避免性的观察结论，正是对人类无知的深刻洞见。我们只是意识不到事情是如何发生的罢了。