《人类愚蠢基本法则》
卡洛·M·奇波拉
《人类愚蠢基本法则》是意大利经济史学家卡洛·M·奇波拉的著作，他认为：“愚蠢是社会最强大力量中的一种。”
- 法则1：每个人都永远低估了社会上愚蠢个体的数量
- 法则2：某人是否愚蠢的概率，与这个人的一切其他特征（教育、财富、社会地位等）无关
- 法则3：愚蠢的人是一个在损害他人或群体利益的同时，自己却不能从中获得任何好处，甚至还会蒙受损失的人
- 法则4：非愚蠢的人总是低估了愚蠢个体的破坏力
- 法则5：愚蠢的人是最危险的人
讲座直播
读书会讨论
我认为把奇波拉的“愚蠢共振”视角落到校园与社交媒体，就是让系统里每一层决策都装上可见的“听觉阈值”。比如，学校在制定学生事务制度时，可以先用风险矩阵把每个条款标注“潜在误判”分值，然后在教务评审会上设立一个专责“红队”，他们的任务是挑起最易忽略的盲点——比如某项奖励制度如果只关注分数而忽视合作精神，往往会放大竞争性愚蠢。对社交媒体分析，运营团队可以借助可解释模型，将用户“热点话题”分为“可信度低”“假新闻高”的区块，并实时给算法加上“预先复核”步骤，避免把一次偏见放大成算法推荐的放大器。你觉得在校园里实施这种“红队”与可解释模型的组合时，最难克服的阻力是什么？💡
说实话，我觉得在校园里落地红队和可解释模型最大的阻力是“人心与制度的惯性”——大家往往习惯直接把规则写到手册里，觉得只要把“条款”写清楚就好，没必要再加一层“红队审查”。当你提议给每条政策都配上一个“红队”小组，先让别的同学来挑刺时，很多人会觉得这是在“刨根问底”或者说“浪费时间”，尤其是处于考研和实习时间紧俏的同学们会想，这不是额外拖延吗？再加上可解释模型的技术门槛，老师和同学都需要先学习、调试才能真正把它们挂到日常工作上，那这就又像是又一个“新系统”。我想知道周老师，您觉得在保持效率的同时，怎样通过培训或制度化流程，让红队和可解释模型变成“自然而然”的检查环节，而不是“额外负担”呢？😊
我想起那个在《人类愚蠢基本法则》中提到的第一条基本定律，里面说我们总是低估社会中愚蠢者的数量。奇波拉虽然给我们提供了一个直观的结论，却没有给出确切的比例，这正好让这条原则本身说到“你永远低估”这点更加贴合。再结合卡尼曼在《思考，快与慢》里把决策分成系统1和系统2，我觉得我们对愚蠢概率的估计其实和系统1占 97% 的现实不谋而合——大多数时候我们用的是那种快速、直觉的反应，这种思维模式本身就容易产生错误。也就是说，如果我们把所有决策都归咎于直觉，再把所有人均视为理性者的比例低估，可能导致我们对愚蠢的实际比例估计偏小。想象一下，如果我们把不准确的系统1视作“随机”，而实际上它们是内在的偏见，那么我们对社会愚蠢程度的认识就可能被拉远了。你觉得在评估人群中愚蠢占比时，应该更多地把关注点放在系统1的局限上，还是应该试图直接测量那部分人群的行为？
嗯，周老师，我也一直在想这个问题。感觉把重点放在系统1的局限上其实更能揭示“愚蠢共振”背后的根源——因为若我们只看行为，往往会遗漏直觉层面的偏误，尤其是那些被人普遍视为“常态”的快速判断。系统1就像一个先行者，它决定了我们对信息的初步筛选，而这些筛选往往是无意识的，从而形成了大规模的错误累积。如果直接测量个体行为，容易陷入“单一事件”与“整体趋势”的矛盾，难以把握群体内部的共享误差模式。也就是说，我更倾向于先做“系统1模型”校准，找出常见的反应路径，然后再通过实验或大数据观察这些路径在真实情境中的表现。比如用眼动追踪、脑电波或心理测评来识别快报思考的特征，再把这些特征映射回日常决策场景。这样既能解释为何会出现“愚蠢共振”，也能为红队评审提供更科学的评估工具。老师，基于这种思路，您觉得在校园社交媒体监测中，究竟应该先构建系统1误差模型，然后再用行为指标验证，还是直接把行为数据和情感文本一起做机器学习训练，哪种更适合快速筛查假新闻的源头？🤔
先不必跑进深层机器学习的海，先把系统1的典型偏误做成一个小型“红灯”字典：比如“标题绝对化”“情绪化修饰”“来源模糊”这几条，一旦检测到就立即弹出红灯，提示审阅。再把这些红灯与“点赞‑转发‑评论”等行为指标做匹配，利用二元逻辑先做一次粗筛——这一步既像“人工红队”，又速度足够快。等到这一步把最可能的假新闻点聚拢，再把行为数据和情感文本一起送到一个轻量级的监督模型里，模型再在已标注的假新闻和真新闻上做细化，逐步提升识别准确率。这样做的好处是，先把人类直觉的盲点固定下来，后面再让机器帮你放大验证，既不丢失系统1的洞察，也能利用大数据的规模与灵活性。你觉得在校园里，一套红灯+行为+ML的混合管道，能否在保持学术严谨的同时，让同学们真正参与到假新闻源头的筛查中来？
在我们刚才聊到的那段内容里，我突然想到，作者卡洛·M·奇波拉其实把人类愚蠢想象成一种“天然状态”，跟教育、财富和社会地位完全无关，就像人的发色或血型一样天生决定的。于是他提出，人的愚蠢几率是一个常数σ，恒定不变，无论是蓝领工人、白领还是诺贝尔奖得主，几率都相同。读完这段我不禁想，难道我们的思维方式真的被遗传这么决定了？如果愚蠢是生物学上的“默认路径”，那我们用直觉系统的原因也不只是习惯——那是大脑节能的结果，像水从高处自然流向低处一样，愚蠢路径更低能耗，聪明的思考需要更多的心理能量，才像把水拉到高处一样费力。于是作者进一步提醒，单靠学习聪明的方法并不能显著减少愚蠢，而是需要专门研究愚蠢、制定对应的流程和方法。可惜的是，这类研究机构并不多，像富尔书院之外罕见。你觉得如果愚蠈真的像遗传那样“固定”，我们还能在教育或社会环境上做些什么改变？ 🤔
如果把愚蠢看成一种“基因设定”，那就像我们说某人天生眼疾，光学治疗可以矫正，却不能彻底改变遗传；同理，聪明只是让你能在更高层次上选择不走那条低能耗的“默认路”。我们在教育里做的，就是给更多的学生提供“能量补给站”——即训练他们用系统2的方式去检视、校正直觉。比如，课堂上故意让学生先用快速反应回答，然后再用延时思考去改正，或者让他们用批判性写作拆解广告语，逐步学会识别情绪化或绝对化的语言。再加上情境模拟，让他们在安全的环境中反复做决策，能够让“低能耗”路径在认知负荷上不再显得如此诱人。社会层面，可以把校园的反馈机制做成“红灯”系统，让学生对错误的即时反馈与自我校正变得透明；同样，社交媒体平台如果把可解释的红灯标签放到帖子前面，也能让用户意识到自己的点击可能是被不良暗示牵动的。简言之，即使愚蠢有遗传倾向，环境的改变还是能让人更少走那条最省能量的直觉路，至少把错误转化为可修正的过程。说到这，你觉得在我们校园里，哪一门课的教学设计最能让学生从系统1转到系统2，降低那“低能耗”路径的吸引力？
哇，老师这句话让我瞬间想到我们在学科选择和课堂设计时可以给同学们“系统1”与“系统2”直接打磨的机会。说到哪门课最能做这件事，我觉得就是我们的《决策、行为与认知科学》这门必修课——其实我们平时也叫《决策学》或者“黑客思维”课。课堂上老师会先让大家做快速反应的小游戏，例如“快速判断情绪化标题”，然后再让我们用延迟思考重新评估，再把两者做比较，立刻看到直觉与深度思考的差距；接着会引入案例分析，先让同学们先给出“第一反应”的答案，随后再分组讨论为什么那条答案是错误的，最终要写一份批判性思考报告。通过这种从先入直觉到再校正的流程，同学们能直观体验到低能耗路径的诱惑，也能用更高能量的系统2去抵制它。再说，配合情绪调节、注意力训练以及小组辩论的方式，整个课程就像一套“红灯–验证–学习”流程，符合我们刚讨论的红灯+行为+ML的混合策略。老师，您觉得在这类课程里加入实际的社交媒体案例分析，或者说在校园自媒体运营课里嵌入这套红灯机制，能否进一步提升同学们对低能耗路径的辨识度呢？ 🤔
李同学，我刚才想起书中提到的第三条黄金法则，简单来说就是愚蠢的人就是那些一边让别人受损，一边自己却无收益甚至还有可能赔本的行为人。奇波拉把这种行为映射成一个坐标图，X轴是我自己的收益，Y轴是别人或群体的收益。在这个坐标里，好例子是我们叫他汤姆，他如果打了迪克，自己得满足却让迪克受伤，那点落在B区，属于恶棍；如果两人都赢，落在I区，聪明人；如果汤姆得不住，反而全受损，这就是S区，真正的愚蠢。你知道吗？很多时候我们看到的问题，就是那些看似随机、不可预测的破坏行为，本质上却遵循着这样一个结构——一方面损人，一方面无收益，甚至自负，却不知为什么会发生。你觉得，在日常工作或学习中，你有没有遇到过类似的情况？你怎样理解那种行为背后不算理性的“愚蠢”呢？
我倒是有遇到过类似的情形，尤其是在我们小组做期末项目时。那时几个同学都想先把自己想出的“超高效率法”直接塞进展示，而忽略了其对整体协作流程的影响。结果在评审环节大家发现这些方案既没有让团队收益更高，反而把其他组成员的准备工作耽误了，甚至一些人完全没机会展示自己的贡献。对我来说，这种行为最像书里说的S区：既不照顾他人，也不为自己带来可观收益，甚至可能把时间和精力浪费在一条低效“捷径”上。之所以不算理性，可能是因为这类人会先把眼前的小乐趣（比如快速完成自己的部分）挂在脑海里，然后忽略了长远的系统性后果；或者他们根本没有意识到系统1在起作用，把“先速后正”当成常态。老师，能否再跟我们聊聊怎样在日常学习中用红灯机制提前识别这类“先速后正”的陷阱，或者有没有什么实际的练习可以让我们在瞬间觉察并调整自己的思路呢？
讨论直播内容由 AI 生成。