上周末，我们如期开展了全员大会，创始人在介绍公司文化时，重点强调了做人做事要诚实正直，并用"靠谱指数"来评估他对一个人的信任程度。他说和他接触过的人，他赋予的靠谱指数是不同的，如果按照百分比，有些人是100%，他完全信任；有些人是50%，这个人的话要打对折；有些人是10%，最好就不要相信他。如果你在别人眼中“靠谱指数”高，通常也意味着你的信用比较高，这样你做事情的成本就会比较低，甚至能享受到额外的好处，比如支付宝的“芝麻信用”，可以让诚信的人有更多的福利。当然，我举这个例子，不是想强调靠谱指数的重要性，或者如何培养靠谱指数，而是想说，从“批判性思维”的角度，这样可能带来一种典型的谬误——因人废言或因人信言，我们再看一个例子。2016年，特斯拉汽车出现了一起装车事故，因为使用了它的辅助驾驶功能，于是媒体开始质疑该公司的技术，为了摆脱公关危机，特斯拉公司的CEO马斯克于是讲，特斯拉这起致命车祸出在自动驾驶功能使用了1.3亿英里之后，而美国平均行车0.93亿英里就出一次死亡事故，因此特斯拉的事故概率低于平均水平。当你听到这里，你怎么看？你是相信马斯克的说法，还是质疑他？你的依据是什么？先不管他说的对与否，如果你因为是"马斯克"说的，就相信/不信，你就犯了“因人信言/废言”的谬误，而从“批判性思维”的角度，你应该分析他提供的证据及其逻辑的合理性，并最后相信自己的分析和判断。在训练批判性思维中，我们会碰到各种谬误，我们这个“批判性思维”系列中也不会一一列举，本文重点介绍我认为比较常见，也是在工作生活中碰到的比较常见的，分别是因人废言/信言谬误，稻草人谬误，滑坡谬误以及虚假两难谬误，并重点介绍“虚假两难”谬误。所谓因人废言或信言，就是依据某一个人的品性，选择相信他说的话，比如我们常常听过“谁谁谁说过……，所以我应该相信……”，“这个人人品有问题，他讲的话不要信……”，典型的还有“地域歧视”，或者是“相信权威”。“稻草人谬误”，指的是，为了反驳对方的立场，而歪曲、夸大或以其他方式曲解，使得对方更容易被攻击。为什么叫"稻草人”，因为它比真人更容易被击败。比如你老婆说“你今天下午带一下娃吧”，为了反驳她，你可能会说“什么？又是我带？难道我天天带娃，不用工作，不用养家了”，这就是典型的稻草人谬误。还有一个类似的情况，经常会出现在调查问卷。假设你问你去调查人们对于同性恋结婚合法性问题，可能有30%的人支持，30%反对，还有40%无所谓，你的解读方式可能就很有讲究，你可以说“只有30%的人支持，所以我们不应该让其合法化”，也可以说“超过70%的人支持，所以我们应该推动”。这个在生活和工作中很常见，为了达到某个目的，故意突出某个局部和片段，来强化自己的观点。你可能听过"马掌钉的故事"，因为一个马掌钉，铁钉丢了一个马掌，因为一个马掌，国王被俘虏，进而丢失了一场战役，因为这场场战役，丢了一个国家，所以，就是一个马掌钉导致国家灭亡，我不知道故事真伪，但是感觉逻辑很奇葩。而这就是我们想说的“滑坡谬误”，典型的情况是“ 如果允许X发生， Y就会随之出现”，但如果事实上没有理由表明“ X会导致 Y"，前述判断 就是 错误 的。X 和 Y 可能 具有 某种 相似性或相关性， 但这 并不 意味着 他们 当中 的 一个 必然会 导致 另一个。比如摩尔（B. N. Moore） 在《批判性思维（原书第10版）》中讲了一个例子：反对“ 手枪 管制” 的 人有 时 使用 滑坡 论证：“ 如果 出台 手枪 登记的法律， 就不 可避免 会规定， 一切 持枪 皆为 非法。” 如果 没有 理由认为 第一 部 法律 会 导致 第二 部 法律， 这个 论证 就是 谬误。现实中也会出现类似的情况，比如一个博士在毕业之前特别焦虑，为什么？他的“坡道”是这样的：如果我不能顺利毕业的话，就找不到工作，如果找不到工作，就娶不了媳妇，如果娶不了媳妇，那我就只能孤零零过一生，所以就会因为是否能顺利毕业而特别焦虑。这里的问题是什么？而实际上在每个环节之间不是必然的因果关系，而我们常常忽略了可能性，而这也是另一个谬误的重要原因——虚假两难谬误。所谓"虚假两难",就是把自己置于两种极端的选择，非此即彼，非黑即白，它常常有两个子类——完美主义和划界谬误。你是否听常常听过这样的话"要么就不做，要做就做到最好”，如果这个人过往有过很多个“做到最好”的案例，否则很有可能成为“不做的借口”，比如有你在工作中可能碰到这样的情形，做一个事情需要资源和条件，有人就会说“现在条件和资源都不够，拿不到最理想和精确的结果，与其这样，还不如不做”，如果你问他，"还有其它的方法吗？"，他可能说“没有了，只能这么做。”，他完美地避开了要做的事，而且还不用承担责任。这就是典型的完美主义，而NVH（噪声振动）性能开发中，工程师也会碰到类似的情形，有些人不想改自己的零件，经常挑战，你能不能告诉我，改了之后100%就没有问题，如果是我就改，否则我不改。在《批判性思维（原书第10版）》中介绍了一个例子，在洛杉矶，有4名洛杉矶警官殴打了一个叫做罗德尼.金的男子（50多下），但是警察却被判了无罪，为什么？因为其中有一个陪审团的成员他的论证如下：把整个乱施暴力过程拆解来看，如果打 1下不算，而如果他是被打了50多下就算是“乱施暴力”，肯定其中有个临界点导致“乱施暴力”发生，你能找到这个点吗？如果你找不到，那么整个过程就不是“乱施暴力”，听上论证逻辑挺严谨，而猛然一想，又觉得哪里不对。书中的解释是，“乱施暴力”的表达是含糊不清的，边界很模糊，在《高维度思考》中也提到，我们现实中边界是很模糊的，人们为了理解方便，需要分出很多类，而划出很多明确的边界，但在边界处很难处理。在我的专业中，最相关的例子莫过于“声学包”材料的使用，为了降低车内噪声，我们常常需要使用声学材料，比如你看到的顶棚这些内饰件，他们常常有消除噪声效果，而在汽车内部还有很多，在项目开发中，经常会被碰到一个挑战叫做，"你能不能证明我这一小块吸音棉的作用是多大了？如果没效果，我就去掉了"，听上去很有道理，如果你不能证明它的效果，那就是没效的呀，为什么要去做呢？但如果每一块吸音棉都按这个逻辑，最后车内噪声一定大打折扣，对此，原Tesla的NVH负责人Greg Goetchius还专门写了一篇文章介绍，有机会我和你分享一下。这就好比，跑步对身体的益处，你能告诉我今天跑步，会对我的身体产生什么明显影响吗？如果没有影响，我就不跑了。但是，我们知道，如果你养成每周跑的习惯，在量合适的情况下，身体状况肯定比不跑要好。我们在思维中，常常有很多谬误，本文列举了其中常见的几种：因人废言/信言谬误，稻草人谬误，滑坡谬误以及虚假两难谬误。我发现，它们有一些共性，就是容易把事情的影响范围放大，把不无关或者是相关的事情建立必然的联系，比如前面的因人废言，那就是把这个人本身的特性和他讲的事情说的话做对应；而滑坡谬误则把可能的相关关系变成必然的因果联系。
而我认为这背后是人脑的一种权衡，因为认知资源是有限的，如果不进行归类和标签化处理，每个问题都仔细分析，代价太高了，而很多时候“靠谱指数”高的人，他的话大概率更可信。而反向来看，这就是“品牌”和"信用"的价值，当你的信用好的时候，别人和你协作就减少了验证成本，你做事情也相对更加顺利。
|
