你是在思考,还是找认同?

2024-01-27 14:04
文章标签 思考 认同

本文主要是介绍你是在思考,还是找认同?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这两天,有一篇批判腾讯的文章,开始在互联网圈子里流传开来。

我身边也有人在传播。好奇瞅了下,观察到一个很有意思的地方:

赞同这篇文章的,往往也都是平时那些认为,腾讯面对阿里和字节的冲击岌岌可危的;

批评这篇文章的,基本也都是平时坚定看好腾讯,觉得腾讯市值可以赶超苹果谷歌的。

更有趣的是:同一个论点,在前者看来很精辟,高屋建瓴;在后者看来就到处都是破绽,犯了滑坡谬误……

那么,有没有平时看好腾讯,但是被这篇文章说服了的呢?好像没有看到。

有没有中间派被它说服了呢?那估计就更没有了,因为中间派压根就不关注这种东西。

抛开这篇文章和腾讯不谈,这是一件很有意思的事情。

图片

人总是选择性接收自己愿意相信的东西。

举几个我经常引用的例子:

2008 年大选期间,Orgnet 做过一项调查,结果显示:那些支持奥巴马的人,更喜欢购买赞扬奥巴马的书籍;反之,反对奥巴马的人,更愿意购买指责奥巴马的书籍。

特朗普大选的时候,偶尔会在推特上发一些惊人之语。对于这些言论,反对派们会认为「这说明他智力低下、头脑简单」;但对于同样的内容,支持者则会认为:这是他故意为之,目的是为了吸引注意力,为竞选造势。

依然是特朗普。这次疫情期间,美国许多知识分子都在痛骂他的无能和傲慢,认为他在谋杀美国人的生命;但在铁锈带的底层工人看来,特朗普却是拯救国家的英雄,是他保卫了国家经济和安全……

很多时候,我们对一个事物的判断和思考,往往容易让位于什么呢?我们事先预设的立场。

你的立场是什么,你看到的世界就是什么样的。如果有跟「我眼中的世界」格格不入的东西,那就把它扭曲掉。

我们平时都说,要独立思考,要批判性思考,要客观理性……

但很多人接收信息的习惯是什么呢?大多是这样的:

1)先看作者的立场是否跟我一致。

2)如果一致,再看文章里有没有我认同的地方。

3)如果不一致,就看文章里有没有我不认同的地方。

如果符合3,就拎出来把作者批判一番,随即在心里强化自己先前的立场。

如果符合2,就深表赞同,认为「作者真是写到我心里去了!」然后再在心里强化自己先前的立场……

无论怎么样,我看到了什么不重要,我巩固了自己的立场和观点才重要。

所以,你会观察到一个现象:随着年龄的增长和阅历的提升,许多人不但没有变得更开放,恰恰相反,变得更固执、更封闭,更容易沉浸在自己的小世界里了。

为什么呢?很大一部分原因就在于此:

许多人对信息的接收,其实本质上不过是在「找认同」罢了。

很多时候,你觉得一篇文章说得很好,未必是真的好,也许只是因为它刚好说中了你的想法。

图片

图片

这种「找认同」,是有意的吗?很多时候其实也未必。

只不过,它的背后有一整套完整的机制,我们很难觉察到这套机制,更难以摆脱它。

一个基本的前提是:大脑是不喜欢思考的。只要能够不思考,它什么都干得出来。

为什么呢?原因很简单,因为思考是一个不确定、不稳定的状态,大脑不喜欢这种状态 —— 这意味着需要耗费更多的资源和时间。

因此,大脑会需求稳定:无论是下一个武断的结论,还是向外界求助,目的都是一样的:尽可能追求稳定,回避「思考」。

也就是说,日常生活中,大脑会尽一切努力,让自己「不用思考」。

有没有觉得很自相矛盾?但大脑就是这么的……一言难尽。

这就导致了一种现象:

很多时候,我们并不在意一个观点是不是对的,一个逻辑是否严谨、自洽,一个论据是否可靠、可信,我们关注的是:它「看起来」是不是很合理。

只要一段信息看起来很合理,不需要大脑花费额外的精力去加工,它就会给我们造成一种「流畅」的感觉。那么,我们的大脑就会把这种「流畅」,默认为「正确」。

这就叫做「加工流畅性」。越是「加工流畅」的信息,我们的大脑就越容易相信它,忽略它可能存在的问题。

认知心理学家 Eryn J. Newman 一项 2012 年的研究发现:只要在一个观点旁边加上一张图片,哪怕图片并不能证明观点的正确性,人们也会更倾向于认为「这个观点是对的」。

为什么呢?原因就在于:这种行为符合了大脑的预期,让大脑感觉在阅读的过程中「更流畅」。

也就是说:大脑会为一个事物的「正确性」寻找支持。当它旁边出现一张图片时,它就会满足大脑对于「支持」的需求 —— 大脑会把它当成证据,从而形成这样的结论:

既然都有证据了,那大概是真的吧……

同样的道理。我们可以看看另一种东西:口号。

为什么那么多人热衷于设计朗朗上口、简短有力的口号?不仅仅是因为它们更容易传播,还因为:简短有力的口号,本身就具备了极高的「加工流畅性」:好认,好记,斩钉截铁,无需思考。

所以:简短的断言是有魔力的,它蕴含着一种不容置疑的力量。

它每一次出现,每一次重复,每一次在你的脑海里出现,实质上,都会令到你的大脑,更相信它一分。

图片

图片

除了加工流畅性,另一种现象,叫做「脑补联系」。

什么意思呢?大脑是善于脑补联系的。把一堆相关的信息放在一起,哪怕没有明确构建逻辑链条,大脑也会下意识地去寻找共性,去脑补它们之间的联系。

这是一个发生在潜意识里,几乎不容易被觉察到的过程。

蒙太奇其实就用了这样的原理。两个镜头,很可能一个是在A地拍的,一个是在B地拍的,但是剪辑到一起,就会令人以为是发生在同一时空的。

一个经典的实验是:先给你呈现一段信息,然后再在跟你的对话中,有意识地提到一些权威机构、专家的名字。结果是什么呢?哪怕这些机构和专家跟这段信息无关,参与者也会更相信这段信息的真实性。

许多信息就很喜欢这样的伎俩:先给你呈现许多正确的、没有疑问的事实,再夹带一点未经证实的观点,俗称「夹带私货」。

虽然实际上,这两者之间可能欠缺逻辑联系 —— 从前面的事实并不能推出后面的观点,但许多人并不会这么细致地去思考。

他们会被前面的事实影响,在心理上树立「它说得对」的立场,从而把后面的观点也一并吸收进去。

最后,是第三种现象,「熟悉度」。

一个观点,只要它能唤起你的回忆,让你模模糊糊觉得「我好像听说过」「跟我的某些经历很相似」,那么,它就很容易躲过大脑的检查,获取大脑的认同。

这种现象在行为心理学里,就叫做「易得性启发式」。

大脑就像一个睁一只眼闭一只眼的保安。本来按规定,需要检查每一个来访者的证件。但大脑觉得,哎呀好麻烦,这个人看起来很眼熟,算了你过去吧;这个人看起来很斯文,不像坏人,你过去吧;这个人颜值很高,行,你过去吧……

这三点综合起来,就构成了一整套完整的机制:

一个观点,只要它足够简单粗暴,看起来很合理,就会具备更高的加工流畅性,从而被我们接受和相信。

一旦我们接受了它,它就会慢慢成为我们的既有立场。那么,跟它相似的、相容的观点,也就具备了更高的熟悉度,更容易被我们认同。

哪怕这些观点存在逻辑上的问题,我们也会通过「脑补联系」,自行构建出一套合乎情理的逻辑,来使它更加「流畅」。

反之,跟它相悖的观点,由于流畅性更低,我们对其就会更加苛刻,从而也更容易发现它的不妥之处。

这就形成了一个循环:久而久之,我们就只会接收那些「我们已经相信的事物」,排斥那些除此之外的信息。

这也就是「找认同」背后的机制。

图片

图片

这种「找认同」的现象,发展到一定程度,会演变成什么呢?

1979年,心理学家做了一个非常经典的实验:他们把一批人集中在一起,这批人中,有人认为应该废除死刑,有人认为应该保留死刑。然后,让他们分别为自己对死刑的态度打分,并进行讨论。

在讨论过程中,实验方让每一组都阅读两份报告。一份认为死刑有威慑力,一份认为没有。接着,再让他们给自己对死刑的态度打分。

结果是什么呢?支持废除死刑的人,经过讨论和阅读报告,更加坚定地认为应该废除死刑;另一方则更加坚定地支持死刑。双方的态度都被强化了。

也就是说:在一个群体里面,只要存在意见不同的两派,让他们自发地去讨论、交流、吸纳意见,不但不会使他们变得更中立,反过来,有可能会造成更强烈的对立和割裂。

原因很简单:一个个体在跟其他个体碰撞时,他会找认同。那么,就会趋近于立场相似的个体,疏离立场相悖的个体。而立场相似的个体聚合到一起,又会产生共鸣,让双方都觉得「我们果然是对的」,从而强化这种立场。

那么,随着时间推移,分化几乎一定会出现,而且只会越来越对立。

这就叫做「群体极化」。

这种思想的极端分化,在全球已经初见端倪了。从英国脱欧,到特朗普当选,再到疫情,都昭示着全球各个角落,不同阶级、圈层之间,视野和思想已经有很大的割裂。

尤其是随着技术发展,互联网和新媒体,更加剧了这种群体极化和割裂。

很简单:传统的模式下,人与人之间要交流、讨论,并不容易,故而极端观点不容易得到认同和拥护。但互联网打通了沟通壁垒。今天,任何一个人,任何一个观点,都可以在网上找到拥趸。故而,群体的诞生,变得再无障碍。

尤其在算法时代,基于特征和标签的分发模式,让每个人困守在自己感兴趣的领域中,看到自己愿意看的内容、相信自己愿意相信的内容。

这就导致了,人群被更大程度地隔绝开来。你作为一个个体,只会永远跟相似的个体在一起。

在未来的若干年里,这种现象很可能会越来越严重。无论是国内还是国外,网上还是线下,也许,我们都要做好小圈子区隔的心理准备。

图片

图片

最后,回到我们自身。

对于整个社会的大环境,我们也许没有办法去过多干预。但我们能做的,是尽可能完善自己,提高自己的思维能力,不让自己在「极化」的道路上一路狂奔。

所以,培养自己的思考习惯,就非常重要了。

虽然前面讲过「大脑是不喜欢思考的」,但这是不是意味着我们要完全交给直觉呢?当然不是。

我们可以通过刻意的训练,把一整套思考的过程「压缩」「打包」,重新写入大脑的程序里面,替代掉并不理性也并不严谨的直觉判断。

举个例子:做过财务或数据分析的人,对数字会有更高的敏感度,一眼能看出数字的问题。这是不是意味着他们在碰到数字时,都需要停下来思考一下呢?当然不是。因为这种对数字的敏感,已经被内化成了大脑的一种本能。

这就是我们要去追求的目标:规范大脑的本能,用一套合理的思考过程,去替代掉大脑粗糙的、原始的直觉判断。

具体来说,可以通过三种方式来练习。

1)拓展认知空间

这个时代的许多信息,都是奔着「代替你的思考」来的。它们的目的就是让你无需思考,频频点头就是了。

这样一来,我们的思维就会变得线性:一个信息进来,刺激你的大脑,出去,新的信息紧接着进来……我们的大脑停留在这种新鲜刺激的享受里,无瑕去审视和构建这些信息的逻辑和结构

那么,我们就会失去一种能力:在脑海里保持更多信息的能力。

而这恰恰是良好思考的基础和前提。

所以,我有一个习惯:时常锻炼自己的脑力。比如,读完一篇文章,我会在脑海里回忆它,尽可能还原它的结构、逻辑,把它揉碎了、打散了,再用自己的话复述出来。

有读者问:这个过程不会很费时吗?但只有这样,你读到的东西,对你而言才是真正有价值的。

你也可以试一试:不往回看,想一下:这篇文章整篇讲了什么?结构是什么?逻辑是什么?

一开始也许会有点难,慢慢练习。这是让大脑变得强大而充实的前提。

可以参考:如何提高记忆力?

2)立体批判信息

什么叫立体批判呢?这是一个很有效的思维模型,分享给大家。

任何一个观点,你都不妨这样去想:它的本质是一个「体」,你所看到的,只是作者想呈现给你的一个「面」。那么,你看不到的那些面,是否还有什么,是需要去补充的?

比如:

  • 它的来源是什么?信源可靠吗?

  • 它的推理链条是如何作出的?是否滑坡谬误,是否以偏概全?

  • 它的反面可能是什么?除了作者说的信息,作者没说的可能是什么?把问题反过来想成立吗?

试着把这些变成大脑的「默认思考过程」,你会发现,思考其实也不怎么费力。

3)从高层次看问题

找认同有一个前提,那就是立场先行。认同,必然是基于已有的立场的。

但有一个原则分享给大家:立场不是结果,只是过渡阶段。每个人可能都有不同的立场,但我们要追求的,是在一个更高的层次,来达到统一的共识。

举个例子:一群人对不同的制度,可能有争议,这些争议可能基于大家的立场,但是否可以从共识回溯问题:无论什么制度,它最终的目的,是不是为了让人过得更好?

一旦能确立这个共识,我们就能够从它出发,来理清楚:我们之所以会有争议,分歧点在哪里?既然基础是一样的,为什么会衍生出不同的结论?是不同人的理解有偏差,还是价值观有分歧?

内化了这个思维习惯,很多时候,你就不会再去计较一城一地的「认同」了。你总是可以找到一个更高层次的共识,在这个层次,很多原本纠结的地方,其实也未必很重要。

当眼前豁然开朗,很多原本的问题,也就不成其为问题了。

注:文章来源L先生说

这篇关于你是在思考,还是找认同?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/650452

相关文章

【编程底层思考】垃圾收集机制,GC算法,垃圾收集器类型概述

Java的垃圾收集(Garbage Collection,GC)机制是Java语言的一大特色,它负责自动管理内存的回收,释放不再使用的对象所占用的内存。以下是对Java垃圾收集机制的详细介绍: 一、垃圾收集机制概述: 对象存活判断:垃圾收集器定期检查堆内存中的对象,判断哪些对象是“垃圾”,即不再被任何引用链直接或间接引用的对象。内存回收:将判断为垃圾的对象占用的内存进行回收,以便重新使用。

【编程底层思考】详解Java的JUC多线程并发编程底层组件AQS的作用及原理

Java中的AbstractQueuedSynchronizer(简称AQS)是位于java.util.concurrent.locks包中的一个核心组件,用于构建锁和其他同步器。AQS为实现依赖于FIFO(先进先出)等待队列的阻塞锁和相关同步器提供了一套高效、可扩展的框架。 一、AQS的作用 统一同步状态管理:AQS提供了一个int类型的成员变量state,用于表示同步状态。子类可以根据自己

一道算法题引发的动态内存管理的思考

在做PKU2762时,需要建邻接表。 于是按部就班写了下面一个插入边到邻接表中的函数: const int VMAX = 1010;typedef struct Graph{int vex;Graph* next;}Graph;Graph ArcGraph[VMAX];void insert(int u, int v){Graph* t = new Graph;Graph*

go 和 java 技术选型思考

背景:       go和java我这边自身都在使用,感受比较深,java使用了有7年多,go也就是今年开始的,公司需要所以就学了使用,发现这两个语言都很好,需要根据场景选择,我写下我这边的看法。 关于go和java语言层面和特性就不说了,网上都有,我这边从我这边实际使用的场景情况来说,供大家参考。 给我最大的感受,php转go的不少,也是符合未来技术大趋势的,目前来看,java转go也比较

思考自己写博客的意义

感想 从今年2月份开始,我就要求自己以每周4篇的速度写博客。然而问题是:每周的空闲时间是不稳定的,这导致我没法保证花费相同的时间去输出稳定质量的博客。当时间不够时,我将面临选择:是减少数量来保证稳定的质量,还是降低质量来保证稳定的数量? 我选择的是——牺牲质量。因为,相比于“质量”,“数量”是准确可见的。我担心:一旦有一次没能完成目标数量,便会出现“破窗效应”,让我潜意识里再也不认同“目标”了

是时候重新思考你的Google广告策略了吗?

以产品为中心、仅以关键词为焦点的广告活动是 谷歌广告中常见的一种活动类型。 如果你销售复古女式T恤,你可能会设置基于“复古女式T恤”关键词的独立关键词广告活动。 对于许多B2C零售商来说,这种方法效果不错。但是,对于其他一些商家来说,基于产品和关键词的广告活动并不一定是最好的策略。 比如说,我们接手了一个新的B2B客户的谷歌广告账户,其所有广告活动都是以产品为中心、仅关注关键词的广告活动。

【编程底层思考】如何检测和避免线程死锁

一、什么是线程死锁? 线程死锁发生在多个线程因为争夺资源而相互阻塞,导致程序无法正常结束的情况。例如,线程A持有资源2并等待资源1,线程B持有资源1并等待资源2,这样就形成了死锁。 二、如何检测死锁? 使用jmap、jstack等命令行工具查看JVM的线程栈和堆内存情况,jstack可以显示死锁信息。使用VisualVM、JConsole等图形化工具进行排查。例如,JConsole可以连接到

【个人思考】 Java为什么解释执行时不直接解释源码?

起因 最近学习JVM,产生一个问题:Java为什么解释执行时不直接解释源码? 众所周知,Java 字节码是跨平台的,因此 Java 才能一次编译处处运行。但是,Java 源码本身也是跨平台的啊,为什么不可以省略编译为字节码这一步,直接将源码运行在虚拟机上?如果是效率问题,可不可以在设计 Java 语言的时候解决? 对于此问题,大部分回答诸如:“采用字节码的好处主要包括跨平台性、安全性、性

使用卫星仿真软件STK的一些应用和思考(星地链路、星间链路)

目录 任务描述利用STK建模星地协同系统3个GEO高轨卫星240/20/1 Walker-Star Constellation 低轨卫星星座地面站或者地面设备 链路建模与数据提取处理星地链路星间链路数据读取的几种方法最麻烦的方法使用Matlab与STK互联接口使用大规模使用Chain 总结 任务描述 在一个星地协同的空天地网络中,科研中可能需要建模星地链路以及星间链路,主要受