--- schema_version: "library-reader-v1" source_type: "original_book" title: "技术至死 数字化生存的阴暗面" author: null edition: null publisher: null year: null isbn: "0120136503" library_document_id: "13a8d12f-fb2c-4d05-a501-68bf7c192d34" source_sha256: "7696bfb84b8d7866607dcff800a280621c55e8c1b2ef1e3c4aa05f8f15380f55" pdf_physical_page_count: 396 pdf_physical_page_index_base: 0 range_start: 270 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/13a8d12f-fb2c-4d05-a501-68bf7c192d34?start=270&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/13a8d12f-fb2c-4d05-a501-68bf7c192d34.md?start=270&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/13a8d12f-fb2c-4d05-a501-68bf7c192d34.md?start=260&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/13a8d12f-fb2c-4d05-a501-68bf7c192d34.md?start=280&limit=10" --- # 技术至死 数字化生存的阴暗面 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=270 | PRINTED_PAGE=256 随着越来越多的人接受这种跟踪-共享心态，拒绝参与这场盛大聚会的人就会承担巨大的社会成本。这就是为什么我们需要来上一场关于自我跟踪道德的辩论；跟踪并发布我们日常生活某一方面的决定，并不纯粹地来自改善个人福祉的迫切要求，就像家里要消耗多少水、多少电的决定，并不纯粹地来自我们的经济负担能力，或是我们的物质需求。一旦人们把隐私看成能够推动人类繁荣的促进器(硅谷的许多人当然是为了这个想法而奋斗的)，我的自我跟踪决定(不管它能带给我多大的个人利益)，就应该服从于更为复杂的道德评判，而不仅仅限于量化自我传道士们现在承认的那个程度。斯科特·佩皮特迎上了这个问题，他写道，“故此，如果说，你量化自己的选择(不管是出于个人喜好还是追求利益)必然会让我量化自己的选择’承受瓦解的压力，那么，你的选择就具有了深远的影响。要是我就是一个不希望知道自己所有实时数据的人，可我们的社会却演进到了必须进行此种测量的境地，那将出现什么样的情况呢?如果我从审美或是心理结构上就极度讨厌量化；如果它跟我一贯以来的自我认同、自我认知方式存在冲突，那又将出现什么样的局面呢？” 佩皮特还指出，有必要问一问，“什么样的人艺术家？学者？作家?最受这个以量度为基础的世界放逐和排斥呢?”因为，量度的指标似乎有许多。比方说，很难找到一个有完美信用评分的作家；再多来10个诸如此类的指标(绝大多数人都愿意接受的），就没有哪个神志清醒的人还愿意冒险涉足写作行当了。直至现在，我们社会经济制度的不完善（虽然原因有很多，但缺乏足够的数据显然属于原因之一），带来了大量很难说得上合理的“自担风险”，而“自担风险”反过来助推了文化和社会的创新。如果个人招股说明书的发明，让人不愿意自担风险了，那会变成真正的损失。不过，隐私瓦解的潜在可能性，并不是我们担心自我跟踪的唯一原因。事实上，对这一现象次要效应表示担忧，已经是对量化自我爱好者们的大让步了。了解量化计划的结构性限制（它们追求事事披露，但有哪些东西是它们并未披露的呢？不妨放大观察一下)，或许能为我们提供另一条有力的批判途径。 256 枝术至死 ## PDF_PHYSICAL_PAGE_INDEX=271 | PRINTED_PAGE=257 尼采和孔多塞 弗里德里希·尼采第一个对当时流行的功利主义哲学中的量化热潮表示反对。倡导功利主义哲学观的，是弗朗西斯·高尔顿(FrancisGalton)、赫伯特·斯宾塞(HerbertSpencer，尼采在自己的作品中对此公做了有趣的夸张模仿)等人。尼采在《快乐的科学》(TheGayScience)一书中哀叹，“认为世界在人类思想和人类评价中存在等同的东西、可度量的指标，借助我们小小的坚定理性，就能彻底、永远地理解‘真理的世界’。”尼采不买账。“什么？难道我们真的希望把存在’贬低到像这样的地步：只消数学家在室内用一台计算器就能运算’出来？更重要的是，人们不应该以为自己能理解存在的丰富意味它需要良好的品味，先生们，那是一种敬畏感，对自己视野尚未看到的一切的敬畏感。” 尼采用他特有的方式，对信息简约主义(informationreductionism)做了尖锐的批评。这种天真的信念在硅谷特别流行，人们总以为，信息越多越好。尼采认为，对特定的现象，人能够收集越来越多的指标，可这并不意味着进步，因为，有许多其他更好的探讨该现象的方式，是不容易进行定量测量的。“唯一一种将世界合理化的阐释，应当是一种将你合理化了的阐释，因为人能够不断按你的理解，科学地(其实你是想说，机械性地？)工作、研究。这样一种阐释，包含了计算、度测、称量、观察、触摸，但除此之外，别无其他。这真是一种残忍又天真的想法，姑且不说它是精神病态的愚蠢行为。” 高尔顿的苹果手机 257 ## PDF_PHYSICAL_PAGE_INDEX=272 | PRINTED_PAGE=258 尼采最为敏锐的一点，是他理解到，量化信息别无所长，只是一种最触手可及、便于采摘的果实，但它往往阻碍了更有远见、更持久的认识努力。“难道这样的可能性不是很大吗恰恰相反，存在’最肤浅、最外部的方面，也就是最明显的，它的皮肤、它曝光在外的部分，最容易掌握。甚至，还有可能，这也是它唯一能让人掌握的部分？”尼采问道。 仿佛是为了回应莱布尼茨的说法(莱布尼茨曾写过，音乐是一种“换了件外衣的数学题，演奏者对其间存在计算的因素毫无意识。”)，尼采指出，在艺术等领域，定量测量根本就不合适。“倘若人按照一首曲子有多少地方可以计数、计算、用公式表达，这种科学’估计会是何等的荒谬啊!人能够理解、认识、把握音乐的什么东西呢?哪儿也懂不了!因为这里面没有半点音乐！’”他写道。 尼采对Google的埃里克·施密特会怎么看呢?后者似乎真的沉浸在这个念头里：总有一天，Google能够展现算法的美学。“我们的使命是，找到最佳的答案，”施密特在接受采访提问时说。采访人员当时问他，为什么Google提供答案的时候越来越多，而不是仅仅显示搜索结果。“所以，如果你说，我想听女神卡卡(LadyGaga)最棒的音乐，又如果，我们用算法能够运算出答案，我希望立刻把它呈现给你，当然，是在遵守规定、版权等等的前提下。当然，施密特的话里有不少的“如果”，但听起来，施密特似乎并不认为这份工作完全不可能；只要有合适的算法和足够的计算能力就够了。“女神卡卡的最棒音乐”是一件客观的东西，能用Google找出来的东西。 尼采对计算和测量的结论苦涩而有力：“本质上机械的世界，也就是本质上无意义的世界。”现在，请将这个结论和凯文·凯利的措辞比较一下。凯文·凯利试图将意义的问题排除出去，认为“量化自我”群体根本不必担心它“(批评我们的人说)，只有无形的东西，比如有意义的幸福才重要。可意义很难测量，这就让它难于优化。到目前为止，凡是我们能够量化的东西，长期而言都变得更好了。” 258 枝术至死 ## PDF_PHYSICAL_PAGE_INDEX=273 | PRINTED_PAGE=259 当然，最后一部分是典型的硅谷式废话：怎么不说说美国的收入不平等、碳排放，还有肥胖率呢？凯利的积极乐观（positivism)，连实证主义的创始人奥古斯特·孔德也要大吃一惊6。但凯文的宣告，也跟长久以来的科学传统有关系。历史学家西奥多·波特(TheodorePorter)在《信任数字》(TrustinNumbers)里敏锐地记录下了这一点：科学界一贯认为测量是客观性的，纯粹推动性的。可惜，和他们所说的其他事情一样，我们的数字推动力常常对这段历史视而不见。凯利的逻辑来自19世纪开尔文勋爵(LordKelvin)提出的一句著名论断：“无法测量，就无法改进。”开尔文之前一百年，孔多塞侯爵(Marquis de Condorcet)也吹捧过测量的好处：“如果这些证据无法得到称量和测算，如果这些效应不能进行精确的测量，那么，我们就无法确切地知道它们到底包含了多少的好，多少的恶。”在这个意义上说，量化自我延续了一个强大的智性传统，同时也继承了困扰尼采及其追随者的无数弱点：开尔文和孔多塞一样，凯利很少讨论“无形的”东西，包括伦理上的和美学上的。这一点，是担忧量化自我这一新运动的大好理由。 然而，就算说回有形的东西，情况也远远比我们的自我跟踪派哲学家们说得要复杂。加里·沃尔夫曾写道，他对量化自我的主要灵感，来自“宏观镜”(macroscope)概念。这个概念来自企业家吉尔曼·托儿(GilmanTolle)，按照他的定义，“宏观镜”是“一套旨在提高我们收集自然数据、分析其意义能力的技术系统。”“自然”里存在数据，可以简单地进行收集和发现，而无需考虑我们收集数据的工具，这些工具的知识体系，人类阐释的多层次性这个天真的想法，是信息简化主义的一个决定性特征。对于有待进行收集的数据，首先要有人来决定（或听从其他人的判断）：以何种方式，使用何种设备，出于什么目的去测量什么东西。我们选择对现实进行怎样的切片、强调哪部分元素、遮挡哪部分元素，将极大地影响我们产生的测量数据种类。 6“positivism”既可以表示积极乐观，也是“实证主义”的意思。 高尔顿的苹果手机 259 ## PDF_PHYSICAL_PAGE_INDEX=274 | PRINTED_PAGE=260 量化自我运动的一大危害是，因为坚信自然里存在数据，信徒们不会怀疑(甚或反思)测量方案本身是否合适。而测量方案，是数据收集工作的基础。在沃尔夫看来，世界是黑白双色的：好人(也就孔多塞和开尔文的继承者）衡量数据，坏人拖后腿，拒绝这么做。你想加入哪个阵营？因为这豪言壮语如此简单，它和凯文·凯利的技术思考很类似：你要么做一个像他那样的技术爱好者，要么做一个“邮包炸弹客”7(Unabomber，凯利在书里用了一整章内容和这坏家伙进行假想的对话)。除此之外，对技术再也没有别的思考方式。 出于这个原因，一如凯利热情地捍卫技术，沃尔夫也同样热情地捍卫量化。两人都是在整体层面上做各自的事情，故此都忽视了实践和方法的多元化问题。但针对特定的现象，我们要考虑方方面面的情况，从多种测算和量化途径中做出高度必然性的、痛苦的选择，甚至包括拒绝对其进行量化的可能性。换句话说，我们需要对量化道德观详加考量。正如社会学家温迪·伊斯佩兰德(WendyNelson Espeland)和米契尔·史蒂文斯(Mitchell L.Stevens)的评论所说，“量化道德观应当研究测量如何塑造了世界，同时坚决拒绝不管是科学上的，还是其他方面的自以为是，也即认为测量独有地、特权地贴近了现实。”量化的尝试往往也是简化的尝试而简化总是带有政治上的意味，尤其出于可测、可管理的原因而抛弃了其他问题阐释途径的时候。 7指泰德·卡辛斯基。在1978到1995当中，他为了对抗现代科技而举行了全国性的投放炸弹行动，以邮包或放置炸弹的形式造成三死23伤。 260 枝术至死 ## PDF_PHYSICAL_PAGE_INDEX=275 | PRINTED_PAGE=261 让我们把这种对量化道德的关注，跟沃尔夫在宣言里倡导的高度鲁莽的方法比较一下。他写道，“寻找数据是正常的。崇拜数字是现代经理人的决定性特质。为了对付心怀不满的股东，公司高管会在口袋里装满数字。参加竞选活动的政客，向病人提供咨询的医生，在电台谈话节目里痛骂地方球队的球迷，也都是这样。”是的，所有这些人都在寻求数据，但寻求数据也有许多不同的方法，有一些方法更好还有些时候，不让数字包围自己，说不定会更好。毕竟，安然、安达信和雷曼兄弟公司都有经理人和股东；小布什时代遭人痛恨的《不让一个孩子掉队法》(把学校的资金跟学生的考试成绩挂钩)里，对数字的崇拜可谓泛滥；为患者提供咨询的医生，就算看着相同的数据，也总是有着不同的意见。 从营养主义到教育主义 脱离应用背景称赞抽象的量化，是一种毫无意义的做法。难道我们真的希望人们单纯因为“量化”很酷，或是因为几个启蒙思想家说了该这么做，就进行自我跟踪吗?这就像要求人们，在凯文·凯利的领导下，光为了对抗“炸弹杀手”，就总是在抽象意义上投奔新技术的怀抱，不管技术的具体应用会具有多大的破坏性。相反，我们需要确认量化方案在什么时候不合适。它们在什么时候会妨碍对现实进行方方面面的阐释？它们隐藏了哪些东西？我们观察不到这些东西会有什么样的损失呢？看似不相干的政治项目会以怎样的名目调用它们呢？不提出有关意义的尖锐问题，我们就很难做得到而这，正是量化自我运动到目前为止基本上回避了的方面。 《平衡中的世界》(World in the Balance: The Historic Quest for an Absolute SystemofMeasurement)一书作者罗伯特·克里斯(Robert Crease)感叹说，“我们的视线常常偏离太远，全忘了我们测量的东西，我们为什么要测量，而是一味关注测量本身。”为了弥补这一缺陷，克里斯劝我们要把焦点放在对测量不满意的方面，也就是它无法带给我们的东西。“要解决这些不满意，”他指出，“不是靠抛弃现有的测量方式，寻找新的、更好的测量方式，因为后者最终也会变成我们不想要的东西，要加以放弃的东西；也不是靠装作我们追求测量之外的东西。”相反，克里斯说，“我们………需要不断提醒自己，最初，人类是出于什么样的目的创造了‘测量’。而测量，却干扰了这些目的。”我们该怎样才能意识到，《不让一个孩子掉队法》的技术灵感来自让孔多塞兴奋的同一种量化举措，但尽管它略微改善了考试分数，实际上却有可能对教育造成糟糕的影响？我们必须首先问自己，我们最看重教育的什么方面，而这，基本上是一个有关目的恰当性的问题，跟效率没有关系。 高尔顿的苹果手机 261 ## PDF_PHYSICAL_PAGE_INDEX=276 | PRINTED_PAGE=262 可惜的是，在教育这个领域，人很容易听信那些有关量化带来各种好处的浅薄赞美故事。去看看“给教授打分”(RateMyProfessors)网站吧。在这个网站上，学生们可以评价自己的班级，以及执教的老师，按众多的标准为其打分排名。姑且不论将消费主义心态引入教育是否恰当，我只问一点：按照预设类别打分的过程，怎么就能让学生相信这些就是评估自己学习体验的标准？它们不光是客观中立衡量教育的方式；同时还塑造了新的规范，所有未来的教学都会据此进行评估。 “给教授打分”网站提供了4项标准：帮助度、清晰度、容易度和火爆度。最后一项标准基本上是为了搞笑，但其他的标准又怎么样呢？评估我们学习得怎么样，跟“容易度”有什么关系吗？外面的世界很复杂，希望“容易”的人，随时可以用TED讲演满足自己的胃口。但“清晰度”也招来了很多人的批评，主要原因在于，它给人留下了一种错误的印象：所有复杂的概念都能够、也应当塞进PowerPoint演示文稿里。正如作家马修·克劳福德(Matthew 262 枝术至死 ## PDF_PHYSICAL_PAGE_INDEX=277 | PRINTED_PAGE=263 Crawford)指出，“当然，清晰在讲座时是可取的，如果欠缺清晰，那就只剩下教授一个人困惑的自言自语，要不，就是他没法把自己从本门学科的激烈争吵和行话里抽离出来。然而，要求清晰，往往也就是要求一击切题，而这就假设能用一句话概括主题。繁忙的高管要求下属提交清晰的报告。大学生们同样很忙。”以为凡是点子都能用一句话归纳概括的学习型企业，能成功地生产出下一代的贝恩8咨询师，但它能带来哪怕是一名有才华的散文家吗？ 让我们再看看：“Google学术”(Google Scholar)和Mendeley等学术网站促成的量化应用。后者借助180万名学者构建的全球学术社群，跟踪了2.5亿份研究文献，并进而提供“谁以何种频率，引用了谁就某一主题的观点”等额外信息。整体而言，这看起来像是件好事：了解观点如何流通不是件好事吗？更何况，大学早就开始使用诸如影响因子等其他指标了。人们希望，更好的数据，最终能提高效率。按Mendeley的创始人和CEO的说法，他坚信自己公司的“数据正帮主全世界一部分最优秀的大学更有效地研究，更快地获得能改变生活的新发现。” 抽象来看，这一新的知识层面不乏令人钦佩之处。但放在当今学术界其他发展趋势的背景下，它的效果并非一味积极。首先，这样的数据使得固定的出资机构（比如，英国政府)把学术研究资金跟用具体、便于衡量的产出捆绑起来，故此，如果你从事古典文学的教学和研究，就很难获得资金。其次出版作品、获得他人引用的能力(故此提高当事者的“影响因子排名”)，如今已经极大地决定了人在学术界的发展高度；它对学术研究的质量同样有着复杂的影响。《华尔街日报》最近调查了对影响因子的痴迷怎样改变了学术界的风气。调查发现，一些学术期刊的编辑甚至会因为文章没有引用足够多该期刊发表的论文，就拒绝发表内容可靠充实的学术文章。我们不妨再来看一个更离谱的故事。2012年4月，“学术厨房“(The ScholarlyKitchen)博客上贴出了一篇文章，名字很有煽动性，叫“引文卡特尔的兴起“(TheEmergenceofa CitationCartel)，恳请人们注意《医疗科学监测》(Medical Science Monitor)杂志上2010年刊登的一篇评论文章。这篇评论文章引用了490篇文献；其中445篇来自另一本杂志《细胞运输》(CellTransportation)。部分因为这篇文章的关系，《细胞运输》的影响因子在2009年到2010年间提高了21%。要不是两家杂志共同点太多的话，这倒也没什么可疑的：编辑《医疗科学监测》上那篇文章的四名编辑里，有三位都是《细胞运输》的编委。这对所有人都是双赢局面，只可惜了学术质量啊。 8指贝恩管理咨询公司。 高尔顿的苹果手机 263 ## PDF_PHYSICAL_PAGE_INDEX=278 | PRINTED_PAGE=264 一旦我们考虑到这些因素（用技术构造主义者的模式工作，对改变我们所选领域的发展趋势和实践保持敏锐关注)，我们很可能会对伴随Mendeley新跟踪系统而来的“效率”多加思量。很有可能，它为一个小问题提供了很好的解决办法，同时却加剧了这一路上的许多更为宏大的问题。 若是以看似普遍、永恒的科学发现为基础，量化方案就变得更棘手了。指引公共政策的知识体系往往不稳定，不完整；它们的结论(尤其是以量化形式表达的时候)大多包含着成百上千的脚注和限制条件，人们可以对它详加研究，以便找回公式和数字处理过程中损失的复杂元素。在日常生活中，就算我们忽视这些脚注，也能够度日。就算我们完全不知道测量温度的系统是怎么来的，建立在怎样的简化之上，光知道室外温度，基本上就足够我们判断该穿多少衣服了。在这个例子里，输入-输出关系非常简单（温度太低，我们会感冒；温度太高，会热得人难受），所以才能如此大刀阔斧地删减数据。这不是什么太高深的科学。 但靠自我跟踪赋予灵感的解决方案主义新前沿，可绝非什么简单直白的东西。就拿相对显得比较简单的节食来说吧。吃高卡路里的食物会变胖，吃低卡路里的食物会变苗条。这个理论非常简单，出于这个原因，计算我们饮食中所含卡路里的各种网站和应用程序也就大行其道了。有一款名叫“膳食速拍”(MealSnap)的智能手机应用程序，能让你把盘子里的食物照下来，并据此估算它所含的卡路里。另一款智能手机应用程序“食物扫描器”(FoodScanner)，能让您拍摄食品包装上的条形码，进而识别食品，传送它所包含的卡路里数字及其他营养信息。“餐厅卡路里计数器”包含了来自100多家知名连锁餐厅的1.5万个食物项目，方便我们计算外出就餐时摄入的热量。 264 枝术至死 ## PDF_PHYSICAL_PAGE_INDEX=279 | PRINTED_PAGE=265 听起来这些都像是很棒的应用程序—如果拿在合适的人手里的话。聚焦卡路里(仅仅是因为它们最容易计算)从营养学角度来看是有问题的，甚至造成人饮食紊乱。节食社群里对到底是什么原因导致肥胖从无一致意见。如果是我们吃得太多，那么计算卡路里大概会是个简便的好办法。但如果肥胖跟人饮食的质量也有关系，那么我们就还要看所吃食物的成分，甚至警惕我们所吃食物中的碳水化合物和糖分含量。举例来说，《纽约时报》最近报道了《美国医学学会杂志》(Journal of the AmericanMedical Association)上发表的一份著名研究，该研究发现，“饮食中的营养成分可以触发致胖体质，它跟卡路里消耗量没有关系。”现在，碳水化合物也可以测量了(通过一种名叫“血糖指数”的东西），但这不应该给我们造成太多干扰。 不管量化自我的应用程序跟踪的是卡路里还是碳水化合物，严格地说，它们测量的都不是营养；它们测量的是卡路里和碳水化合物。这些指标怎样转化为增重还是减重(更不必说人从饮食中所获得的乐趣)，是一个远为迂回的过程，比根据温度计显示的外面天气来判断该不该多加一件毛衣要复杂得多。当然，对自我跟踪和节食的痴迷，有可能动员一些爱好者去阅读营养学资料，更深刻地认识哪些营养与健康相关。但指望所有的自我跟踪人士都这么做，那就太不现实了。事实上，绝大多数人恐怕都觉得光用用工具就足够了，并彻底停止研究。 高尔顿的苹果手机 265 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/13a8d12f-fb2c-4d05-a501-68bf7c192d34.md?start=280&limit=10)