黑箱理論

現(xiàn)在好多人問我這場比賽我想不想贏，我的回答肯定是，比賽贏不贏不重要，給觀眾奉獻一場精彩的演出才重要。但是你內(nèi)心永遠會有一個聲音：只有我贏的比賽才是精彩的比賽。要維持高情商就不能說太多，又不能不說，我很擔(dān)心自己進入情商的最高境界：言之無物。

摘編自某脫口秀演員表演臺詞

閱讀以上材料，寫一段文字談?wù)勀愕南敕ā?/p>

理論誤用

在當(dāng)下的社交場域中，很多直率、真誠的話語常常因不夠“好聽”而被曲解為冒犯或攻擊，說話似乎成為一種走鋼絲般的高風(fēng)險行為。于是越來越多的人開始精研“說話之道”：講的話要有內(nèi)容，但不能太直接；要有態(tài)度，但不能顯得情緒化；要表達自我，但不能讓別人難堪權(quán)衡再三之下，好像只有用模糊的套話代替明確的直言，用表面的奉承回避針鋒相對，用人云亦云壓抑心底的真實想法，才能算得上“安全”“穩(wěn)妥”。

在這股風(fēng)氣下，“高情商”儼然成為社會這個“黑箱”中的一條潛規(guī)則：如果直言會傷人，那還不如不說。正如“黑箱理論”所揭示的，我們不應(yīng)隨意打破自己無法完全搞清楚的潛規(guī)則，如果貿(mào)然行動，就會如打開潘多拉的魔盒一般，招致災(zāi)禍。換言之，要想生活“過得去”，就不能太過在意言語的真實性，而要盡可能避免沖突。在這樣的內(nèi)在邏輯的驅(qū)動下，“高情商”的發(fā)言往往不是出于對他人的理解和關(guān)懷，更多時候只是為了回避真正的意見交換，是對自我的保護。在充斥著“高情商”言論的社交環(huán)境中，人際關(guān)系被潤滑到?jīng)]有任何摩擦力，真情自然便也無所寄托，剩下的只是最低限度的“不得罪人”罷了。

當(dāng)然，在某些特定場合，我們的確需要在表達時做到委婉和得體，但這并不意味著我們要完全放棄說出自己的真實想法的權(quán)利，當(dāng)前網(wǎng)絡(luò)上流行的“高情商”話術(shù)，大多不過是在“粉飾太平”。當(dāng)人們頻繁使用這些話術(shù)時，在和諧相處的表象下，真相被掩蓋，碰撞被擱置，情緒被“格式化”，好像只要把話說得足夠婉轉(zhuǎn)動聽，一切問題就都不存在了。長此以往，在這種空洞而虛偽的表達策略的浸染下，我們終會親手把自己放逐進一座“言之無物”的語言迷宮一一說了卻仿佛什么也沒說，走了卻仿佛一步都沒動。

文章觀點鮮明，分析到位，揭示出“高情商回復(fù)”實際上是一種模糊觀點的表達策略。需要注意的是，文中將“黑箱”類比為潘多拉的魔盒并不恰當(dāng)。實際上，黑箱理論是一種研究復(fù)雜系統(tǒng)的科學(xué)方法，它的核心內(nèi)容是：在無法了解系統(tǒng)內(nèi)部構(gòu)造和運作原理的情況下，可以通過觀察系統(tǒng)輸入和輸出之間的關(guān)系來建立對該系統(tǒng)的認(rèn)識。我們可以舉個例子來說明。想象一下，某天你收到了一個神秘的黑色盒子，上面只有一個投幣口和一個出物口。盒子無法打開，但通過反復(fù)試驗?zāi)惆l(fā)現(xiàn)，每投入一枚硬幣，盒子就會吐出一顆糖果，每投入兩枚硬幣，它就會吐出一塊餅干。盡管你完全不知道盒子內(nèi)部的構(gòu)造和運作，但你摸清了它的“輸入一輸出”規(guī)律，并能在實踐中對這一規(guī)律加以應(yīng)用。這正是黑箱理論的基本思路。

原來是這樣！那這一理論最初是怎么被提出的呢？

黑箱理論的提出與控制論的誕生息息相關(guān)。20世紀(jì)40年代，美國數(shù)學(xué)家諾伯特·維納創(chuàng)立了控制論，這門學(xué)科主要關(guān)注各類系統(tǒng)中信息流動與反饋調(diào)節(jié)的機制，而黑箱理論則是控制論的一種研究方法。在相關(guān)論述中，維納提出，無論是機械裝置還是生物體，都可以被視為一個接收輸入并產(chǎn)生輸出的系統(tǒng)，我們只需要建立起輸入與輸出之間的函數(shù)關(guān)系，并不需要探究其運行原理，這可以視作黑箱理論的雛形。此后，英國精神病學(xué)家羅斯·阿什比在其著作《控制論導(dǎo)論》正式提出了“黑箱”的概念。阿什比認(rèn)為，對于許多復(fù)雜系統(tǒng)，特別是生物系統(tǒng)，我們往往無法直接了解其內(nèi)部構(gòu)造，但可以通過觀察其對刺激的反應(yīng)來進行研究。他將這種系統(tǒng)形象地稱為“黑箱”，這個生動的比喻一直沿用至今。

聽起來，黑箱理論通常被用來研究那些比較復(fù)雜的系統(tǒng)，那它是不是離我們的生活很遙遠呢？

并非如此，事實上，“黑箱”在我們的日常生活中無處不在。想想看，我們身邊有多少事物像那個神秘的黑盒子一樣，內(nèi)部難以被探清？我們的大腦就是最典型的例子，大腦中有數(shù)百億個神經(jīng)元，它們通過上百萬億個突觸相互連接，復(fù)雜得令人望而生畏。人類的各種心理活動就發(fā)生在這樣一個“黑箱”中，而部分心理學(xué)家正是應(yīng)用黑箱理論，通過觀察刺激和反應(yīng)之間的規(guī)律來對其進行研究。在現(xiàn)代科技領(lǐng)域，“黑箱”的存在則更為普遍。你還記得自己是如何學(xué)會使用智能手機的嗎？你點擊屏幕上的某個圖標(biāo)，就會跳出相應(yīng)的界面，多次實踐后，你就明白了進行什么操作會得到什么結(jié)果。在這個過程中，你并不需要知道手機內(nèi)部的電路結(jié)構(gòu)，或是軟件的運行邏輯，也不需要了解觸摸信號是如何被轉(zhuǎn)換成圖像呈現(xiàn)在屏幕上的。手機制造商把這些復(fù)雜的內(nèi)部過程封裝成一個“黑箱”，普通人只需掌握輸入指令與輸出結(jié)果之間的對應(yīng)關(guān)系，就能輕松使用。

可是，如果我們只是簡單地通過觀察輸入和輸出間的關(guān)系來理解事物，而不去了解其內(nèi)部結(jié)構(gòu)，是否會帶來一些問題呢？

你提出了一個非常有價值的問題。黑箱理論雖然實用，但也存在明顯的局限性。比如，對于智能手機用戶而言，由于不了解手機的內(nèi)部結(jié)構(gòu)和運行原理，一旦手機突然出現(xiàn)故障，他們很難找到問題根源，只能向?qū)I(yè)人士求助。但需要注意的是，黑箱理論的提出，是針對有些系統(tǒng)過于復(fù)雜或打開分析內(nèi)部結(jié)構(gòu)會對系統(tǒng)功能造成損傷的具體情況的，它并不主張完全放棄“打開黑箱”。事實上，除了“黑箱”，還存在“灰箱”和“白箱”兩種不同的認(rèn)知模型，“灰箱”主張了解系統(tǒng)內(nèi)部的關(guān)鍵部分，“白箱”則追求系統(tǒng)的完全透明化。一個復(fù)雜事物從“黑箱”走向“灰箱”，再到“白箱”的過程，是人們對它的理解逐漸加深的過程，也是人類認(rèn)知的演進過程。以腦科學(xué)的發(fā)展過程為例：早期科學(xué)家僅能通過刺激大腦的不同區(qū)域、觀察受試者的反應(yīng)來推測大腦的功能分區(qū)；隨著科技發(fā)展，現(xiàn)在科學(xué)家們已經(jīng)可以通過腦電圖等手段“透視”大腦的內(nèi)部。也許未來的某一天，人類能夠完全打開大腦這個“黑箱”。

圖靈測試：人工智能與 “黑箱”

1950年，英國數(shù)學(xué)家艾倫·圖靈在論文《計算機器與智能》中首次提出“圖靈測試”的概念。圖靈認(rèn)為，由于很難給“思考”下一個明確的定義，“機器能思考嗎”這個問題實際上無法被準(zhǔn)確回答，因此應(yīng)該將其替換為另一個可以得出答案的問題，即機器能否表現(xiàn)得與人類相同。他為此設(shè)計了圖靈測試。這項測試在后世發(fā)展出多個版本，其中最常見的一個是：讓一名測試者通過純文字的形式分別與另一個人和一個機器人進行交流，參與測試的人和機器人會被分隔在不同的空間，測試者只能通過對方做出的書面回答來判斷誰是人類，誰是機器人，測試時間通常為5分鐘，若機器人能成功騙過 30% 以上的測試者，則視為通過。這項測試通過與否的標(biāo)準(zhǔn)不在于機器人能否正確回答問題，而在于它給出的答案與人類的回答是否足夠相似。2014年，俄羅斯團隊開發(fā)的聊天程序“尤金·古斯特曼”成功讓 33% 的評委相信它是人類，成為首個通過嚴(yán)格的圖靈測試的程序。圖靈測試為判斷機器是否具有智能提供了一個可觀測的標(biāo)準(zhǔn)，在人工智能領(lǐng)域有著深遠影響。但一直以來，都存在著有關(guān)其有效性的爭論，批評者普遍認(rèn)為，“模仿人類”與“擁有智能”之間存在本質(zhì)差異。

素材點撥：

圖靈測試本質(zhì)上就是將機器當(dāng)作一個“黑箱”來進行觀察：測試者提出問題，可被視為一種輸入，機器做出回答，則是一種輸出；面對同樣的輸入，只要機器的輸出與人類足夠相似，根據(jù)圖靈測試的邏輯，我們就可以認(rèn)為機器具備了智能。然而，在這種研究方式下，我們無法觀測機器的內(nèi)部決策過程，因而難以判斷機器的回答究竟僅僅是一種模擬，還是在獨立意識驅(qū)使下的自主行為。不少研究表明，ChatGPT等大語言模型已經(jīng)能夠通過圖靈測試，但大多數(shù)人并不認(rèn)為它已經(jīng)具備了真正的智能。這正是圖靈測試的局限所在：與黑箱理論類似，圖靈測試并不關(guān)心機器被輸入內(nèi)容后產(chǎn)生輸出的內(nèi)部機制。

在技術(shù)飛速發(fā)展的當(dāng)下，我們對這種只關(guān)心輸出結(jié)果的研究態(tài)度應(yīng)當(dāng)有所警惕：如果有一天人工智能完全“黑箱”化，而我們對其運行邏輯毫無了解，那該如何確保它不會對人類造成危害？如今，由于算法日益復(fù)雜、參數(shù)數(shù)量激增、決策過程不透明，大語言模型已經(jīng)開始呈現(xiàn)出一定的“黑箱”特征——不僅普通民眾難以理解回復(fù)的生成邏輯，其開發(fā)者有時也無法做出完整的解釋。如何在功能表現(xiàn)與透明可控間取得平衡，或許是未來人工智能發(fā)展方向上一個繞不開的問題。