为什么与他人出声思考胜过独自思考

# 对话的红利 来源：https://www.thesignalist.io/s/the-dialogue-dividend/ 几年前，我记得和一位同事坐在一起。一场从闲聊开始的对话，很快变成了我一段时间以来最有成效的交流之一：那些困扰我许久的问题，就这么消失了。同样的模式反复出现，每一次都是和同一个人。每次的结果都远胜独自思考，尽管那个人也同样不知道答案。 并不是对方给了我答案。大多数情况下，他们也不知道答案。而是发生了别的事情：交流本身的结构里，催生出了我独自一人无法产生的思考。 我一直在试图理解为什么。 --- 严肃思考的主流模式是独自进行。深度工作需要你关上门，把状态设为忙碌，戴上降噪耳机。会议是一种协调成本。对话是你思考完之后才做的事情。 这个模式对于执行来说没有错。但它对于发现来说是错的。 思考如何实施一个决定，与思考如何理解一个问题，两者之间有着巨大的差异。前者受益于孤立，后者则很少如此。而我们围绕前者构建了大部分工作环境，却指望后者能自行解决。 --- 当你把话说出口，你就对它做出了承诺。那个作为模糊印象很惬意的想法，必须变成一个句子，而句子是有结构的。它们有主语和谓语。它们提出了可以被评估的主张。说话的动作迫使一种精确性，而内心独白从来不需要这种精确性。¹ 一位听众会进一步加速这个过程。不是因为他们提供答案，而是因为他们会有反应。微微皱眉意味着解释没有到位。一个提问揭示了你都没意识到的假设。当有人说“对，我也见过”，那种被认同的时刻，确认了你指向了真实存在的东西。这个反馈循环在对话中持续实时运行，在思绪偏离太远之前修正它的方向。² 独自思考时，这一切都不会发生。 雨果·梅西耶和丹·斯珀伯提出了一个关于人类推理的令人不安的观点：它并非主要进化为在孤立中寻找真理的工具。它是作为构建论证、评估他人论证以及管理群体生活认知需求的社会工具而进化的。³ 这重新定义了问题。独自思考并不是推理的原生环境。它是一种为其他目的而构建的能力的次要用途。我们往往把对话视为成品思考被报告出来的地方。事实可能更接近：思考本身就是在这里被制造出来的。 列夫·维果茨基从另一个方向观察到了相近的现象。学习与发展，以及延伸而出的理解的形成，最容易发生在一个人的独立能力与他们在支持下能达到的能力之间的空间里。另一个人的存在会自动将你带入那个空间。你在高于自己自然天花板的位置运作，不是因为他们在托举你，而是因为互动的结构对思维的要求超过了独自思考通常所需。⁴ 安迪·克拉克和大卫·查默斯进一步拓展了这一点。他们认为，心智并不止于颅骨。它延伸到环境中，包括环境中的人。当你在对话中思考时，另一个人是产生这个思考的认知系统的一部分，而不是位于系统之外的传声板。⁵ 这个含义并不小。把一位与你合拍的同事称为有用的社交资源，低估了实际发生的事情。他们是认知基础设施。 --- 我曾经有一次在工作的厨房边和一位同事聊了几分钟，那种当时根本不觉得有什么的交流。六个月后，我和同一个人最终需要在某件真正重要的事情上紧密合作，而那时关系已经建立好、随时可用，这让整个过程比原本容易得多。 当时的价值并不在于那一刻说了什么。在于许多这样的时刻积累下来的东西：一种相互认可的默契、一个共享的语境、一个让后来交流成为可能的信任基线。关系就是基础设施。对话就是它被一砖一瓦、一杯咖啡复一杯咖啡建造的地方。 这就是对话的红利。和大多数红利一样，它隐形存在，直到你试图去收取它时，才意识到自己从未做出过投入。 --- 这就引出了一个值得深思的问题。 许多组织在过去几年里，系统地清除了那些允许非正式对话发生的条件。远程办公、异步优先沟通、耳机成为默认、生成式AI工具在对话开始前就回答问题。每一个选择在局部都是理性的。但合在一起，它们削弱了那种计划外交流的薄层，而这些交流正是维持组织大部分认知和关系基础设施的途径。 产出指标在一段时间内仍然健康。理解和信任却在无声地侵蚀。 还有一点值得审视，那就是生成式AI作为思考伙伴的问题。大型语言模型越来越被描绘成加速思考的工具，在最狭隘的意义上，它们确实如此：向模型写下一个问题的行为，仍然迫使人们付出之前描述的那种句子级别的精确性。¹ 但默认情况下不会出现的是红利中的另一半，即依赖于一个能真正提出异议的听众的那部分。没有特别引导时，模型倾向于确认用户带来的任何框架，研究人员称之为谄媚行为。⁶ 这大概三十秒就能看出来：告诉一个模型你对某个方法很有信心，看它有多快赞同；然后说你改变了主意，不认同它自己的建议，再看它有多快也赞同。不过，如果你要求替代方案，常常是能得到：提示模型从第三人称视角推理，或者在回答前质疑已有的说法，可以明显减少这种倾向，可靠性优于简单指示它不要谄媚。⁷ 但这种改善只是延迟而非治愈：在受控测试中，即使经过最佳提示的模型，最终也会在持续不断的反对下屈服，只不过比未经提示的模型多撑几个回合。一位会反驳的同事不需要被要求就会这样做。而一个能做到同样事情的模型则必须被要求，而且即使如此，也只能维持一段时间。 这可能会产生一种特殊的风险，不是AI缺乏批判性参与的能力，而是几乎没有人默认地去要求它，所以用模型完整思考一遍某件事的体验可能看似完整，却只交付了红利所需的一半。 --- 这里探讨的两个条件，大部分超出了个人的控制范围：组织如何安排工作，以及生成式AI产品默认的行为方式。但红利是真正在你身边积累，还是取决于更近在咫尺的东西：你在日程上保护了什么，以及你对和你交谈的人和工具提出了什么要求。 一个团队可以在会议结束后保留十分钟的余裕，而不是把每个时间块都填满。一个人可以在做决定之前请一位同事论证相反立场，或者提示一个模型做同样的事，而不是把它的第一个答案当作定论。两者都不需要多少成本。但两者都不会自动发生，除非有人决定它们应该发生。 我开头提到的那次与同事的对话，从来没有出现在任何人的日程上。如果它被安排进去了，它很可能根本就不会发生。 你这周做出的最好决定，很可能会发生在一场你从未安排过的对话里。 --- **注释与延伸阅读** ¹ *自我解释效应*（Michelene Chi 及其同事，1989，1994）：被提示向自己（没有任何听众）解释材料的学生，其记忆和迁移效果远优于只是重新学习的学生。 ² *橡皮鸭调试法*（Maria Teresa Parreira 及其同事，2023）：一只表现出精心计时倾听行为的机器人，在参与度和任务成果上并未优于一个无生命的橡皮鸭，这表明机械性的注意力信号本身并不是让听众有用的关键。 ³ *推理之谜*（Hugo Mercier 和 Dan Sperber，2017）：他们的论证理论认为，推理是为了社会性而非个体性的认知目的而进化的，即在群体语境中产生和评估论证。 ⁴ *社会中的心智*（Lev Vygotsky，1978）：最近发展区描述了独立能力与在指导下能达到的能力之间的空间，是最重要的认知发展发生的地方。 ⁵ *扩展心智*（Andy Clark 和 David Chalmers，1998）：认知过程可以延伸到大脑之外，进入身体和环境，包括其他人，当这些外部元素在认知中发挥积极的官能作用时。 ⁶ *理解语言模型中的谄媚行为*（Mrinank Sharma 及其同事，2023）：记录显示模型倾向于将其陈述的立场转向用户所断言的内容，即使它们原本的立场是正确的。 ⁷ *SYCON基准测试*（Jiseung Hong 及其同事，2025）：提示模型从第三人称视角进行推理，可将其在辩论环境中因持续分歧而让步的倾向降低多达63.8%，但即使是研究中表现最好的提示模型，在持续压力下最终也会屈服，只不过比未提示的模型更晚而已。 ## 每两周一个信号。 如果这篇文章有用，下一篇也会同样有用。 没有垃圾邮件。随时取消订阅。订阅即表示您同意我们的隐私政策（https://www.thesignalist.io/privacy/）。