形式与测量

摘自 Vectors of Mind —— 图片见原文。

[图片：原文中的可视化内容]

IQ 一向被视为“硬核”的心理测量选项。那些愿意接受事实而非情绪的人，会承认它的至高地位。但这是一种“偷来的荣誉”！情绪智力对人类进化和“美好人生”是根本性的，但却难以良好测量。IQ 则恰恰相反。它被设计用来从我们最好的心理测量工具中提炼信息，但我们并不理解它与“智力”之间的关系。测量的容易程度不应与重要性混为一谈。尤其是在 IQ 与智力之间的关系尚未被理解的情况下——这一点连它最狂热的支持者也承认。

形式 vs. 测量#

特质存在于两个层面。第一个层面类似于它们的柏拉图式“形式”（Platonic form）。一种理想化的版本，作为抽象而存在。想想毕达哥拉斯定理：a^2 + b^2 = c^2。无论你如何摆放斜边（c），只要你测量两条直角边的长度，它们总是遵循这个公式。在几何学中，存在生成观测数据的规则，这并不令人惊讶。心理学中的情况要混乱得多，但仍然存在潜在的规则。小鸭在孵化后 36 小时内会对照料者产生印刻。你的外向性（Extroversion）程度可以预测你在派对上的表现以及你在公司 Slack 上的行为。弗洛伊德和马斯洛之流则试图为我们的行为寻找更深层的解释（例如本我、自我和超我）；他们是否正确识别了这些东西，在这里并不是重点。

心理测量学的自负之处在于：潜在特质也可以被测量。心理测量工具——通常是问卷或测试——可以把个体映射到某个理论化的轴上，比如外向性。当然，这个分数只是对“形式”的近似。但它让研究者可以在统计学的世界中操作，而不必仅仅在语言上与“形式”纠缠（尽管即便是定量研究，最终也必须在这个混乱的语言领域中被表达出来）。

测量过程极其“有损”。假设你想测量某人的“经验开放性”（Openness to Experience）。为此，你必须设计一份问卷，包含你认为相关的条目。这归根结底取决于人的判断。通过将经验开放性得分与其他潜在相关变量进行比较（例如大脑连通性，或一个人护照上的签证章数量），可以增强信心。但最终，这种近似的保真度是不可能真正知晓的。我们没有可以对照的“地面真相”（ground truth）。

关于测量工具的事实，可能会导致对“形式”的混淆。想象一下，如果我们所有关于金星的照片都来自伽利略的素描，而我们却有来自哈勃望远镜的火星照片。有人可能会说：“看看火星边缘多么清晰。看看那红色！这显然是最棒的行星。”但行星存在于我们的测量工具之外，智力亦然。考虑到这一点，让我们来定义 IQ 和 EQ。

人格的一般因子（GFP）#

与其谈论情绪智力，我将讨论 GFP。我希望你能原谅这种“诱饵与调包”；不过，这似乎是有理由的。在一项元分析中，Van der Linden 等人发现 GFP 与情绪智力的相关为 0.85，并称二者“非常相似，甚至可能是同义的”。此外，正如我们将看到的，GFP 和 IQ 的推导方式是类似的。

GFP 有几种定义。先从那些涉及其统计本质的定义说起。你可以施测任何广泛的人格测试，然后做降维分析，以找到数据中最重要的“潜在因子”（latent factor）。这就是 GFP。关于应使用何种最佳统计方法，学界有“圣战”般的争论，但基本思想是：问卷可能包含 100 个条目。这让你获得关于某人的 100 个信息维度，非常难以处理。降维分析会找到一种方式来给问卷打分，用一个数字最大化地概括某人对问卷中每个问题的回答。不同问题会被赋予不同权重，通过分析这些权重，你就可以描述这个潜在因子到底在讲什么。事实证明，如果你用任何一组问题、在任何一群人身上做这个练习，从质性上看，结果都非常相似。主导性的潜在因子总是类似于：“诚实、体贴、善良。一个你会想要他在你团队里的人。”¹ 对心理测量迷来说，同样的一致性（虽然弱一些）也出现在前五个潜在因子上，即大五人格。

从语言中可视化“形式”#

我开这个博客，是因为看到了用自然语言处理更直接地处理人格的柏拉图式“形式”的未被开发的潜力。大五人格的理论基础是“词汇假说”（Lexical Hypothesis）。它假定人格本质上是一种品格判断，而这样的判断每天会被做出数以百万计次。这些判断又通过语言被传达，因此，这些判断的轮廓应当反映在我们用来彼此评价的全部词汇之中。通过量化这个空间——大规模的“八卦轮廓”——我们可以找到人格的潜在因子（大五人格）。下面是 100 个人格形容词在两个最重要潜在因子上的投影。

[图片：原文中的可视化内容]因子 1 和因子 2 是用 PCA 得到的，这是一种将人格信息压缩到最少坐标轴的方法。关于如何从词向量中得到这些因子，详见我的论文 Deep Lexical Hypothesis。你也可以用我的代码复现这一结果（以及更多），该代码可在 Google Colab 上免费运行。

图中的这些词，是在数千年的八卦中锤炼出来的。现代语言模型吸收了互联网中的大量内容以及大部分曾经写就的书籍。抽取词与词之间隐含的关系，让我们得以在“形式的世界”前排就座。但这只是一个可视化。真正的奖品是理解上面因子 1 所代表的是什么——生成它的规则²。

乍一看，它似乎只是_好_ vs 坏，但我们必须思考这些数据是如何产生的。语言结构代表的是社会的视角，即他人喜欢与之打交道的那种人。因此，我的贡献是盯着这条轴，把它与“黄金法则”（Golden Rule）联系起来。你是否_体贴_、令人愉快、聪明？你是否避免_辱骂_、不宽容_或_不合作？在其核心，这表明一种践行黄金法则的倾向。至少这是我的主张。该领域内部对此存在相当大的争论。

另一种定义是社会效能。对我来说，这无法通过“希特勒检验”。元首显然是_高效_的，但一点也不友善。根据图中的词，这一特质涉及关心他人的福祉，因此它不可能_只是_与效能相关。其隐含目标是让他人变得更好，而不是只顾自己。

它也远不止“宜人”或“令人愉快”。注意到，聪明的（intelligent）和_有知识的_（knowledgeable）也都与这一因子相关。践行黄金法则实际上是一项微妙的操作，需要对自己的心智以及他人的心智进行建模。这样做能让个体达成双赢协议（人类社会正是建立在这种行为之上）。这并非简单任务，因此，轻信的（gullible）和_天真的_（naive）大致是中性的。（不过要注意，“天真”更容易被原谅。“骗我一次，是你的耻辱；骗我两次……”）负面词汇也很有信息量，其中很多是“不宽容”或“辱骂”的变体——要么未能考虑他人，要么以他人为施加痛苦的对象。

因此，接下来当我说 GFP 时，我指的是“人格的黄金因子”（Golden Factor of Personality）。一种稳健的人格特质，它要求对自己和他人的心智进行建模。你会为他人的成功而欣喜；是否“转过另一边脸”则是可选项³。

达尔文 🤝 耶稣#

由于 GFP 是由语言定义的，它已经在理论上与大五人格和八卦相联系。将其刻画为黄金法则，也把它与进化和道德联系起来。想想达尔文对语言在人类成为“人”的过程中所起作用的理解。引自《人类的由来》（The Descent of Man）：

在获得语言能力之后，群体的愿望可以被表达出来，关于每个成员应当如何为公共利益而行动的共同意见，自然会在极大程度上成为行动的指导。

他将这一过程与黄金法则联系起来：

道德感或许提供了人类与低等动物之间最好、最高的区别；但在这一点上我无需多言，因为我刚刚努力表明，社会本能——人类道德构造的首要原则（《马可·奥勒留沉思录》，第 139 页）——在积极的智力能力和习惯效应的帮助下，自然会导向黄金法则：“你们愿意人怎样待你们，你们也要怎样待人”；而这正是道德的基础。

一旦人类获得语言，就会产生对道德行为的选择压力（通过八卦来执行），这不可避免地导向黄金法则。由于 GFP 是从八卦（人格形容词）中推导出来的，因此如果它不是黄金法则形状的，那反而会令人惊讶⁴。达尔文，再一次被证明是正确的。

同样不足为奇的是，耶稣将旧约中的 613 条律法浓缩为“你们愿意人怎样待你们，你们也要怎样待人”。甚至可以把这看作对旧约的一次降维：生成所有其他律法的那一条潜在规则是什么？“不可杀人”或“不可奸淫”只是这一更高律法——黄金法则——在对象层面的具体实现。但对耶稣而言，重要的是，这比一条诫命更深刻；它是一条神圣的灵性真理。你的灵魂被锻造得如此：当你未能以你希望被对待的方式对待他人时，你就无法获得内心的平安。这就是他所提供的活水。而这与达尔文的主张惊人地接近：我们的心智必然是被这一道德基础原则所锻造的。

在这里，一个警告是必要的，因为达尔文和耶稣版本的黄金法则比我的更为极端。他们要求人“转过另一边脸”，并且“善待那些恶待你的人”。我很难把这一点与达尔文对英国文化优越性的信念协调起来——英国文化并不是凭借这一原则征服世界的。也很难与人类的时间线相协调。语言已经存在很久，并被用来执行道德；那么这种道德的博弈论基础是什么⁵？如果它类似于“以你希望被对待的方式对待他人”，那么这可以解释为何它似乎具有如此深刻的心理钩子，并且存在于大多数宗教传统中。它在适应度景观中存在了数千年，在被明确表述出来之前，就已经锻造了我们的心智。

无论如何，我确信所有这些“形式”之间有着深刻的关联，甚至可能是同一个东西。GFP 的特征是考虑他人，这一点被耶稣表述为灵性真理，被达尔文表述为进化力量。它是一条在许多领域中生成数据的公式。一条在人的本性、进化和语言的关节处整齐切开的规则。

关于 GFP 的另一种定义——社会智力（social intelligence）——最后再说一句。这同样通过 Dunbar 的社会大脑假说与人类进化相关。因此，即便采用 GFP 的另一种定义，它仍然是我们如何成为“人”的根本。（不过它与道德的联系就不那么清晰了。参见：马基雅维利。）

测量#

测量人格最常见的方式是自我报告。不出所料，人们并不擅长判断自己是不是一个“好人”⁶。另一种选择是把 EQ 刻画为一种可以被测试的能力，例如某人是否能根据面部表情（尤其是只截取眼睛的照片）识别情绪（如愤怒、悲伤）。前述 Van der Linden 的元分析发现，GFP 与 EQ_survey 的相关为 r = 0.85，但 GFP 与 EQ_ability 的相关只有 r = 0.28（甚至低于 GFP 与 IQ 之间 0.36 的相关）。如此巨大的鸿沟，揭示了分数在多大程度上反映的是测量工具本身，而我们对 EQ 或 GFP 的图像是多么嘈杂。尽管如此，这些分数与现实生活结果（比如是否入狱或是否能保住工作）仍有相当不错的相关。

智力的一般因子#

1904 年，Charles Spearman 提出存在一个单一的智力一般因子，称为 g 因子（g-factor），简称 g。也就是说，一个单一特质可以解释在许多不同类型任务上的大部分表现。或许出人意料的是，这一假设竟然成立，而且是心理学中被重复验证最多的发现之一。也就是说，一个人的词汇量大小与他的反应时相关，又与他在心中旋转图形的能力相关。要计算 g，只需对尽可能多的与智力相关的任务做降维分析。与 GFP 和人格问卷类似，g 是第一个潜在因子。不同之处在于，g 是从对错题（True/False）测试题中计算出来的，而 GFP 是从人格条目或形容词中计算出来的。通常，g 能解释略低于 50% 的数据方差（即个体差异），这与 GFP 大致相当⁷。

我之前的工作涉及对 VR 测试进行评分，以测量运动员脑震荡程度或老年人阿尔茨海默病的进展。这是两类非常不同的人群，问题也截然不同，但两者都包括 g 的显著下降。事实上，如果不知道某人的基线 IQ，很难做出临床决策。更一般地说，IQ 是一系列积极人生结果的单一最佳心理测量预测因子。就收入而言，其关系为 r = 0.3：

[图片：原文中的可视化内容]

斜率明显为正。不过，重要的是要对现实世界关系的性质保持正确视角；噪声仍然相当大。

但 IQ 究竟是什么？在这里我会把你引向 Arthur Jensen，他字面意义上写了那本书：《The g Factor: The Science of Mental Ability》。在书中，他主张 g 是一个真实、可测量的现象，是认知能力中最重要的单一因素。进一步，他认为 g 在很大程度上是遗传的，并不显著受成长环境或教育等环境因素的影响。十年后，他写了那本精彩⁸的《Clocking the Mind》。他这样解释自己对反应时（Reaction Time, RT）的兴趣：

“RT 与心理测量智力之间存在显著关系这一事实，对智力理论和研究至少有两个直接的启示。首先，它直接反驳了当代心理学中一种广泛的看法，即我们当前标准的智力测验只测量某一类特定知识和习得的认知技能或策略，用以处理某些通常被视为‘智力性’的问题……其次，如果 RT 的个体差异与智力之间存在相关，那么对这一更为简单的信息加工现象——RT——的研究，似乎比直接尝试对更为复杂的智力现象进行理论化，更容易导向对智力的充分理论解释。”

Jensen 或许是世上对 g 最了解、最虔诚的信徒。然而，他花了多年时间试图建立 g 与 RT 之间的联系，好让我们开始理解 g 的本质。我们对它在“形式的世界”中是什么，完全一无所知！

再看看该领域的另一位巨擘 Ian Deary。他可能是当今发表论文最多的心理测量学家。而且，和 Jensen 一样，他也是 IQ 的拥趸⁹。作为一名学习过精神病学、后来成为智力研究者的神经外科医生，没有人比他更适合解释 IQ 是什么。然而，在一次与 René Mõttus（《European Journal of Personality》主编）的访谈中，他说：

“如果我在《Looking Down on Human Intelligence》一书中对心理学理论的怀疑只是潜台词，那我就失败了。因为它本来应该是主旋律。甚至说‘怀疑’都可能太温和了。我只是对心理学中出现的理论非常批判，尤其是出现在个体差异领域，更具体地说，是在智力研究中的理论。现在，当人这么说时，[反对者]很容易说：‘天哪，他就是个无聊的灰尘团。’而我不是。我认为在科学的其他分支中——不仅是硬科学，在生物学中也是——存在成熟的理论。我对智力和人格的表型感兴趣，这当然涉及大量数据。我对它们预测后续事件变异的能力——即预测效度——感兴趣。我也花了很多时间研究机制。这就是我说的‘looking down on human intelligence’的意思。我真正感兴趣的是试图解释认知测验分数的个体差异。所以我对所有理论家声称他们感兴趣的东西都感兴趣：预测、表型清晰性、还原论，也就是理解事物。如果我们想想那些所谓的智力‘理论’的名字，我认为没有一个配得上‘理论’这个称号。 为什么？一个理论通常应当是一个构念网络，人们以一种原创的方式把这些构念联系起来，以试图通过机制来预测事物。我认为构念的表述有时是缺失的。我认为经验关联并不总在那里。或许最重要的是，把它们与真实事物联系起来——无论是 SI 单位还是生物学中的单位——这一点也常常缺失。人们在构建理论时，经常使用‘天上吊环’而不是‘起重机’……起重机是真正扎根于地面、可以用来吊起东西的东西，而天上吊环只是一个空头支票。我想说的是，你不能只是凭空捏造。它必须与真实事物相联系。”

Deary 要求的是某种存在于“形式世界”的东西，能够解释 g 的统计威力。是什么基本规则生成了这样一个主导性的潜在因子？是突触传导速度？大脑组织结构？还是通过抽象推理实现目标的能力？和 Jensen 一样，他认为目前没有令人满意的解释。

柏拉图？亚里士多德？苏格拉底？白痴！#

[图片：原文中的可视化内容]当性命攸关时，永远不要与西西里人对赌

在我看来，g 与真实事物相关的最佳证据，是它更多地与“天性”而非“教养”相关。反直觉的是，这反而是反对 g 作为智力“根本性”因素的证据。让我来解释。

如果某个特质是“适应的”（fit），那么它会按照育种者方程在每一代中增加，

其中 Δz 是表型的变化，h^2 是狭义遗传率（加性遗传贡献），β 是选择梯度。g 的 h^2 大约是 0.6¹⁰。现在来估计选择梯度。研究者 Linda Gottfredson 对智力有一个常见定义：“智力是一种非常一般的心智能力，它在许多方面体现出来，包括推理、计划、解决问题、抽象思维、理解复杂观念、快速学习以及从经验中学习的能力。”如果这些在很大程度上被 g 所捕捉，那么 g 应当与适应度相关。表面上看，发生性行为以及子女的存活，是智力帮助人实现的一些目标。

在过去的年代，一个 IQ 为 130 的男人，会比 IQ 为 100 的男人多多少存活的子女？作为一个直觉实验，假设我们的制度崩溃了，每个人都只能自谋生路。你认为幸存者会倾向于更聪明吗？会到一个显著的程度吗？古代生活在某种意义上就是朝这个方向迈出的一步。让我们保守一点，假设 g 与适应度的相关为 r = 0.1。从视觉上看，这与噪声无异，你在日常生活中不会注意到这种趋势：

[图片：原文中的可视化内容]

把这些数值代入，我们得到 Δz = 0.6 * 0.1 = 每代 0.06 个标准差。经过 2,000 年（80 代），群体平均值将增加 4.8 个标准差，即 72 个 IQ 点。或者反向推算，古希腊人的平均 IQ 应为 28。这是从 0.1 的估计推导出来的。也许真实值更低，但这似乎与将 g 描述为“普遍有用”相矛盾。你可以对模型做一些微调，但关键是：很难一边声称 IQ 显著“适应”，一边又认为柏拉图、亚里士多德和苏格拉底不是白痴（如同 Vizzini 所说）¹¹。

这让我和 Deary 一样感到失望。我觉得令人不安的是，g 是某种东西的一般因子……某种东西。也许是“考试能力”？看起来它必须不止于此，但目前并不清楚。至少就现在而言，它只是一个“天上吊环”，一个通过与其他相关变量（测试分数、收入、冲动性特质等）之间的统计关系来定义的构念。

对 GFP 的选择#

把同样的检验应用于 GFP 才算公平。GFP 的狭义遗传率略低，而且不同研究中的估计差异很大。例如，The genetics and evolution of the general factor of personality 将 GFP 的所有遗传贡献建模为非加性的（h^2 = 0）。这被解释为其近期受到自然选择的证据。无论如何，这绕开了“我们的祖先在 GFP 上严重不足”的含义。

其他研究发现 h^2 高达 0.5¹²。在那种情况下，GFP 极端主义者也必须咬牙承认：希腊人在（情绪）智力上严重不足。我大致愿意这么做。我曾论证，由于社会压力要求人们践行黄金法则，人类发现了内省。这产生了内在生活、递归思维，以及感知“形式世界”的能力。那是一场现象学上的相变，在此之前并不存在“智慧”（sapience）。

至于古希腊人，我并不认为他们是情感上的白痴。在估计选择梯度（β）时，人们并不会预期遵循“黄金法则”（或内省）在普遍意义上都是适应性的。从进化的角度看，成吉思汗是一个明星级的表现者。此外，狭义遗传率比智商（IQ）要低，因此减弱了每一代的变化。尽管如此，我猜在过去的 2,000 年里仍然存在选择。我们可能更倾向于向内看。

“情商（EQ）> 智商（IQ）”这一主张并不依赖于我这个堂吉诃德式理论的真伪。但我想展示的是，即便是极小的选择量，在千年尺度上会是什么样子。即使在有文字记载的历史中，这个世界也开始在认知上显得十分陌生¹³。任何一个意味着 IQ 有用的选择梯度设定，也同时意味着：如果把古希腊人抱来在当今社会抚养，他们在法律意义上会被视为智力低下。

结论#

GFP 和 g 的推导是类比的：分别是语言和测验中的主导潜在变量。由于语言对“何以为人”更加根本，我认为 GFP 比 g 更为根本。这一点与 g 在构念上更易测量这一事实是分开的。回到望远镜的类比，比较 g 和 GFP 的预测力，就像在比较火星和金星的模糊影像¹⁴。这些特质必须在理论基础上进行比较。

“黄金法则”在跨越千年的伟大思想家所描述的“形式世界”中翩然起舞。耶稣将其视为一种灵性真理，一条镌刻在每个人灵魂中的律法。两千年后，达尔文在思考语言对我们“寻求道德”的心智演化的影响时，又回到了同一抽象层面。在心理测量学中，它反复以人格测验中的潜在因子——GFP——的形式出现。语言通过数百万人的心智过滤无数社会互动。在那里，“黄金法则”作为品格评估的首要因子在全世界范围内浮现出来。“黄金法则”是一条支配我们的心智、进化与语言的公式。

另一方面，g 并无理论基础。它的定义是统计性的，由其对测验表现的良好捕捉以及与现实世界结果的相关性所支撑。这并不是说我们永远无法理解它，或它是虚假的、不重要的。除了临床应用之外，g 负荷较高的测验也是保持制度诚实的重要工具。作为一个不得不在生活中自己闯出路的人，我认为将测验从大学录取中移除的推动极其犬儒。类似地，我们赋予警察执行国家暴力垄断的任务。在我看来，他们至少应该能在旋转矩阵方面表现得不至于连鞋带都系不好¹⁵。

但 g 从根本上说并不是“智力”。我们并不知道二者之间的关系。更进一步说，我们在日常用语中使用“聪明（intelligent）”一词的方式，更接近 GFP，因为“intelligent”这个词在 GFP 上负荷很高。这又一次为“词汇假说”（Lexical Hypothesis）——即将判断权交给大众的智慧¹⁶——赢得一分。这也为民间直觉赢得一分：无论统计怎么说，EQ 至少与 IQ 同等重要¹⁷。用Scott Alexander 的话来说：

“我已经阅读偏差与启发式（biases and heuristics）文献十五年了，并形成了如下启发式：如果一位研究者发现普通人在一个被操纵的实验中，在该拿多少棉花糖的问题上存在偏差，那么这很可能是一条有趣且富有成果的研究路线。但如果一位研究者发现普通人在其最根本的现实生活信念上存在偏差，那么很可能这些普通人是完全理性的，而是研究者在试图把他们的推理硬塞进某种它从未被设计用来处理的模式中。”

IQ 的高遗传率，以及在较小程度上 GFP 的高遗传率，对我们遥远的祖先有着重要启示。他们在多早以前就已经像我们一样？我接受 GFP 上存在选择，即便其含义近乎奇幻。鉴于 g 最大化论者对其进化适应性的主张更为强烈，他们对过去的模型理应更加奇幻。

柏拉图同意荷马以及（对他而言的）古人：雅典娜代表“神圣的智慧”。他们一同呼喊：“这就是那位拥有上帝之心智的女神。”¹⁸ 那么，这一心智是什么？在《阿尔西比亚德二篇》（Alcibiades II）中，苏格拉底（被柏拉图作为人物使用）与雄心勃勃、急躁冲动的阿尔西比亚德对话，后者正准备进行一场公开祈祷。苏格拉底警告他要小心自己祈求的内容，以免无意中请求到有害之物。在他选择的隐喻中，可以听到夏娃带给亚当的知识——道德辨别——的回响——这正是 GFP 的关键所在。用柏拉图的话说：

“雅典娜为狄俄墨得斯（Diomede）拂去了眼中的迷雾，”“使他能清楚分辨神与人”，“同样，你也必须先让如今缠绕你灵魂的迷雾被驱散，然后你才可能获得区分善恶的手段。因为在目前的状态下，我并不认为你能做到这一点。”_

不论称之为 EQ、GFP、社会智力、智慧，甚至是“理智”（Nous），这些都比 IQ 更接近人类智力。它是一生的过程：理解自身内在的神圣火花，并学会为他人的成功而欣喜。许多高“解耦者”以能够接受这样一种统计证据为傲：智力可以通过一次考试被显著测量，而且这一特质在很大程度上由出生时就已决定。公平地说，这个世界是残酷的，这一观念也不能先验地被否定。但即便在统计层面，仍有许多未解之处。而且，这与数千年的传统以及常识背道而驰。至少，詹森（Jensen）、迪里（Deary）或苏格拉底那样的知识上的谦卑是必要的¹⁹。

[Image: Visual content from original post]赫尔墨斯与雅典娜，智慧女神