# 理查德·海尔：智商测试、人类智力与群体差异 > 智力研究者谈智商测试的科学依据、智力能否被提升，以及群体差异数据的解读争议。 - 原标题：#302 – Richard Haier: IQ Tests, Human Intelligence, and Group Differences - 期数：第 302 期 - 发布日期：2022-07-14 - 嘉宾 / 主题：理查德·海尔 - 网页版：https://lexfridman-cn.pages.dev/ep/richard-haier/ - 官方页面：https://lexfridman.com/richard-haier/ - 精读字数：约 13950 字（阅读约 31 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 1932 年，苏格兰的教育部门做了一件在当时看来稀松平常的事：给全国每一个 11 岁的孩子做一次智力测验。没有抽样，挨个测，几乎全员覆盖。这批纸质记录后来被塞进爱丁堡大学一间旧储藏室，一放就是几十年。 直到心理学家伊恩·迪里（Ian Deary）把它们翻出来、扫描、数字化，一个跨越七十年的追踪研究才得以成立。结论是这样：把当年的分数按四分位分组，再看七十年后谁还活着。得分最高那一组，存活人数大约是得分最低那一组的两倍。男女都一样。苏格兰实行全民医保，所有人都看得起病。 11 岁时的一次测验，和 70 年后的死亡记录，中间隔着的东西实在太多：饮食、职业、意外、婚姻、运气。这条相关性依然站得住。 理查德·海尔（Richard Haier）在这期播客里反复回到的就是这件事。他是《智能的神经科学》（The Neuroscience of Intelligence）的作者，也在 Teaching Company 讲过一门叫《智能大脑》的课。他研究了一辈子智力，也见过这个领域最难看的那一面。 ## 心理学里复现最扎实的一个发现 先把这个词说清楚。日常聊天里大家说「智商」「聪明」，学术界说的是 G 因子（general factor，一般智力因素）。海尔的说法很直接：G 因子是整个心理学里被重复验证得最扎实的发现，没有之一。 这个词的来源要追到一百多年前的查尔斯·斯皮尔曼（Charles Spearman）。他在看学生各科考试成绩时发现，所有科目的分数彼此都是正相关的。语文好的，数学往往也不差；历史好的，物理往往也过得去。相关系数这个东西基本上就是他搞出来的。 既然所有科目两两正相关，背后一定存在某个跟科目内容无关的共同因素。他把它叫作一般因素，也就是 G。 怎么把它抓出来？方法是因子分析。你随便挑一套心理测验，语言类的、数字类的、空间类的，都行，找一大群背景各异的人来做，然后统计所有题目分数之间的相关性，找出那些总是同进同退的集群。你会得到若干个因子，语言因子、数字因子、空间因子，这些因子之间还有共享的部分，那个共享的部分就是 G。 「随便挑」这三个字是字面意思。海尔说，你随机抽 12 个测验提取出一个 G，再随机抽另外 12 个提取出一个 G，这两个 G 之间的相关超过 0.9。换一套题，换一批人，换一个国家，结果一样。 一个标准测验电池提取出的 G 因子，通常能解释大约一半的变异。它是最大的单一因子，也是所有因子里最稳定、最可靠、受遗传影响最明显的那个。 另外那一半是什么？考试技巧、特定领域的强项、短时记忆容量、当天的状态。短时记忆是所有认知过程里跟 G 相关最高的之一，它终究不是 G 本身。 有人会说，我认识一个人，某件事做得特别好，别的事一塌糊涂。海尔对这个反驳很熟悉。他说，那是倾向里的例外，例外推不翻倾向。你日常观察到的那个人不是负相关，他只是没在另一件事上同样出色。个案不能替代数据。 ## 智商是一个分数，G 因子是一个东西 这两个概念经常被混着用，海尔花了不少时间拆开。 G 没法直接测量。它是统计提取出来的抽象量，你手上没有一把尺子可以往人脑袋上一量就得出 G。你能做的是造一套测验，把分数合成一个数，这个数就是智商分数。一个好的智商测验会同时包含语言、数字、空间、记忆等多个子测验，正因为它是「什么都有」，它才逼近那个「什么都有共同点」的 G。 智商分数是 G 的一个不错的估计值，而它之所以不错，恰好是因为它不专一。 分数怎么解读？按百分位。智商 140 的人在百分位的前 1% 以内，智商 70 的人在均值以下两个标准差处。这里有一个容易被忽略的限制：智商量表不是比率量表，没有绝对零点。140 分的人不能说比 70 分的人聪明一倍，就像国际象棋等级分高的那位不能说自己棋力是对手的两倍。 > 「你没法说智商 140 的人比 70 的人聪明一倍，那需要一个有绝对零点的比率量表。你可能觉得你认识零智商的人，但智商量表上确实没有绝对零点。」（理查德·海尔） 稳定性这一块有一个数字：11 岁测的智商和 70 岁测的智商，相关很高。这是那批苏格兰档案一路跟下来的结果，后来这批人还被请去做过脑成像。海尔在书里放了一张图，把 11 岁智商分成四个quartile，再看七十年后的存活比例，最高组的人数差不多是最低组的两倍。 ## 1969 年，整个领域变成了放射性物质 要理解《钟形曲线》为什么炸，得先回到它之前 25 年。 1969 年，《哈佛教育评论》邀请加州大学伯克利分校的教育心理学家阿瑟·詹森（Arthur Jensen）写一篇综述，主题是当时那些旨在提高少数族裔儿童智商的早期教育项目。那时候联邦的 Head Start 还没全面铺开，詹森评的是一批示范项目。这些项目在当年有个直白的名字，叫补偿教育（compensatory education）。 这些项目背后有一个几乎人人都信的假设：群体之间平均分的差距来自机会不平等、来自种族歧视、来自社会里所有糟糕的东西。既然是这样，那就补偿。补上营养午餐，补上认知刺激，补上一切孩子缺的东西，差距就该消失。 詹森是个讲实证的人，他懂心理测量学。他写了一篇一百多页的文章，逐项分析这些项目的实验设计缺陷。有些项目报告智商平均提高 5 分，个别项目报告提高 10 分、20 分，甚至 30 分。其中一个号称「密尔沃基奇迹」的项目，主持者后来因为伪造数据进了监狱。 文章开头那句话后来成了名言，大意是：我们尝试过补偿教育，它失败了。 到此为止还算学术争议。真正要命的是他多走了一步。他说，既然这些努力基本没有产生可测量的效果，那我们就得重新审视「差距完全由可干预的环境因素造成」这个前提，得把遗传影响纳入考虑。 这一步把整个领域点着了。海尔说，这是整个心理学史上最声名狼藉的一篇论文。詹森被围剿到什么程度？他没法在美国心理学会年会上讲话，因为会场会因为炸弹威胁被清空。校园保安长期跟着他，他的信件被拆开检查，他不得不换住址。那还是前互联网时代，没有推特暴民，烈度一点不低。 海尔写过，那篇文章发表之后一夜之间，智力研究变成了放射性物质。没人想碰，没人想做。 > 「他有一次被记者直截了当地问：你是种族主义者吗？他的回答很有意思，他说：这件事我想过很多，我的结论是这不重要。」（理查德·海尔） 海尔解释说，詹森的意思是：他有一个假设，他管它叫默认假设。影响个体智力的那些因素，很可能也是影响群体差异的那些因素。这是个默认起点，是个待检验的假设。如果实证检验不支持，他会很乐意转向别的问题。他真正坚持的是那个科学理想：这是经验问题，该去看数据，看完了再说。 海尔补了一句对詹森性格的观察：他可能有点阿斯伯格特质。这句话放到推特上会被当场处刑。海尔是在解释一个人为什么能承受那种压力还不改口。詹森还跟他讲过一些跟尼克松政府打交道的往事，海尔说，那些故事实在离奇，但既然是他亲口讲的，我就信了。 ## 《钟形曲线》写了什么，又被当成了写了什么 1994 年，心理学家理查德·赫恩斯坦（Richard Herrnstein）和政治学家查尔斯·默里（Charles Murray）出了《钟形曲线》（The Bell Curve）。 海尔对这本书的评价是：这是本好书，讲的是智力在日常生活中的重要性，用的是大规模数据库的统计分析，展示智商分数跟各种社会问题、社会收益之间的相关。争议不在这些内容上。 争议集中在一章。那一章讲的是美国黑人和白人在平均分上的差距。这个差距大概是一个标准差，15 分左右。这个观察不是新东西，几十年来一直有记录，弱势群体在学业测验、心理能力测验、尤其是智商测验上的平均分低于白人。 赫恩斯坦和默里在那一章里写得非常明确：这个平均差距是否由遗传造成，他们不确定，他们不在乎。他们也说了为什么不在乎。因为这是群体平均层面的发现，每一个人都必须作为个体来对待，你不能因为一个群体平均值，就对某个具体的人做任何推断。 书里写得很清楚。海尔的措辞很克制：我挑一下用词，因为我有种感觉，很多批评者其实没读过这本书。他们读到的信息是：赫恩斯坦和默里在说黑人基因上更差。这就是那本书的「带走信息」。就算他们没明说，他们也在暗示，因为他们写了这么一章讨论这个经验观察。这不可怕吗？ 海尔说，这本书出版的时候，他接到过一档电视节目的电话。节目叫 Nightline，主持人叫 Ted Koppel。制作人问他怎么看这本书，他说这是本好书，讲智力在社会中的作用。对方说，不不，我们想聊的是种族那一章。他问，如果我上电视，我该说什么？他说，我会说，目前完全不清楚智力差异有没有遗传成分；但如果有很强的遗传成分，那是件好事。 电话那头沉默了。对方问，你什么意思？他说，一个差异越是遗传的，就越是生物的；越是生物的，我们就越有办法去修。对方问，你会在电视上这么说吗？他说会。然后这件事就没有下文了。 海尔的逻辑在这段里很清楚：环境问题属于公共政策、社会动员，变量多得理不清；生物问题反而落进了科学能伸手的地方。他觉得后者更有希望，听着刺耳，在因果链条上说得通。 ## 科学家要不要为误读负责 Lex 在这个问题上追问得相当用力。他说自己研究半自动驾驶，出过事故，有人给他写邮件说「你手上有血」。他认为研究者有责任预判自己的发现会被怎么曲解，涉及做不做这个研究、发不发这篇论文，还包括用什么词去解释它。 海尔没有回避。他说，我做播客、写面向公众的书，就是为了说清楚我认为数据意味着什么、不意味着什么。他很少在推特上解释论文，因为论文复杂、有细微差别，推特不是解释这些的地方。 有一件事他很清楚：因为怕结果被误用、怕伤人，就不做这个研究、不发这个结果，这不是一个不合理的想法，不同的人会做出不同的决定。他自己是那本叫《Intelligence》的期刊的主编，期刊会发群体差异的论文。这些论文是写给科学读者看的，不是写给推特看的，他也不怎么在推特上推。 他遇到过的另一面是：有媒体请他去参加辩论，而他的角色被设定为「为种族科学辩护」。那是 BBC 的邀请。他拒绝了。 至于「这些研究会不会被用来增加世界上的仇恨」这个问题，海尔说他从一个普通人的角度想过很多。他的判断是，世界上本来就存着巨量的仇恨和种族主义，跟这些数据毫无关系。他不想给种族主义团体一票否决权，让他们决定科学家能研究什么。 他还指出了一个常被跳过的事实：几乎没有人否认分数上存在差距。争论全在原因是什么、怎么解决。如果你认为是文化问题，那你得回答：你想改变这个文化的哪一部分？还是说你认为不该去改变别人的文化？那你就得接受它在学业成就上可能带来的劣势。如果你认为是环境问题，那具体的环境参数是什么？他给了一个例子：汽油里的铅、油漆里的铅、水里的铅。这是社会有能力消除的环境毒素，那就该消除。 ## 学校变量和教师变量加起来，解释不了 10% 访谈里有一段数据密度特别高，值得单独拎出来。 海尔提到了科尔曼报告（Coleman Report）。这份著名的教育报告测量了学校的各种变量、教师的各种变量，然后看学业成就作为结果变量。结论是：预测学业成就最强的变量，是学生带进学校的那些东西，也就是他或她本身的能力。 把学校质量和教师质量的所有变量加在一起，包括学校经费、师资学历、管理水平，能解释的变异不到 10%。这个结果后来被反复重复出来。 他接着说，你要是不信，可以去问盖茨基金会。他们往教师培训和学校质量上砸了巨额资金，因为他们本身就是一群看测量数据的人，最后他们自己测出来：没有影响。然后他们从这个方向上撤了。 海尔还讲了一件让他觉得震惊的事。加州前几年修订高中数学课程标准，主持这项审查的是一位斯坦福大学的教育学教授。这位教授公开主张数学天赋这种东西不存在，她想取消数学快班，理由是并不是所有人都学得会。海尔说，一位大学教授负责这件事，而她相信天赋不存在，这本身就很惊人，更别说整场讨论里智力数据完全缺席。 他的建议很具体：去读那些教育政策文件，用你的文字处理软件搜「智力」这个词。一份两万字的文件，一秒钟就能搜完。你会发现这个词一次都没出现。所有关于如何缩小成就差距的讨论， educators 都不谈这个变量。 ## 5100 万人 海尔在这里给了一组直接的数字。 按正态分布，大约 16% 的人智商在 85 以下。美国 16% 的人口大约是 5100 万到 5200 万人。其中有 1400 万是孩子。 智商低于 85 意味着什么？现代生活里想找到一份能维持最低生活水准的工作，非常困难。不是不可能，是非常困难。 > 「生命就是一场漫长的智力测验。谁能说自己没体会过这一点？」（理查德·海尔） 他提到一个细节：美国军方大概是这个世界上最擅长训练多样化人群的机构，而他们的招收下限大约在智商 83。因为他们发现，低于这条线的人，训练不出来。 他还提到，很多批评智力研究的人本身就是学者，而学者这个群体普遍很聪明。聪明人有个系统性的认知盲区：他们很难真正理解智商 80 或 75 的世界是什么样子。那完全是另一种日常经验。 他甚至提到《朱迪法官》这类电视节目，说看那些普通人的普通纠纷，你能看到解决问题能力的完整分布。有时候节目组是拿它当笑料，但一点也不好笑，因为那些人的人生确实被推理能力的欠缺卡住了，而这个东西教不会。 还有一种场景海尔没提，但每个打过客服电话的人都懂：你问一个具体的问题，对面照着脚本念一段完全不相干的话。你会冒火。他说，你有没有把那个人叫过白痴？这种经验人人都有，它本身就是 G 因子在日常生活中最粗糙的一次测量。 ## 古尔德那四条，和他没写进第二版的东西 斯蒂芬·杰伊·古尔德（Stephen Jay Gould）在《人类的误测》（The Mismeasure of Man）里提出，《钟形曲线》建立在四个错误假设上：智力可以还原成一个数字；智力可以把人排成线性顺序；智力主要是遗传的；智力基本不可改变。 海尔的回应相当不客气：古尔德的观点是公开政治化的，不是科学的。他建议听众自己去谷歌古尔德的说法，再去谷歌科学界对《人类的误测》的书评，那些说法会被逐条拆掉。 他提了一个具体的事实：古尔德在第一版里断言智力基本上没有生物学基础，等到第二版出版的时候，已经有核磁共振研究显示脑容量和智商分数相关。他选择不把这些写进书里。 海尔说这本书至今在高校书店里摆在必读书架上，影响力很大，而那些真正懂数据的人对它的逐点反驳，他没回应，也没修改。 至于《钟形曲线》受到的统计学批评，海尔承认有过一些技术层面的质疑，默里写过几篇文章逐条回应，网上都能找到。他另外推荐了默里后来的两本书：《人类多样性》（Human Diversity），用数据反驳「种族只是社会建构、毫无生物学意义」这个说法；以及《面对现实》（Facing Reality）。海尔说，你不必同意，但他把数据摆得很有条理，也把批评者的数据摆得很有条理，不带人身攻击。 他给读者的建议很直接：你可能听说过这本书，你可能觉得自己知道里面写了什么，你很可能想错了，自己读一遍。 ## 弗林效应，一个还没解开的谜 詹姆斯·弗林（James Flynn）发现，把历年的智商分数排在一起看，分数在往上飘。飘的速度大约是每十年 3 分。 这不是个人效应，是世代效应。做测验的人其实早就知道，因为他们必须定期重新标准化常模。50 年前做对 10 道题在人群中的位置，跟今天做对 10 道题的位置不一样。人们做对的题在变多。 这件事抛出了两个问题。第一，这个增长落在 G 因子上，还是落在另外那一半上？有证据显示它确实是 G 因子效应。第二，什么原因能造成这个？ 第二个问题直接变成了对遗传假说的攻击：自然选择的时间尺度是几十万年，几十年里智商能整体上移，那它怎么可能是遗传的？ 海尔的回应是：弗林效应影响的可以是非遗传的那部分。基因解释大约一半的变异，成年后可能高达 80%，剩下的空间足够容纳这个效应。 那到底什么造成的？至今仍是谜。海尔说他正在编一期纪念弗林的专刊，刚看到最新的论文，研究这个领域的人正在形成一个共识：跟营养和医疗的进步有关。也有证据显示这个效应正在放缓，甚至可能反转。 营养怎么会跟 G 因子扯上关系？因为它作用在生物层面，作用在产生智力的那套生理基础上。有婴儿研究的数据支持这个连接。这跟「存在遗传影响」在逻辑上完全不冲突。 有个细节挺有意思：如果你今天做了一次智商测验，但用 1940 年的常模表来换算分数，你会得到一个高得多的数字。我们真的比几代人前更聪明吗？海尔说，不，但我们可能确实更能解决问题了，因为《芝麻街》，因为更多人上学，因为一堆需要拆解的因素。 ## 先天和后天缠在一起，拆不开 Lex 问得很直接：智力里多少是先天，多少是后天？ 海尔的回答是：全部都是先天，也全部都是后天。这两者是彼此纠缠的影响，不可能独立开来看。很多行为遗传学家认为，这种相互作用复杂到今天无法拆解，将来也无法拆解，不管 DNA 技术和基因组信息学怎么进步。 海尔不完全同意。他的推理是这样的：如果那种复杂性真到了无法拆解的地步，那就不该存在一个稳定的 G 因子。可 G 因子确实存在，而且证据来自很多不同来源、跨越几十年。所以他更倾向于认为，基因和环境的相互作用可以被阐明，可以被研究，也可以成为智力的分子生物学的基础。 支持生物学基础的那些观察，他列了一串：智商分数跟大脑皮层厚度相关；跟大脑的葡萄糖代谢率相关；同卵双胞胎即使分开抚养，智商分数依然高度相似。这些不只是暗示，它们指向一个生物基础。有人相信智力跟大脑无关吗？这问题本身就荒唐。 Lex 追问：能不能给「环境才是关键」这个立场做一个最强的辩护？海尔说，数据不支持遗传只是很小的一块。他补了一句：如果环境真的那么重要，我们早就该看清楚了。学校干预、补偿教育、早期教育，这些在资金充足、设计良好的研究里被认真试过，结果是没有效果。 Lex 反问：万一我们试的方式就是错的呢？万一需要更早、更彻底？海尔说，这正是当年所有人对詹森说的话，那就再早一点，从学前变成学前之前。可是五六十年过去了，总该有点什么东西能显示出可测量的结果，而不是只在 0.05 的显著性水平上勉强够格。 他给了两个他觉得最有说服力的观察。一个是科尔曼报告那条 10%。另一个是收养研究：被收养的孩子长大以后，智商分数跟养父母不相关，跟从未见过的亲生父母相关。 他也承认另一面的数据存在：有些收养研究显示被收养儿童会稍微向养父母靠拢一点。他有个概念叫证据的重量（weight of evidence），不把任何单一研究看得太重。 关于「家里的藏书量跟孩子智商相关」这个经典变量，他的解释是：书本身没有对孩子产生直接影响，更聪明的人家里书更多。如果智力有遗传成分，孩子既继承了一部分基因，也继承了这个环境。两条路径纠缠在一起，除非研究设计本身携带遗传信息，比如比较同父同母的兄弟姐妹，否则你根本拆不开。 他说，在那些确实带遗传信息设计的研究里，结果变量的大部分变异归因于遗传成分。社会经济地位有时候会加一点，但加得不多。这也顺带回应了「SAT 分数只是反映了父母有钱」这个说法。海尔的反问是：那父母为什么有钱？ ## 麻醉药、丘脑，和意识的开关 访谈在这里拐了一个大弯，拐到一个很少有人知道的地方：海尔早年做过麻醉和意识的研究。 那时候还是 PET 时代，远早于 fMRI。做法是注射带放射性的糖，大脑哪个区域工作得越卖力，摄取的糖就越多，然后就能拍出一张大脑葡萄糖代谢的图像。他跟一位叫迈克·阿尔凯尔（Mike Alkire）的麻醉医生合作，把正常志愿者请来，按进手术室的标准麻醉。 每个人来三次。一次不麻醉，一次给到有点昏沉，一次完全麻醉。同一批人，三种状态，然后扫描。 结果很有意思：不同的麻醉药影响大脑的不同区域。他们自然是在找那个共同的部件，看起来跟丘脑有关。失去意识时最后关掉的、恢复意识时最先打开的，序列里有丘脑。 阿尔凯尔后来想用 fMRI 做，因为时间分辨率更高，可以在人沉下去和浮上来的过程中实时看。PET 做不到，只能分三次。 海尔说他当时想问一个特别简单的问题：智商 140 的人，和智商 70 的人，麻醉到失去意识所需要的药量一样吗？他去翻麻醉学教科书，发现给药是按体重算的。他又去问那位麻醉医生朋友，对方说不知道。他提议做个病历回顾，用受教育年限当智商的代理变量，看看能不能看出差别。朋友说，不行，病历里根本没记准确的剂量。 所以这个问题到今天还没有答案。可能智商高的需要更多药，也可能更少。 > 「如果答案是稳定的『是』，那会非常有意思。」（理查德·海尔） 他更早做智力研究时，用 PET 扫出了一个反直觉的结果：大脑某个区域的葡萄糖代谢率跟测验成绩是负相关的。不是越亮越聪明，是越省油越聪明。这就是「大脑效率假说」，至今还在被研究，越来越多的证据指向信息加工的效率，活动总量本身没那么重要。 Lex 顺着这个往下推了一个相当漂亮的假设：如果意识有一个 C 因子，智力有一个 G 因子，它们会不会是负相关的？你体验世界的深度，和你推理世界的深度，会不会是一种取舍？海尔说，这是个很好的假设，听这期播客的人里肯定有人可以去做这个研究。 ## 给机器出的智商题 Lex 把话题带到了人工智能。他提到弗朗索瓦·肖莱（François Chollet）做的一套机器智力测验（ARC）。这套题不追求高分，恰恰相反，它设定了一个对机器来说极低的门槛：几组图形，找出规律，补上下一组。涉及的是对称、计数、什么算一个物体、物体之间的空间关系这些东西。 对人类来说这是三岁小孩都能做的事，对机器来说是硬骨头。到今天也没人做得好。 海尔的反应很诚实：他没听说过这个，每次想到机器智能的问题，很快就撞到自己知识和想象力的边界。他讲了个旧事：Alexa 刚出来的时候，他建议同事买一个回来，把智商测验的题目念给它听。很快就发现行不通，因为它们全都在搜互联网。「华盛顿到迈阿密多远」这种题它们张口就来，但你让 Alexa 把一串数字倒着念，它不会。 不过海尔也指出，那不是智能问题，那是语言通道的问题。就像你给一个不说英语的人做英文版智商测验，测不出他的智力。 Lex 提到《危险边缘》那两个被机器打败的冠军，说那套系统是高度硬编码的，谈不上什么智能。海尔同意，然后回到那个更根本的区分：流体智力和晶体智力。晶体智力是你知道多少事实；流体智力是你能不能用已知的东西去解决一个从没见过的问题。 智商测验里真正难的部分是流体那部分，而它的难度有一个来源是新颖性本身，你必须在第一次见到它的时候现场处理。这也是为什么出题人说题目不能公开。出题是极难的工作，需要大量研究，本质上是持续生成新东西。题目一旦泄漏，就废了。 ## 如果真有一颗 IQ 药丸 海尔对这件事的信心表述得很特别。他说他非常确信这种药丸在原则上可能存在，理由是他对神经生物学的复杂性极其无知。他写过，神经生物学家面对的那些噩梦，突触层面那一连串事件，正是驱动某些人往前冲的东西。 他举了个现实路径：如果一家制药公司在开发阿尔茨海默病的药，它实际上是在开发影响学习和记忆的药，而学习和记忆是智力的核心。所谓「IQ 药丸」很可能从阿尔茨海默药物的研发管线里冒出来。问题是，这颗药给一个没有阿尔茨海默病的大学生吃，会发生什么？ Lex 在这里提了一个反向的问题。他说自己不确定智力越高越好。如果在低端提升，生活明显会变容易；到了高端，收益是不是递减甚至转负？他提到了《献给阿尔吉侬的花束》，那个关于智商被手术提升又退回原点的故事。海尔说那部电影他很喜欢，故事里有很多深刻的东西。 海尔给了一个思想实验：假设真有一家私营公司卖这颗药，你愿意付那个价，因为你想要更聪明。给药之前，他们让你签一份免责声明，上面写着：我们不保证你的生活因此变好，事实上它可能变糟。他说，这就是律师的写法。他希望科学能回答这个问题：变得更聪明之后，你的生活是变好还是变糟，能不能预测？ 他承认，人类的某些 bug 可能就是 feature。局限本身可能就是整体幸福感的一部分。在低端那一侧，提升的好处没那么有争议。 Lex 提到了约翰霍普金斯大学那项数学与科学早慧青少年研究。研究者给巴尔的摩全城 11、12 岁的孩子做 SAT 数学卷，找到了一批分数跟霍普金斯新生一样高的初中生。这项研究跟了 50 年。所有人都在前 1%。把这前 1% 再切成四分位，最上面那四分之一比最下面那四分之一拿了更多专利、发了更多论文、拿到更多大学教职。分组依据，是 12 岁时的一次考试。 海尔讲完这段，Lex 说这让他难受。海尔反问：那有魅力的人特别容易成功，哪怕除了讨人喜欢之外没有别的本事，你觉得难受吗？Lex 说，如果那个魅力是训不出来的，那就难受。海尔说，性格也是相对稳定的特质，它会影响你怎么在世界上行走，这一点毫无疑问。 这就回到了那个更普遍的事实：你身上大部分东西是给定的，你得跟它相处。而这件事真正动摇的，是那句流行的话：努力就能成为任何你想成为的人。海尔说，这句话是从「努力就能成功」变形来的，两句完全不同。努力可以成功，这没问题。但他再怎么努力，也成不了成功的理论物理学家。 ## 一个数字撑不起一个人的价值 Lex 提了一个他觉得很难绕开的问题：有些人比别人更聪明，这件事在稳定的、无法通过教育补偿的意义上成立，那我们拿它怎么办？它让人不舒服，因为它听起来像在说「有些人比另一些人更好」。 海尔先拆了这个滑坡。他说，如果基因是决定性的，那确实会导向那种担忧。但 21 世纪我们知道的很多事情是，许多基因并不决定性，它们是概率性的，表达可以被影响。影响的来源是别的生物变量、别的基因变量，还是环境与文化变量，争议就在这里。 至于「更好」，他说得很干脆：没有任何证据表明聪明人在诚实、善良、讨人喜欢这些重要方面更优秀。你肯定认识很多非常聪明但很不厚道、很不善良、很不诚实的人。 Lex 举了个沉重的例子。《第三帝国的兴亡》里那些为希特勒提供思想支撑的人，很多是当时知识界最聪明的一批人。他们思考得深、推理得严密。人类历史上最严重的暴行，有相当一部分正是非常聪明的人干出来的。 Lex 说，那也许存在一个关于善良的 G 因子。海尔没有往下接，只是承认，善良这东西太主观，比智力更难界定，但无论它是什么，它跟智力是独立的。 关于「把人还原成一个分数」的担忧，海尔的回应很干脆：这个行业里没人这么干。这确实是一种真实的担忧，但它没有真实地发生过。他讲了自己研究生时代的一位教授，是他见过的唯一一个只看学生考试分数的人。到晚年，那位教授自己也退回来了。 他更愿意谈的是另一个层面：分数用来做什么决定。他讲了「倾斜」（tilt）这个概念。很多人的数学分数和语言分数并不一致，这个落差就叫倾斜。有实证研究去看这个倾斜能预测什么，结果是：单靠倾斜去预测大学表现，预测力很有限。招生官会用这个信息。一个非英语母语的学生，数学考得很高、语言考得一般，他申请的是数学项目，招生方会知道该怎么读这份成绩单，不会因为语言分数就直接把人筛掉。 现实里的做法，从来都是把多种信息放在一起做判断。只用高中成绩，你会漏掉那些在高中被无聊折磨得毫无干劲、GPA 很难看但其实很有能力的学生。只用标准化测验，你会漏掉那些考试当天发烧 39 度的人。 Lex 在这里插了一段自己的经历。他数学每次都满分，语言部分一遇到时间限制就极度焦虑，汗都出来了，读一页书脑子里一片空白，只看得见字体看不见内容。他说，那种焦虑至今还在他身上，贯穿他生活的各个环节。海尔说，那可能不叫焦虑，那叫性格。性格是稳定的。这也是为什么他说，G 因子研究的价值恰恰在这里：它研究的不是纸上印的一个数字，这些数字反映的是你在这个复杂世界里穿行的能力。 > 「生命就是一场漫长的智力测验。」（理查德·海尔） 海尔在这里补充了一层意思。他说，做测试这件事本身就有很多岔路。你不知道答案，原因可能有很多种：你学过但忘了；答案在舌尖上就是取不出来，因为时间限制让你紧张；你从来没学过；你接触过，但当时太复杂，没学进去。任何一个具体的人拿到一个具体分数，解读的人都得把这些因素放进去看。所以大学录取这类决定，几乎从来不会只看一个分数。 Lex 担心的是另一件事：群体层面的相关性，和个体层面的误判，是两回事。司法系统宁可放过一个坏人也不愿冤枉一个好人，同样的道理，一次考试漏掉一个天才，代价很大。海尔承认这确实可能发生，但统计上概率很低。真正的问题是哪种信息能让你的决策质量最高。 ## 待在一起更久的那个问题 访谈快结束时，Lex 问海尔对年轻人有什么建议，尤其是那些对心理学、对大脑、对意识和智力这些大问题感兴趣的。 海尔的回答分两层。 第一层是方向上的。他说，如果你对阿尔茨海默病的药物研发有兴趣，那你实际上是在研究学习和记忆，而学习和记忆是智力的核心。那颗所谓的 IQ 药丸，很可能从制药公司的阿尔茨海默管线里冒出来，因为那家公司在做的事，本质上就是这个。这个方向的科学价值，比它的名义目标大得多。 第二层是方法上的，也是他整场访谈里说得最重的一句话。 > 「如果你要进研究这一行，最重要的一条是：数据把你带到哪儿，你就得去哪儿。你不能事先决定你想让数据去哪儿。」（理查德·海尔） 如果数据把你带到一个你没有技术专长的领域，你的任务是去找那些有这个专长的人，把他们拉过来。他自己就是这样。他想多懂一点分子生物学，但他不会现在去变成一个分子生物学家。他认识那些人，他的工作是让他们对这个方向产生兴趣。他也承认这不容易。 如果数据把你带到一个有争议的地方，他的建议是：还是要往前走，同时要用技巧、用同理心、用对人类处境更宽的理解去沟通结果。科学要说清楚，这些结果会带来什么影响也要说清楚。 他提到有一位著名心理学家写过这个问题，说必须在推进科学和顾及人们合理的敏感之间找到某种平衡。那位心理学家没说怎么找。就是「某种」。海尔把这个「某种」原样留给了读者。 ## 为什么这件事非做不可 整场访谈里，海尔反复回到同一个动机。他靠的不是好奇心，也不是学术野心，是一个具体的数字：5100 万。 美国有 5100 万人智商在 85 以下。这个规模意味着什么？意味着有一大批人在现代生活里找工作极其困难，意味着 1400 万孩子在学校里会被系统性地甩下，意味着这些人的日常经验和大多数做研究、写政策、做媒体的人完全不同。 而现在的政策讨论里，「智力」这个词根本不出现。 海尔的判断很直接：想解决问题，就得先知道问题是什么。把数据藏起来，不会让不平等消失，只会让你失去干预的着力点。他引用科尔曼报告的结论，学校变量和教师变量加起来解释不了 10% 的学业成就变异；他引用盖茨基金会的经验，大笔投入之后自己测出来没有影响，然后撤出。 这些例子要说明的不是「做什么都没用」。它们要说的是另一件事：如果你不承认能力这个变量存在，你所有的干预设计都会建立在错误的假设上，然后你会花五十年去反复确认它没用。 他还特别强调了一个伦理上的落点。他说，我所知道的一切心理学、一切关于智力的东西，都指向同一个结论：你必须把人当作个体，尊重地、带着同情地对待。因为有些人确实不如别人有能力，这不是他们的错。你想对此视而不见，你想造一些理论解释它为什么不存在，都可以。他想尽可能修好其中一部分。 然后他说了一句我觉得是整场访谈的重心： > 「每个人都值得被爱。」（理查德·海尔） 这句话不是宗教式的口号。它从一个研究五十年个体差异的人嘴里说出来，是在承认了差异真实存在、部分来自遗传、部分无法通过教育弥补之后说出来的。它的分量正在这里：它不建立在「大家都一样」的假设上，它建立在「大家不一样，但一样值得」的判断上。 Lex 在结尾补了一句他自己的立场。他说，他仍然不认为智力越高就一定能创造更多美。生活里让人心动的东西，写出来的诗、做出来的音乐、一个人对另一个人的温柔，跟智商的相关很松，甚至可能没关系。他想让听这期节目的人别被任何一个分数困住。海尔说，他同意，他说的只是「其他条件相同的情况下，多一点比少一点好」，仅此而已。 ## 有限这件事 访谈最后，Lex 问了那个问题：生命的意义是什么。 海尔说，我不会告诉你。 Lex 追问：你怕有限吗？ 海尔说，年纪越大想得越多。是的。这是人的处境之一：它是有限的，我们都知道，大多数人选择否认，选择不去想。有时候你会用遗产规划的方式去想它，做点理性的事；有时候它会让你更用力地工作，因为你清楚时间越来越少，想把事情做完。他说不清自己在这个光谱的哪个位置。它就是一直在背景里。 Lex 说，这跟 G 因子有点像，都是摆在那里的硬事实，你有时候走过去不看它，但它一直在。 海尔说，是的，你逃不掉。 然后他把话题拉回了日常。每个人其实都知道这是真的。你回想学生时代，你知道谁是聪明的那些孩子。你打客服电话，对面的人照着脚本念，答非所问，你会气得想骂人。每个人都有过跟「不在同一个水平上」的人打交道的经验。人就是这样，生活就是这样。 但我们也普遍高估自己的判断力。我们对别人的评判，远不如一套测验可靠。偏见、历史、情绪，全都混在里面。所以互联网上人们天天互相骂蠢，这恰恰是危险所在：我们因为一次互动、几次互动，就把一个人归进某个格子，认定他没救了，认定这是他的基因。 海尔说，不管科学怎么说，这都不意味着我们不该对同胞有同情心。这正是科学说的，它和科学的结论方向一致，两者互相印证。 ## 留给读者的几件事 这期访谈信息量很大，真正能拿去做点什么的其实不多。我试着列几条： - 把「智力」和「人的价值」这两件事在心里彻底分开。前者是可测量的能力分布，后者是尊严和权利。混在一起谈，两边都谈不清楚。分开之后，你反而能更冷静地看数据，也更坚定地对待人。 - 如果你关心教育公平，下次读政策文件时搜一下「智力」或「认知能力」这个词。搜不到，就说明这份文件回避了最重要的变量之一。这不意味着你要反对任何干预，你要问的是：这个干预设计，建立在什么样的能力假设上？ - 对「训练能提升智力」这类说法保持警惕。工作记忆训练、听莫扎特、益智游戏，这些的元分析结论都很清楚：短期可能有点效果，对 G 因子没有。花钱之前先查一下元分析，别只看单个研究的新闻稿。 - 如果你在做测评、招聘、招生这类判断，记住「倾斜」这个概念。一个人的分数结构本身就是信息，但要放进具体的上下文里用，不能一刀切。同时记住，任何单一测验的分数都只是对 G 的一次带噪声的估计，考试焦虑、生病、语言背景都会污染这个估计。多做一次，可能比多信一次更靠谱。 - 如果你身边有人在考试里表现不好，别急着下结论。你不知道那是能力问题、状态问题，还是他从来没被教过。这三种情况的处置方式完全不同。 - 如果你是做研究的，或者打算做，把海尔那句话抄在本子上：数据把你带到哪儿，你就得去哪儿。还有一个配套动作：预判你的结论会被怎么误读，然后提前把话说清楚。这两件事不矛盾，做得到的人不多。 - 最后一条，也是海尔反复说的：承认差异存在，和坚持每个人值得被尊重地对待，这两件事可以同时成立。在数据面前，后者是一个结论，它站得住。 海尔在节目里提到爱因斯坦那句话，被 Lex 放在片尾：不是我有多聪明，只是我和问题待在一起的时间更长。 这句话放在这期访谈上挺合适。智力这个问题，人类已经待了一百多年，还没待完。