专家的意见怎样才能成为我自己的判断？

Geoffrey Chen

《一个人怎样形成自己的世界》· 第二季“他人、对话与共同知识”· 第三篇

一个人拿到一份复杂的检查结果。第一位专家建议尽快采取行动，第二位专家认为可以继续观察。两人都受过训练，也都给出了专业理由，而当事人没有能力重新分析全部研究，更不可能在短时间内把自己训练成同领域专家。

他最终仍要作出选择。

这类处境揭示了现代知识生活中一个无法绕开的矛盾。我们必须依赖专家，正因为自己不具备相同知识；可一旦完全听不懂专家为什么这样判断，又怎样能说最后的决定是“自己的”？如果个人判断意味着必须独立验证所有技术内容，那么在医学、法律、工程、金融和AI等领域，普通人几乎不可能拥有自己的判断。可是如果“尊重专业”意味着照做，人的选择又会退化为权威指令的执行。

问题的答案不在这两个极端之间取一个模糊中点，而在于区分：哪些认识工作可以合理委托给专家，哪些判断仍不能被委托。

外行面对的不是“懂或不懂”两个状态

专家之所以是专家，不只是记得更多事实。他们通常能识别领域中的重要差异，知道哪些证据权重较高，能看见新案例与旧案例之间的结构，并预估一种选择可能触发的后果。外行无法在一次咨询中获得这些能力。

但外行也并非因此什么都不能判断。哲学中的“外行—专家问题”恰恰研究：当普通人缺乏一阶专业能力时，能凭什么在彼此分歧的专家之间作出有理由的选择。社会认识论的相关讨论列出过一些二阶线索，例如相关资历、其他专家的评价、论证表现、既往记录和领域内支持度。每一项都不完美，却说明评估专家不必先成为专家本人。

资历可以造假，也可能过时；多数意见可能形成得太慢，也可能受到组织压力；能言善辩不等于结论正确；少数派有时真的会推翻共识。由此不能推出所有线索都没用，只能推出它们必须组合使用，并且权重随问题变化。

普通人至少可以逐步达到三种理解。第一层是结论理解：专家建议做什么。第二层是理由理解：哪些证据和假设支持建议。第三层是边界理解：什么情况不适用，哪些不确定性仍然存在，出现什么新事实会改变建议。外行不必重做专业分析，但如果只有第一层，就很难区分建议、命令和销售话术。

专业事实不能替人决定价值权衡

专家可以估计某项治疗提高多少成功概率、某种结构承受多大载荷、某项投资面对哪些风险。可是“值得不值得”通常还包含目的与代价。

对于同样的医学风险，一位患者可能重视延长生命，另一位更重视保持某种功能；对于同样的法律胜算，有人愿意承受漫长诉讼，有人更看重尽快结束不确定性。专家可以帮助澄清后果，却不能仅凭专业身份决定当事人应当怎样生活。

这不是贬低专家，而是保护专业边界。专业意见在它真正有能力回答的问题上越精确，就越不必假装同时拥有价值上的最终权威。

因此，让专家意见成为自己的判断，不是把专业结论改写成“我觉得”。它至少需要完成一次翻译：

如果我接受专家对事实与概率的判断，那么在我所重视的目标、能够承受的代价和当前时间条件下，我选择什么？

这句话保留了依赖，也保留了责任。事实判断可以委托，价值承诺不能因为困难就消失。

当专家彼此不同意时，先找出他们不同意什么

两位专家给出不同建议，不一定意味着一人正确、一人错误。他们可能使用了不同数据，采用了不同风险阈值，对同一证据赋予不同权重，或者其实同意事实而不同意目标。

遇到分歧时，最有用的问题不是立即问“谁更权威”，而是要求把分歧定位：

  • 两人是否在同一个具体专业范围内？
  • 他们使用的是不是同一批事实和最新资料？
  • 分歧属于数据、解释、预测，还是价值取舍？
  • 领域内整体意见怎样，少数意见的理由是什么？
  • 决定是否可逆，等待更多信息会增加什么成本？
  • 两人各自认为哪些新证据会使自己改变建议？

最后一个问题尤其重要。一个无法说明什么会改变自己判断的人，可能不是在提供可检验的专业意见，而是在维护身份。真正的专业性不要求永不改变；它应当知道改变需要什么理由。

对普通人而言，共识通常是重要的二阶证据，但不是神谕。共识的意义来自许多受过训练的人以相对独立的方法接触证据，并在公开批评中仍得到相近结论。如果所谓共识只是重复同一消息来源、同一激励或同一个权威，它的认识价值会下降。我们需要问的不只是“有多少人赞成”，还要问这种一致怎样形成。

AI可以降低理解门槛，也可能伪造专家感

AI能够把技术文件改写成普通语言，比较两份意见，列出不确定性，并帮助用户准备下一次咨询问题。这些功能可能显著改善外行的位置：过去完全看不懂的资料，现在至少能形成初步问题。

但语言模型也容易制造一种“专家感”。同一界面可以在医学、法律、历史和软件问题上都流畅作答，语气连续会掩盖领域可靠性的不连续。用户看到的是一个声音，背后可能是不同质量的资料、过时内容或没有被显示的推断。AI降低的是表达和检索门槛，并不自动消除验证和责任门槛。

更合理的设计方向，是让AI明确代表哪一组资料、在哪个服务边界内回答、为关键主张提供可检查来源，并把高风险和最终专业决定交还给人。例如 SonaMinds 所尝试的“专家自有资料—受控助手—客户访问”结构，价值不在于让一个聊天界面假装成为专家本人，而在于保留来源、范围和人工判断的位置。这种结构仍不能证明每个答案正确；它只是把“这个回答代表什么”变得更可见，从而让核查成为可能。

当AI帮助理解专家时，最好把它当作翻译者、问题生成器和比较工具，而不是一位无需说明资历的新专家。它可以帮助你更好地回到专业关系中，却不应成为逃离专业关系的借口。

自己的判断，不等于自己的知识来源

一个判断之所以属于我，不是因为其中每个事实都由我发现，也不是因为我对所有专业细节拥有最后发言权。它属于我，是因为我知道自己依赖了谁、依赖到哪一层，理解主要选择的后果，并愿意对无法委托的价值取舍作出承诺。

这要求一种有限而真实的自主性：

我可以说，“在这个技术问题上，我接受相关专家的共同判断”；也可以说，“这里存在仍未解决的分歧，所以我选择可逆方案”；还可以说，“专家能够告诉我风险，却不能替我决定什么代价值得承担”。这些都不是对专业的拒绝，而是把专业知识放回决定的适当位置。

反过来，“这是专家说的”也不能自动终止讨论。专家应当有比外行更高的认识权重，但权重来自相关能力、证据、方法和可纠错性，而不是来自一个不可触碰的身份。普通人不必在每个问题上与专家平票，却有权知道建议属于什么范围、有哪些重要不确定性，以及最终决定中哪一部分仍由自己承担。

专家意见真正成为我的判断，不发生在我重复那句话的时刻，而发生在我能够说明这条依赖关系的时刻：我为什么在这里接受专业判断，它没有替我回答什么，以及什么变化会使我重新考虑。

个人世界并不是只有个人知识才能进入的世界。它更像一个经过选择的依赖结构。成熟并不表现为不再需要专家，而表现为既能合理依赖比自己知道得多的人，又不把自己的判断能力作为咨询费的一部分交出去。

主要资料

继续阅读：浏览《一个人怎样形成自己的世界》系列文章

了解 Geoffrey Chen 的更多信息

订阅后即可通过电子邮件收到最新文章。