当我们相信一个人时，真正相信的是什么？

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”· 第二篇

同一个人可能在一件事上极其可靠，在另一件事上却完全不值得依赖。

一位朋友从不故意欺骗你，但他转述新闻时经常漏掉限定条件。一位医生对疾病有充分专业知识，却无法替患者决定什么样的副作用是可以接受的。一位同事能够准确计算预算，却可能因为负责项目而低估风险。家人真心希望你过得好，但“为你好”并不保证他们理解你的处境。

然而日常语言喜欢把这些差异压成一句整体判断：“我相信他”或者“我不信她”。仿佛信任是一盏灯，对一个人只能全部打开或全部关闭。

这会让我们错过信任真正复杂的地方。当我们相信一个人时，可能同时在相信他的能力、诚实、注意力、善意、角色、判断边界以及在出错后承担责任的意愿。这些性质并不总是一起出现。信任如果不说明对象，就很容易从合理依赖滑向人格崇拜，或者从一次失误滑向对整个人的否定。

信任不是“我估计你大概不会错”

把信任理解为概率判断很有诱惑力。我们观察一个人的历史表现，估计他说真话或把事情做对的可能性，然后决定是否依赖他。这是信任的一部分，却不是全部。

如果我认为一把结实的椅子大概率不会塌，我是在依赖它，却通常不会说我在道德上“信任”椅子。人与人之间的信任还包含一种交付：我让你的行动或判断进入我的计划，因此使自己处于某种脆弱位置。你不仅可能失败，还可能辜负我。

正因为有这种关系成分，同样准确的一条信息，由不同方式提供，会产生不同意义。一个医生说“根据目前证据，我建议这样做，但这里有两个不确定处”，与一个人用毫无保留的确定语气给出相同结论，承担的责任不同。前者不仅传达结论，也暴露理由和边界；后者要求听者相信一个无法看见内部结构的权威形象。

组织研究中一个影响广泛的模型把可信性来源区分为能力（ability）、善意（benevolence）与正直或一致性（integrity）。Mayer、Davis 与 Schoorman 的模型原本用于组织情境，不能直接解释所有亲密关系，但这个区分很有帮助：一个人可能能做、愿意为你着想、并遵守可预期原则；三者缺一，信任的性质就会改变。

至少要分开五种问题

当一段话将影响我们的判断时，可以把模糊的“是否可信”拆成五个问题。

第一，他有没有相关能力？会修理钢琴的人不因此懂流行病学；一位优秀科学家也未必擅长解释风险。头衔是线索，不是跨领域通行证。

第二，他在这一次是否掌握了足够信息？能力稳定，注意力却会波动。一个可靠的人可能没有读完整文件，记错日期，或者只听到故事的一面。

第三，他是否诚实地表达自己知道和不知道的部分？诚实不只是不撒谎。故意省略关键限定、把推测说成事实、让听者产生自己并不支持的印象，也会破坏认识上的信任。

第四，他的利益和我的利益在这里怎样相关？利益冲突并不自动证明说法为假，但它改变了需要核查的强度。售卖产品的人可能确实理解产品；正因为销售结果会影响他，我们更需要独立依据。

第五，如果结果错了，他是否允许提问、修正并承担后果？一个从不承认错误的人即使过去命中率很高，也要求别人承担几乎全部风险。可纠错性不是信任之后的附加服务，而是可信关系的一部分。

这五个问题让我们看见，信任应当有范围。“我相信这位会计师正确解释了税务规则”，不等于“我相信他替我决定应当追求什么生活”。“我相信朋友准确描述自己的痛苦”，也不等于“我接受他对所有相关人的动机解释”。对一个人的尊重，可以与对某项判断的保留同时存在。

过度怀疑也会制造错误

在讨论信任时，最容易看见的危险是轻信；较少被看见的是错误地不给信任。

说话者的口音、社会身份、表达方式或地位会影响听者分配可信度。一个人可能因为说得流畅、自信、像专业人士而获得超过证据的信任；另一个人可能因为紧张、不熟悉主流术语或属于被偏见对待的群体，而在真正熟悉自己经验时仍不被听见。证词认识论把这种问题扩展到“认识不公”：人可能在作为知识提供者的身份上受到不应有的贬低。关于证词与认识不公的哲学讨论提醒我们，听者不只是保护自己免受错误，也可能通过错误分配可信度而伤害共同知识。

因此，“提高警惕”不能简单理解为更不相信别人。怀疑如果只向低地位者、非母语者或不擅长公开表达的人倾斜，就会把社会偏见伪装成理性审慎。真正的认识警觉既检查他人的话，也检查自己用来判断他人的线索。

我们尤其应该警惕两种替代品。第一种是把自信当作能力。表达坚定可能来自知识，也可能来自性格、训练或缺少对复杂性的认识。第二种是把亲近当作准确。熟悉一个人能提供关于其品格的重要证据，却不能替代与具体问题相关的专业知识。

AI使“相信谁”变成了“相信哪条关系链”

当人从AI得到回答时，信任问题变得更加分层。用户看到的是一个统一的说话界面，背后却可能包含训练数据、检索来源、系统设计、提示语、自动过滤以及使用者自己的问题表述。把回答归结为“AI值得信”或“AI不值得信”，就像把一座医院概括成“这栋楼可信”一样粗糙。

更合适的问题是：这个系统在什么任务上表现可靠？它能否显示来源？来源是否真正支持当前句子？它怎样表达不确定性？涉及价值选择时，谁在承担决定？出现错误后，用户能否发现并修正？

AI可以非常擅长组织表达，却没有人与人之间相同形式的善意和责任。它可能按照设计帮助用户，但不会像朋友或专业人员那样亲自理解自己对一个具体人的承诺。界面上的“我理解”不能自动被当作关系上的理解。使用者可以依赖其功能，却不应把功能可靠性扩展成对一个统一人格的总体信任。

这并不要求把AI排除在知识生活之外。它要求把拟人的“相信它”重新展开为可检查的任务、来源和责任关系。

好的信任会保留判断，而不是取消判断

人不可能在每一次合作前完成全面审计。信任的意义之一，就是让行动不必等待绝对确定。但这种必要性不意味着信任只能是盲目的。

一种成熟的信任会随着领域、后果和新证据而调整。它允许对方说明“不知道”，不会把保留意见立刻解释为背叛；它也允许自己提出问题，不把提问等同于冒犯。越重要的关系，越不应依靠不能说出的假定维持。

当我们说“我相信一个人”时，最值得相信的往往不是他永远正确，而是几种更具体的能力：他愿意准确地说出自己知道什么；愿意承认边界；愿意听见反证；在结果影响别人时，不把责任推回给那个选择信任他的人。

所以，信任的反面不只是怀疑，信任的完成也不只是服从。好的信任是一种有范围的交付：我允许你的知识进入我的世界，同时保留看见它从哪里来、在哪里终止、怎样可以被纠正的能力。

一个人的世界不可能没有别人。但别人进入这个世界的方式，不应是一张空白支票。真正能够长期维持知识生活的信任，不是相信某个人拥有全部答案，而是相信我们之间仍有说出理由、承认错误和共同修正的空间。

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。