为什么真正的分歧，常常从“同一个词”开始？

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”· 第六篇

两个人争论一种工作安排是否“公平”。一方说，只要规则对所有人相同就是公平；另一方说，如果人们起点不同，相同规则也可能制造不公平。谈了很久以后，他们发现自己不只是对安排评价不同，也在用“公平”指向不同的比较方式。

这时最容易出现两种草率结论。第一种说：“原来只是定义不同，没有真正分歧。”第二种说：“我的定义才是正确的，你连这个词都不懂。”

两种说法都可能错。人们有时确实只是在使用不同词义，说明以后争论就会消失；但另一些时候，对词义的争夺就是现实分歧的一部分。谁被算作“工作者”，什么情况叫“风险”，什么行为构成“照顾”，什么系统有资格被称为“智能”，词的边界会改变统计、责任、资源和自我理解。定义不是贴在现实表面的标签，它常常参与决定我们能看见什么。

先区分三种可能的争议

同一个词引发冲突时，至少有三种情况需要分开。

第一，双方指向同一事实，只是词的使用习惯不同。例如一个人把只有特定温度的饮料叫“热”，另一个人的界线稍低。如果具体温度和偏好已经说清，继续争夺词可能没有价值。

第二，双方使用大致相同的词义，却对事实归类不同。他们同意“欺骗”包含故意使人形成错误理解，却不同意某次遗漏是否具有这种意图。这不是字典能解决的问题，需要证据。

第三，双方在争论这个词今后应当怎样使用，因为不同用法会带来规范后果。把某种劳动称为“工作”可能使它进入报酬和保护制度；把一种结果称为“伤害”会改变责任问题；把某个系统称为“自主”可能弱化设计者和使用者的责任。这里的争论既关于语言，也关于我们准备建立怎样的公共结构。

David Chalmers 在讨论“语言争议”时提出一个实用思路：暂时禁止使用有争议的词，看看双方能否用别的表达说出仍然存在的实质分歧。《Verbal Disputes》如果删除那个词以后争论完全消失，分歧可能主要是语言性的；如果仍能说出对事实、价值或行动的不同主张，词语只是遮住了更深问题。

这个方法不是宣布语言问题不重要。恰恰相反，它先把争议拆开，使人知道自己是在核实事实、选择分类，还是争夺分类带来的社会后果。

定义有时是在管理边界

字典记录用法，却不能替每一个制度决定边界。法律、医学、统计和公共政策经常需要“操作性定义”：现实连续变化，制度却必须决定何时纳入、何时排除。定义因此带着目的。

例如，“失业”在日常生活中可能指没有足够工作和收入，在劳动力统计中则要依照一组可执行的条件分类。两个定义服务不同问题。错误不是它们不同，而是把统计定义的结果直接当作对一个人生活处境的完整描述。

同样，一个社群讨论什么算“成员”，并非只是在找出词的天然本质。它也在决定谁能发言、谁受到保护、谁承担义务。一个技术团队决定何种输出叫“解释”，会影响用户究竟得到理由、变量重要性，还是一段听起来合理的文字。

Plunkett 与 Sundell 用“元语言协商”（metalinguistic negotiation）描述一类现象：表面上，人们使用同一个评价词作出相反陈述；更深处，他们也在主张哪一种用法更适合当前目的。他们关于规范与评价词分歧的论文说明，争论一个词怎样使用并不因此无关紧要。词义可能承载对世界应该如何被划分的建议。

关键是把这种建议公开。与其说“这就是这个词唯一真正的意思”，不如说明：“我主张这样使用，因为它能突出这些差异、保护这些人、支持这种制度目的；代价是它可能模糊另一些差异。”定义一旦附带理由，就能接受比较，而不只是争夺字典权威。

同词也会制造虚假的共识

分歧不一定表现为争吵。更危险的情况可能是所有人都使用同一个词，以为已经同意。

一个组织说要提高“质量”，管理者想到减少错误，客户想到更容易获得帮助，员工想到拥有足够时间完成工作。目标在文件上高度一致，行动时却彼此冲突。因为共同词语遮住了不同的测量对象。

“安全”“创新”“透明”“以人为本”都容易形成这种虚假共识。它们具有积极价值，人们没有动机公开反对；也正因为如此，每个人可以把自己的内容装进去。会议迅速达成原则同意，真正的分歧延迟到资源分配和责任追究时才出现。

检验共同词语最有效的方式往往不是再给一个抽象定义，而是要求实例和边界：什么具体情况算，什么相近情况不算？两个目标冲突时哪个优先？我们会观察什么证据来判断已经做到？谁会因为这种定义获得或失去什么？

例子让词落到现实，边界案例让隐藏标准显形，后果问题则让定义背后的价值选择无法继续隐身。

AI使词义更流畅，也更容易混合

向生成式AI询问“什么是公平”“什么是意识”“什么是风险”，通常会得到一段平衡而顺畅的定义。它可能综合日常用法、学术理论、政策语言和互联网上的常见表达。综合有助于入门，却也可能把彼此不兼容的含义放在一起，形成一种看似完整、实际无法承担判断的文字。

AI还会顺着对话上下文调整词义。同一个词在不同提示中可能获得不同限定，而用户未必察觉边界已经移动。系统的语言连续性容易使人把“始终使用同一个词”误认为“始终讨论同一个概念”。

因此，在重要问题上，向AI索取一个定义之后还应继续问：这是日常、法律、技术还是哲学用法？它服务什么目的？有哪些有影响力的替代定义？在这个具体案例中，采用不同定义会改变什么结论？哪些来源支持每一种用法？

AI可以帮助列出概念地图，却不能替共同体决定应该以哪一种边界承担现实后果。语言模型能显示用法，规范选择仍需要人说明理由并接受受影响者的质疑。

解决词语分歧，不是先找一个赢家

当争论围绕一个词反复打转，可以按一个更耐心的顺序处理。

先把词暂时拿掉，用具体句子重述双方主张。再分别列出事实分歧、价值分歧和语言选择。然后比较不同定义在典型案例与边界案例中的结果。最后说明当前场合究竟需要日常理解、技术测量、法律可执行性，还是道德评价。

这个过程不会保证共识。有些人充分理解彼此以后，仍会坚持不同价值。但分歧会变得更诚实：双方不再用“你不懂这个词”掩盖“我希望世界按这种方式分类”。

共同语言不是一个已经完成的容器。它是在反复使用、争议和修正中维持的公共结构。词语让我们能够共享世界，也会把差异压平；它们保存历史判断，也可能把旧边界带进新处境。

因此，真正的分歧常从同一个词开始，并非语言阻碍了现实，而是语言已经参与现实。一个人形成自己的世界，也是在学习用哪些词看见差异、在哪些时候拒绝现成分类，以及怎样让别人能够检查自己为何这样命名。

最好的结果不一定是所有人最终使用同一定义。更重要的是，我们知道这个词正在做什么工作，并愿意为它划出的边界负责。

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。