《指标的必然弱点：量化如何扭曲生活价值》

导语

这篇文章从作者十多年自我量化的失败经验出发，借哲学家 C. Thi Nguyen 的《The Score》和 Theodore M. Porter 的《Trust in Numbers》，讨论指标为什么有用、为什么危险，以及为什么它们特别不适合承载细腻的人生目标。文章不是反科学或反数据，而是在区分：指标可以让某些公共问题更透明，却也会把意义、关系和人的价值压缩成可转移、可比较、因此也会扭曲的数字。

1. 作者从追求自我理解，滑向被指标重塑

1.1 自我量化一开始被包装成自我认识

• 作者最初收集个人数据，是想改善身体和情绪、更多走到户外、给混乱生活带来一点秩序。他不是典型的效率狂，也不追求所谓“生活最大化”；他真正想从健康、工作和社交数据里得到的是 self-knowledge（自我认识）。这正是他的第一个错误：以为关于自己的更多数字，等于关于自己的更深理解。
• 这种信念有更大的文化背景。启蒙运动以来，现代社会习惯把“知道更多”理解为“测量更多”。2007 年，Wired 编辑 Gary Wolf 和 Kevin Kelly 推动 quantified self（量化自我）运动，Kevin Kelly 借用“不能测量就不能改进”的说法，把个人工具和自我测量包装成通往改进的路径。

1.2 Fitbit 和媒体指标让目标被分数替换

• 作者 2011 年开始用夹扣式 Fitbit 计步，本来想借简单分数促使自己离开 Twitter、多走路、获得更好的思考时间。但目标很快从“出去走走”和“想得更清楚”变成 6,000 步、10,000 步、15,000 步，最终多年固定在 20,000 步。
• 后来他又使用心率监测器、智能手表、睡眠戒指、营养应用，以及记者工作中的 Chartbeat、浏览量、粉丝、转发、点赞、停留时长等注意力指标。十多年里，他追踪心率、步数、活跃卡路里、睡眠、文章互动、压力等数据，却几乎没有获得真正的自我认识。指标不可避免地重新定义你认为重要的东西，即使你没有意识到这个陷阱。

2. Nguyen 的“价值捕获”解释了为什么指标会反客为主

2.1 第一个教训：测量会不断制造更多测量

• 作者从自我量化中学到的第一课，是当前数据永远不会显得足够。新的心率变异性、每日压力、运动准备度、心血管年龄或健康年龄不断出现，每个新指标都声称能更准确地测量“重要”的东西。测量会繁殖测量，人的注意力也会继续被引向下一个分数。

2.2 第二个教训：细腻目标会被简单代理指标替代

• 第二课更隐蔽：目标越私人、越细腻，就越容易被简化成某个排名或分数。想成为更好的记者，会被浏览量和排行榜替代；想学会做饭，会被复杂菜谱和更长食材清单替代；想理解健康，会被可穿戴设备的读数替代。
• Nguyen 在《The Score: How to Stop Playing Somebody Else’s Game》中把这种现象称为 value capture（价值捕获）：人采用外部测量系统，却没有按自己的生活调整它，最后让外部指标替自己决定什么重要。餐厅追求 Yelp 评分，学生追求 GPA，科学家追求最大基金，教会追逐洗礼率排行榜，都是同一个结构。价值捕获最危险的地方，是人把“判断什么有意义”的工作也外包给了指标。

2.3 游戏分数和现实指标的差别

• Nguyen 的谜题是：为什么游戏里的分数能带来流动、快乐和玩耍，而现实中的公共指标和机构评分却常让人进入枯燥的优化劳动？这个问题把文章从作者个人经验带向指标的社会哲学：当分数只在游戏边界内运行，它可以创造临时目标；当分数进入真实生活和机构治理，它就会改写人的动机、评价和生存压力。

3. Porter 说明指标为什么容易跨语境传播，也因此会删掉细节

3.1 数字是一种“距离技术”

• Theodore M. Porter 在 1995 年的《Trust in Numbers》中解释，量化之所以有吸引力，是因为它是一种 technology of distance（距离技术）：它减少了亲密知识和个人信任的必要。GPA、GDP 这类指标很容易被不同背景的人理解、比较、汇总和传播。
• 代价也在这里。为了得到清晰指标，人们必须简化原本复杂的对象，丢掉大量细腻、质性、开放的信息。没有人真会相信 GPA 能充分代表学生的教育经验和学习能力，GDP 也不能完整代表社会福祉；但它们因为可读、可比、可管理而被广泛使用。

3.2 指标越能流通，越不适合指导个人意义

• Nguyen 的关键提醒是：所有制度性量化都要求评估程序和结果能跨语境理解，这天然限制了它能测量的东西。人一旦把这种“去语境化的小颗粒”内化，就会用一套为了跨场景传播而剥离细节的工具来指导生活。
• 这解释了为什么指标能在机构里发挥某些作用，却不能替代个人意义。指标擅长让远处的人看懂、比较和管理，却不擅长承载一个人为什么散步、为什么写作、为什么和别人相处、为什么觉得某件事值得。

4. Goodhart’s Law 说得还不够：问题在测量本身

4.1 “指标变目标就失效”容易被误读成操作失误

• 作者预判了“数字派”的反驳：指标只是手段，关键在于怎么用；灾难只是用户错误。许多人会引用 Goodhart’s Law（古德哈特定律）：当一个指标成为目标，它就不再是好指标。作者不反对这句话，但反感它常被解读成“找更好的指标”或“别让指标变目标”就够了。
• 文章进一步说，所有测量在现实中都会指向某种目标。更长寿命、更快毕业率、更多浏览量、更高满意度，都会把一个方向呈现为更好。问题不是某个指标被坏人误用，而是指标本身就会把复杂价值压成可追逐的方向。

4.2 作者仍承认测量的必要功能

• 文章没有否定测量。指标让现代世界成为可能，也帮助科学突破、减少痛苦、提高透明度、引入问责、降低偏见，并促使行动。例如，监测二氧化碳排放可以让社会知道进展是否真实；监管指标可以判断企业是否符合法规。
• 但 Nguyen 指出的弱点在于：当人们用指标追求更微妙、更个人的目标时，必然出现取舍。数字不仅无法接近真正重要的东西，还常常主动遮蔽它。痛苦被当作“第五生命体征”量化后加剧阿片危机，McNamara fallacy（麦克纳马拉谬误）让教育、医学、政治只根据容易测量的东西决策，都是这种危险的例子。

5. AI 时代更需要重新找回非数字化的人类语言

5.1 我们已经越来越像“数据主体”

• 作者说，今天他在工作、身体健康、心理健康和关系中几乎不再从数字获得什么。他也承认自己有一定幸运：身体尚好，不需要追踪血糖或血压；作为自由撰稿人，也较少被 KPI、OKR 和平台式量化评估强压。
• 但他强调，人无法真正逃离指标逻辑。现代社会越来越把人看成 data subjects（数据主体），也越来越用数字来赋予价值、理解关系、消化世界。第一项挑战，是阻止我们用同样方式看待自己和彼此。

5.2 AI 把指标逻辑推到更尖锐的位置

• Nguyen 的书给出的第一步，是质疑“数字真的能说明人的需要和欲望”这一信念：我们要问，追逐指标时究竟放弃了什么意义和快乐。如果继续用注意力指标、生产力分数衡量自身价值，又把智能和创造力变成一串等待 AI 超越的基准，人类就已经在自己设计的比赛里输了。
• 这里的 AI 落点不是“机器太强所以人类没用”，而是：一旦我们主动把智能、创造力和价值都翻译成可排名的指标，机器当然会在这个游戏里占优。作者拒绝的，是把人也改造成适合被机器超越的形式。

5.3 散步成为不计数的留存实践

• 作者自己的实践是从数字生活中撤退：疫情前后开始抛弃多数测量工具，基本放弃社交媒体，不再用应用追踪健康和幸福感，手表只显示时间和日期。
• 他唯一留下的是散步，但不再计步。如今他在失落、写不下去、想和狗出门、想了解邻居生活时散步。这些好处对他来说清晰而真实，只是不能用一个数字表达。

思想框架

文章先从作者个人的十多年量化生活进入：Fitbit、20,000 步、心率、睡眠、Chartbeat 和社交媒体指标没有带来自我认识，反而改变了他对重要事物的判断。随后它借 Nguyen 的“价值捕获”说明外部评分如何替人决定价值，又用 Porter 的“距离技术”解释指标为什么易于传播、也为什么必然牺牲语境。文章中段回应 Goodhart’s Law，把问题从“指标被误用”推进到“所有测量都会把方向变成目标”。最后，作者把问题落到 AI 时代：如果我们继续用指标定义人类价值，机器当然会在指标游戏里超过我们；真正的回应不是更像机器，而是重新获得表达意义、关系、创造和人的用途的语言。