量尺之外

一边是2022年美国心理学会放出来的一份专家组报告，标题长到几乎不会有人完整念完。封面上没有惊天动地的结论，没有“智商测试完蛋了”那样的宣告。它只是承认了一件很久以来被专业人员回避的事：智商分数反映的不只是认知能力，还有家庭收入、父母教育水平、社区资源和测试时的焦虑程度。

另一边是一条社交动态。一个年轻人晒出某个在线测试给出的低分，数字停在八十几，配文只有一行——“今晚还是想吃火锅”。下面几千个赞，几百条评论。没有人惊呼，没有人安慰，也没有人急着科普智商的意义。那个数字像一张旧标签，贴在衣服上，洗过太多次，已经没有人再去看它。

一边是专业共同体迟来的反省，一边是普通人对数字的轻松拒绝。两个场景放在一起，问题就出来了：如果智商不是命运的判决书，如果我们已经知道这张量尺量不出人的全部价值，那我们该用什么来理解人与人之间的差异？这是绕不过去的一问，也是这本书最后必须回答的一问。想回答这一问，不能只靠情绪。先得面对一个强硬的对手。

在心理测量学内部，有一派人会说：你们把智商测试的历史骂得再狠，也改变不了一个基本事实——它量到了一种真实存在的东西。这种东西叫一般智力因素，专业圈子里喊它g因子。二十世纪初，英国统计学家查尔斯·斯皮尔曼发现，一个人在不同认知测验上的成绩彼此正相关。数学好的孩子，语文往往不差；

推理测验得分高的人，记忆测验也常常靠前。斯皮尔曼从这种普遍的正相关里抽出一个共同因子，把它命名为g。从那以后，这个g因子反复出现在各种测验数据里。跨文化、跨年代、跨方法，它都冒出来。支持者据此认为，智商测试不是社会建构出来的幻觉。它测量的是一个真东西，一个在人群中有差异、在一定时间内稳定的认知内核。

不光如此。支持者手里还有预测数据。智商分数能预测学业成绩，这在无数研究里得到过验证。相关系数通常在0.5上下，社会科学领域里，这已经是一个相当能打的数字。它能预测职业表现吗？能，但相关度更低，通常不到0.3。它能预测收入、健康、甚至寿命吗？

能，但相关度更低，而且只要把家庭背景、教育年限、社区条件放进去，这些相关还会进一步缩水。这个说法不可轻视。它解释了智商测试为什么能活过一百多年。它没有死在实验室门口，没有死在法官判决之后，没有死在街头抵抗之中，正是因为它的确能预测某些东西。今天我们想要严肃地讨论“量尺之外”，就不能假装预测效度不存在。科学事实必须被承认。但承认了，不等于接受对方的全部解释。

预测效度和因果解释，是两回事。一个分数能预测一个结果，不等于这个分数就是那个结果的原因。更不等于这个分数是天赋在出生时刻好的刻度。

这里要拆开来看。一个孩子从小家里有很多书，父母晚间不刷手机而读书，他三岁就听过大量词汇，五岁有幼儿园老师单独指点字母，七岁有安静的卧室和充足睡眠。另一个孩子没有这些。前者在智商测验里分数更高，在学校也更容易拿到好成绩。请问：这个高分数，是因为一种先天的认知能力，还是因为他已经被环境塑造得更像测试所偏好的那种头脑？答案并不难。

家庭收入可以同时推高智商分数和学业排名。父母教育水平可以同时影响孩子的测试表现和学校适应。社区资源可以同时支撑认知发展和教育成果。测试时的焦虑可以同时压低分数和后续表现。这些变量不是各自独立，而是互相纠缠，像一个不断滚动的循环。分数站在循环中间，浓缩了一个人被社会塑造之后的状态。

所以，预测效度是真的，但它不证明测试量到了纯天赋。它证明的是，这个分数把很多社会条件打包压缩成了一个数字。这个数字能在统计上预测未来，很可能不是因为数字包含了命运，而是因为数字本身就是一个社会不平等的翻译器。这恰恰是2022年那份专家组报告说出那句话的原因。它没有说“智商测试没有预测效度”。它说的是，智商分数反映的不只是认知能力，还有家庭收入、父母教育水平、社区资源和测试时的焦虑程度。

两句话必须放在一起看。测试有效，但有效不等于纯粹。量尺量出来的，是一个被社会塑造之后的综合结果，不是一张出生前就写好的底牌。把这一点想透，原先那个问题就松动了一些。

如果智商不是命运的判决书，我们好像并不是要走向“否认差异”。那是另一个极端，也不真实。人跟人之间确实有差异。有的孩子开口早，有的孩子认字快，有的成年人空间想象强，有的语言记忆好。否认这些差异，只会让人讨论问题时失去立足点。

真正的问题不是有没有差异，而是差异能不能被一个数字穷尽。答案是不能。把一个孩子在十二岁一次测验中的表现，当成他这一生智力总量的刻度，这在经验上荒唐，在伦理上危险。人的发展是动态的。认知能力不是一出生就固定下来的常数。它会在与环境的互动中改变，有时快，有时慢，有时被激发，有时被压制。

弗林效应已经把这一点说得十分清楚。二十世纪，多个国家的平均智商分数每十年上升约三个点。人的基因库不可能在几十年内发生这么大的变化。变的是营养、教育、城市化，是信息环境的复杂度，是越来越多孩子从小就接触现代测试所偏好的抽象符号、分类推理和快速规则切换。一个1930年代的孩子如果被放进今天的测试情境，他的得分会远远低于现代儿童。

不是他的大脑质量更差，而是他的成长环境没有给他提供那种训练。反过来，今天的孩子在野外辨识植物、手工修理、身体记忆这些方面，可能远不如祖父母那一辈。两种差异都是真实的，也都是环境和历史塑造的。没有哪一边更“天生”。

这个判断是对反方最有力的回应：说智商分数有预测效度，不等于说它在一切社会条件下都预言同样的人生。预测效度本身也依赖环境。当教育机会、营养水平、社会压力和身份威胁改变之后，个体在测试中的表现也会改变。分数不是稳定的命运标记。它是一个特定情境下的表现快照，背后站着一整套社会条件。

现在可以正面回答了。如果智商不是命运的判决书，我们该用什么来理解人与人之间的差异？用第一根量尺最初想做的事。比奈在巴黎设计量表，不是要给孩子们贴终身标签。他在找那些在普通课堂上跟不上的孩子，好把他们挑出来，给特殊帮助。比奈自己警告过：智力不是一个固定不变的数量，它可以通过训练和教育增长。他的逻辑是补救，不是淘汰。

后来发生的事，是把补救逻辑替换成了排序逻辑。美国人把比奈量表带过大西洋，斯坦福大学的刘易斯·特曼把它标准化，发明了“智商”这个词。特曼相信，人的智力基本上是先天的，由遗传决定，终其一生保持稳定。从那一刻起，比奈的量表不再只是找出需要帮助的人，它开始给人排出高低：谁聪明，谁平庸，谁低能，谁可以进资优班，谁该进弱智学校。再往后，这套东西越滚越大。学校用它分班，军队用它分派岗位，移民官用它决定谁可以进入国境，法院用它判断谁可以被处决，公司用它筛选求职者。一根原本用来识别困境的标尺，变成了分配生命机会的判决书。比奈的初衷没有被世界听见，或者听见了，又被制度盖上。

这个历史的变体，正是本书一直追踪的那种“命运技术”。什么是命运技术？简单说，就是把人的复杂潜能转化为单一数字标签，再据这个数字分配生命机会的社会装置。智商测试是这一类装置中最成功的原型。它成功的秘诀，不在于测量得绝对准确，而在于它把测量变成了一种人们愿意相信的客观程序。

一个数字一旦印在纸上，就有了不容争辩的权威。孩子考了85分，家长不知道是该欣慰还是忧虑，但多半不怀疑数字本身。他们怀疑孩子不够努力，怀疑老师教得不好，怀疑自己投入不够，却很少怀疑尺子的单位。命运技术要运转，还要依赖一个动作：量化分类。人的认知能力原本是连续分布，没有哪一点天然标示着“正常”与“低能”的分界线。

但制度必须切。班级名额有限，军校岗位有限，移民配额有限，公司的面试名额有限。于是划线。线一旦画出来，类别就好像天然存在。后来的人忘了线是人画的，只记得“天才”“正常”“低能”这些格子。这些格子在历史上不断被质疑，也不断以新的面目出现。智商70和130的分界标准换过几次，“白痴”“愚笨”“天才”这些词换过几轮，但把人放进数字等级的动作从未真正停止。

今天我们看到的资优班筛选、文法学校传统、重点学校系统、跨国公司的认知测试，乃至于社交媒体上打着“测测你的智商”旗号的小游戏，都是在延续同一个逻辑：把人放进一个由数字定义的序列，再让这个序列分配机会。问题不在于测量本身。量尺本身没有罪。问题在于我们对待量尺的方式。

打一个比方。体温计。它测你现在的体温，告诉你发不发烧。这个功能很清晰，也很有用。但没有人会拿体温计去判断一个人能活多少岁，没有人因为它量出37.2度就断定这个人善良还是刻薄，也没有人用它来决定一个人该进哪个学校、该从事什么职业。为什么？因为我们都知道体温计的边界在哪里。

为什么智商测试就不能被这样限制？因为它承载了太多测量之外的功能。它被用来分配教育资源，被用来筛选移民，被用来排序求职者，被用来解释社会不平等的合理性。这些功能不是科学本身，而是社会决策。但社会决策喜欢把责任推给数字。数字看起来中立、不动感情、不受人情影响。

于是，一个带有价值判断的权力动作，就披上了科学客观的外衣。一旦你试图把智商测试降格为“参考指标”，这些功能就会失去科学外衣，暴露出它们的社会决策本质。那时人们就得承认：我们不是在判断一个孩子是否聪明，而是在替他决定他配进入哪条轨道；我们不是在测量一个求职者的潜能，而是在用最低成本淘汰一些人；我们不是说社会的层级由能力决定，而是在用测试把既有的层级再确认一遍。承认这些，并不会让世界马上变好。但它让我们不再被数字骗得心安理得。

或许有人会问，这是不是要彻底抛弃智商测试？不是。这个问题问得不对。测工具不会因为被滥用就消失。它消失不了。学校教育要筛选，企业要招聘，机构要在有限时间里处理成千上万人。这些需求会一直存在。只要有这些需求，就会有人造出新的筛选工具。

命运技术不会死，它只会换代。今天可能是认知测验，明天可能是算法评分。硅谷的招聘算法从上千个变量中给求职者打分，看起来比智商测试更精密，实际上更不透明。

它不是在消灭命运技术，而是在给它换一张更现代的脸。所以，真正的问题从来不是“要不要消灭量尺”，而是“我们能不能限制它的权力”。限制的第一步，是承认任何量尺都是有限的。承认人的发展是动态的。承认一个数字永远无法穷尽一个人的可能性。这三句话不是空口号。体温计早就实现了这种有限性。它只提供一种信息：现在烧不烧。它不预言生命，不评判人格，不分配前途。为什么智商测试不能一样？因为围绕体温没有一整套工业和制度靠它分配资源。围绕智商有。

这里有另一种可能。心理学中早就有人提出动态评估的思路：不要只测一个人现在能做什么，而是看他在给出提示、给了教学之后能进步多少。进步空间比当前分数更接近学习潜力。但动态评估从没成为主流，因为它慢、贵、不好标准化。它指出的方向却很重要：我们可以测量变化，而不是测量一个被社会条件冻结的时刻。这层认识，会把我们带回到比奈的那句话。智力不是固定的，可以通过训练增长。这句话在今天比当年更像一句挑战。

二十世纪的平均智商上升，营养和教育干预带来的成果，为这句话提供了证据。成长性评估也显示，如果改变条件，孩子的表现并不是死水一潭。人的能力在与环境互动中改变。一个在阅读上进展缓慢的孩子，可能是因为缺少早期语言环境，因为营养不良，因为长期焦虑，因为关键阶段没有遇到合适的老师。这些都不是不可改变的。关键在于，我们愿不愿意把资源投到改变环境那一边，而不是投到给个体排序这一边。

比奈的逻辑是补救。后来制度的逻辑是排序。补救逻辑问：他需要什么？排序逻辑问：他排第几？前者花钱，后者省钱。于是后者胜出。

这个胜利很自然，自然到很多人已经忘了前者曾经存在。成绩差的学生不再被视为需要帮助的人，而被视为能力不足的人。这两者的区别细微，却致命。前者指向资源、支持、改变。后者指向放弃、淘汰、固定。一个社会如果长期用后一种眼光看人，就会把教育变成筛选，把学校变成分流站，把人生变成一场不断证明自己够不够格的考试。

美国心理学会2022年的那份报告提醒我们的，正是这个区别。它没有说“不要测试了”。它说的是，分数反映的不只是认知能力，还有家庭收入、父母教育水平、社区资源和测试时的焦虑程度。这个“不只是”里面，藏着一整部历史。藏着比奈初衷被扭曲的一百多年，藏着弗林效应对先天论的冲击，藏着数以百万计孩子被错误分类的命运，也藏着从法庭到街头那些拒绝被定义的动作。

所以，本章的判断可以这样落下来：智商测试不会消失，但我们可以改变与它的关系。把它从“天赋的刻度”降格为“当前表现的一个参考指标”。这不是技术方案。技术方案救不了这个问题。这是一个认知转变。在教育决策中，把它当作众多信息中的一条，而不是唯一决定项。在临床判断中，把它的文化偏见和社会背景纳入考虑。在社会分析中，不再用它来解释不平等的合理性。这一系列转变不需要推翻科学，只需要诚实地面对科学。科学从来不承诺确定性。好的科学家知道自己的工具能做什么，也知道自己的工具不能做什么。

温度计能测体温，不能测寿命。智商测试能测当前在某些认知任务上的表现，不能测一个人的天赋潜能，不能预测他未来的成就，更不能判断他作为人的价值。这些边界本来存在。一百年来，这些边界被制度需要、商业营销和社会焦虑反复模糊。

如今重新划清边界，不是否认工具，而是让工具回到它该待的地方。回头看，这本书从比奈的巴黎出发，穿过军队、学校、法庭、移民局、国会、硅谷和无数普通人的客厅。路上，智商分数被赋予了太多东西：科学权威、命运预言、社会地位合法性、个人身份依据。现在该把这些东西一件件拿下来，放回它们原本属于的地方。

科学权威还给科学，但仅限于科学能够证明的范围。命运预言没有依据，应当丢弃。社会地位的合法性是政治问题，需要政治而不是心理测量学来回答。

个人身份的依据，最终要回到个人的生活经历、选择和行动。一个数字不能概括你。这不是安慰，而是这本书对智商测试历史的诚实结论。

不过，要说清楚这个结论，不能只停在纸面上。它最早可以追溯到两位几乎同时代的人，一个在伦敦的统计表里找规律，一个在巴黎小学的走廊里看孩子。查尔斯·斯皮尔曼坐在一堆数字中间，发现不同科目的成绩总是一起好坏。他给这个共同因子起名g，以为找到了智力的核心。但比奈走的是另一条路。他不去追问智力的本质是什么，他只问眼前这个孩子为什么跟不上课。两个人都在1904年前后开始工作，却把尺子引向了两个方向。一个方向通向实验室里的统计推断，另一个通向教室里的补救。后来的历史选择了前者，后者被挤到了边角。

这不是说g因子没有科学价值。它是真实存在的统计现象，任何严肃讨论都不能装作没看见。但g因子被反复验证，并不等于它解释了全部差异。斯皮尔曼的同时代人、美国心理学家路易斯·瑟斯顿就不同意单一因子说。他提出智力由多个独立能力组成，言语、数字、空间、记忆各有各的轨道。这场争论持续了几十年，没有一方完全胜出。今天的主流测试仍然偏爱单一总分，但研究者都承认，测试分数下面是好几个能力模块在共同起作用。光凭一个总分，你分不清一个孩子是语言强数学弱，还是空间记忆突出。g因子把复杂的人压缩成一个数字，科学上方便，应用上危险。

这种压缩在比奈那里原本是被抵制的。他在巴黎给孩子们做的测试，根本不是纸笔考试。他会让孩子说出硬币的名称，重复几个数字，比两条线段哪条长。他在书里反复说，分数只表明孩子此刻需要帮助，不是对他的智力下判决。他甚至担心，如果老师把分数当成孩子的固定标签，那这个工具就坏了。这是他最接近预言家的时刻。

因为仅仅几年后，他的量表漂洋过海，被美国人改造成了一套标准化、可大规模施测的设备。斯坦福大学的刘易斯·特曼给每个孩子算出一个数字：心理年龄除以实际年龄，再乘一百。智商从此有了一个简洁的称谓，也有了便于比较的刻度。特曼相信智力是稳定的、遗传给的，他参与军队测试，推动把智力排序当作社会政策。比奈的补救逻辑在这里被替换掉了。

要理解替换怎么就成功了，得看1917年的美国军队。当年美国政府要给上百万新兵分派岗位，心理学家抓住机会，设计了陆军甲种和乙种测试，对约一百七十万人施测。测试题目里不时出现网球拍、美国本土广告语这类文化符号。一个新移民可能看得懂英文，却看不懂那些题目背后的生活场景。

于是他的分数低，不是认知能力低，而是不熟悉测试所预设的文化世界。军队测试的数据后来被一些人拿来证明某些族裔智力低下，直接进了移民政策的讨论。1924年移民限额法案的出台，离不开这些分数的推波助澜。到了这一步，尺子已经不仅仅是找出需要帮助的孩子，它开始决定谁可以进入国境、谁配得到机会。比奈当初担心的标签化，成了制度现实。

但历史的另一条线也在暗中生长。二十世纪后半叶，新西兰人詹姆斯·弗林整理各国智商测试分数时，发现一个奇怪现象：每隔十年，平均分就上涨大约三分。他反复核对数据，以为哪里出了错。结果没有错。基因库不可能在几十年里大变，营养、教育、城市化却可以在几代人间改变人的抽象推理习惯。弗林效应让先天论遭遇了最直接的经验反驳。

它说明人们所称的“智力”，很大一部分是社会条件养出来的表现，而不是出生时封存在大脑里的常数。把这个发现和军队测试的文化偏差放在一起看，原先那个看似坚固的g因子神话就出现了裂缝。g因子描述的是人群中的共同变异，但它回答不了这个共同变异从何而来，更回答不了为什么同一群人在不同年代、不同社会条件下整体水平会漂移。

于是，当2022年美国心理学会的报告承认分数混着家庭收入、父母教育、社区资源和焦虑时，它并不是在念一句新咒语。它只是把这一百多年积累的裂缝摆到了台面上。那些裂缝一直存在，藏在斯皮尔曼的因子矩阵里，藏在比奈的警告里，藏在军队测试的网球拍题目里，藏在弗林的折线图里。现在把它们拼起来，结论并不复杂：量尺能测出一些真实的东西，但这些真实的东西远不是它声称要测的那个全部。它测出的是一段被环境、制度和历史反复加工过的表现。这个表现重要，值得记录，但不能冒充一个人的命运。

一个多世纪的证据表明，智商分数受到太多非认知因素污染，被太多制度功能扭曲，被太多文化偏见渗透。它不是一个客观的天然刻度，它是一个社会建构的文化符号。人们对它的信仰本身，比分数更深刻地塑造了现代人的自我认知与机会结构。

这句话不是最后一章临时得出的，而是前面所有场景共同指向的地方。现在，再看开篇并置的两个场景，会多出一层理解。心理学会的专家承认分数里混着社会条件，却没有给出替代方案。年轻人的火锅动态拒绝让数字毁掉晚饭，却不会改变下一次测试被用于筛选的现实。

两个动作都不完整。但也许都不完整，才是起点。专业共同体不再假装测试是纯粹的，普通人不再因为一个数字而否定自己，量尺的绝对权威就已经在松动。接下来会发生什么，不知道。也许测试还会继续存在几十年，也许新的测量技术会取代它，也许算法评分会以更隐蔽的方式重新把人的复杂潜能转化为数字。这些都不是这一章能回答的，也不该由一本书假装回答。

我们只能把选择摆在眼前：当数字不再被当作命运，你怎么看待眼前的人？你是继续相信那个数字，还是相信自己的眼睛？这个选择不会出现在考卷上，不会出现在招聘筛选表上，也不会出现在学校的分班系统里。

但它在每一次家长看见孩子成绩单时的沉默里，在每一个教师面对所谓“差生”时的态度里，在每一个招聘者浏览简历时的判断里，在每一个为自己挑选身份标签的瞬间里。比奈没能看到他的量尺如何被世界使用。可是早在一切开始的时候，他已经说过：智力不是固定的，可以通过训练增长；量尺的任务是找出需要帮助的人。

一百二十年后，我们重新听见这句话，会忽然发现，它早就不只是一个历史注脚。它是一个尚未兑现的起点。

量尺是人造的。人也可以重新定义它。你愿意继续相信那个数字，还是愿意相信自己的眼睛？这个问题没有标准答案，但它已经不再是一道数学题。