为什么还要读这本古书
第 1 章：为什么还要读这本古书
你去医院做体检,医生拿着化验单看了好一会儿,抬头说:"根据现在的指标,我有70%的把握是这个病,但还有30%的可能是另一种情况。建议先观察两周,再复查一次。"
你打开手机看天气,App 显示"明日降水概率 80%"。你犹豫了一下还是带了伞,结果第二天是大晴天。
你和 AI 聊天机器人聊了半小时,它引用了三篇论文、两个权威专家的观点,看起来非常专业。但等你真去查,发现那三篇论文根本不存在,那两个专家也是它虚构的。
这三件小事有什么共同点?
它们都在做同一件事:把"我知道的边界"诚实地说出来。医生没说"100% 是这个病",天气预报员没说"明天绝对下雨",AI 的问题不是它在说话,而是它根本不知道"自己不知道",却表现得像知道。
这就是我们这个时代最稀缺的认知品质:有学识的无知(learned ignorance)。
听上去像是一个新概念吗?不是。580 多年前,一个德国小镇的神父在写一封长信给一位修道院院长,信的主题是如何证明上帝存在。但他写完之后意识到,自己其实在讨论一个远比上帝更重要的事情:人类的认知永远只能逼近真理,永远不能完全抵达。
这个神父叫尼古拉·库萨(Nicholaus Cusanus,1401—1464),那封长信后来变成了一本拉丁文小书《De Docta Ignorantia》,翻译成中文是《论有学识的无知》。这本书从一份无人问津的中世纪手稿开始,经过印刷机的传播,直接撬动了哥白尼写《天体运行论》时的方法论,为伽利略和布鲁诺打开了新的世界观,被黑格尔消化成辩证法的核心隐喻,甚至在精神上和 20 世纪海森堡的不确定性原理遥相呼应。
今天,AI 一本正经地胡说八道,阴谋论在算法推荐下病毒式传播,各路专家在社交媒体上吵成一团。《牛津词典》把"post-truth"(后真相)选为 2016 年的年度词汇。我们比任何时代都更需要一种思维工具,帮我们在信息的洪流里站稳脚跟。
库萨在 15 世纪给出的那副药方,今天比以往任何时候都更管用。
三个让你睡不踏实的场景
回到开头那三件事。你可能觉得它们只是日常小插曲,不舒服一下就过去了。但如果把它们放在一起看,会浮现出一种更深的时代情绪。
过去的几百年里,人类建立了一套"知道-不知道"的二元分类。要么你懂,要么你不懂;要么是专家,要么是小白。这套分类让我们很安心,因为世界可以被整齐地切成两堆:一堆是确定的事实,另一堆是等待被填满的空白。
最近几十年,这套二元分类正在崩塌。
医学领域的崩塌最明显。一个世纪前,医生还能拍着胸脯说:"你得了肺炎。"今天光"肺炎"两个字就分几十种亚型,每种对药物的反应都不一样。同一种症状,可能是自限性的病毒感染,可能是早期的恶性肿瘤,可能是免疫系统紊乱,也可能什么都不是,只是你最近太累了。
所以现代医生不再轻易下绝对的判断。他们说的是"目前证据指向什么"、"不能排除什么"、"建议进一步做什么"。这不是胆小,也不是推卸责任,而是对医学认知边界的诚实标注。
天气预报的诚实来得更晚。20 世纪初,英国气象学家刘易斯·弗莱·理查德森(Lewis Fry Richardson)设想了一个听起来很科幻的方案:在一个能装下 64000 人的大厅里,每个人负责计算大气方程的一小块,再把结果传给邻座,最终能算出整个地球的天气。这个设想后来变成了现实,它叫数值天气预报,现在我们每天看的天气预报都跑在它的后代模型上。
但即使是这样的超级计算,依然做不到 100% 准确。因为大气是一个混沌系统,初始条件里一丝微小的扰动,几天后就会被放大成完全不同的结果。这就是为什么专业的气象员不再说"明天一定下雨",而是"80% 概率"。
AI 是最新的案例。你问一个大型语言模型一个冷门的历史问题,它可能编造一个看起来非常合理的答案,引用几篇不存在的论文,编出几个虚构的学者名字。你查不到,因为那些论文和学者本来就不存在。这就是"AI 幻觉"(hallucination)。
但 AI 并不是在故意骗你。它只是根据训练数据的统计规律,拼凑出了"看起来最像答案"的内容。它没有"知道自己不知道"的能力。它不诚实,但也不是不诚实,因为它压根没有"诚实"这个概念。
把这三件事串起来看,指向同一个结论:当"确定性"成了奢侈品,"知道自己不知道什么"就变成了核心生存技能。
这个结论听起来有点反常识。我们的直觉是,知识越多越强,不确定性越少越好。但库萨会告诉你,真实的图景刚好相反。
库萨是怎么撞上这个问题的
把时钟拨回到 1440 年。
这一年,欧洲最热闹的事是天主教大公会议。本来应该在君士坦丁堡开,但教会内部闹分裂,搞了好几个分会场,谁也不服谁。库萨作为教皇的特使,在德意志北部到处跑,调解各种纠纷。
这位老兄的人生履历相当硬核:年轻时在意大利帕多瓦大学学法律,后来又跑到海德堡学人文学科,接着去希腊学东正教神学,最后成了天主教会的高级官员,精通拉丁文、希腊文、数学、法学和神学。放在今天,他大概是个会做数学题的资深外交官。
但就是这样一个知识结构复杂的人,在调解完教会的破事之后,开始失眠。他琢磨一个折磨了他很久的问题:人类到底能不能用理性证明上帝存在?
他的同事们给了他一堆答案。大阿尔伯特(Albertus Magnus)说可以用亚里士多德的因果律证明。阿奎那(Thomas Aquinas)说可以用五条路证明。安德烈(Andreas de Sancto Victore)说可以用柏拉图的理念论证明。
库萨听完,觉得每一种都有道理,但每一种都不彻底。
问题出在哪里?他琢磨了很久,最后意识到一个根本性的悖论:如果上帝是无限的,而人类的理性是有限的,那么有限怎么可能完整地把握无限?
他打了一个比方。如果你是一个孩子,试图用手指量出大海的深度。你可以量,但你量出来的永远不是大海本身。你量得越精细,你就越清楚自己和大海之间的差距。
库萨在数学里找到了一个更精准的类比。在数学上,无穷大减去无穷大,结果不一定为零。一个非常直观的几何例子:把一个圆的半径无限放大,圆弧的长趋向于无穷,但圆上的一小段弧会越来越像一条直线。到了无穷远处,"曲线"和"直线"的差别消失了。
他把这个数学直觉搬到了哲学里:如果我们把人类的知识看作一个不断膨胀的圆,圆内是"已知的",圆外是"未知的"。那么我们知道的越多,圆越大,圆周(已知与未知的边界)就越长。这意味着,我们知道的越多,我们就越清晰地意识到自己有多无知。
这就是"有学识的无知"这个概念的原型。它不是"我什么都不知道",那是蒙昧。它是"我知道的越多,我就越知道自己不知道什么"。
库萨把这个观点写成了那本书,书的核心句在开篇第一段:"我们在上帝面前的有学识的无知,如此伟大,以至于,即使我们知道了所有能知道的东西,我们也知道自己不知道那个我们不知道的——正是这种知识本身,使我们成为有学识的人。"
绕口吗?绕口。但意思其实很清晰:知道自己不知道什么,本身就是一种知识。而且很可能,是所有知识里最重要的一种。
库萨这本书写完之后,在教会高层里小范围流传了一些年。真正让它进入历史舞台,要到 1460 年代古腾堡印刷机推广之后。
一本小册子的隐秘旅行:从印刷机到 AI 时代
库萨这本书的"逆袭"过程,是思想史上最迷人的故事之一。
它最直接的影响发生在天文学上。哥白尼(Nicolaus Copernicus)在 1543 年出版《天体运行论》时,在前言里公开感谢了库萨。这不是客套话。哥白尼的革命性观点——地球不是宇宙的中心——是建立在一个库萨式的洞察之上:如果宇宙是无限的,那么它就不可能有几何意义上的"中心",地球也就不是特殊的。库萨在《有学识的无知》里明确写过这个观点,比哥白尼早了一百多年。
布鲁诺(Giordano Bruno)把库萨的思路推得更远。他读了库萨之后,不仅接受了"宇宙无限",还把库萨提出的"对立面的一致"(coincidentia oppositorum)发挥到了极致,主张宇宙中有无限多个世界,每个世界都有生命。1592 年他被宗教裁判所关进监狱,1600 年被烧死在罗马的鲜花广场。烧死他的具体罪名很多,但思想的源头之一,就是库萨的延伸。
伽利略(Galileo Galilei)则用另一种方式接住了库萨。他 1610 年用望远镜观察木星的四颗卫星、金星的相位变化,证明了地球不是宇宙唯一的"舞者"。但更重要的是他的方法论:他不再说"我相信",而是说"我观察到"、"我测量到"。他知道测量是有误差的,理论是有边界的。这种"知道边界"的科学精神,和库萨一脉相承。
接下来的时间轴很有意思:
```mermaid flowchart LR A[库萨 1440] --> B[哥白尼 1543] B --> C[布鲁诺 1584] C --> D[伽利略 1610] D --> E[黑格尔 1812] E --> F[海森堡 1927] F --> G[AI 时代的认知谦卑] ```
黑格尔(Georg Wilhelm Friedrich Hegel)在 19 世纪初写《逻辑学》时,把库萨的"对立面的一致"转化成了辩证法的核心结构。他的核心主张是:真理不是一个静止的点,而是正题、反题、合题的动态过程。在合题里,正题和反题的对立被扬弃,产生出更高级的统一。这套思路的精神源头,可以追溯到库萨。
到了 20 世纪,物理学终于在数学层面碰到了库萨直觉的具体形态。1927 年,海森堡(Werner Heisenberg)提出了著名的不确定性原理:你不可能同时精确测量一个粒子的位置和动量,知道得越精确,就越发不精确另一项。
这个原理用物理学的语言,重新讲述了库萨的故事:在大自然的最底层,存在着一个我们永远无法消除的认知边界。不是仪器不够好,也不是实验不仔细,而是边界就长在那里。
到了 21 世纪,复杂性科学、人工智能、量子计算接踵而来。我们终于可以理直气壮地说:不确定性不是科学的失败,而是科学的常态。
这条从 1440 年一直延伸到今天的线索,横跨 580 多年,跨越了神学、数学、天文学、哲学、物理学、计算机科学。每一步,都有具体的人、具体的书、具体的事件。但把它们串起来的那条暗线,始终是库萨的同一个问题:我们以为我们知道的东西,边界在哪里?
"有学识的无知"不是无知
说到这里,你可能开始担心了:这听起来像一种变相的相对主义。什么都是不确定的,那我们还怎么谈真理?还怎么下判断?
这种担心很正常。但库萨的"有学识的无知"不是你以为的那种"不可知论"。
不可知论说的是:"我们永远不能知道 X。"这是对认识能力的彻底否定。
库萨说的是另一件事:"我们能知道 X,但我们要清楚知道 X 的边界在哪里。"这是对认识边界的精确标注。
打个比方。一个不可知论者会说:"地图画得再好,也不能完全等于真实地形。"这个判断没错,但它没有指导意义。
库萨式的判断则是:"地图画得再好,也只能在某些比例尺下使用;在小比例尺下,你能看到海岸线的总体走向,但会丢失每条具体的河流;在大比例尺下,你能看到河流的细节,但会失去海岸线的整体感。每种比例尺的地图都是有用的,但也都只是真实地形的一部分。"
这是同一种事实的两种说法。前者让你放弃,后者让你学会选择。
库萨的方案里有一个很关键的洞见:无知的程度是有等级的。 一个一无所知的人,他的"无知"是没有深度的;一个知道一点的人,他的"无知"可能包含着"知道自己不知道什么"的内容;而一个知道很多的人,他的"无知"可能包含着对自己专业边界的精确把握、对跨学科连接的隐约感知、对知识本身局限性的反思。
苏格拉底(Socrates)在公元前 5 世纪说过一句类似的话:"我唯一知道的,就是我一无所知。"这句话被引用了几千年,被当作谦卑的范本。
但苏格拉底和库萨其实在说两种不同的东西。苏格拉底的"无知"是平的,是一个统一的、绝对的姿态。库萨的"无知"是立体的,是有层次的,是可以被学习的。
苏格拉底说:"你不能认识自己。" 库萨说:"你不能完全认识自己,但你可以学习如何更好地认识你自己的认知边界。"
这是一个微妙的差异,但意义重大。苏格拉底的"无知"指向一种哲学姿态,库萨的"无知"指向一种可学习的技能。前者是终点,后者是起点。
这也解释了为什么库萨的这本书能在 580 年后还在被讨论。苏格拉底的"无知"太绝对了,一旦被引用就变成了文化装饰品。但库萨的"无知"是工具性的,它告诉你怎么思考、怎么提问、怎么判断、怎么在不同情境下调整你对"确定性"的预期。
苏格拉底的"无知"教你承认自己不行。 库萨的"有学识的无知"教你知道自己哪里不行、为什么不行、接下来可以怎么改进。
为什么今天我们比任何时候都更需要它
如果说库萨的方案在 15 世纪还很学术,那么到了 2025 年的今天,它已经变成了生存必需。
最直接的原因是 AI。2022 年底 ChatGPT 发布之后,大型语言模型的能力边界成了一个全球性的讨论话题。一边是 AI 在编程、写作、翻译、医疗诊断上的惊人表现,另一边是它时不时会"幻觉",编造出非常自信的错误信息。
对普通用户来说,识别 AI 幻觉的能力突然变得非常重要。但识别的能力本身,依赖于你对自己领域认知边界的把握。如果你是医生,你很快就能发现 AI 在医学细节上的胡扯;如果你是历史系学生,你能很快识破 AI 在历史事实上的虚构;但如果你是一个门外汉,你可能真的会被 AI 编造的内容骗到。
这就是为什么"有学识的无知"突然有了新价值。在 AI 时代,知道自己不知道什么,不仅是一种美德,还是一种防御机制。
第二个原因是后真相政治。在过去的几年里,信息生态发生了剧烈变化。社交媒体的算法奖励情绪化的内容,传统媒体的把关角色被削弱,各种"事实核查"网站被指为有政治偏向。结果是,公共讨论越来越难达成共识。
在这种环境下,"有学识的无知"提供了一种难得的中间立场。它不要求你一定要选边站,也不要求你假装中立。它要求你诚实地说:"我对这个问题的某些方面了解得不多,但我对另一些方面了解得比较多,而且我对所有这些方面的了解都有边界。"
这不是软弱,这是认知诚实。
第三个原因是信息过载。每天,我们被淹没在几百万条推送、几十个新闻源、几百个"专家观点"里。在这样的信息密度下,真正稀缺的不是信息,而是判断信息的框架。
库萨给我们的框架是:不要问"我是不是知道这个",要问"我以什么程度、在什么范围内知道这个"。 这个微妙的转变,会让你在面对一个"专家观点"时,不再是简单地接受或拒绝,而是追问:这个专家的知识边界在哪里?他在什么条件下得出的这个结论?这个条件在我的情境下成立吗?
这套追问的流程,在 580 年前是哲学家的奢侈品,在今天是你的日常必需。
怎么把它用在自己的工作生活里
理论讲到这里,你可能还是觉得有点抽象。库萨的"有学识的无知",具体能用在哪里?
我给你几个实际的场景。这些场景不是理论推演,是我观察到的真实工作情境。
场景一:医生对你说"我不太确定"。在过去的医患关系里,患者经常觉得医生"不确定"就是不专业。但有学识的无知视角告诉你,一个愿意说"我不能确诊"的医生,往往比一个斩钉截铁下判断的医生更可信。因为他清楚自己诊断的边界。下次遇到这样的医生,不要怀疑他,相反,应该感谢他。
场景二:工程师说"这个系统有不确定性"。在工程领域,任何复杂的系统都有不确定性,无论你怎么优化。不确定性不是工程师偷懒的借口,而是物理世界的真实状态。当一个工程师承认系统有不确定性,他是在告诉你,他对自己的工作有精确的认知,而非夸大自己的能力。
场景三:专家说"这个领域我们知之甚少"。在科学领域,越是前沿的专家,越倾向于说"我们知之甚少"。这不是套话,这是对前沿认知边界的诚实标注。真正可怕的专家,不是承认不知道的专家,而是那种什么都知道的专家。
场景四:你和 AI 助手对话。它给你一个看起来很完美的答案,但你想确认它是不是幻觉。用"有学识的无知"的视角,你的第一反应不再是"AI 说的应该是对的吧",而是"我需要查证 AI 的边界在哪里"。 这个心态,会让你少踩很多坑。
场景五:你和同事讨论一个问题,双方意见不一致。不要急着说服对方,先问自己:我对这个问题的了解边界在哪里?对方可能站在我没看到的角度。 认知边界意识,比任何辩论技巧都更能帮你在冲突中保持清醒。
这些场景里,"有学识的无知"不是让你变得优柔寡断,也不是让你变得不可知论。它是让你在面对现实时,有一种更精确的认知姿态:既不一无所知,也不假装全知。
本章小结
回到本章一开始的问题:一本 15 世纪的拉丁文小册子,跟你今天刷短视频、跟 AI 聊天有什么关系?
关系非常大。因为我们今天面对的所有认知挑战——AI 幻觉、阴谋论、后真相、信息过载——本质上都是同一个挑战:当世界变得越来越复杂,我们要怎么诚实地面对自己的"不知道"?
库萨的"有学识的无知"给了我们一个有用的起点。它不是一个新概念,也不是一个洋概念。它是一个跨越 580 年的思考工具,从哥白尼到黑格尔,从海森堡到今天的 AI 研究者,都在用它。
具体来说,本章我们讲了四件事:
第一,"知道自己的不知道"不是软弱,而是认知诚实的体现。在医生、天气预报员、AI 助手的例子中,我们看到这个品质在现代社会越来越稀缺,也越来越珍贵。
第二,库萨的核心洞察是:无知的程度是有等级的。一个真正有学识的人,不是什么都懂,而是精确地知道自己懂什么、不懂什么、这个边界在哪里。
第三,从哥白尼到 AI,这条 580 年的思想接力,证明"有学识的无知"不是一时的哲学姿态,而是有持久生命力的思维工具。
第四,在 AI 时代、后真相时代、信息过载时代,这种认知工具比以往任何时候都更实用。它能帮你识别 AI 幻觉、抵御阴谋论、在意见分歧中保持清醒。
库萨用一句话概括了他的全部立场:"有学识的无知,是我们关于不可知之物的知识。"
绕口,但精准。
既然这本书的标题叫《越知道,越无知》,既然你已经知道这种"知道"和"无知"的关系,那我们就别再绕弯子了。
下一章,我们来认真拆一拆"有学识的无知"这五个字,逐字逐句。它到底什么意思?它和我们今天说的"知识焦虑"、"认知谦卑"、"批判性思维"有什么区别?为什么库萨的版本比这些现代概念更彻底,也更有用?
这就开始。