人类偏好为什么难以被量化

价值冲突瓦解统一刻度

菜市场的摊主把两把香菜和一斤排骨放在秤上，问你换不换。排骨顶饱，香菜提味，你脑子里根本凑不出一个等式。这不是算术题，是选择困境。十九世纪的经济学家早就碰过这个钉子，杰文斯和门格尔试图用“边际效用”把人的喜好塞进数学公式，指望用一套统一的刻度称出万物的轻重。他们没能把这事办成——失败的原因不在秤的精度，而在被称的东西本身拒绝放在同一个平面上比较。

偏好之所以抗拒量化，首先是因为价值缺乏通约的基底。约翰·斯图亚特·密尔把功利主义推到顶峰，认为快乐与痛苦可以像温度一样读数，一切道德判断最终都能折算成效用总和。这种思路很省事，因为它承诺了计算的闭环。但到了二十世纪中叶，以赛亚·伯林在论述价值多元论时把这套逻辑拆开了。他指出人类追求的自由、平等、忠诚、安全，彼此之间经常发生正面冲撞，且不存在一个更高的标尺能裁定孰轻孰重。约瑟夫·拉兹后来把这种状态定义为“不可通约性”——不是说A和B不能并列摆放，而是说当你必须在抢救古籍还是扑灭仓库火灾之间做决定时，任何数字换算都会抽干选择本身的重量。你选了古籍，不是因为它在某个隐藏表格里得分更高，而是因为那一刻，某种价值压倒了另一种。量化模型预设偏好是静态的坐标点，现实里的偏好却是在具体冲突中被临时拼凑出来的。

偏好随情境现场建构

坐标点会移动。

认知科学把这种移动拆成了可观察的环节。阿莫斯·特沃斯基和丹尼尔·卡尼曼在1981年做的一系列实验显示，人面对风险时的选择并不遵循经典的期望效用理论。同一个医疗干预方案，医生表述成“存活率百分之九十”还是“死亡率百分之十”，能直接翻转大多数受试者的签字意愿。这就是决策框架效应——它指向一个冷硬的事实：偏好并非预先存在，而是在面对具体选项时被现场建构的反应。你之所以倾向A，往往不是A本身具备压倒性优势，而是选项的呈现顺序激活了你不同的心理评估机制。行为经济学后续的大量追踪数据表明，人在多目标决策时，会依赖即时的情境线索进行权重调整。今天你愿意为低碳标签多付溢价，明天面对同样的商品页面，你可能又迅速切回价格敏感模式。偏好不是刻在硬物上的记号，它是水，顺着容器改变形状。

算法预设遭遇动态筹码

算法系统恰恰需要硬物。推荐引擎、信用评分、动态定价，底层全是一套假定稳定的效用函数。它们默认你过去的浏览轨迹能线性外推你未来的倾向，默认内容偏好、风险承受力、时间分配可以拆成独立变量再重新加权。这套逻辑在单目标、高重复的窄通道里运转良好。导航软件算你愿意多绕行四公里避开拥堵，外卖平台算你偏爱重辣，误差可以被数据清洗抹平。一旦进入多线并行的生活决策，这套假设就开始失真。你没法给“周末陪家人”和“临时加班”分配一个固定系数，因为这两者的权重取决于你这周跟伴侣是否闹过别扭、项目是不是卡在验收节点。机器把偏好当成待读取的输入参数，人把偏好当成随时可以重谈的筹码。

筹码随时会翻面。

量化边界止于临时让步

量化不是全无用处，它的适用边界划在可重复、低冲突的操作区间里。填心理量表时你给健康打九分、给娱乐打七分，那是你在情绪平稳状态下的静态评估。真到了健身卡到期和老友酒局撞在同一个周五的夜晚，那张打分表立刻作废。这里头没有技术漏洞，只有人类评估机制的固有习惯。我们依靠环境线索激活不同的价值排序，靠事后的叙事缝合来维持自我认知的连贯。算法试图把这种事后的连贯倒推为事前的恒定参数——等于把水流的走向当成了河道的施工蓝图。量化模型能捕捉统计趋势，能优化局部资源配置，但它处理不了价值冲突时的临时让步，也覆盖不了情境切换带来的偏好漂移。说白了，它只能记录你做过什么，没法提前算出你下一次会在哪条岔路口突然改道。

你把生活拆解成可计算的指标，以为加总起来就是完整的决策逻辑。可那些无法被换算的迟疑、临时的倒戈、事后连自己都觉得牵强的权衡理由，偏偏构成了选择之所以成立的支点。如果所有的倾向都能提前录入表格，你还需要亲自站在那儿决定往哪边走吗。