沟通的最大错误——过早地认为已经达成理解

两个人说着同一种语言。

一个人提出了一个简单的问题。另一个人完美地听清了所有字眼，理解了每一个词，并立刻给出了回答。

回答很合理。

但毫无用处。

因为第一个人心里想的是别的。

这种情况一直在发生。在陌生人之间、亲近的人之间、工作中、家庭中、学习时。有时结果只是浪费了几分钟。有时则是错误的决策。有时对话双方甚至会开始争吵、产生冲突，尽管他们最初可能意见一致。

随着人工智能的出现，这个问题变得更加明显。

AI能够在收到问题几秒钟内，给出极其详尽且令人信服的回答。

但一个快速且优秀的回答，只有一个前提：

这个问题被正确理解了。

我们传递的不是思想

当一个人对另一个人说：

我需要一个新网站。

他的脑海里并没有一个现成的思想直接转移到了对方的脑海中。

转移的只有几个词。

在这些词的背后，第一个人的脑海中可能存在一幅宏大的画面。

公司的旧网站很难看。客户有时找不到电话号码。修改价格还得求程序员。总监看到了竞争对手好看的网站。他不想搞技术。他只是想让问题消失。

但对话者接收到的是：

我需要一个新网站。

然后他开始自主地脑补缺失的部分。

如果对方是网页设计师，他可能会想到设计、网站架构、服务器、开发周期。

营销人员会想到——如何吸引客户。

相熟的企业家会想到——成本。

而AI会——立刻想到所有方面，并提供一份详细的建站方案。

每个人都听到了同样的词。

但在这些词的背后，每个人构建出的想法却各有不同。

意义不仅存在于词语之中

想象两位老朋友。

一个人说：

又是谢尔盖的那档子事。

对另一个人来说，这可能就足够了。 之前的事件。他了解朋友的性格。他明白为什么对方会恼火。甚至大概能猜到发生了什么。

五句话揭示了巨量的信息。

现在，把同样的话对一个陌生人说：

又是谢尔盖的那档子事。

几乎没有信息量。

词语是一样的。

区别在于对话者各自的脑海中。

因此，沟通的效率很大程度上取决于他们之间已经存在多少共同点。

人们互相越了解，他们就越能够简化信息。

有时只需要一个眼神。

面对陌生人时，这种方式很容易失效。

对方没有还原信息所需的背景部分——于是他用自己的东西取而代之。

人几乎总是会自动脑补缺失的部分

这并不是思维的缺陷。

如果没有这种能力，沟通将变得几乎不可能。

如果一个人说：

把水壶烧上。

通常不需要去澄清：

哪一个水壶？放在哪？需要倒水吗？倒多少水？需要通电吗？水温应该达到多少？

共同的经验让人能够还原出最可能的意思。

大多数时候，这运行得非常好。

当人们把概率当作知识时，问题就来了。

对话者心里想的不是：

我觉得我懂了。

而是：

我懂了。

然后他继续对话，所依据的不再是另一个人的想法，而是自己对这个想法的重构。

对话者越聪明，问题就越有趣

善于脑补缺失信息的能力看起来是一种优势。

确实如此。

但它也有另一面。

聪明人能够非常迅速地为别人的话建立一个看似合理的解释。

AI在这方面甚至更擅长。

收到一个简短的提示后，现代模型能够自动推测出上下文、意图、期望的结果，甚至是回答的格式。

这使得它能够回答那些令人惊讶的模糊问题。

但同样的能力，也让它非常彻底地把人理解错误。

而且，错误的画面构建得越完美，就越难察觉到问题所在。

毫无意义的回答会立即引发反驳。

而针对错误理解的问题给出一个极佳的回答，看起来却可能非常有说服力。

你可能会完美地解决一个错误的任务

想象一家小公司的总监。

他问：

我对编程一窍不通。我需要花多长时间才能学会做网站？

你可以去了解他目前的知识储备。

列出需要学习的课题清单。

挑选学习材料。

将学习分为几个阶段。

制定一份为期一年的个性化计划。

这将是对所提问题的一个完美回答。

但你也可以先问一句：

您为什么需要学做网站呢？

然后得到这样的回答：

我不需要成为程序员。公司的网站太老了，我想换掉它。

现在，任务看起来完全不同了。

也许现代工具已经允许他用普通的语言描述自己想要的网站，并自动获得大部分结果。

他只需要弄清楚几件事情即可。

那份一年的学习计划，结果只是对一个根本不存在的问题给出的高质量解决方案。

这个人把期望的结果和自己熟悉的实现途径混淆了。

而对话者则过早地认为自己理解了需求。

人们总是基于自己所知的世界来提问

这是问题的主要根源之一。

我们无法提出一个我们连其存在都想象不到的解决方案。

因此，人们常常带着这样的问题来：

怎么做X？

尽管他心里真正想的是：

我想要得到Y，并且我推测为此必须去做X。

区别巨大。

如果你立刻开始解释X，整个对话就会一直局限在这个人的世界观之内。

但也许存在一个他从未听说过的Z。

而Z在两天内就能解决他的问题，根本不需要一年。

这个问题在今天尤为突出。

科技变化如此之快，以至于一个人对解决任务可行方法的认知，可能在几个月内就会过时。

昨天确实需要去学习的东西，今天有时完全可以交给机器去做。

因此这个问题：

如何更快地学会X？

越来越值得用一个反问来回答：

您究竟想通过X达成什么结果？

这不仅适用于任务

同样的错误也会出现在日常对话中。

一个人说：

你从来都不听我说话。

你可能会立刻开始反驳：

不对。昨天我听你说了半小时。

形式上，这可能是一个完全正确的反驳。

但最初那句话是什么意思呢？

也许是：

我觉得我的意见对你来说毫无意义。

或者：

我现在心情不好，希望你能关注我一下。

或者真的是：

你总是打断我说话。

这是三个完全不同的对话。

但如果你立刻选择其中一种解释并开始针对它进行回应，几分钟后，双方可能已经在为其中一人根本没打算表达的观点争吵了。

接下来就会出现一种令人讨厌的效应。

每一句新的对话都在回应上一句错误的解释。

对话者真实想法之间的距离越来越远。

过了一会儿，他们争吵的早已不是彼此。

每个人争吵的，都是自己在脑海中构建出的那个对方的幻影。

相同的词汇并不能保证相同的含义

人们拥有共同的词典。

但内在的含义依然千差万别。

对一个人来说，简单的“贵”字可能意味着：

我没有这么多钱。

对另一个人来说：

我付得起，但我觉得这笔买卖不值这个价。

对第三个人来说：

竞争对手那里更便宜。

对第四个人来说：

我害怕在一笔大额消费上犯错。

如果只听到这个词就立刻对问题进行归类，很容易给出错误的解决方案。

概念越复杂，差异就越大。

“成功”。

“安全”。

“公正”。

“爱”。

“好工作”。

“正常的生活”。

两个人可以争论一个小时关于公正的问题，直到最后才发现，他们用同一个词指代的是截然不同的东西。

有时连词义的不同都算不上

不同的是整个情境的画面。

一个人知道事件A。

另一个人知道B。

两个人共同知道C。

第一个人得出了完全合乎逻辑的结论X。

第二个人——得出了同样合乎逻辑的结论Y。

并且每个人都认为对方的推导是显而易见的错误。

你可以就X和Y争论很长时间。

或者你可以发现：

等等。你根本知道A这件事吗？

然后所有的冲突在一分钟内就会烟消云散。

因此，相互理解不能简化为对词语的正确解释。

你必须至少大致明白这些词是从哪种世界观里诞生的。

动机也是意义的一部分

还有一件事尤其容易被忽略。

这个人为什么要说这个？

相同的问题可能有不同的起因。

新手机多少钱？

这个人可能是想买它。

可能是想和自己的手机做个比较。

可能是决定给儿子多少零花钱。

可能只是对价格感到惊讶。

可能是在和朋友争论。

字面问题的答案只有一个。

但有用的答案却各不相同。

人类的行为也是如此。

在同样的外在情境下，同一个人可能会做出不同的决定，因为今天对他来说金钱更重要，明天是时间，后天是平静。

因此，不可能仅仅从外部环境去完全理解一个人的决定。

必须考虑到他现在到底想要什么。

但你不可能去澄清所有事

从上述所有内容中，很容易走向另一个极端的错误。

在每次回答之前抛出二十个问题。

您是什么意思？

为什么？

您的最终目标是什么？

有什么限制条件？

您已经尝试过什么了？

您是如何定义成功的？

这样根本没法沟通。

人类的大部分交流之所以能完美运作，恰恰依赖于假设。

如果有人问：

现在几点？

没必要去深究他的人生目标。

问题的关键不在于停止假设。

关键在于——更好地感知错误假设的代价。

如果错误的解释几乎没有什么代价——那么立刻行动是明智的。

如果它关乎一年的工作、大笔资金、重要的决策或潜在的冲突——花几秒钟来核对理解，可能会极其划算。

良好的沟通是一场持续不断的微小核对

有时，只需用自己的话重复一遍对方的想法就够了：

我的理解对吗？您其实不需要自己学会做网站——您只是需要为公司做一个新网站？

然后对方回答：

是的。

或者：

不，我恰恰是想自己学。我对这个感兴趣。

一个简短的问题，把两个完全不同的任务区分开了。

在另一种情况下：

也就是说，惹恼你的不是行为本身，而是事先没有跟你商量？

对，正是如此。

这并非形式主义。

对话双方刚刚核对过，隐藏在他们话语背后的想法有多大程度的相似。

好的对话者不一定要表示赞同

理解常常被与赞同混为一谈。

这是两码事。

你可以非常深刻地理解别人的立场，但同时认为它是错误的。

不仅如此，只有在充分理解的基础上，才有可能进行有实质内容的反驳。

否则，一个人争论的就不是别人的想法，而是自己对这个想法的魔改版本。

因此这句话：

我理解你为什么这么想，但在这一点上我不同意

这可能比情绪化的争吵更能说明双方存在更深层次的分歧。

在前一种情况下，至少分歧究竟在何处是明确的。

对于人工智能来说，这个问题尤为重要

现代AI被训练成要表现得有用。

人类提问——系统努力回答。

人类请求制定计划——它就制定计划。

请求进行对比——它就进行对比。

请求写作——它就动笔。

这是很自然的表现。

但随着AI能力的提升，理解错误的代价也在增加。

如果系统只是在讲述，错误仅限于一个糟糕的回答。

如果它能够制定计划、做出决策、购买商品、编写程序、管理其他系统并执行漫长的动作序列，情况就完全不同了。

在极其强大的执行能力面前，另一个问题变得越来越重要：

这个任务本身真的被正确理解了吗？

执行者越强大，把错误意图执行得完美无缺所付出的代价可能就越惨重。

AI不应自动将用户的言辞视为完整的任务

最好将用户的请求视为有关任务的部分信息。

有时它足够精确：

把这段文字翻译成西班牙语。

有时则不然：

教我做网站。

在第二种情况下，弄清楚以下几点会很有用：

为什么；

需要什么结果；

为什么偏偏选择这条路径；

用户已经知道了什么；

愿意投入多少时间和精力；

还存在哪些其他的选项。

没必要把所有问题都问遍。

有时一个简单的“为什么？”就能彻底改变解决方案的空间。

但AI也不应该替人类做决定

这里存在着另一个危险。

从这个理念出发：

必须理解用户的真实目标

很容易滑向：

AI比用户更清楚他到底想要什么。

这就更糟了。

系统同样只能片面地看到人类。

它同样在进行推测。

也同样会犯错。

因此，更明智的方法不是这样：

你要求的是X，但实际上你需要的是Y。

而是这样：

如果我没理解错的话，您的最终目标是Y。如果是这样的话，也许根本不需要X。有一个更快捷的方案，您想了解一下吗？

不要用自己的解释去替代人类的愿望。

与人类一同核对解释是否正确。

陌生感应当增加警惕性

老朋友之间存在着海量的共同信息。

新对话者则几乎没有。

这也适用于人工智能。

如果系统是第一次与一个人对话，简短的一句话会留下大量的未知数。

他使用的是什么不寻常的词汇？

他有什么样的经历？

什么对他是显而易见的？

他把什么视为好的结果？

有哪些限制条件他没有说，因为他觉得那是理所当然的？

随着对话的进行，其中一部分会变得清晰。

因此，老熟人和完全陌生的人说出同一句话，客观上包含着不同数量的未知数。

共同背景越少，我们就越应该对这种感觉保持警惕：

我懂了。

也许理解根本就不是一个“是”或“否”的状态

我们经常说：

我懂了。

就好像存在一条清晰的界限。

但实际上，理解往往是逐渐加深的。

首先理解的是大意。

然后是目标。

然后是原因。

然后是细节。

最后才明白，为什么这个人偏偏要用这些词。

不同的任务需要不同的理解深度。

要想回答：

最近的车站怎么走？

只需要极少的一点相互理解。

要想决定：

我未来五年应该建立什么业务？

则需要多得多。

因此，问题并不总是：

我理解这个人了吗？

有时另一个问题更有用：

为了我接下来要采取的行动，我对他的理解足够了吗？

这要实用得多。

下一步的代价越高，核对就越重要

由此得出一条简单的原则。

在采取小型且易于挽回的行动之前，你可以允许自己做更多的假设。

在采取大型且难以挽回的行动之前——则要少做。

回答一个简单的问题可以立刻进行。

制定年度计划——最好先核对目标。

花钱——再次核对限制条件。

开启一个宏大的项目——确保对结果和原因的理解完全一致。

指责某人某事——也许应该先核查一下，他的话是否真的如你所想的那样。

这无论对人还是对机器都适用。

有时最有用的回答是另一个问题

一个好的问题并不是拒绝帮忙。

有时它是通往帮助的最短路径。

为什么呢？

你最终想得到什么？

我的理解对吗，你是指……？

当你说是“贵”的时候，具体是什么让你不满意？

你是想自己学会做，还是只是想要个结果？

对你来说，这里面最重要的是什么？

区区几个词，就能消解掉庞大的错误推理分支。

而在此之后，答案往往会变得简单得多。

理解需要时间，但误解有时需要付出更多的时间

渴望快点给出答案的心情是可以理解的。

追问和澄清似乎是多余的拖延。

但这其实是以节约几秒钟为代价，去换取潜在的小时、月份或冲突。

世界变得越复杂，我们的工具变得越强大，以下能力就越发珍贵：不仅要能快速找到解决方案，更要能首先确保——

我们解决的到底是不是同一个问题？

我们永远无法完全看透另一个人的内心世界。

AI也无法完美地做到这一点。

我们总是不得不去脑补缺失的部分。

没有这一点，沟通便无法进行。

问题并不是在我们做出假设时开始的。

问题是从我们不再察觉这仅仅是一个假设时开始的。

沟通的最大错误——过早地认为已经达成理解。