下载掌阅APP，畅读海量书库
立即打开
意会（sensemaking）是一种基于人文学科的实践方法。我们可以将意会看作是与算法思维完全相反的事物：意会完全存在于具体的环境中，而算法思维则存在于被剥离其特殊性的信息之中。算法思维具有广度，它可以每秒处理数万亿字节的数据，但是只有意会才具有深度。
关于意会，我们可以追溯到希腊的哲学家亚里士多德，他将实践中得来的智慧称为“实践智慧”（phronesis）。一个展现出“实践智慧”的人，不仅仅拥有抽象的原理和规则，因为实践智慧是知识与经验的巧妙结合。
在商业领域，娴熟的交易员能够根据市场条件进行交易，经验丰富的企业经理能够感知数万人的企业中所发生的细微变化，这就是实践智慧的展现。当一项司法改革实施时，政治家可以马上预想到各个选区的选民可能出现的一系列反应，这就是其实践智慧的展现。许多有知识、有经验的领导者，会把系统、组织和社会描述为他们自己身体的延伸，已经是你中有我，我中有你。
他们是如何取得如此卓越的成就的？尽管达成这一目标没有捷径可走，但还是有一些基本的原则可以帮助我们保持开放的心态，以获得最重要的洞察力。这些原则都是以人文学科的丰富理论与方法为基础的。我将对应着算法时代主流的假设一一介绍这些原则。
在接下来的章节中，我会深入阐述每个原则，并为该原则提供丰富的思想渊源和知识背景。我们还将了解大师级的实践者对这些原则的独特解读。
意会的五个原则：
（1）要注重文化，而非个体；
（2）要掌握厚数据，而不仅是薄数据；
（3）要大草原，而不是动物园；
（4）要创造，而不是制造；
（5）要仰望北极星，而不是依赖GPS（全球定位系统）。
诺贝尔文学奖得主艾丽丝·门罗曾经写道：“那些看似深深扎根于我们头脑里的，最私密、最独特的偏好，实际上却犹如风中的孢子，寻找任何欢迎它们着陆的地方。”我们喜欢把自己想象成高度独立的个体，希望有非常自主的行为模式。然而，尽管现代自由民主制允许人们独立思考，但我们对什么是适合的，什么是相关的概念还是通过社会大环境形成的。就如同门罗指出的，这个社会大环境决定了什么是适合和相关的，并且让它们像“孢子”一样飘来飘去。
这一点为什么重要呢？因为如果我们想要从最深的层次洞察一种文化，我们首先必须理解该文化中人们的行为方式及其背后的原因。这种对人们行为方式的理解，很少以某个个体的言论或者其声称的行为为基础，相反，它是以整个世界为基础的。无论我们是身处于对冲基金经理、工会员工、艺术家、母亲还是政治家的世界里，作为人类，我们对其他人如何行动、变革和思考十分敏感。
哲学可以帮助我们更好地理解这一点。尽管哲学常常被认为是晦涩难懂的，但它是我们深入分析文化假定
的最伟大、最具有智慧的工具。许多人认为马丁·海德格尔是20世纪最伟大的哲学家。1927年，他提出的“我们每天生活需要的氧气，应该被称为‘存在’”推翻了所有西方哲学的假设。他将其定义为“在此基础上，存在得到了理解”。这种对“我们”这个概念全新的、激进的构建方式，与当时盛行的哲学家勒内·笛卡儿的“我思，故我在”形成了鲜明的对立。海德格尔的“存在”，与脱离了环境的、主观的、个体的思考与分析毫无关系。
海德格尔以及后来追寻他的脚步的一代哲学家提出：纯粹的、独立的个体很少能扮演重要的角色。对于这群哲学精英来说，社会环境，或者说“存在”，不仅仅是我们每天行为的驱动力，同时也是过滤器，通过这样的过滤器，现实世界展示出其所具有的意义。例如，如果我们是生活在中世纪的欧洲孩童，我们的抱负必然与教会有关。而中世纪的年轻骑士会将其所有的经历看作是自己接近上帝的方式。今天的年轻人绝对不会想成为骑士，除非是为了化装舞会。我们的真实世界，即我们所感知到的每件事物，都是高度情境化和历史性的。而且多数时候，在思考的过程中，我们是无法超越该情境的。海德格尔认为，人类是由他们所生活的社会定义的，所有的这一切都意味着，当福特公司的马克·菲尔兹想要了解如何在中国、印度和巴西这样的国家销售汽车时，他需要深入了解这些新兴市场中的驾驶者所生活的社会环境。而意会是获得这种理解最快捷，也是最有效的方式。需要明确的是，意会不是对艺术的肤浅学习，比如把一张专辑里的歌作为背景音乐，或者在博物馆中徜徉半个小时。
意会是一种高要求的文化参与形式，正是它的严谨性使它能为实践者带来回报。
让我以两位音乐家为例，来说明意会是如何发挥作用的。如果你播放爵士乐，比如萨克斯演奏家查理·帕克的唱片，你就能回到20世纪40年代纽约哈莱姆的明顿爵士俱乐部，那里的空气中充斥着浓浓的烟味和种族之间紧张的氛围。你甚至可以听到帕克娴熟的演奏在打破时间与空间的界限，随着他演奏得越来越快，你会体验到一种全新的音乐形式——波普爵士乐。
然而，如果你播放大卫·鲍伊在1977年发行的专辑《英雄》，并且深深地沉醉于“我们可以成为英雄，哪怕只有一天”这句歌词中，你就能感受到当时年青一代的悲观和玩世不恭，就能感受到他们对找到工作和美好的未来不抱任何希望。
上面提到的两种音乐都为我们提供了进入另一个世界的入口。我们从中可以感知到，第二次世界大战时期纽约哈莱姆地区的爵士乐音乐家，以及后朋克时期伦敦、纽约街头的年轻人是如何构建现实的。通过音乐中的微妙之处，我们能了解到特定年代、特定地区的文化，以及人们所希望、所恐惧的事情。我们也能了解到，在当时的艺术和政治领域，以及全社会中，什么事物是被热情接纳的，什么规则是需要被打破的。
在最近一次参观洛杉矶艺术博物馆时，我对此深有体会。当我走进中世纪晚期伊斯兰教艺术作品展厅时，我看到一位面容憔悴的老人正坐在长椅上，抬头看着一幅描绘爱人团聚的画作。画中，亚当安静地坐在中间，四周环绕着金色的天使。为了不打扰那位老人，我特意站在了展厅的后面，但是他却转过头和我攀谈起来，他的眼中充满泪水。他和我说，他是一名来自墨西哥的非法劳工，因为母亲的去世而悲伤不已。他说，画中的故事让他产生了共鸣。在他看来，这位生活在一个他完全不了解的世界、几百年前的艺术家显然对家人有着和他相似的愿望。“他一定希望他们在死后可以去往一个美丽、祥和的地方。”他对我说。然后，他停下来想了想，又说：“他一定和我一样。”
伟大的艺术可以让我们跨越时代，产生共鸣。它邀请我们与超乎想象的世界产生共情，同时又揭示出塑造了我们当下这个世界的特定假设。
一些文化在开会时优先考虑会议的效率与秩序，而另一些文化则把开会视作各方结成联盟和确定权力的方式。在某些文化中，午餐是为时两个小时的盛宴；而在另外一些文化中，午餐就是一个10分钟可以吃完的三明治。在某些圈子中，野心是被赞美和推崇的，而在另一些圈子中，野心则受到诋毁和嘲笑。这些潜规则看似遥不可及，实则近在咫尺。只有当我们近距离用心观察，或者当它们被打破时，我们才能看到它们。例如，当一个新入职的员工要求有一个高管头衔时，公司原来的员工才会意识到公司文化对等级关系的蔑视。
当我们进行意会时，我们不再将房间看作一个充满各种物品的空间，而是开始将它看作是构成文化现实的一个结构。在算法思维中，一瓶香水可以由里面装了多少毫克的液体来定义，而钢笔就是带着金属头的一块塑料。相比之下，意会会将每一件事物与其他事物关联起来：香水和口红、高跟鞋、短信一样，是约会世界必备的物件。而钢笔和文字处理器、纸、书一样，是写作世界的一部分。我们生活中的每一件物品，都与其他事物之间有着某种联系，没有任何东西是在真空状态中独自存在的。
哲学家给这一概念起了很多名字。法国思想家皮埃尔·布尔迪厄将其称为“惯习”；阿根廷政治哲学家厄尼斯特·拉克劳与法国哲学家米歇尔·福柯将其称为“会话”，也有其他人将其命名为“我们的对话”或“对话”。所有这些思想家都应该感谢马丁·海德格尔，他是第一个提出所谓“存在”或背景实践的人。
尽管哲学家们对这个概念的描述已经有近100年的历史了，但在现代社会中，它仍时常被忘记或被忽视。对于定量分析占绝对主导地位的领域（金融类公司、教育和医疗机构）来说，共享世界与背景实践的理念还是过于激进的。我们一起看看企业或政治运动组织是如何了解市场和选民的：在一个小组座谈或者调查中，他们会将调查对象从他们日常生活的环境中抽离出来，就一些互不相关的观点、产品或政策构思提出问题。他们这种去情景化的行为，最终只可能使他们错过所有了解调查对象乃至人类行为的机会，这也是他们得出的结论往往是错误的原因。
“注重文化，而非个体”这个概念，是对目前人们普遍认同的“人类行为是基于个人的选择、偏好和逻辑架构”这一理念的必要修正。我们将在第三章中进一步深入探讨共享世界的架构与重要性。
如果意会注重的是文化，而非个体，那么我们就可以推断出，形成感知的数据应该具有完全不同的结构。例如，在对法国文化进行研究时，如果我们只采用经济合作与发展组织（OECD）提供的数据，那么，该研究就会枯燥无味。我们不如去关注那些最能触及法国人生活实质的信息，比如一条刚出炉的法棍或一杯波尔多的葡萄酒；比如阅读一首兰波的诗或者聆听一首塞尔日·甘斯布的歌。当然，这些信息可以给我们带来愉悦，也对意会过程至关重要。
1973年，美国人类学家克利福德·格尔茨（Clifford Geertz）提出了一个新的词汇——“深度描述”（thick description），用来说明他的人类学田野调查记录的特征。他所感兴趣的不仅仅是人类的行为，还有人类行为是如何与文化背景相关联的。格尔茨的大部分学术生涯都致力于描绘具有文化复杂性的、微妙的肢体语言。以眨眼为例，计算机可能会将眨眼归类为持续一毫秒的眼部抽搐，但是我们都知道，眨眼的意义远不止如此，这一细微的动作可以传递出“我不是认真的”“我们一起走吧”“你是个白痴”以及很多难以用语言表达的信息。
借用格尔茨提出的这个词汇，我想将意会数据称为“厚数据”（Thick Data），因为这种数据表示的是在某种文化中具有意义的内容。
厚数据不仅可以捕捉事实，还可以捕捉这些事实的背景。例如，86%的美国家庭每周会喝掉超过6升的牛奶，但是他们为什么会喝牛奶呢？一个0.09磅
的苹果和一克的蜂蜜是薄数据。而与之相比，一份配苹果蘸蜂蜜的犹太新年餐就是厚数据。
我们可以这样思考：如果你现在正坐在一把椅子上，你会清楚如果你把椅子向后挪会发出怎样的声音。如果你从4英尺
的高度抛下一张纸，让它一点点飘落到地板上，你会知道当纸脱离手指时的感觉，你会知道当它落下时会翻转、会飘动，你也知道最后它会悄无声息地落在地板上。想想你知道的一切：你只要简单触碰一下杯子，就知道咖啡太凉；你看一下配偶的眼神，就知道有不对劲的地方。哲学家将此称为我们对世界的熟识，即是我们每天都会面对的生活背景。
这种类型的知识并不是陈腐平庸的事实，它们是我们应对世界的方式，是我们如何在超市里选择商品，如何做饭，如何了解彼此，如何砍倒一棵树。我们运用这种知识来理解并应对这个世界。这也是人工智能研究人员不断试图模仿复制，但一直无法做到的部分。正是这类知识构成了厚数据。
与薄数据不同，厚数据并不具备普遍适用的特点，因此常常会被认为是不充分或不严谨的，被人们所忽略。但事实是，我们的生活是被厚数据所主宰的。如果我们在决策的时候忽略它，或试图忽略它，我们就陷入了对人类的误解之中。在商业领域，这种误解会带来灾难性的后果。毕竟，商业活动几乎就是对人类行为的一次次赌博：哪种产品最好卖，哪位员工最有可能成功，客户愿意接受怎样的价格……那些善于赌博的公司，往往能够在市场上蓬勃发展，而唯一能做到常赌不败的方式就是更好地理解人类。
厚数据与薄数据形成鲜明的对照。当我们观察自己的行动与行为留下的轨迹时，我们就会得到一些数据，例如我们每天要走多远的路；我们在互联网上检索什么；我们睡多少小时；我们有多少社会关系；我们听什么类型的音乐；等等。这些信息可能是由你浏览器中的cookies、你手腕上佩戴的智能手环，或你电话中的GPS收集来的。这些信息中所包含的人类行为特性无疑是重要的，但是它们并不能反映人类行为的全部。
如果薄数据旨在根据我们的行为来理解我们，那么厚数据就是根据我们与所生活的世界的联系来理解我们，所以情绪是厚数据最重要的数据形式之一。例如，我们可以一致认为办公室的气氛有些沉闷，或者聚会应该是刚刚开始；我们清楚地知道，观看一场激动人心的体育赛事，或参与一场热血沸腾的政治游行是怎样的感受；我们都能够因某个特定时刻，例如“9·11”事件而感到悲伤，也能在看到见义勇为的行为时感到欣喜；如果我们的同事对我们说，她觉得公司还没有做好变革的准备，现在大家感觉压力很大，我们会点头表示赞同。理解了这种类型的数据后，我们就能感受到周围的世界不断发生的微妙的变化。
为什么理解这种数据是必要的？不管掌权者如何估测，领导人和关键战略的决策者几乎总是被一层层的抽象数据所包围。我曾经观察过许多企业高管，他们都受过专门的培训，平时一副沉着、自信的样子。然而一旦面对业务、客户和残酷的现实时，他们就会十分震惊、脸色苍白。制鞋企业的管理人员一般会获赠免费的鞋子，因此许多人根本不会去网店或实体店买鞋。所以他们根本就不了解鞋子的价格、款式和鞋码等真实数据。许多汽车企业的高管，自入行以来就没有自己买过汽车，那么他们又怎么可能了解客户的情况呢？一旦缺乏这样的经历，呈现在高管眼前的数据就失去了真实性。这些数据没有了具体的语境背景和色彩，所呈现的只是这个世界的抽象表征，而不是世界本身。
简而言之，高层领导者的想象力和直觉正在枯竭。他们像节食的人一样，一直生活在干巴巴的事实与从有机生命体中剥离出来的薄数据中。这样的“节食”可以使他们在市场相对稳定的时期生存下来，但是当市场发生变化时，他们就会偏离正确的路径。在不断变化的环境中，我们重新与人类的情感，甚至是人类的内心联结起来是至关重要的。这就是厚数据的用武之地。
我们在哪里可以获得更多的厚数据？我们必须以复杂美丽的人类世界为背景来研究人类。我们将其称为“现象学”，或人类经历研究的哲学方法的基础。在现象学中，我们观察的是存在于社会背景中的人类行为，而不是抽象的数字。这就像是我们观察一群狮子在真正的大草原中捕猎，与观察它们在动物园中被喂食的区别。严格来说，这两种情境中的狮子都是在进食，但你觉得哪个情境更能反映出它们真实的情况？
我想用关于爱的问题举个例子。2012年，谷歌上被检索最多次数的问题是：爱是什么？美国生物人类学家海伦·费舍尔（Helen Fisher）给出的回答得到了大量的点击。根据功能性核磁共振成像的结果，费舍尔和她的同事得出的结论是：“浪漫的爱情”不是一种情绪，而是一个激励机制，一种无意识的化学反应。我们去爱，是因为爱鼓励我们与潜在的伴侣建立关系。
这就是爱在实验室里所表现出的样子，但是费舍尔的解释无法让我们了解爱是一种什么样的体验。历史学家告诉我们，浪漫的爱情是到了近代才出现的现象。在古印度，爱被看作是对社会结构的破坏，在中世纪，爱等同于精神错乱。那么在今天，爱是什么？成千上万的离婚律师一定不会赞同费舍尔提出的“爱是激励机制”的观点。只有观察人们在现实世界中的行为和经历，我们才有可能洞察爱是如何起作用的。
研究人类经历的方法，并不是关注那些特殊的方面，而是关注那些对我们所有人，或我们中的大部分人来说普通的、共有的部分。它与“决定系数R2”或样本量无关。实际上，一小部分人再加上他们所处的情境就足够充分了。为了能够充分了解我们共有的行为模式，我们应该收集和理解这些经历。这样的方法可以让领导者实际接触到那些他声称为之服务的人。
我经常听到我周围的高管说，他们想通过找到客户的“痛点”或“未被满足的需求”来帮助客户、消费者和员工。在我看来，这些说法只是表达出他们居高临下的态度，他们是在俯视别人，将他人的经历抽象化。如果你想真正了解周围的人，就必须平视他们，做他们之所做，见他们之所见。但是即使是这样也还不够。如果你真的想了解一种文化，你就要去了解这一文化的艺术传承、历史和习俗。没有任何一种训练可以比研究人类经历更能使你获得这样的视野了。
为了更好地理解这个世界，我们花了很多时间在人文科学上，那么我们该如何通过意会来获得真正的洞察力呢？在什么情况下我们可以采用假设并验证的方式？在什么时候我们最好不要有任何先入为主的观念？我们在解决问题的过程中可以采用不同的推理方式：这也是几百年来人们关注的焦点。在19世纪晚期，美国哲学家、逻辑学家查尔斯·桑德斯·皮尔士（Charles Sanders Peirce）界定了三种我们可以用来解决问题的推理方式：演绎法、归纳法与溯因法，它们分别适用于不同的条件。
演绎法通常被称为自上而下的推理方式，因为它以更具有普遍性的规律与理论为出发点，然后试图将其应用于具体的事例之中。例如，由“所有的女人都终有一死，莎莉是一个女人”，我们可以推断出“莎莉最终也会死去”。演绎式推理对于有固定边界的受限性问题是一种很有用的方法，但是这种方法没法吸收新的信息。
归纳法与演绎法完全相反。它自下而上，以具体的观察为起点，然后上升成一个理论。例如，“莎莉是医生”，然后通过我们对莎莉的观察，我们可以补充“莎莉刚刚完成学业”，而由此我们可以推断出一个解释或理论——“莎莉是从医学院毕业的”。但有一个问题是，当你进行归纳式推理时，你会将自己限制于一套框架之中。在解决已知或未知的特定类型的问题时，这样的方式是非常可取的，但是对于涉及文化和行为的问题，这种方法就不再好用了。我们可能观察到莎莉是一名医生，然后推断出她念的是医学院，但是这种思维框架与我们试图解决的问题无关，因此毫无意义。我们可以试图在一种完全不同的文化背景下去理解莎莉：作为母亲，她是如何与孩子相处的？或者作为地区政治的积极参与者，她的生活是什么样子的？在这些情况中，归纳法会在我们知道调查结果之前，把可能的见解排除在外。
皮尔士主张，只有溯因式推理，或非线性的问题解决方式，才能催生出新的想法。他将这种推理定义为有根据的猜测。下面是一个简单的例子：房子的一个窗户被打破了，首饰盒不见了，家具被掀翻了，衣服被扔得到处都是。通过溯因式推理，我们可以得出最合理的结论：这个房子发生了入室盗窃。
对于皮尔士来说，溯因法是寻找答案的方法。在过去的几百年里，我们见证了科学的发展，人们开始相信工业化时代可以征服一切。皮尔士在他的《逻辑第一定律》 [1] 一书中，对我们自认为知道的事物提出了质疑。他说：“千万不要堵住质询的路径。”他还列出了四种我们在推理中会犯的错误：
（1）武断且坚决地认为自己是正确的；
（2）认为有些事不可知，是因为我们还没有相应的技术去研究它们；
（3）坚持认为，科学中的某些内容是不可解释、不可知的；
（4）认为一些定律或真理已经达到其最终的、完美的状态。
皮尔士反对任何理论都是“正确的”，同时坚持认为理论只可能是“接近正确的”。换言之，他认为理论总是有继续完善的空间，而且出现新真理的可能性是无限的。
这样，我们就很容易理解为什么科学家们会摒弃“你不可能对某件事有绝对透彻的了解”这一观点，因为事实并不具有结论性。我们都希望我们的成果可以包含一定程度的确定性，因为总是生活在一个不确定的状态下，感觉很不好。皮尔士在他1877年的文章《信仰的确定》
中谈到了这种不舒适感。
不确定是一种让人心神不宁、不满意的状态，因此我们挣扎着想摆脱这种状态，并让自己进入信仰当中；信仰是一种令人平静、满足的状态，我们希望能置身其中，不去逃避，也不改变信仰。
最后他提出：人们坚持过时的有时甚至是完全愚蠢的观点，主要就是为了避免让自己处于这种“让人心神不宁、不满意的状态”之中。换句话说，人们经常会做出一些不明智的决策，只是因为思考会带给我们不舒适感，所以我们不愿意努力思考。我这里所指的思考，不是用归纳法或演绎法去推理，即通过逻辑和线性步骤来解决问题的思考方式。我所指的思考，是可以带来创新性见解的思考方式——需要绞尽脑汁，会遇到死胡同，但是也会有意想不到的突破。对我们中的大部分人来说，要想无限期地处于这种不确定的状态是极度困难的。但是，不确定是唯一一种使我们能够获得新的理解力的存在状态。这才是创造力的真相。
我们似乎生活在一个空前复杂的时代。我们生活的世界发生震荡式变革的速度已经使我们无法看清全局。无论是试图应对像亚马逊、Hulu
和网飞公司等流媒体公司崛起的电视行业工作者，还是受到自相矛盾的健康研究所困扰的医疗工作者，都很想举手投降，并向周围的机器求助：大数据和计算机算法一定能更好地解释这一切。作为人类，我们已经无能为力了。
我接下来要说的话可能会让你震惊：我认为我们的世界并没有比以前更复杂，也没有比以前更难以理解。是的，我们有了互联网，也有了可穿戴的计算机设备，但是我的祖母经历了两次世界大战，经历了盘尼西林的发现和大规模生产，经历了投资银行和太空旅行的出现，经历了农业革命，亲眼见证了大饥荒，也见证了人们在饥荒后构建的新粮食系统的产出已远远超出了个人需求（如果分配合理的话）。而这些只是她那个时代中少数几个彻底改变世界的创新。是的，我们正在经历变革。变革是不是震荡式的？我的祖母会说：“不一定。”
今天的世界让我们觉得非常复杂，是因为我们已经沉迷于将世界看作是一个事实的集合。大数据让我们觉得，我们似乎可以也应该了解地球上所有应该知道的事情。但这是一个愚蠢的想法，因为它会让所有有这种想法的人感到无助。当我们专注地盯着GPS，听从它发出的指令时，我们就失去了对在我们头上闪耀的星星的感知能力。我们每个人都可以使用导航工具，但是我们必须承担起解读信息的责任。这就意味着，企业高管应该随时准备去理解政治、科技和文化领域的新知识，并解读它们在这个日益相互交织、依赖的世界的作用。
这其中就包含了意会可以给我们带来的最大收获：它可以教给我们领导力在大数据时代的两个最基本的原理。
首先，意会可以指引我们选择最适合收集所需数据的情境。毕竟抽象地收集数据是毫无意义的。我们需要收集什么数据？为什么收集数据？如何收集数据？如果没有某种范式来思考你想研究的东西，你就不可能研究这个世界。
其次，意会可以使我们形成将数据整合成为描述性文字的思维方式，这样得出的解释才可以为收集到的信息补充很多有意义的东西。
通过这样的方式，意会可以教会我们应该关注什么。我们并不是想了解所有的事物，而仅是一部分事物。在复杂的环境中，意会可以使我们决定什么才是真正重要的。
例如，食品生产业务绝不仅仅包含制订市场进入计划、投入资本和进行产品定位。它还需要理解我们与食物的关系：我们如何消费食物；如何分享食物；食物对我们来说有什么意义……战略不仅与财务相关，同时也与文化、人、情感、行为和需求相关。
GPS在各层面上减少了人为因素的参与，而意会则像北极星，为人类指明方向。我们要学会自由徜徉于丰富且真实的世界之中，培养全新的视野，去感知我们身在何处，又将去往何处。如果说算法思维给我们提供了客观的错觉或是没有根源的观点，那么意会则能让我们决定自己身处何处。而且最重要的是，意会让我们了解我们前进的方向。
在我们开始意会之旅前，先让我们置身于一种激进地推崇算法思维，希望用算法理解世界的文化当中。没有哪个地区比“硅谷”更认同这种理念了。我在硅谷这个词上加了引号，因为我所说的硅谷不仅仅指美国旧金山湾区南部那个狭窄的区域。现在，硅谷是一种意识形态，一种认为硬科学知识要优于所有其他知识的心态。它的文化特权已经渗透到了我们现代生活的方方面面，包括商业、教育、医疗、媒体和政府等。如果我们不能彻底摒弃这种硅谷心态，我们就无法探讨进行意会的紧迫性。
[1] First Rule of Logic （1899），查尔斯·桑德斯·皮尔士著。