专栏首页悦思悦读主观的真相与戏剧化的悲情

主观的真相与戏剧化的悲情

真相何来?

当我们说真相的时候,可能大家会首先联想到下面这幅图:

但其实,现实中的真相,很少会这么简单、直观。

不同角度的照片能够揭露一些东西,但就算是360度环形照片,哪怕是3D打印的1:1立体模型,附带方圆三公里全部实景,能够展现的,也仅仅是一个瞬间。

人类社会的现实事件,不仅涉及的主体多样,而且基本上都是动态变化的,罗生门、多主线、阴差阳错等等被电影反复使用的拍摄手段,在现实中不过就是低幼的模型玩具,相较于客观的真实,差距又岂止十万八千里。

在接触现实事件时,无论是作为局中人还是旁观者,人们恰恰没有作为电影观众的上帝视角,而只能从自己的角度获得一鳞半爪的信息而已。

看电影未必人人都想写影评,可在生活中碰到了事儿,却是人人都爱发议论,如果牵涉自身,不仅要发议论,还得做判断。

当面对这纷繁复杂的环境,仅掌握少得可怜的信息时,人们如何做出判断呢?

无论现实事物的实际复杂程度如何,当我们获取信息时,实际接受的,其实已经不是具象的事物本身,而是对它的某些抽象描述——换言之,也就是事物的某些特征。

这些“特征”经由我们头脑中的思维模型“计算”一番,最终得出“预测结果”,也就是最终的判断结论。

其全过程可以类比机器学习/深度学习的预测过程:

当我们对一件事物得出了判断结果之后,我们就已经为它定制化一个专属的主观真相

机器学习/深度学习的模型是我们通过算法和数据打造的,即使是“不可解释”的深度神经网络,我们对于它的功能和性能也可以通过若干测试与验证予以掌握。

然而运作在我们每个人头脑中的思维模型又有着怎样的功能和作用范围呢?

全世界十几亿人,当然不可能每个人的思维模型都一样的。不过有些非常基础的部分,还是具备很大的共性的。

比如,在面对一件事情的时候,我们其实本能的会去判断它是正常的,还是反常的——

正常 vs 反常

事不过三

读研的时候,笔者的导师 M 老师曾经对门下的学生们传授经验:对于“好事”不能太贪心,一年最多两次,就算有第三次,也不能再要了。 M 老师以自己为例子给大家解释:“比如说我,那年又给我分房子,又给我评上教授了,再让我出国去考察,我就不去了。为什么?因为好事已经赶上两次了,不能再要第三次。” 否则就会如何呢?M 老师没说,不过听起来是会倒霉或者坏了运势之类的意思。 对此,笔者的一位同学,C 同学,非常不以为然,当面虽然不敢说,私下里颇多质疑:“为什么好事就不能连着三次?为什么就是三次?三次是什么道理?”

当时的笔者隐隐觉得导师说得有道理,不过也说不出来道理在哪里。对于 C 同学的质疑更不知道该如何回答。就是想起来了一句老话——“事不过三”。

M 老师说的三次的“三",应该就是事不过三的那个“三”吧。

不能够“事不过一”,这个道理应该不难说明,因为,我们总要容忍意外的出现,虽然意外是小概率事件,但毕竟不是不存在。凡事因为孤立的一次意外而一棒子打死,确实不可行。

可为什么是事不过“三”,而不是事不过“二”,事不过“四”呢?思来想去,觉得这是和人类长期以来形成的认知习惯有关系。

区分常见和意外

要知道,在现代社会来临之前的千百年里,世界的信息流动是缓慢且扩散力度很小的。极少数识字的精英还可以看看官府布告,读读圣贤史书,作为普通人(齐氓、小民、百姓),我们的所有信息输入局限在几十到几百人的一二阶联系人群体的口口相传之内。

在这样的一个大背景之下,又有:按照经典统计学的设定,出现概率不高于 5%的事件可以被定义为意外。

基于以上两点,假设有一件令人不快的事情,从意愿而言我们是不希望它发生的。而在现实中——

【情况一】这件不好的事让我们遇到了一次——并不一定是直接发生在自己身上,也可能是自己社交圈(一二阶联系人)里的人遇到了。只遇到一次,还可以接受它是那百分之五。

【情况二】如果遇到了两次,而它还是意外的概率就变成了千分之二点五——作为普通人,我们的社交圈一般也就数百人而已,遇到概率在千分之二点五的已经达到信息来源范畴的极限了!

【情况三】如果我们在自己的社交圈中得知某事发生了三次,则可以断定它不是一件正常概率小于等于 5%的意外,而是一种概率要大得多的常见事件。

注意:普通人的认知中,频率默认等同于概率。

所以我们说事不过三—— 一旦一件事情出现了三次,它就不是意外而是正常的了。反之,如果它是意外,它就绝不能出现第三次!

如此,回想 M 老师的策略,是不愿让自己陷于一种“好处都是他的”的舆论境地,确是一种历经世代的职场智慧。

意外判别模型

在近几十年,尤其是近十几年,信息爆炸的时代里,我们经历了千百年的训练过程,所形成的认知模型迎来了新的挑战。

这个时代,随便一个普通人都很容易获得地球另一端的咨询,我们获取信息的范畴早已经超越了一二阶联系人的局限。

而用来判断是正常还是反常的模型却还是成型于百年前的“事不过三”。

从技术角度而言,这是一个预测数据抽样与训练数据抽样率不匹配的问题,但反映到现实生活中却造成了人们的精神困扰。

早在上世纪八九十年代,日本媒体就报道过一种现象:那些因为工作必须每天接触大量资讯信息的学者的自杀率特别高。当时缺乏有效的解释,只是归咎于接触过多信息可能造成心理压力。

如今看来,可能是这些学者作为大量吸纳信息的先驱,在短期内接触太多负面信息,而又没能够及时调整自己的认知模型,造成抬眼看世界就是黑暗罪恶的印象,长期沉浸在这种情绪里无法宣泄造成了自杀率过高的结果。

信息陷阱

人类的自我调节能力还是很强的,随着信息化进程的推进,饱受网络、新媒体洗练的广大人民群众也在逐步调整着自己的认知。具体方法不尽相同,不过对于现在获取负面信息的机会远多于并不遥远的过去这一点,大家还都是有些认识的。

虽然,现在大众对于媒体资讯的参数估计(根据听到/看到的信息来判断自身生活环境)多少了有一些防备,但如果当有人故意设置信息陷阱时,我们还是难免会掉落其中。

曾经有一个大 V 咪蒙每月 5 万薪水调教出来的实习生,炮制了一篇名为《一个出身寒门的状元之死》的网文。 虚构了一个出身寒门因为为人正直而连续不断受到各种打击戕害最终病死的的高考状元形象,文中却又各种矫饰,让大家相信这是一个真实存在的人物。造成了瞬间十万加,到处赚眼泪的效果。 该文被网络删除后还有人替它“鸣不平”,说“电影小说里的虚构更多,未见有人质疑,你就当小说看怎么了?”

如果一开始就说明了是虚构人物倒也没什么,大不了是篇不大优秀的小说而已。偏偏炮制者当作“真的”来传扬,蓄意诱导读者信以为真。

这种文章比直接的诲淫诲盗危害更大,因为它:弊在荼毒人心!

大家都可以接受文学作品和影视剧中的人物“倒尽了霉”,因为我们知道那是艺术加工,是虚构的。无论主人公有多少磨难都并不能作为评估我们现实生活环境的依据。

但如果这个“倒尽了霉”的是个现实存在的人物,那就不同了。

假设失业、患病、车祸、被亲友坑骗等几件事分散在几个不同的人身上,我们即使同时获知了这些消息也可以提醒自己,毕竟现在新闻发达了,同时知道发生在不同地方的意外也不奇怪。

但如果这几件事落到一个人身上,那就不是多个极低概率事件被统一收录后的呈现,而又变成概率乘积叠加的结果。

如同旧时代的“事不过三”,这些恶性事件真的是例外吗?会不会就是生活中的常态呀?我们生活的环境这样恶劣凶险吗?——这样的焦虑会瞬间袭上心头,造成一种强烈的不安和不满,激发对整个社会公平性、安全性的质疑。

相较于徒弟那样粗暴直白地靠诱导大众仇视社会换取点击量,实习生的师傅咪蒙大V在单篇文章里对”霉头“浓度的掌握要有分寸得多。

而且不会上来就指名道姓某某某,而是再转一道弯——”我有个表弟“,”我有个同学“,”我有个朋友“等等。

但根本性质并没什么不同。都是利用信息错位制造理解间隙,从而误导读者,激发其负面情绪,以此种感情操控来获得的用户黏度。

现实的悲情 vs 戏剧化的悲情

实习生和咪蒙都已经成了过去时。然而,当2020年新型冠状病毒肺炎疫情袭来的时候,一位早已经过官方认证的作家,又通过运用起网络自媒体大V的写作手法成了几个月历经不衰的社会热点。

该作家在2020年1~3月间创作了一套系列文章,标题是”日记“

日记,当然可以是虚构的,例如鲁迅的《狂人日记》,英国作家乔治·格罗史密斯的《小人物日记》,都是小说中的经典。

不过,这位居住在国内新冠疫情中心的作家,并未说明自己的作品是虚构的,虽然她的文章习惯以”我的医生朋友说“开头。

其行文中不乏”据说“、”听说“、”好像“、”大概“、”可能“等明确提示”未经验证“含义的辞藻,但又能够让这些缺乏力度的词语被迅速淹没在”尸体“、”停尸房“、”吹哨“、”封杀“等爆炸词的炫目光彩中。

当然,也不能因为有“听说”,就反证“听说”的场景都根本没存在过。

但可以确定的:那些场景肯定不是作家本人的亲身经历,而同时“日记”之名却又处处暗示记录内容是写作者亲历。

同样是利用信息错位就造就理解间隙——如果有读者将“日记”内容理解为一个居住在武汉的普通人(作家嘛,瘟疫面前既不能治病又不能防疫,肯定只能算普通人)每天的真实所见也不奇怪。

而其实,即使不论真伪,“日记”也不过是“和医生朋友的聊天笔记”而已。

从阅读的角度而言,如果有的读者喜欢读这样的”日记“,愿意去体味、感受它带来的压抑、焦虑和痛苦,那当然属于个人自由。

但在感受种种浓烈的负面情绪的同时,是否应该区分一下,自己到底是为了”一出戏“在痛苦,还是为了自己真实生活的世界痛苦呢?

本文分享自微信公众号 - 悦思悦读(yuesiyuedu),作者:YJL

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-04-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 英国脱欧,民众是悲是喜?机器学习告诉你答案

    英国公投选择了脱离欧洲,震惊了世界。人们究竟怎么看待这件事?机器学习分析能帮我们找到答案。 2016 年 6 月 24 日是将出现在历史课本上的一天。英国全民公...

    CDA数据分析师
  • 换个姿势看《权力的游戏》,第七季回归之推特数据分析

    原作者 Conor Dewey 编译 Mika 本文为 CDA 数据分析师原创作品,转载需授权 作为一部红遍全球的美剧,《权力的游戏》可谓是当之无愧的神剧。自...

    CDA数据分析师
  • 我从戏剧工作坊里学到了什么

    在我知道这个工作坊的时候,已经报满了,不过,过了几天,有人临时有人退出,于是我幸运地报上了这一次的工作坊。

    王兵
  • 脑洞大开|听说AR能用情绪喂养“虚拟鱼”?

    1996年开始推出的一代又一代的拓麻歌子,凭借其模拟饲养的新颖系统,以及可爱到没边的外形,赢得了世界级的跨年代fans层,并且到现在仍作为一种情怀,活在很多人心...

    VRPinea
  • 币圈Gtc项目评测

    用户2196435
  • 这个故事有点耳熟

    王兵
  • 假如你的下一个朋友是机器人?

    据美国《大西洋月刊》网站近日报道,由于埃博拉疫情持续爆发,有很多医护人员被输送到疫区,虽然他们是医生,但无论多小心,也很容易感染变成受害者。为了降低这一风险,日...

    机器人网
  • 盘点 AI 在娱乐行业最佳应用场景

    用户1737318
  • ​《画境长恨歌》叙事设计思路分享

    | 导语 中国传统诗词的画面感与情绪传递,是很有价值的内容,也是很适合“游戏”这一载体去展现的内容。 在这里我们来探讨下如何把一首诗做成游戏,提出关于《画境长...

    腾讯大讲堂

扫码关注云+社区

领取腾讯云代金券