“Lake America” 有感：厉害、稳定的天才，

还是被“稳定”固化的人？

什么样的人最容易让我们觉得“厉害”？判断迅速，立场坚定，很少怀疑自己，面对复杂问题时也能迅速给出答案的人。他们看起来非常稳定。甚至，他们自己也可能把这种状态理解为一种天赋 - 我之所以如此确定，是因为我比别人看得更清楚。

但这里有一个问题：一个人能够以极快的速度恢复确定感，并不一定意味着他的认知系统足够强大到能够消化并容纳复杂的信息；更有可能，这只是一种底层的低能耗自我防御机制。因为无法忍受系统处于“失稳”与“不确定”的煎熬之中，他的信息加工系统会在极短的时间内拉起警戒线，用最熟悉的旧模型将异常数据拒之门外，强行闭合认知。

以面对死亡为例，存活是生命最底层的驱动力，是数亿年演化筛选出的一套最优信息编码 - 将所有能提升生存概率的行为（如避害、进食、交配）设定为生物体的本能机制（低能耗，快速反应），是无意识的行为。死亡就是对存活的最大威胁，同时，死亡有一个特殊之处：死去的人无法告诉活着的人，死亡究竟意味着什么，以及死亡之后会发生什么。当人的信息加工系统预测到有可能威胁到生存、或面对死亡这个话题时会产生极度的恐惧以及不确定，从而引发强烈的不安（焦虑） - 导致系统的不稳定。

一种途径是，为了能迅速降低由此产生的焦虑，恢复系统的稳定状态，快速寻找一个能够迅速闭合的答案。这个答案可能是宗教、哲学、科学，也可能是各种阴谋论。例如：

“死亡一点也不可怕” - 用人在安全、理性状态下的解读来抵御真正面对死亡时的本能恐惧；

“我现在又不需要面对死亡，想它有什么用” - 直接用忽视来掩盖本能的恐惧和不确定性（我不去想它，它就不存在）；

“一切皆由上帝安排” - 将死亡解释为生命形式的转化，而非终结的可能性。

这些答案并没有改变人内在系统处理“死亡”的底层能力，只是用一种极低能耗的自我防御迅速把焦虑封印起来。因为本能恐惧并未被真正理解、消化和重构。这种稳定状态极度脆弱，一旦现实再次出现微小的死亡威胁，焦虑就会重新拉起警报。这类途径暂时稳定了系统状态，却没有提升系统本身的承受能力。

还有一种途径则相反，接受由死亡这个不可避免的问题带来的恐惧、以及不确定性所造成的不稳定，学习并理解人在临近死亡时可能出现的本能反应，将理解转化为提前准备在濒临死亡状态下自己希望怎样做，并为那个未来的自己建立一套应对机制。从而，不再把死亡看作打破稳定的“敌人”，而是将其整合为生命的必然属性，建立起一套能容纳终极不确定性的全新认知模型。

由此可见，我们看似在处理“死亡”，实际上很多时候，我们是在处理如何恢复被死亡这个问题打破的心理稳定。

在【意识的产生与升级】一文中我们探讨过，人的行为并不是对外部刺激的直接反应，而是由一个持续运行的内在自动信息加工系统来驱动。这个系统不断对来自身体内部和外部环境的信息进行评估、模拟、预测与决策，并据此调节自己的行为和资源。

在通常情况下，当系统预测偏差超过其动态阈值时，原有的自动加工模型无法解释和处理现实中的信息，高能量的意识涌现。它将引发超过动态阈值的部分信息从自动加工中提取出来，在现实条件的约束下，调用现有加工模型重新整合这些信息，形成新的判断和行为策略。

但有些问题，仅靠意识介入、用原有的模型仍然无法容纳新的信息时，就需要触发更高能量信息整合的加工能力，这就是元认知的作用。元认知让我们不仅处理信息，还能够开始观察和反思我是如何处理这些信息的。通过反思、尝试新的信息整合方式、获得反馈，再据此调整、重构甚至升级原有的内在加工系统，我们才可能获得一种更高层级的稳定。

这个过程往往并不舒服。因为它意味着暂时放下那些已经能够让自己感到确定、熟悉和安全的东西，允许原有系统进入一段不确定的状态。

但也正因为如此，它才可能带来一种不同于“快速恢复原状”的稳定：不是让旧系统重新稳定下来，而是让系统本身获得容纳更多、更复杂信息的能力

死亡只是一个极端的例子。日常生活中，我们每天都在做同样的事情。

例如，最近，川普将 Lake Ontario 改为 Lake America，本身并没有解决美加关系中的任何复杂问题，却能够以极低的现实成本，制造非常直接的视听符号和心理反馈，即，我可以命名，我可以改变，我可以让别人看到我的权力。从即时心理反馈来看，这是一种非常高效的“维稳” - 用最简单的动作迅速获得掌控感和权力感。

但问题是，一个系统如果越来越依赖这种方式获得即时的控制感，而这恰恰是在用短期稳定换取长期不稳定。因为国家信誉、国际合作关系、制度预期等，并不能靠一次强势的命名行为获得；相反，这类行为可能不断增加未来的信任和协调成本。

这其实和一个人面对死亡时急于寻找一个确定答案，是同一种底层机制：用最低的即时成本，迅速恢复系统的稳定感，而把真正的不确定性留给未来。

一个系统的真正强大，不是它能够多快地消除不确定性、恢复原来的稳定，而是它能否容纳不确定性，在失稳之后重新构建稳定，并让新的系统拥有容纳更多、更复杂现实信息的能力。