关于智力的定义与观点

一个知识渊博的人可能因为相关模式已经熟悉而快速作答。新手可能需要出色的推理能力，才能得出部分答案。另一个人也许理解这些事实，却做出了糟糕的选择。仅凭可见结果，我们无法判断究竟是哪种能力产生了这一结果。

向左或向右滑动以进行比较 →

这些界限是分析上的界限，而不是高墙。知识支持推理，推理有助于获取知识。情绪调节可以保持注意力，而创造力往往同时依赖专业知识和灵活思维。区分这些术语的目的不是割裂一个人，而是避免关于某个组成部分的论断，变成没有依据的关于一切的论断。

在一项设计良好的认知任务中表现出色的人，平均而言往往也能在其他任务中取得较好表现。与此同时，言语知识、空间推理、记忆和速度彼此可以区分：一个人可能在其中一项上的能力远强于另一项。当代大多数模型都试图解释这两个事实——共同模式和不均衡的能力侧面——而不假装其中任何一个能够完整说明一个人的情况。

正流形与 g

当广泛的人群完成各种认知任务时，各项得分之间通常呈正相关。这种反复出现的模式称为正流形（positive manifold）。因素分析可以用一个通常称为g的一般因素，概括这些任务之间的共同方差。估计的g越高，意味着统计模型发现的、各项抽样任务之间共有的表现模式越多；这并不意味着研究人员直接找到了或称量了一种叫作一般智力的物质。

斯皮尔曼的早期模型强调一般因子与任务特定影响并存。后来的层级模型保留了一般模式，同时将广泛能力和狭窄能力置于其下方。其他研究路径则探讨，正向流形是否可能通过相互促进的发展而产生：更强的词汇能力可以使后续学习更容易，推理能力的提升可以加速知识获取，而某一过程的进步可以为另一个过程的进步创造机会。这些解释并非在每个层面上都相互排斥；一个模型可以准确描述协方差，却不必提供其完整的发展或神经原因。

从流体能力和晶体化能力到 CHC 家族

卡特尔区分了流体推理——解决相对不熟悉的问题——以及晶体化能力或理解—知识能力，后者反映通过学习和文化形成的知识与语言。霍恩扩展了广泛能力的集合。卡罗尔后来重新分析了数百组数据，并提出了一个三层级结构：许多狭窄技能、数量较少的一组广泛能力，以及位于其之上的一般因子。

术语 卡特尔—霍恩—卡罗尔，即 CHC 理论 现在指一系列相关的心理测量模型，这些模型将上述传统结合在了一起。常见的广泛领域包括流体推理、理解—知识、工作记忆、视觉和听觉加工、加工速度、学习效率以及提取流畅性。有些版本还区分数量知识、阅读知识和写作知识。随着证据和测试设计的发展，这些名称及其边界也发生了变化，而且没有任何单一评估能够同等充分地测量所有 CHC 领域。

向左或向右滑动以进行比较 →

更广泛的模型：有用的问题，存在争议的独立性

人的能力显然是多维的：人们进行推理、创造、协调动作、理解社会情境、建立领域专长，并以截然不同的能力组合解决实际问题。科学问题不在于这些差异是否重要，而在于每种受重视的能力是否都应被归类为一种独立的智力，是否能够被可靠地测量，以及证据是否表明它与一般认知能力和广泛认知能力足够独立。

平衡的结论是多元而非任意：人类能力包含许多具有重要后果的维度，但并非每一种才能、价值观或受文化推崇的技能都必然构成一种独立的心理测量学智能。更广泛的理论只有在能够针对任务、发展和情境提出精确问题，并且其独特性经过检验而非被预先假定时，才最有用。

关于更广泛模型的证据

FSIQ 不等同于 g

全量表智商是根据某一特定测验中的指定分测验计算出的一个观测综合分数。它的内容、权重、常模和测量误差都属于该测验。相比之下，g 是根据数据集中协方差的模式估计出的潜在因素。设计良好的 FSIQ 可能是一般认知表现的有力实用指标，但它并不是从某个普遍存在的 g 测量仪上直接读出的数值。

当能力剖面不均衡时，这一区分尤为重要。同一个FSIQ可能由推理、知识、记忆和速度的不同组合产生。对于某些用途而言，总体综合分仍可能是最精确的概括，而广度指数分则可能回答更具体的问题。某项指数差异是否具有意义，取决于其大小、可靠性、在相关常模群体中的出现频率、置信区间，以及它是否与个人经历和观察到的功能表现一致，而不能仅凭视觉上的不均衡来判断。

关键证据与延伸阅读

认知报告可以阐明一个人当前如何推理、学习、记忆、运用知识以及在时间要求下完成任务。将其视为一份特征概况而非定论，它可以识别可进一步发展的能力、有助于表现的条件，以及可能需要教学、策略、便利措施或进一步评估的领域。

向左或向右滑动以进行比较 →

从量表和常模开始

在平均数为100、标准差为15的常用智商量表上，100接近基于年龄的常模组中间位置；约85和115大致分别低于和高于该平均数一个标准差。这些数值大致对应第16、第50和第84百分位。它们可以帮助快速定位个体在相关常模组中的位置。具体评估的准确百分位数换算和描述性范围应以该评估的手册为准。

百分位数将标准化分数转化为直观的比较：常模组中得分处于该表现或低于该表现的大致百分比。百分位数区间并不等距，因此从第50百分位到第60百分位的距离，并不等同于从第90百分位到第100百分位的距离。同时使用标准分和百分位数，可以使比较更有信息量。

利用置信区间，在适当的精确程度上进行规划

置信区间能让通常的测量不确定性保持可见。当两个观察分数仅相差几分且其不确定范围大幅重叠时，最有用的解释可能是两者的表现总体相近。当差异足够可靠，并且在多项证据中反复出现时，它可以为更有针对性的支持或拓展提供依据。差异分数的不确定性应直接评估，而不应从两个点估计值推断。

当分数接近临界分数时，区间以及日常功能方面的证据有助于决定服务、安置或后续评估是否合适。与其把相邻分数视为截然不同的人群，这样能作出更好的决策。

将能力特征转化为发展路线图

不均衡的能力特征可以揭示进入学习的有效路径。扎实的知识可能支持新的推理；较强的视觉加工能力可能有助于组织复杂材料；较慢的速度可能表明，给予更多时间后，准确性和深度会更加明显。只有当较大的差异可靠、在适当的常模组中并不常见，并且与课堂、工作或日常功能表现一致时，它才最有用。

一定程度的差异很常见，单个引人注目的分测验结果只能作为一个假设。当广泛指数之间存在显著差异时，FSIQ 仍可能是最精确的总体概括，而各指数则可进一步完善行动计划。测试的技术指南、置信区间、基准率、转介问题以及更广泛的证据，有助于确定应给予各部分多大权重。

诊断界限：将 IQ 与适应性功能结合起来

在考虑智力障碍时，专业定义会将智力功能方面的证据，与日常概念、社会和实践功能方面的显著局限结合起来，并要求这些情况始于发育期。IQ 分数可以提供重要证据并帮助确定支持需求，但测量精度、发育史、适应性功能评估和具备资质的临床判断都是诊断的一部分；当地手册和资格认定规则也可能有所不同。

关键证据与延伸阅读

公平评估并不意味着假装每个人都带着相同的经历而来。它意味着明确所关注的能力，排除无关障碍，使用恰当的比较数据，并恰当地界定结果能够支持的结论。同一项测验用于一种目的时可能有用，用于另一种目的时却可能不公平。

任何智力测验都不可能真正做到完全不受文化影响。说明文字使用语言；题目依赖于后天习得的符号和惯例；限时任务会让熟悉限时测试的人占据优势；即使是非言语题，也预设了特定的观察、指点、分类或与考官合作的方式。这并不意味着所有测验都毫无意义，而是意味着：效度属于在特定人群中的解释与使用，而不是孤立存在的测验册。

向左或向右滑动以进行比较 →

文化和语言会改变任务所取样的内容

测试可以可靠地测量某种特征，同时仍然对其取样不完整。词汇分数反映的是在受测语言中习得的知识；不能将其解读为对某种潜在心智能力的纯粹测量。最近抵达的新多语学习者可能会用一种语言解决复杂问题，同时缺乏另一种语言的学术词汇。反过来，删除文字并不会消除文化因素：视觉材料、作答规则以及对抽象概念的熟悉程度仍然是后天习得的。

情境可以改变分数，但不能定义一个人

重复测试就是一个明显的例子。一项针对就业和教育测试的大型荟萃分析发现，平均练习效应约为四分之一标准差；当重复使用完全相同的试卷或提供辅导时，变化幅度更大。后续的一项荟萃分析发现，多次施测的收益呈非线性增长，经过数次尝试后有时接近半个标准差。这些是平均分数变化，其幅度取决于测试、间隔时间、年龄、试卷版本和重复测试的原因。

测试的社会意义也会影响表现。关于刻板印象威胁的研究探讨：意识到负面刻板印象是否会造成额外的监控、担忧或分心。在一项旨在尽量接近真实测试条件的荟萃分析中，核心估计值很小（约为d = −0.14），各项估计从零到轻微负面效应不等，且发表偏倚是一个值得关注的问题。因此，让测试过程尊重受试者、避免制造威胁是合理的；但不应把刻板印象威胁当作解释每一种群体差异或每一项个人结果的普遍原因。

本节背后的证据

一个人可以出色地推理一个陌生问题，却仍然输给一个已经熟悉该领域的人。这并不矛盾。一般认知能力帮助人们发现关系、在头脑中保持约束条件，并从经验中学习；而知识则提供推理所依赖的概念、事实、程序和模式。当这些资源围绕真实领域的要求组织起来时，专业能力便会发展起来。

知识并不只是由彼此孤立的事实组成的仓库。重要的是信息是否彼此关联、能够被检索并加以运用：学习者是否理解某项原则为何适用，能否识别它何时不适用，以及表面细节发生变化时能否对其加以调整。先前知识也会改变知觉。熟练的临床医生、机械师、音乐家或棋手，可能会注意到一个有意义的结构，而新手看到的却是彼此无关的细节——这并不是因为专家拥有一种普遍的感知能力，而是因为多年来与领域相关的学习改变了他们对情境的表征方式。

协同作用的三种知识形式

学习是一种互动，而不是“能力”与“努力”之间的较量

流体推理可以让人更容易推断出新规则，但后天获得的知识也能将难题转化为熟悉的问题。兴趣、教学、语言、健康状况、时间、机会、反馈和坚持，都会影响学习成果。阿克曼的 PPIK 框架——将智力视为过程、人格、兴趣和知识的综合——体现了这种发展性互动：能力可能影响早期学习，而积累的知识则会越来越多地塑造一个人在某一领域中的后期表现。

这就是为什么测试得分相同并不意味着知识水平相同，而知识测试得分相同也不能反映学习机会相同。这也说明，不能根据宽泛的推理得分推断专业能力。一个人可能很快学会某些领域的内容，但在掌握该领域的概念、标准、案例和实际限制之前，仍然只是新手。

什么才算专业能力？

在专家绩效研究中，最有说服力的专业能力证据是在能够代表该领域的任务上持续、可复现地表现优异。头衔、声誉、资历和工作时长可能是相关背景，但都不是决定性因素。测试应当类似于真正重要的活动，采用有意义的结果指标，并区分可重复的技能与一次令人难忘的成功。

刻意练习——没有一万小时的神话

刻意练习并不是重复、带薪工作或花时间接触某项技能的同义词。在最初的专家表现研究传统中，它指的是为提升表现的某个具体组成部分而设计的高要求练习：明确的目标、略超出当前稳定能力的任务、具有信息价值的反馈、反复纠正，以及持续关注薄弱环节。在成熟领域中，这类练习通常由了解从新手错误到专家表现这一发展路径的教师或教练指导。

练习很重要，有时甚至极其重要，但研究并不支持存在一个适用于所有人的专家门槛。“一万小时定律”把特定表现者中的平均数变成了一条证据从未确立的生物学定律。与高水平表现相关的练习数量和类型因领域和个人而异；开始年龄、先前能力和知识、指导、动机、身体特征、机会、选择效应以及学习环境的质量都可能发挥作用。由于定义和研究设计不同，荟萃分析对于刻意练习究竟能解释多少表现差异也存在分歧。较为稳妥的结论既不是“练习决定一切”，也不是“天赋决定命运”：高水平技能通过一个相互作用的系统发展，而单纯的时长并不是机制。

为什么专业能力通常局限于熟悉领域

当新问题与已学领域共享相关结构时，深厚的知识有助于迁移。但在某一领域表现出色，并不意味着可以免于犯错。杰出的工程师可能是医学新手；经验丰富的高管可能无法很好地推理概率问题；娴熟的治疗师也未必是营养学专家。即使在同一领域，熟悉的环境也可能奖励某些惯例，而当技术、群体或激励机制发生变化后，这些惯例就会失效。

因此，迁移是一个需要实证回答的问题：究竟是哪项技能得到了提升？提升体现在哪项未经训练的任务上？持续了多久？又是在什么条件下发生的？ 新任务与训练任务的距离越远，所需证据就越充分。学习当然可以拓宽思维，但这种广泛收益应当得到证明，而不是仅仅因为某项活动颇具吸引力就推断出来。

关键证据与延伸阅读

一个人可能能够准确推理技术问题，却把恐惧误读为敌意，未能注意到谈话正变得不安全，或在痛苦时难以调节注意力。这些差异很重要。它们说明研究情绪和社会能力是有必要的，但并不能证明存在某种隐藏的单一量值，可以据此对每个人的情绪生活或人际价值进行排序。

情绪和社会功能由部分可分离的能力、倾向、知识和习惯共同构成。感知面部或声音线索，与理解其原因并不是一回事。知道有效的调节策略，与在压力下使用它并不是一回事。将自己描述为有同理心，与准确识别他人并不是一回事；而表现得有说服力，也无法说明其目标是富有同情心、漠不关心还是带有剥削性。

能力型、特质型和混合型情商

向左或向右滑动以进行比较 →

证据支持的结论

情绪智力测量结果与学业表现、工作表现、人际关系和幸福感存在关联，但效应大小会因定义和情境而异。在一项关于学业表现的大型荟萃分析中，总体关联程度较小，其中基于能力的测量通常优于自评。情绪智力在认知能力和人格之外提供了一些额外信息，但增量较小，并非具有变革性。

在工作中，当岗位确实要求情绪劳动、冲突管理、照护、谈判或密切协作时，情绪技能才更可能发挥作用。一种有助于预测护理、咨询或督导工作表现的测量工具，不一定同样程度地预测独自完成任务时的技术表现。情境并不是结果之外的麻烦因素；它本身就是结果含义的一部分。

社会智力更适合被理解为一组技能

研究人员曾反复尝试识别一种不同于学业能力或一般认知能力的单一社会智力因素。证据支持以人为中心的能力存在一定聚类，但结果会受到任务和方法的影响。因此，更有依据的解释应从具体能力出发，而不是假定存在一种普遍的“社会商数”。

这些能力可以得到强化吗？

训练研究表明，某些经测量的情绪技能可以得到改善，平均效果具有一定意义，但远小于流行说法所承诺的生活巨变。不同项目在持续时间、质量和结果方面差异很大。在训练期间进行的同类测试中取得进步，其证据力度弱于在不熟悉的真实情境中，由他人观察到的持久改变。

有用的练习通常很具体：扩充情绪词汇，核对自己的解读，注意生理唤醒，排练困难的对话，为了理解而倾听，选择一种调节策略，并回顾发生了什么。涉及情绪、创伤、神经发育、沟通或冲动控制的临床困难，不应被简化为所谓“情商”不足。人们可能需要合理便利、安全保障、治疗、替代性沟通方式或改变环境，而不是被贴上性格标签。

关键证据与延伸阅读

智力是人类最有用的能力之一，值得我们追求并庆祝其成长。教育可以提升广泛认知测试的表现，包括智商测试成绩。有目的的学习可以拓展知识、策略和专业能力，而睡眠、健康和更安全的环境则能保护已有的能力。最重要的进步不只是熟悉问题上的更高分数，而是持久提升学习、推理和解决陌生问题的能力，并将这些能力运用于生活。

这些益处是真实的，但这并不意味着智商可以衡量一个人的道德价值。认知能力拓展了可用于判断的工具，但它不会选择这些工具所服务的目标。高智商并不保证诚实、善良、情绪成熟或智慧，正如较低的分数也不会抹去这些品质。智力在与知识、好奇心、自我调节、同理心、道德原则以及自我修正的意愿共同发展时，才最具人文价值。保持这一点区分不变，一个人学习和推理能力的真正提升仍然是有意义的进步。

首先区分暂时状态与持久能力

分数反映的是某一时间在某项特定任务上的表现。在将变化称为“智力提升”或“智力下降”之前，应询问：即时状态过去后，这种变化是否仍然存在；在不熟悉的测量中是否也会出现；以及测试之外的相关功能是否有所改善。

向左或向右滑动以进行比较 →

哪些能力确实可以得到增强？

在相关研究中，正规教育为广泛认知表现能够增长、而不仅仅是避免衰退提供了最有力的证据。对超过60万名参与者的准实验和纵向估计表明，根据研究设计不同，多接受一年教育与约提高1–5个智商分数相关。教育所做的不只是反复练习智商题目：它会构建知识、持续注意力、符号工具、策略以及处理抽象问题的实践能力。即使广泛能力的提升幅度不大，只要它能支持之后多年的进一步学习，也可能产生重要影响；不过，这一估计是在所研究政策下的平均值，并不是可以无限累加的公式，也不是对每个人的承诺。

以能迁移的成长为目标

练习可靠地改善所练习的任务及其密切相关的任务——近迁移。关于广泛的远迁移能迁移到一般推理、学校、工作或日常决策的证据要弱得多。商业化的“脑力训练”可能很有趣，也可能教会你玩某个游戏，但程序内等级上升并不能证明一般智力发生了变化。

以增强智力并提高经过良好测量的智商分数为目标是合理的。最可信的路径是雄心勃勃且持续的学习，其益处能经受不熟悉的测试，并体现在真正的理解中——不是降低目标，而是提高对成功标准的要求。

保护学习所依赖的身体机能

志存高远——也要对捷径索要证据

支持智力增长并不需要相信每一项增强能力的宣传。没有任何补充剂、频率、耳机、催眠脚本或迷幻体验被证明能够解锁隐藏且无限的智力。可信的产品宣传应明确说明适用人群、对照组、测量结果、收益的大小和持续时间、不良影响以及独立重复验证情况。用户评价、前后脑部图像以及在设备自有游戏中的进步，都不能替代持久的迁移效果。

• 纠正已经记录在案的缺乏，而不是“以防万一”服用大剂量。
• 将疾病治疗与健康人的能力增强区分开来；二者的证据和可接受风险可能不同。
• 优先选择那些效果能在实际活动中体现，并在新鲜感消退后仍能保持的干预措施。
• 同时记录睡眠、情绪、药物和物质使用的变化以及表现，这样就不会把状态造成的影响误认为永久能力。
• 比较机会成本：花在应用程序上的时间，就意味着少了用于学习实际主题、活动身体、睡眠或与他人建立联系的时间。

本节背后的证据

人工智能可以以惊人的速度进行计算、搜索、分类、生成、翻译、规划和模式识别。人类智能则通过有生命的身体、人际关系、文化、情感、记忆、脆弱性，以及多年在选择会带来后果的世界中行动而发展。只有在比较具体时，比较二者才有意义。“谁更聪明？”通常过于笼统；“在这些条件下，基于这些证据并考虑这些风险，哪个系统能更好地完成这项任务？”则可以进行研究。

三个不应混为一谈的含义

Legg 和 Hutter 提出了一个颇具影响力的功能性理想：智能是智能体在广泛环境中实现目标的能力。他们的形式化“通用智能”度量会对可计算环境中的奖励取平均，并为更简单的环境赋予更大权重。它在概念上很宽泛，但不是一种实用的智能测试：所需的 Kolmogorov 复杂度不可计算，表现取决于奖励的定义，而且该度量有意不要求类人的思维、意识或道德目的。

弗朗索瓦·肖莱特提出了一个互补性的警示。即使系统的泛化能力较弱，在熟悉任务上的表现仍可能通过更多数据、先验知识和工程优化得到提升。在这一视角下，更好的做法是将智能理解为在明确任务范围内的技能习得效率，同时考虑先验、经验以及泛化的难度。这是一种有用的规范，而非普遍接受的最终定义：要完整衡量人类或机器预先知道什么，仍然极其困难。

谨慎的比较

以下对比描述的是广泛趋势，而非固定本质。人与人之间存在很大差异；人工智能系统在架构、训练、记忆、工具、传感器和获准执行的行动方面也各不相同。有些机器具有具身性，有些会持续学习，而人类也可能高度专业化、存在偏见或不可靠。

向左或向右滑动以进行比较 →

为什么基准测试成功有用——也有局限

基准是在特定协议下对任务进行抽样。它可以显示，在这些项目、这些提示词、这些工具、这些评分规则和这些成本条件下，一个系统比另一个系统给出了更多正确答案。它并不能直接衡量某种不可分割的、名为智力的实体，也不能自动预测系统在不同人群、语言、工作场所、物理环境或高风险决策中的行为。

具身智能、社会智能与道德智能

能力不等于能动性、智慧或意识

关键证据与延伸阅读

智力既值得科学上的严谨对待，也值得赞颂。它帮助人们更快学习、理解复杂性、解决陌生问题，并在环境变化时进行适应。智商（IQ）反映了这种认知能力的重要部分，而知识、创造力、情绪、元认知和智慧则会影响这种能力如何发展和使用。

一个整合模型：能力、应用与方向

认知差异是可以测量的，而且在教育、工作、健康、日常独立生活以及学习新技能的速度方面都很重要。当能力与知识、可靠的策略、支持性条件和建设性目标结合起来时，它们的影响会更加强大。因此，智商既不是全部，也不是无关紧要的东西：它是人们学习并理解世界的重要组成部分。

用更扎实的智力理解取代的十个误区

证据资料库

以下来源是核查本指南中所使用的定义、模型、测量原则和注意事项的起点。证据的质量和范围各不相同：统计关联未必具有因果性，群体平均值未必能描述个人，实验室结果也未必适用于日常生活。