观点背后的假设，你看清了吗？

　　一个是理由之所以成立所需的假设，即描述性假设；另一个是理由证明结论所需的假设，即价值观假设。
　　近期一则世界首例免疫艾滋病的基因编辑婴儿在中国诞生的新闻成为舆论焦点。
　　一方面全球多位科学家联名谴责：此项技术早就可以做，不做是原因巨大的风险和伦理问题；另一方面，也有专家主张基因编辑是历史发展的必然，技术的加速发展让我们看到规避疾病、拥有健康、延年益寿的曙光。
　　我们不应该逃避，也无路可逃。而事件主角贺建奎为自己的行为辩护：
　　“我见过受艾滋病感染的可怜的人民，他们甚至要把孩子给别人抚养来避免在成长过程中感染。所以我们选择在孩子出生的时候就预防这一风险，后续将会进行治疗与跟踪。检测结果证明手术是成功的。”
　　作为热心的吃瓜群众，你能判断各方的观点并形成自己的主张吗？乍一看几乎每个论证都显得有道理。但是，表面的理由并不是唯一支撑结论的想法。
　　往往有些内在的、隐藏的看法对于从众说纷纭的论述中厘清真相也起着重要的作用。这些论证中作者认为理所当然、但没有明说出来的特定想法，就是假设。
　　要找出一段完整论述的所有假设是困难而且没有必要的。一个论证的主要结构由理由和结论两部分组成。因此，我们需要关注的只是影响到论证结构质量的那些假设。
　　一个是理由之所以成立所需的假设，即描述性假设；另一个是理由证明结论所需的假设，即价值观假设。
　　价值观假设
　　价值观假设（valueassumption）是指一种想当然的看法，认为某些相互对立的价值观中一个比另一个更重要。
　　例如，对于要不要修建化工厂，有的人认为不该建，因为化工厂会破坏环境。这里的价值观假设就是保护环境比任何事情都重要。有的人认为应该建，因为建电厂可以明显提高当地人的收入水平。此处的价值观假设是发展经济、提高收入水平比保护环境更重要。
　　价值观会影响一个人对事物的看法。但是，价值取向需要有一定的正当理由。仅仅以价值观作为观点的支撑是不足够的。通常在涉及价值观冲突的辩论当中，结论到底可不可以接受主要取决于潜在的各种结果发生的可能性大小和对这些结果的重视程度。因此，发现价值观假设并综合考虑各种可能性，有助于判断该观点是否可以接受。在上面的例子中，如果有可信的证据证明该化工厂由于采用了先进的环保工艺，其对环境造成明显损害的可能性比较小时，那么上述反对的观点就不再那么容易赢得支持了。
　　如何找出价值观假设呢？有以下几点线索：
　　了解作者的背景，尤其通常采取的价值观立场，看这些价值观是否会影响当前的论述。例如，某个人在媒体呼吁减少工作时间、增加法定休假时间。如果我们知道他来自于工会组织，其立场便不难理解，也就是在工人权利和经济发展之间，他更加倾向于保护工人的权利。
　　分析作者采取某种立场的结果，以及为什么这种结果对于作者有吸引力。这种立场及其结果的倾向性往往是由价值观而导致的。例如，美国华尔街金融资本的代表人物们反对特朗普发起的贸易冲突和增加贸易壁垒的言行。如果分析这种立场倾向带来的结果，就会发现金融资本的流动往往伴随着自由贸易而获利。因此，可以发现他们言论当中的价值观假设就是自由贸易更重要。
　　寻找同一话题的其它观点及论述，分析是否由于价值观差异而导致了这些不同的观点。例如，管理团队中有人提倡制订更加严格的软件补丁发布审批流程，其理由是可以由审批流程中不同领域的专家全方位控制质量，防止出现严重事故。如果对是否有价值观影响该观点没有把握，可以了解一下其他人的观点。有的人提出了不同的意见，主张这种决策完全可以下放到基层团队，由最了解实际情况的一线专家决定何时发布补丁、检查是否满足相关质量标准。从这些不同的观点中可以发现这些差异主要来自于对集权和分权的看法。
　　使用反串的方法，采取与作者相反的立场，看看哪些价值观对这一相反立场显得非常重要。如果难以找到不同观点的论述，可以通过反串，假想如何为相反观点辩护，从而分析哪种价值观对该观点有重要影响。
　　了解常见的价值观冲突，看是否适用于当前论述。
　　有以下常见的价值观冲突的例子：
　　个人利益和公共利益，是否应该为了修高速公路而强制拆迁。
　　民主和效率，是否应该牺牲部分程度的民主而采取适当的集权，以便提高效率。
　　自我评价和他人评价，是否应该更看重他人对自己的评价而调整自己的行为。
　　家庭和事业，是否应该为了事业上的成功而一定程度上牺牲家庭幸福。
　　成功和幸福，应该更加追求成功还是个人幸福。
　　协作和专注，是否应该为了增强团队成员之间的沟通和协作而利用开放式办公空间，还是应该为每个员工保留私人空间以减少干扰、增强专注。
　　绩效和自主，应该制定严格的员工绩效目标以驱动业绩，还是摈弃绩效指标而依赖员工和团队的自我管理、自我驱动。
　　描述性假设
　　描述性假设（descriptiveassumption）就是对这个世界过去、现在或未来是什么样的想法，而规定性的或者说价值观假设是关于这个世界应该是什么样的那些想法。
　　找出描述性假设有以下几点线索：
　　不断思考结论和理由之间存在的鸿沟，在理由成立的情况下，要得出这个结论还需要哪些东西成立才行。假设这些理由都成立，有没有可能这个结论仍然是错误的呢？
　　寻找没有明说出来的支撑其理由的那些想法
　　将自己置于作者的立场，看看需要哪些假设才能为这个结论辩护。将自己置于反对者的立场，想想为什么反对者会不认同这个结论。
　　认识到有可能存在其他方法来获知理由中提到的好处。如果有多种途径都可以获得同样的好处，那么可能的假设就是获得好处的最佳途径就是作者所提倡的那种途径。
　　避免表述不完全成立的理由来当做假设
　　以人人都是产品经理社区中《如何让智能客服更有温度？》一文的如下段落为例，看一下如何辨别描述性假设。
　　智能客服是通过模型计算用户问句与库中问句的相似度给出结果的，所以就存在低置信的情况。那么如果机器人对结果不加判断就给出回答，就有可能闹出笑话。但是机器人本身是无法判断解析的结果是否正确，因此我们可以采用多级置信度对机器人的结果进行分级处理。
　　当置信度达到一定时，我们认为结果完全正确，那么我们就直接给出结果。当置信值低于这个阈值，但是又不至于过低时，机器人则可以将解析结果进行反问，询问用户是否询问该问题。
　　如果置信值低于一定时，机器人认为用户说的话无意义，机器人反问用户：“您说的话我没有理解，您可以简单重新描述下您的问题”。
　　首先，找出论题、结论和理由。论题是如何处理智能客服根据用户问句与库中问句的相似度而给出的结果。结论是应该采用多级置信度对机器人的匹配结果进行分级处理，即高置信时直接给出结果，中置信度时确认用户意图，低置信度时反问用户意图。
　　理由有以下几点：
　　存在低置信的情况。不考虑置信度的回答可能会闹笑话。
　　机器人本身无法判断结果是否正确。
　　理由本身难以找到假设。但是，从理由推导出结论的过程中至少有以下假设：
　　高置信度的结果一定是正确的。这个假设成立的前提是相关算法命中的标准问句在高置信度时与用户问句意图是一致的。
　　用户更愿意确认意图，而不是其它方式，比如得到一个可能错误的回答，同时给出其它可能的标准问句。
　　每次只有一个命中的标准问句。
　　如果考虑到上述假设，就会发现该结论需要修正或完善。例如，在高、中置信度时给出最佳回答的同时列出置信度高的前几个标准问句。
　　当你遇到观点鲜明、看起来理由充分的论述时，不要轻易妥协认可。找出论述背后隐藏的假设，你就离拥有自主的判断力更进一步了。