“有效利他”更在意“投入产出比”
作为一个公益主张，“有效利他主义”这个词面临过一些争议。但是今天，我想请你关注的，并不是作为一种公益主张的“有效利他”，而是作为一类思维方法的“有效利他”。它能帮助你想清楚，怎么充分利用自己的有限优势。
有效利他主义，最早可以追溯到澳洲哲学家彼得·辛格，在1972年做的一个思想实验。他说，假设你走过一个池塘，看到一个孩子正在溺水，救他只需要你弄湿衣服。你一定会跳下去。
现在把距离拉远一点，在地球另一端，每天都有孩子因为疟疾、因为缺医少药在死亡，你出一笔钱，就可以让一个蚊帐挂到他们家，让他们活下来。
请问，这两件事有什么区别？辛格认为，区别只有一个，就是距离。但是人的大脑，不会把远方的孩子和眼前的孩子放在同一个心理账户里。因此，辛格的结论是，做好事，直觉是靠不住的，所以我们需要一套系统来替代直觉。
真正把这套思想壮大的，是另一位哲学家，威廉·麦卡斯基尔。2009年，他在牛津大学和同事发起了基于“有效利他”的相关项目。后来，他又出版了几本畅销书，把“有效利他”拉进了更多人的视野里。在今天关于EA的叙事，威廉·麦卡斯基尔是一个重要的核心人物。
那么，“有效利他”和普通慈善的区别在哪里？最大的特点之一就在于，他们更在意“投入产出比”。
比如，有效利他这一派有一家慈善效率评估机构叫“好赠”。它的工作不是劝人捐款，而是像算账一样，去查每一家慈善机构，每一块钱到底换回了多少“人命”。它当前的估算是，在向撒哈拉以南非洲的孩子发放抗疟蚊帐、维生素A、季节性抗疟药的过程中，每挽救一条生命的平均成本，大约是5500美元。
而这套观念背后，还有一个完整的决策评估系统，一共包括四个核心模块。
第一个模块，叫“规模敏感性”。意思是，你得强迫自己对数字差异做出相应的反应差异。心理学里有一个经典实验：你告诉人们一场灾难死了100人，他们愿意捐一笔钱；你告诉他们死了10万人，他们愿意捐的钱并没有多出一千倍，常常只多出两三倍。
因此，EA的第一条准则就是，别让感受替你做决定。假如你面对一个10倍的灾难，那么你的付出也必须是之前的10倍。
第二个模块，叫“事业中立性”。意思是，你在决定“把善意放在哪里”之前，必须先把“我偏爱什么议题”放在一边。比如，有的人的逻辑是，“我爱狗，所以我捐助流浪狗”“我爱猫，所以我参与流浪猫救助”。但EA更在意的是，同样一笔钱，放在哪个议题上，边际善果最大？比如同样有1000块钱，按照EA的逻辑，就不应该给流浪猫，而是应该去救活生生的人。
这句话也许会得罪一些爱猫人士，但它背后有一套严格的伦理推演，如果你承认“人命重要，且都同等重要”，就必须想办法让“每一块钱去它边际效用最高的地方”。
第三个模块，叫“反事实影响”。它要求你在做一件你认为的好事之前，先问自己一个问题，叫“如果不是我，这件事会怎样？”
比如，你去一家大医院做医生，救死扶伤。这当然是好的。但是，EA会要求你问自己一句，如果我不去，这个岗位会被谁填上？填进来的那个人，会比我差，还是和我一样？如果答案是“一样”，那我的边际贡献其实接近于零，我应该去更稀缺的位置。
之前万维钢老师讲过一个真事。有位英国医生，叫格雷格·路易斯，在从医生涯的某一天，他突然意识到，英国人的医疗条件很好，自己留在英国当医生，其实能起到的实际帮助有限。但非洲的一些落后地区医疗资源紧缺，自己假如去那里，能救更多的人。
但是，后来这位医生并没有去非洲，他选择留在英国，而且还进入了公共卫生部门。这样他既能直接影响公共卫生政策，又能获得更高的收入，并且把收入拿出一部分，捐给贫困地区的医疗项目。
换句话说，面对选择，格雷格·路易斯关心的问题，并不是“我做了什么”，而是“这个世界，因为我做了什么而变得不一样”。
第四个模块，叫“被忽视程度”。EA评估一个议题，用三个维度相乘，“重要性×可解性×被忽视程度”。前两个都好理解，关键是第三个。同样重要、同样可解的问题，如果已经有1000个人在做，你加入进去，边际贡献大概是千分之一。
但如果只有3个人在做，你作为第4个人加入，等于把这个领域的总投入提升了33%。
这就是为什么十几年前，一群哲学家涌入了“AI安全”这个当时并不主流的方向。未必是因为他们比别人更精通AI，而是这个议题在当时的“被忽视度”分数奇高。Anthropic、OpenAI早期的安全团队、DeepMind的安全部门，核心人员里有相当比例，就是通过EA相关的一个职业咨询项目，叫“八万小时”被导流过去的。
这个项目的核心主张是，你这辈子的工作时间大约是8万小时，这8万小时放在哪里反事实影响最大、被忽视程度最高，就应该去哪里。
理性计算必须先基于朴素的道德直觉
说到这，有人可能会说，这套主张看起来很美好啊，能把资源利用最大化。但是，别着急下结论，假如仔细想想，你可能就会发现，这套思想里，也许有一个隐隐的bug。这就是，它让“好事”变成了一道可计算，且有正确答案的“数学题”。
我们不是说，好事一定没有准确答案。但按照《经济学人》的评论，在某些尚无定论的事情上，你怎么能确保自己找到的就是准确答案呢？
比如，过去三年，EA相关组织的资金和注意力，正在从“疟疾援助”转向“AI安全”。2024年，它向AI安全投入1.68亿美元；2025年，这个数字上升到3.51亿美元。
Anthropic的前身，就是达里奥·阿莫代伊等人2021年从OpenAI出走创立的“安全优先”实验室，它的早期人才来源和资本管道，几乎和EA完全重叠。而在《经济学人》的文章看来，Anthropic制定的AI治理条例，就是一小撮精英，在替全人类做决定。这个决定的对错先不说，至少文章认为，这个做决定的方式就存在隐患。
而提到EA的“质疑阵营”，就不得不提到一个人，萨姆·班克曼–弗里德，简称SBF。这个人堪称是EA一脉最大的“污点人物”，但凡有人要质疑EA，SBF就会被翻出来。
SBF原本是EA体系里的代表人物之一，麻省理工毕业、本科时就签了捐赠承诺，据说他还经常把“为捐赠而赚钱”挂在嘴边。他创立了加密货币交易所FTX，身家一度达到260亿美元，公开承诺把绝大部分财富捐出去。但在2022年11月，FTX爆雷，SBF查明挪用储户资金80亿美元，2023年被判25年监禁。
根据一些媒体的报道，SBF宣称自己的打算是，挪用储户80亿美元，用来资助AI安全，可能避免未来10的30次方个人类生命的毁灭，期望值为正。当然，在更多人看来，这只是SBF的狡辩而已。
但根据很多媒体的评价，虽然SBF暴雷更多的是他的个人问题，但是，它也带来了一个提醒，就是“理性计算固然重要，但它必须先基于朴素的道德直觉”。
关于“有效利他主义”本身，我们先说到这。
做“对的事”，且用“对的方式”做事
而且你可能已经发现了，作为一类思考方式的EA，它的很多思考要素，比如，规模敏感性、反事实影响、被忽视程度，都是可迁移的，它们也许适用于其他决策场景。
比如，个人决策，你一生有8万小时的工作时间，你确定它们放在了“反事实影响”最大的位置吗？你是打算去一个成熟领域，成为其中的千万分之一？还是愿意去一个新领域，成为早期的探索者？
再比如，企业决策，一家公司资源有限，那么，它要不要把这个有限的资源，投入到那些“被忽视度最高的领域”？还是要涌入那些所有人都重视的，已经很成熟的领域？
这些问题的答案也许没有什么高下对错，但它是一个值得思考的角度。
因此，下一次做任何重要决策之前，或许可以问自己几个问题。我的偏好有没有干扰决策？假如这件事没有我，结果会怎样？哪件事是非我不可，或者会因为有了我而发生巨大的改善？所谓的“有效投入”，核心在于“定量”。做“对的事”，且用“对的方式”做事。
“天下第一等好事”系列直播第三场要来了。
这个直播是由罗老师发起、每月一场的卖书直播。这一次，依然是五本近期出版的好书，几位老朋友一起，在直播间里聊聊书，也聊聊在这个大时代里，我们怎么理解自己的生活、理解这个正在变化的世界。
直播间全场纸书5折，爱书的朋友别错过。欢迎扫描海报二维码，或点击下方卡片预约。11月15日晚7点，直播间见。
点击“阅读原文”，订阅《得到头条》