社会第 13 期 ·

语言堕落,思想也随之堕落——奥威尔在1946年发出的警告

明快的语言不是明快思考的结果,而是明快思考的条件

语言堕落,思想也随之堕落——奥威尔在1946年发出的警告

开篇

“不符合国民情绪。”

政治人物经常搬出这句话,各位是否也曾在听到时觉得哪里不对劲呢?我每次听到这句话都会感到不适。因为我完全无法确定,这具体指的是哪一群国民、哪个时代、什么样的情绪。

而这份不适感,早在1946年就已经被一个人犀利地解剖过了。他就是乔治·奥威尔1。以《动物农场》和《1984》闻名的这位奥威尔,在第二次世界大战结束后不久,写下了一篇仅24页的随笔《政治与英语》(Politics and the English Language)。

今天我们就来聊聊,为什么这篇随笔在80年后的今天依然有效,以及我们能从中带走些什么。

奥威尔所见的风景:纳粹、苏联,以及英国政府

奥威尔写这篇随笔,源于他对三个群体的智识愤怒。

纳粹德国的宣传2、苏联的双重语言(doublespeak)3,以及英国政府的委婉语言操纵。这三个群体阵营不同,但在奥威尔眼中,他们做的是同一件事:用语言把令人不安的现实包装起来,让人们无法好好思考。

看看奥威尔亲自举的例子,就能更真切地感受到那种犀利。用空袭把整个村庄夷为平地,当时的公文将其称为“地区稳定化行动(pacification)”。强行驱逐农民,叫做“人口迁移(transfer of population)”;处决反对派,则被称为“清除不可信要素(elimination of unreliable elements)”。

在残酷的现实面前,语言成了麻醉剂。

而奥威尔的目光并未止步于纳粹和苏联,这才让这篇随笔更让人不安。他认为,那个自称“自由阵营”的英国政府,也患上了同样的病。他指出,这不是意识形态的问题,而是掌权者的一种结构性本能。

劣质语言的四种病症

奥威尔将当时英语中反复出现的劣质写作模式归纳为四种。即便过了80年,翻译成韩语来读,也熟悉得让人毛骨悚然。

第一,垂死的隐喻(Dying Metaphors)

这类表达原本的含义已被遗忘,只是习惯性地被使用。奥威尔举了“阿喀琉斯之踵”“天鹅之歌”之类的表达为例,若换成韩语,类似的位置大概是“四面楚歌”“势如破竹”这样的成语。它们的来历已被遗忘,只剩下“困难处境”这种模糊的语感被继续使用着。

问题在于,一旦使用这类表达,思考就停止了。因为表达代替了思考本身。

第二,语言依赖(Operators or Verbal False Limbs)

明明用简单的动词就够了,却习惯性地把它膨胀成复杂的名词短语。比如用“呈现出减少趋势”代替“减少了”。奥威尔认为,这不仅仅是文体问题,而是一种回避思考的方式。表达得越复杂,就越难被批评。

第三,装腔作势的措辞(Pretentious Diction)

不必要地使用拉丁语系词汇或学术性表达,装出中立、装出科学的样子。在韩语语境里,英文缩写常常扮演这个角色,比如“AX”“数字化转型”“韧性”之类的表达。具体要改变什么,内容是空的,只留下看似高大上的外壳。

第四,无意义的词语(Meaningless Words)

这是奥威尔认为最危险的一类。“民主”“自由”“爱国心”这类词就属于此类。这些词的问题不在于它们本身不好,而在于它们太过含糊,以至于任何人都可以按自己的心意去定义它们。

奥威尔的指摘有一处直击要害的瞬间。1946年他这样说:当有人把自己的国家称为“民主”时,这个词已经不再具有超出“我们所喜欢的东西”之外的任何含义。这实质上是一种从源头上封杀批评的表达方式。

维特根斯坦与奥威尔的交汇点

哲学家维特根斯坦4留下了一句名言:“我的语言的界限,就是我的世界的界限。”奥威尔将这句话应用到了政治语言之上。

语言一旦贫乏,能够思考的范围也随之缩小。一旦滑向“国民情绪”这样的说法,去追问那种情绪具体是什么这件事本身,就会变得不自然。词语把思考吸收殆尽了。

奥威尔认为,这个过程往往是刻意设计的结果。因为语言越模糊,追究责任就越难。他留下的最著名的一句话之一,读起来是这样的:政治语言的目的,就是要让谎言听起来像真相,让谋杀看起来站得住脚。

奥威尔写这篇随笔是在1946年。而他自己也承认:“这个问题是可以纠正的。”但80年过去了,我们依然没有纠正它。

奥威尔提出的写作六原则

那么,奥威尔开出的药方是什么呢?他在随笔末尾提出了六条明快写作的原则。

  • 不要使用你常在文中见过的比喻、隐喻或修辞手法
  • 能用短词表达时,不要用长词
  • 能删的词,一定要删掉
  • 能用主动语态时,不要用被动语态
  • 能用日常用语表达时,不要用外来语或专业术语
  • 哪怕违反以上所有原则,也不要说伤害他人的话 最后一条原则尤其令人印象深刻。这说明,奥威尔并不只是把语言当作效率问题,而是当作一个伦理问题来看待的。

Oswarld视角

老实说,我第一次读这篇随笔时,最先涌上来的是一种困惑感。

作为一个每天与AI和数据打交道的人,我自己也每天都在抛出“AX”“AI转型”“数据驱动”之类的表达,却没有说明这具体要改变什么。按照奥威尔的标准来看,我自己也算得上是“装腔作势的措辞”的生产者之一。

在制定GTM战略的过程中,我见过无数次这样的规律:好的战略,来自好的语言。说“我们要革新客户体验”的团队,和说“我们要把完成引导流程所需的时间从72小时缩短到6小时”的团队,从执行的细节开始就截然不同。语言变得清晰,思考就会变得清晰;思考变得清晰,行动就会变得清晰。

奥威尔批评的是政治语言,但这份批评的射程其实要宽广得多。商业演示文稿、企业新闻稿、AI产品说明书,甚至是新闻通讯,都在其列。“写得晦涩”让人显得有学识的错觉,以及“写得含糊”能减轻责任的本能,这正是奥威尔所说的病症的根源。

而到了2025年,这种病症又多了一条传播得更快的路径,那就是AI生成的文本。LLM5生成的文字,从统计上看,是人们最常使用过的表达的组合。也就是说,是陈词滥调的集大成者。AI写的新闻稿、AI写的战略文件、AI润色过的政治演讲稿——奥威尔所说的“垂死的隐喻”和“装腔作势的措辞”,如今已经进入了可以由自动化系统批量生产的时代。

那种用来回避思考的语言,如今插上了生成式AI的翅膀。

结语

把奥威尔这篇随笔浓缩成一句话,就是:清晰地使用语言,不仅仅是写作风格的问题,而是在守护思考的能力。

请带走这三点。

  • 检查一下自己每天说的话是否具有具体的含义。“创新”“以客户为中心”“数据驱动”——这些具体是什么,你能解释清楚吗?
  • 含糊的语言不只是含糊思考的结果,也是含糊思考的原因。语言一旦变得模糊,思考也会随之模糊。
  • 奥威尔的原则并不只是为政治人物准备的。在原样使用AI自动生成的文本之前,不妨问自己一次:“这个表达的含义,我自己能解释清楚吗?” 如果你对这个话题感兴趣,我推荐你去读一读奥威尔的原文随笔。只有14页,读起来比想象中容易。虽然是英文随笔,但也有不错的译本。

📎 参考资料与延伸阅读

  • George Orwell, “Politics and the English Language”, Horizon, 1946。:这是今天这期新闻通讯的核心文本。虽然只有14页,但原文出奇地直观易懂。
  • George Orwell, Nineteen Eighty-Four (1984), Secker & Warburg, 1949。:适合与这篇随笔搭配阅读。“新话(Newspeak)”正是这篇随笔所探讨的语言堕落的极端形式。
  • Ludwig Wittgenstein, Tractatus Logico-Philosophicus, 1922。:这是“我的语言的界限,就是我的世界的界限”这一命题的出处。与奥威尔一起阅读,能更深入地理解语言与思考之间的关系。

作者安光涉是世宗大学经营学教授,也是 OBF(Oswarld Boutique Consulting Firm)首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程,同时在产业现场负责 GTM 与人工智能战略咨询,设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构(HEMA)的学术论文,并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA,著有《把思考交出去的人:Homo Brainless》。

注释

  1. 乔治·奥威尔(George Orwell):英国作家(1903~1950),本名埃里克·阿瑟·布莱尔。以《动物农场》(1945)和《1984》(1949)闻名。他曾亲身参加西班牙内战,以体验式写作著称,将极权主义与语言操纵之间的关系作为毕生主题来处理。

  2. 宣传(Propaganda):为了特定意识形态或群体的利益,有意操纵大众信念、情感、行为的信息活动。有选择性地强调事实、诉诸情感、反复曝光是其主要手法。

  3. 双重语言(Doublespeak):这一概念出自奥威尔的小说《1984》,指一种被设计成让人同时接受两种相互矛盾的信念的语言使用方式。例如“战争即和平”这样逻辑上自相矛盾的主张,却被人们理所当然地接受下来。

  4. 路德维希·维特根斯坦(Ludwig Wittgenstein, 1889~1951):奥地利出身的哲学家。以“语言的界限即是世界的界限”这一命题,对语言哲学产生了巨大影响。他提出了这样一种观点:我们无法用语言表达的东西,也就无法去思考。

  5. LLM(Large Language Model):大规模语言模型。是GPT、Claude等生成式AI的基础技术。通过学习海量文本来生成自然的句子,其结构性特点是:在训练数据中出现越频繁的表达,就越容易被生成出来。