1.2 分类

有些概念是集合概念，即由多个确定的元素或概念所构成的整体。比如“灵长类动物”就是一个集合概念，其中包含很多动物类别，比如猴、猿以及人类。

对于集合概念所包含的各个概念，为了帮助分析和决策，我们最常做的工作是分类。

举个例子。经济学相关书籍里常提到的生产四要素（4 Factors of Production），就是对“生产资料”这一集合概念的分类，包括土地（Land）、劳动力（Labor）、企业家才能（Entrepreneurship）和资本（Capital）。

这个分类最明显的问题在于没做到良好分类的第一个要求：合理，即各个子类别之间应该互不重合。资本能买到其他三个要素中的任何一个，资本可以买到土地，也可以买到劳动力，买到企业家才能也不是不行，聘请 CEO 不就是购买企业家才能吗？那么资本怎么可以与其他三个要素并列呢？

良好分类的第二个要求是完整，即所有分类加起来应该等于全部。生产四要素若是因为资本这个类别与其他类别有所重合而只能将它剔除的话，仅仅土地、劳动力和企业家才能这三个类别又无法构成完整的生产要素，除非加上一个其他。当然，加不加其他，这种分类都没什么实际的指导意义。无论从哪个角度来看，生产四要素这个分类都实在是太糟糕了。

当然，最糟糕的分类是那种胡搞瞎搞的分类，把

原本就不属于某个集合概念的概念放进来，当作其中的一个类别。经典案例是苏联科学家李森科，他生生捏造了一个获得性遗传学说，包装成米丘林生物学，硬塞到“科学”这个集合概念之中，作为一个独特的分类。

或者反过来，把明明属于某个集合概念的概念剔除出去。例如，逻辑训练原本应该属于基础教育，可是一些人认为逻辑不应该是基础教育的组成部分。如果在这种教育理念下成长，孩子长大后的生活必会变得乱七八糟。

话说回来，合理且完整是良好分类的最基本要求，就是这么简单。

如此简单的东西，却异常重要。我母亲退休前是延边大学医学院的图书馆馆长，在我很小的时候她告诉我，图书馆的核心是情报学，而情报学的核心就是分类。又过了很多年，人工智能崛起需要大数据，在给人

工智能“喂养”大数据之前要对数据进行清洗，清洗数据的术语是“打标签”。也就是说，人工智能培养的基础核心工作之一竟然也是分类。

生活中所谓的全面思考，归根结底就是分类得足够合理、足够完整。比如，分析一个问题，看到某个结果有很多原因的时候，这些原因该如何分类？有没有什么类别没考虑到？再比如，需要做判断的时候，那些判断标准又应该如何分类？有没有什么判断标准没考虑到？又比如，一个事物到底需要考虑哪些方面？有没有什么方面没考虑到？这些问题的本质都是分类。分类要既合理又完整。