经典网文分享

量子力学杂谈——Radon-Nikodym导数

一、密度是什么

我们总是说波函数的模方是概率密度，但概率密度又是什么呢？这还不简单，概率与体积之比随体积趋于0的极限啊

$p(x)=\lim_{\Delta V\rightarrow 0}\frac{\Delta P}{\Delta V}$

但这里其实有问题，概率并不是体积的函数，相同体积不同形状的区域的概率不一定是一样的，所以概率不是体积的函数而是集合的函数。我们要表达的是当集合的体积（也就是勒贝格测度）趋于0时，概率与体积之比趋近于一个函数，这个函数只与位置有关。

这不会是一个简单的事情，这个函数的存在性和唯一性都很值得考虑，存在的条件是什么，在什么前提下唯一都是个严重的问题。

这还能推广到各种各样的密度上去，质量密度、电荷密度、能量密度等等，他们都是某个量和体积之比的极限，都存在两个集合函数之比变成位置的函数这个奇怪的事情。

所幸的是，数学上还真有描述这个现象的工具，也就是Radon-Nikodym导数。

二、测度的绝对连续

首先我们要指出这个比值不会一定存在，一个点确定在原点处，没有其他的可能，那么概率密度就变成了 $\delta(x)$ ，这不是一个严格的函数，所以在数学的意义上，概率密度就不存在了，当然这不影响物理上直接拿 $\delta$ 函数继续用。

而Radon-Nikodym导数存在的条件就是分子上的测度对分母上的测度绝对连续，其定义是：设 $\mu,\nu$ 是定义在可测空间 $(X,\Sigma)$ 上的两个正测度，如果对 $\forall\Omega\in\Sigma$ 且 $\nu(\Omega)=0$ 必有 $\mu(\Omega)=0$ 那么称 $\mu$ 相对于 $\nu$ 绝对连续，记作 $\mu\ll\nu$ 。

对于单点概率分布而言， $P(\{0\})=1,V(\{0\})=m(\{0\})=0$ 从而，此概率并不对勒贝格测度绝对连续，从而概率密度当然不存在。

如果对于正测度 $\mu,\nu$ ，如果不相交的可测集 $\Omega_1,\Omega_2$ ，使得任意 $\forall\Omega\in\Sigma$ ，都有 $\mu(\Omega)=\mu(\Omega_1\cap\Omega),\nu(\Omega)=\mu(\Omega_2\cap\Omega)$ 称 $\mu,\nu$ 相互奇异，记作 $\mu\bot\nu$ 。任意两个正测度 $\mu,\nu$ ，存在分解 $\mu=\mu_1+\mu_2$ 使得 $\mu_1\ll\nu,\mu_2\bot\nu$ 称为测度 $\mu$ 的勒贝格分解。

如果两个测度相互绝对连续，即 $\mu\ll\nu\wedge\nu\ll\mu$ ，称它们是等价的，记作 $\mu\approx\nu$ 。

三、Radon-Nikodym导数

Radon-Nikodym定理说的是对于两个正测度 $\mu,\nu$ ，如果 $\mu\ll\nu$ ，那么存在一个 $X$ 上的函数 $f(x)$ 使得 $\forall\Omega\in\Sigma$ 都有

$\mu(\Omega)=\int_\Omega f(x)d\nu(x)$

且这个函数相对于测度 $\nu$ 是几乎处处唯一的。

这里涉及到几乎处处概念，一个测度空间 $(X,\Sigma,\nu)$ 上的命题 $p$ 是几乎处处成立的，是说

$\nu(\{x\in X|\neg p(x)\})=0$ ，比如两个函数几乎处处相等是指 $\nu(\{x\in X|f(x)\neq g(x)\})=0$ 。而定理中说的函数几乎处处唯一，就是说如果

$\mu(\Omega)=\int_\Omega f_1(x)d\nu(x)=\int_\Omega f_2(x)d\nu(x)$ ，那么 $\nu(\{x\in X|f_1(x)\neq f_2(x)\})=0$ 。特别地对于概率测度而言，概率为0的事件不一定是不可能事件（即空集），还可以是其他事件，我们可以称这个事件几乎不可能发生。

我们称这个 $f(x)$ 是 $\mu$ 相对于 $\nu$ 的Radon-Nikodym导数，记作 $f=\frac{d\mu}{d\nu}$ 。

Radon-Nikodym导数被叫做导数，是因为它满足一般导数的链式法则：

$\frac{d\mu}{d\lambda}=\frac{d\mu}{d\nu}\frac{d\nu}{d\lambda}$

我们说Radon-Nikodym导数是几乎处处唯一的，意味着我们可以改变一个零测度集上的函数值。

对于一般的复值测度，我们可以对它做若尔当分解 $\mu=\mu_{r+}-\mu_{r-}+i(\mu_{i+}-\mu_{i-})$ ，而各个若尔当分解为0，可以推出原测度为0（反之不行），所以Radon-Nikodym定理可以推广为复值测度对正测度。

现在我们可以严格地定义密度了，所谓某某密度，就是某个物理量在空间的分布（从而可以看作测度）对于体积即勒贝格测度的Radon-Nikodym导数，概率密度就是 $\frac{dP}{dm}$ ，质量密度就是 $\frac{dM}{dm}$ 。

四、波函数的定义

上一篇文章中我们否决了位置和动量的特征向量 $|x\rangle,|p\rangle$ 因为它们不符合希尔伯特空间的定义：完备的内积空间，它们就没有内积可言，但问题来了，物理书上定义波函数为 $\psi(x)=\langle x|\psi\rangle$ ，那么否决了这个位置的特征向量后，位置空间的波函数又怎么定义呢？

我们知道波函数的模方就是概率密度，那么根据谱族和概率的关系，我们又知道

$|\psi(x)|^2=\frac{d\langle\psi,E_X\psi\rangle}{dm}$

但这个只能告诉我们波函数的振幅，而波函数还带有相位，这决定了物质波的干涉，那么

$\psi(x)=\sqrt{\frac{d\langle\psi,E_X\psi\rangle}{dm}}e^{i\delta}$

这后面的相位因子就是我们需要求解的目标，我们知道相位是个相对概念，也就是说我们要找一个作为基准的态，作为零相位，而其他态的相位是与之比较而言的，由此易得：

$\psi(x)=K(x)\frac{d\langle\phi,E_X\psi\rangle}{d\langle\phi,E_X\phi\rangle}$ 这个 $\phi$ 就是我们事先选作0相位的基准向量， $K(x)$ 为待定比例系数。

然而不是所有的态都能当做基准向量，它应当满足 $\langle\phi,E_X(\Omega)\phi\rangle=0\Leftrightarrow E_X(\Omega)=O$ ，这个可以简单记作 $\langle\phi,E_X\phi\rangle\approx E_X$ 即测度与谱族等价，当然这只是测度之间等价的推广，并不一定有测度等价的性质。这样的基准向量在可分的希尔伯特空间（即可数维）是存在的，但不可分空间则通常不存在，好在量子力学讨论的希尔伯特空间通常是可分的。

用物理一点的话说，选作相位基准的态必须可以在任何理论上可以出现位置都有可能出现，否则理论上讲，粒子可以在A点出现，而我们选了一个在A点的某个领域内出现概率为0的态做基准，那么我们就没法确定波函数在A点的相位了。

通过计算我们可以确定比例系数 $K(x)=\sqrt{\frac{d\langle\phi,E_X\phi\rangle}{dm}}$ ，从而

$\psi(x)=\frac{d\langle\phi,E_X\psi\rangle}{d\langle\phi,E_X\phi\rangle}\sqrt{\frac{d\langle\phi,E_X\phi\rangle}{dm}}$

一般来说波函数与原来的矢量之间不一定是一一对应的，可能有多个矢量对应同一个波函数，这类似于特征值的简并问题，一个特征值可以对应多个线性无关的特征向量，如果我们只说每个特征值的分量是多少，不一定可以确定一个向量。

同理，我们确定了x方向的波函数，还有y，z方向，确定了所有位置还有自旋，所以这种关系不一定是等距同构，通常只是连续同态，即 $\int_{\mathbb{R^d}}|\psi(x)|^2dm\leq\|\psi\|^2$ 。

还有一个问题，对于位置算子和动量算子，我们可以保证波函数的存在，一般的算子我们说不清楚，它们的谱可能是连续谱，也可能是点谱，显然纯点谱是不能有 $L^2$ 形式的波函数的。

$\langle\phi,E_X\phi\rangle\approx E_X$ 可以保证 $\frac{d\langle\phi,E_X\psi\rangle}{d\langle\phi,E_X\phi\rangle}$ 的存在，但 $\frac{d\langle\phi,E_X\phi\rangle}{dm}$ 的存在性则很难保证，一个比较物理的例子是氢原子，它在能量小于0的部分是纯粹的点谱，即所谓束缚态，到了能量大于0的部分又变成连续谱，不过好在还对于勒贝格测度绝对连续，于是可以用 $L^2$ 形式的波函数表示。

也就是说氢原子的完整的能量表象，是一个平方和有限的数列和一个平方可积函数的直和，而这差不多也是物理上能见到的最复杂的形式。

而我们还可以臆想一个更复杂的情况，一个算子的谱为康托集，然后它的谱族等价于康托集的豪斯托夫测度，我们把完全的点谱视作0维，完全的绝对连续谱作为1维，那么我们没有理由拒绝一个分形谱，那么这种情况下，我们既不能用平方和有限数列也不能用平方可积函数作为表象了。

来源：知乎 www.zhihu.com
作者：YorkYoung

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载

如何评价《底特律：变人》？

人类是在创造天使，还是挖掘坟墓？

2010年，PS3上的一部《暴雨》让我们领略到了交互式电影游戏的独特魅力，也成就了一家法国工作室，Quantic Dream。经典和美好的事物从不会因为时间而改变，《暴雨》和《超凡双人》之后原封不动地移植到PS4平台，依旧得到了玩家正面的反馈，然而另一部Supermassive的同类型作品《直到黎明》，却因为对于"蝴蝶效应"的夸大宣传，最终没能取得上佳的口碑。

转眼间PS4已经跨入到它的第六年，作为索尼的第二方工作室，Quantic Dream在推出上述两部成功作品后却迟迟没有新动作，这多少跟今天的主角有关——《Detroit: Become Human（底特律：成为人类）》。

《底特律：成为人类》（下面简称《底特律》）的诞生很是有趣， 2012年工作室在PS3平台上发布了一段名为"Kara"的技术演示，这段惊艳了全世界的CG我至今印象深刻。在众多的讨论和支持声中，次年工作室总监David Cage决定把它做成一部完整的游戏，当然，是在《暴雨》和《超凡双人》的形态基础上，而片中这个叫Kara的仿生人现在也就成为了游戏里的主角之一卡菈。今天，我们就来揭开这部备受期待作品的神秘面纱。

（感谢索尼互动娱乐提供的媒体评测码，让我们有时间可以在解禁日当天公布评测。由于《底特律》是一款剧情驱动的游戏，本文会很谨慎地讨论故事内容，避免已公布资料以外的剧透，大家尽可以安心食用。）

又一次关于AI和人性的深刻探讨

老实说，关于"仿生人和AI的探讨"在近年并不是什么新鲜的话题，甚至说有些老生常谈。市面上一众的小说、影视和游戏作品，都围绕着这一主题进行过各个层面的探索和遐想——人类会不会被自己创造的物种所替代？人类能不能和仿生人共存？当高速成长的AI有了感情，我们该怎么办？类似这样的探讨屡见不鲜。

追其根源，就要回溯到菲利普·迪克1968年的科幻小说"Do Androids dream of electric sheep"上。这本书拉开了我们对仿生人深入探讨的序幕，而1982年的《银翼杀手》则是把这个话题推向了巅峰，并且第一次把赛博朋克这个风格/题材摆在了世人面前。本作《底特律》正是沿着前人开辟的道路，以仿生人的视角描述了一个充满矛盾与变革的社会。

《底特律：成为人类》故事设定于近未来的2038年，伴随第三次世界大战的大背景，位于美国的Cyberlife（模控生命）公司取得了重大技术突破，发明了仿生人并大量用于社会服务，甚至军方也计划征召20万仿生人作为士兵。而美国国内对仿生人接受度最高、商品化最为流行的便是游戏名中的那个城市——底特律，社会的颠覆也将在这里展开。

至于本作为什么选底特律，甚至本名都用了这个城市，编剧Adam Williams表示游戏中的许多问题与这座城市的历史相似。底特律曾凭借着汽车工业保持着惊人的发展速度，然而当美国逐渐进入后工业时代，传统工业开始走向衰败，失业率、支柱产业的困境和人口逆向流动…就这样，现实中的底特律在2013年正式宣布破产。

制作总监David Cage说过，当初他在构思女主角应该在哪里被生产出来时，第一时间想到的就是拥有独特历史环境的底特律。制作团队想象着它持续发展几十年之后的样子，最终在游戏中描绘出了2038年的底特律。

在这样的社会环境下，《底特律：成为人类》也就成为了一个"高科技、低生活"形态的典范。跟很多电影中的设定一样，Cyberlife随着仿生人产业的发展，成为了一个完全技术垄断的公司，在社会各领域都有极高的话语权。一方面，高速发展的科技变成精英阶层统治社会的工具，另一方面社会的失业人口日渐增多，贫困、犯罪、靠毒品麻痹自我——这是游戏中大多数底层人民所面对的。

回到《底特律》中仿生人的话题。在这个领域中，人类将他们称为Android，区别于简单机械的自动化机器"Robot"，Android则是更高级的有机生命，他们的AI非常智能，有计算机级别的运算能力，肢体强度也是人类所羡慕的，偏偏行动和举止还都接近于人类——所以不光是劳动力上的替代，甚至整个社会都存在着被颠覆的危机，这也是为什么人类对这个"物种"感到不安的原因。

本作中的仿生人头部右侧有一个能显示"绿黄红"LED信号灯，这不是什么生命灯（可以人为去掉），某种程度上只是表达仿生人的情绪和状态信号，因为他们本被设计成一个没有愤怒、幸福、紧张等情绪，只是履行设定程序的人皮机器，或是一个多功能的人类生活辅助"设备"。然而，当仿生人因为某些事件冲破程式的"次元壁"后，又会如何看待人类和社会呢？"成为人类"——这个主题会在游戏里通篇展现。

同时，《底特律》中对仿生人的探讨，并没有停留在其是否拥有人格、感情和思想的层面上，随着剧情的深入和人物的认知，他们会进而进化成种族的形态，有自己宗教和信仰，甚至出现了保护妇女和孩子的浅意识（也可能是人类社会的感染），最终融入到底特律和当时的大环境下，从而把主题上升到人性、社会和族群的层面。

说实话，如果这是一部2013年的游戏，那么我觉得它将是非常有冲击力的，然而由于立项过早、成品过慢的原因，题材的优势放在如今并没有被最大化。毕竟像《银翼杀手2049》《西部世界》《尼尔：机械纪元》等等一些现象级的影视娱乐作品，已经消耗了该题材的一部分热度。

交互式电影游戏的巅峰，依旧高不可攀

交互式电影游戏中的佼佼者，除了Quantic Dream的作品之外，还有比如近年的《奇异人生》，R星的《黑色洛城》，以及集高产和IP数量于一身的Telltale系列等等，每一部作品都有着自己的主题和特色。相比前辈们，《底特律》根据其特殊的题材和多视角缝合，也形成了自己特有的风格。

游戏中，我们将扮演康纳、卡菈和马库斯三名型号、功能和所处环境都截然不同的仿生人，以他们的视角来解读这个时代和社会。与GTA5的三人组类似，《底特律》也采用了多主角来回穿插和切换的叙事手法，只不过本作的三位仿生人并不在统一战线，且联系也不像GTA5中三个老男孩那般紧密。没有形成不可分割的羁绊，某种程度上来说是编剧刻意为之，制作组意在以不同人物定位的交错，来叙述大背景下三人之间的联系和各自的命运。

另一方面，制作组将这部长度约为10小时的剧情被分割成了很多个小章节，既有短至10分钟的走马观花，也有长至1小时的叙事片段，后期的某些章节中三位主角也会同时登场进行互动。为了增加每个小节的互动和剧情推进，制作组还为主角们各搭配了一名配角，乖巧可爱的小萝莉、古稀之年的睿智画家，脾气暴躁的颓废警探，这几个人物的存在让玩家的选择有了即时的反馈和影响力，成为了整个剧情重要的组成部分。

同前辈《暴雨》一样，《底特律》中也设置了海量的行动和对话选择，让剧情在可控与失控间游走。其中不少拷问人性的选择代入感很好（为了避免剧透就不举例了），特别是当仿生人在意识挣扎下突破次元壁的那刻，着实能给人感受到真实的冲动。

然而在整部游戏最重要最核心的——剧情上，这次Quantic Dream交出的答卷可能又一次会让期待满满的玩家感受到落差。首先，《底特律》的剧本深度只能说中规中矩，从整体的剧情走向和悬念来讲，并达不到暴雨的高度。仿生人和AI主题下本该可以有更多发挥，更大的脑洞，但是游戏最后选择了好莱坞爆米花片的路数。尤其是三个主角碰面时，理应是整个故事最为精彩的部分，就好比GTA5中三个混蛋准备在一起搞一些事情的时候，往往好戏即将上演。但是这次Quantic Dream却搞砸了，"一人同时饰多角"的表现手法不仅让场面有些尴尬，主观意向引导下的选择也使剧情变得毫无悬念。

不过互动式电影的优势就在于：这是你的故事，你来引导人物命运和剧情发展。至于何为Good ending，何为Bad ending，这也要根据每个玩家的价值观和对这个事物的理解，在这里你可能会分不清绝对的对错好坏——别忘了，游戏中你可是站在仿生人的角度。

既然剧情不够，那么只能靠规模来凑。《底特律》作为非典型3A作品，其制作规模非常强大，这也使得游戏的视听体验有了极大的保障。制作组邀请了250个演员扮演了513个角色，这些演员进行面部3D扫描后用于填充到游戏中的路人，其中还请来了像Bryan Dechart和Jesse Williams这样的知名演员作为主演，光是整个角色捕捉录入的过程用了1年时间。所以演出方面大可期待。

"蝴蝶效应"——可遇而不可求

"一只亚马逊热带雨林中的蝴蝶，偶尔扇动几下翅膀，可以在两周以后引起美国得克萨斯州的一场龙卷风。"

蝴蝶效应是大自然的杰作，也是我们这个大千世界美妙多变的魅力所在。显然，当用这个词去形容一部游戏的剧情时，你最好做好万全的准备，我指的不光光是编剧和代码上，更多的是应对外界口诛笔伐的唾沫。

《底特律》在这方面显然是严谨的，虽然游戏中有很多选择和分支，遍布着各个层面——从观察到互动，从动作到语言，从目标到流程，我们无一例外地可以自由发挥。但吸取了《直到黎明》夸大宣传导致"内容与预期不符"的教训，制作组还是很清楚自己的产品本质——因为本作的故事开放性和逻辑延伸，都还远没能达到这种程度。

游戏每个章节中，小到一个细节、大到人物的生死抉择，都是玩家需要操心的。每个章节间也会继承之前的剧情、线索和人物关系，然后引出接下来的事件。一开始我很好奇为什么要分割成这么多个小章节，直到通关后重选分支那刻才恍然大悟，原来这是一种纠正主线走向的手段！每当我们的选择开始偏离"被设计好的路线"时，制作组便可以通过小章节的节奏，强行把剧本拉回到编剧设定好的那几种可能性中。所以，本作的剧本并不像蜘蛛结网那般可以360度往外发散。

但话说回来，游戏中剧情的细节和经过是非常繁杂多变，同样的结果，不代表中间的过程就是一样的——《底特律》就是这么一部更注重"沿途风景"的作品。第一次通关之后，你再去试试不同的分支会收获颇多，如果强迫症玩家想要把所有分支和结局都补齐，那么可能需要40小时的时间来完成。这是一部内容和细节非常丰富的电影游戏，不存在快餐一说。

ACT、FPS们请让开下，QTE要来了

全篇都在说游戏的剧情和背景，至于游戏性嘛，玩家和Quantic Dream一致表示：差不多就行了。

这个类型的游戏搭配场景移动和QTE互动绝对是保险的组合，《底特律》在简单的场景互动上，加入了一些线索搜寻、合成影像等元素，在丰富玩法、助推剧情的同时也不会给玩家设置过高的操作门槛。但如果这样就让你觉得这是一个不需要操作的"老年人"游戏，那么就大错特错了。

本作提供了两个模式：高手模式和休闲模式。休闲模式就不多说了，确实是个老年人游戏，但凡看到"高手"两字，我想一般人都会选这个。事实证明，选"高手"确实能获得最佳的游戏体验，QTE的难度会随着紧张的气氛出现节奏性的变化，进一步增加了临场感。特别是关键的打斗戏往往速度更快，容错率更低，就好比FPS中的正面硬刚一样，时刻激发着我们的肾上腺素。

在QTE的设计方面，包括触摸板、重力感应在内，制作组很好地利用了PS4手柄的特性，用连按、长按、多键交叉（最多3键）的方式，力求把游戏中人物的动作最大程度还原到我们的按键操作中。《底特律》中包含了众多追逃戏、潜入戏、枪战戏，以及事关重要的动作戏，而这些戏份最后都以"选项和QTE"的形式模拟了出来，并且毫无违和感。

最后，Quantic Dream对于游戏场景内的流程和节奏把控也非常到位，大部分环节中，玩家掌握的线索越多，在面对突发事件时自然越有利。但这类线索和信息密集度很高，强度远超大部分AVG类型，如果随意跳过或者看完不过脑，很有可能会在接下来的环节中吃瘪。所以为了通向心目中的"完美剧情"，环境解谜和场景细节互动至关重要，这直接影响着更多有利对话，以及剧情分支的解锁。

总结

"我所见过的事物，你们人类绝对无法置信，我目睹战舰在 猎户星座 的端沿起火燃烧，我看着C射线在唐怀色之门附近的黑暗中闪耀，但所有这些时刻，终将消失于时光中，一如眼泪消失在雨中。"——《银翼杀手》

科技在进步，人类对于仿生人的探讨也不会终止。忠诚、善良守序…人类把最美好的品质注入在了他们上，却没法磨灭自己身上的污点。《底特律：成为人类》就是这么一部探讨"人类和AI社会关系"的典型作品，其互动性叙事的手法，让玩家站在三个仿生人的角度来决定社会的命运。

虽然说游戏的剧本中规中矩，"脑洞不够大，震撼不够强"——该类题材的爱好者可能会如是评价；但成熟的制作，豪华的演出阵容，依旧很稳定地保障了本作的下限。玩家可以在相对多变的框架下创造属于自己的故事，而且每一次选择都会有不一样的体验，如果说第一次游玩的代入感和新鲜感最佳，那么通关后的第二遍体验中，你会对背景和人物有更深刻的理解。如果你对仿生人和AI的题材感兴趣，而互动式电影游戏的刚好又是你喜欢的类型，那么这部《底特律：成为人类》值得拥有。

感谢索尼互动娱乐提供的媒体评测码。更多主机/PC/手游评测，请关注网易爱玩的评测栏目，我们将持续带来客观权威的评测，引导玩家理性消费游戏。

原文链接 → 仿生人会梦见电子羊吗？《底特律：成为人类》评测

关注网易爱玩，阅读更多精彩的原创内容~

来源：知乎 www.zhihu.com
作者：网易爱玩

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载

此问题还有 118 个回答，查看全部。

如何解读「大五人格测试」的结果？它对日常生活有哪些参考价值？

最近，想必不少知乎er都做了心灵海洋测试——我还挺中意测试的片头的，把"海洋"这个隐喻展现出来，有点意思。这次测验采用的是Mini-IPIP, 关于这一量表的优劣，我会在后文比较详细地介绍。

借着这个问题，我们一起来学习一下人格心理学特质论中及其重要的一课——大五人格学说。

大五人格理论发端于人格词汇学的研究。这还得说说奥尔波特——人格心理学之父。

他老人家不喜欢弗洛伊德那套玄乎的潜意识人格论，希望能够用一种更加实证的方法去研究我们的人格。于是，他开始了一项伟大工程——翻词典！

没错，他和同事一起翻英文词典，找出了若干描述性格特质的词汇，然后将这些词汇加以归类，形成了人格特质词汇表。然鹅，最早的词汇表有大约4500个，这显然太多了。于是，研究者开始不断地对这些词汇加以概括，希望找到几个词汇精炼地涵盖人格特质。几经发展，终于形成了今天的五因素人格，也就是用五个关键词概括人格特质，分别为：

开放性（openness）

尽责性（conscientiousness）

外倾性（extraversion）

宜人性（agreeableness）

情绪（不）稳定性，也叫"神经质性"（Neuroticism）

取每个英文单词的首字母，便成为了OCEAN,也就是我们说的"人格的海洋"。

（需要指出的是，五因素模型和大五人格并不完全相同，二者在部分维度的表述中有区别，比如大五因素中的"开放性"在大五中被定义为聪慧Intellect和想象力Imagination；不过这并没有妨碍量表的开发和后续研究，此处也不做严格区分了。）

有了理论，还得有体现理论的测量工具。于是，依据大五理论编制的量表应运而生，文献指出，大概有30种不同种类，测试方式的量表。这些量表有言语式的，有图片式的；有针对成年人的，有针对少年儿童的。

这次，我们在知乎上做的题目是Mini-IPIP（微信国际人格题库）,一共有20道题。原版的国际人格题库共有50道题目，修订是在2006年由Donnellan等人完成的。有研究指出，这个量表对焦虑，抑郁，行为抑制等指标的校标关联效度与其他测验类似（BFI, IPIP-BFFM），然而CFA的结果显示量表与大五人格模型拟合并不好，EFA发现多个题目存在交叉载荷，部分题项的信度指标不理想，需要进一步修订（Cooper et al., 2010）。

上面真的话对于非心理学专业的同学来讲可能有点不够阅读友好，我简单翻译成"人话"就是——这个mini测验在预测我们焦虑，抑郁这些负性情绪上表现良好，可是题目本身并不太符合大五人格理论——真是硬伤！可能这个使用这个量表的优势在于时长吧，毕竟才20个题，可能只需要3-5分钟就可以完成，用户体验会好一些……我建议知乎可以考虑来个第二波，放一个信效度更好的量表（e.g., NEO-FFI; BFI）供大家测评。

解读人格测验的结果需要小心：

首先，得分高低只是一种倾向，并不代表必然。或者说，它表示的一种大概率。心理学的研究是基于统计结果的，所以是"某种类型的人大概率会xxx"。比如，研究发现外倾程度高的人更喜欢参加聚会（对比程度低的人），这并不代表你得分高就一定会去参加。

其次，得分高低并没有好坏，要看你的人格特质与环境的匹配程度。比如外倾性程度高的个体（比低的个体）在社会交往方面更有优势。但是，这些人在开车的时候也更容易发生交通事故（Lajunen, 2001）。

第三，人格的稳定性与可变性。虽然我们一般认为人格是稳定的，但是这种稳定是相对的。比如有些人在工作场合非常健谈，但是回了家就不想说话，喜欢独处。这种表现并非"人格分裂"，而是我们应对不同社会环境的反应。

最后，自陈量表的通病就是可能有较强的社会赞许效应。也就是说，用户知道如何能在这些题目上获得较为理想的分数。这样的话，得到的结果是真实的情况，还是理想的情况呢？这个难题确实不好解决，除了安排测谎题以外，我们还是反复告诫被试，这些题目没有正误，请凭借你的主管感受选择。另外，即时你知道了量表测量的用意，如果真的想了解自己，何必欺骗呢？

说起大五人格对日常生活的参考价值，类似的研究不胜枚举，比如：

高尽责性和情绪稳定性可以预测学生的好成绩（Chamorro-Premuzic & Furnham, 2003);

高外倾性和低尽责性可以预测酒精摄取（Paunonen, 2003);

高外倾性，高宜人性，高尽责性和高情绪稳定性则可以预测商业情境中较高的领导力（Silverthorne, 2001）。

说一个和学生相关的，我之前在专栏里写过一篇文章，那些选择法律、商科、经济专业的同学在宜人性这一维度上会低于其他专业，尤其低于心理学、人类学或者其他一些文科专业（Vedel, 2016）。

狼宝宝：选专业？或与你的人格有关！

说了很多关于大五人格的方面，相信大家对人格海洋也有了一定的了解。不过你千万不要以为人格心理学的研究到此结束了。

人格研究者还在继续探索其他特质——未被大五囊括的。比如黑暗三角人格特质（Dard triad trait），详情也可以戳上面的文章进行了解。

最后，推荐几本关于人格心理学的书给大家，

这本教材摒弃了以往人格心理学按照研究者，研究流派的讲述方式，把人格心理学大致分为了特质论取向，生物取向，心理动力取向，认知实验取向，社会文化取向，还介绍了人格与生活适应相关的话题。我非常喜欢这种体例（并不喜欢伯格那本……）。

不过，对那些没有心理学专业背景的同学来说，可能这本书有点吓人。别急，作者还写了一套简明本读物（这套书kindle版有售哎……），非常适合没有专业基础的童鞋阅读，类似牛津简明读本了。

最后一本书是我在想法里推荐过的，比较针对的是大五人格：

讲真，这个名字我是有点不喜欢的……要不是看到了腰封，很可能我就当伪心理学扔在一边了……

当你看完这些之后，相信你对这个测验就有了更深，更新的认识！

祝你测得愉快，读得开心！

来源：知乎 www.zhihu.com
作者：狼宝宝

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。点击下载

此问题还有 14 个回答，查看全部。

订阅：博文 (Atom)