> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 有效利他主义

> 有效利他主义主张用证据、概率与权衡，把有限资源投入最能帮助他人的行动。本文梳理其起源、方法、案例与争议。

<Info>
  **类别**: 哲学<br />
  **类型**: 应用伦理决策框架<br />
  **来源**: 2000-2010 年代当代道德哲学与公益评估实践<br />
  **别名**: EA、证据导向利他
</Info>

<Note>
  **快速回答** — **有效利他主义**（Effective Altruism）是一种伦理实践：在资源有限的前提下，用证据、期望价值和透明权衡，尽可能帮助更多人。它把“善意”转化为“可比较、可更新的行动决策”，同时也面临测量偏差与治理正当性的批评。
</Note>

## 什么是有效利他主义？

**有效利他主义**（Effective Altruism）是一套比较方法：比较不同助人行动的预期效果，再把时间、金钱和能力投向“边际影响更大”的选项。

> 有效利他主义把“行善”视为决策设计问题：动机重要，但结果与机会成本同样重要。

它提出一个不太舒服但关键的问题：如果两个项目都“看起来很善”，哪一个在同样资源下能帮助更多人？这一思路与[功利主义](/zh/philosophy/utilitarianism)、[二阶思维](/zh/thinking/second-order-thinking)和[批判性思维](/zh/thinking/critical-thinking)高度相关。

### 有效利他主义的三层理解

* **入门**：捐款前至少比较两个项目，不凭感觉直接给。
* **实践**：看成本效果、第三方评估和不确定区间，而不是单一漂亮数字。
* **进阶**：在短期与长期风险之间做组合配置，并持续审计自己的价值假设。

## 起源

有效利他主义形成于 2000 年代末到 2010 年代初的交叉社群：道德哲学、发展经济学、公益评估。彼得·辛格关于“对远方陌生人的道德责任”提供了规范基础，而 GiveWell 等机构则建立了公开的慈善评估方法。

“Effective Altruism”这一术语随后由 80,000 Hours、Giving What We Can、Centre for Effective Altruism 等组织推广。其共同原则是：按预期影响比较，而不是按情绪冲击排序。

可量化的增长信号是公开承诺机制。Giving What We Can 长期追踪成员承诺与捐赠总额，规模已达数亿美元量级。具体数字会随年份更新，但结构意义明确：EA 把个人善意转化为可追踪、可复盘的长期决策流程。

## 核心要点

有效利他主义可被理解为一组有顺序的比较动作。

<Steps>
  <Step title="先做议题优先级，再做项目选择">
    EA 先问“什么问题最值得优先处理”，再问“哪个项目最好”。常用标准是规模、被忽视程度与可解决性。
  </Step>

  <Step title="用期望价值替代情绪显著性">
    决策依据是预期影响，而非故事冲击力。它能降低偏见，但前提是明确处理不确定性。
  </Step>

  <Step title="证据分层与持续更新">
    EA 使用实验数据、实地追踪、外部审计，并把结论视为可修正假设，而非终局真理。
  </Step>

  <Step title="考虑个人比较优势">
    EA 不只谈捐款，也谈职业。关键问题是：你的技能在哪个路径上能产生更高边际贡献。
  </Step>
</Steps>

## 应用场景

当道德紧迫性与资源稀缺同时存在时，EA 方法尤其实用。

<CardGroup cols={2}>
  <Card title="个人捐赠策略">
    按证据强度和时间跨度配置年度捐赠，而不是只在热点事件后冲动捐助。
  </Card>

  <Card title="职业路径选择">
    从社会影响、可替代性与学习曲线评估岗位，而非只看薪资。
  </Card>

  <Card title="公益组织资源分配">
    用单位成本产出分析，决定扩张预算投向何处更能提升总体福祉。
  </Card>

  <Card title="公共政策优先级">
    把财政决策显式表达为不同干预方案之间的权衡，而非口号竞争。
  </Card>
</CardGroup>

## 经典案例

EA 社群常引用 GiveWell 对 Against Malaria Foundation（AMF）的评估。基于大量研究证据，防蚊蚊帐在高风险地区可显著降低疟疾负担和儿童死亡风险，评估机构据此建立“每美元预期影响”模型。

GiveWell 在年度更新中长期公开其模型参数与不确定区间，对“每挽救一条生命所需成本”的估计通常落在几千美元量级，并随地区与执行质量波动。可衡量指标不在于某个固定数字，而在于模型可审计、会更新、可被外部质疑。这一案例说明：把不确定性显式化，往往比制造确定幻觉更能提升决策质量。

## 边界与失效场景

EA 提高了理性度，但若被理解为纯技术优化也会失效。

* **可测量偏见**：过度偏好“容易量化”的结果，可能低估尊严、权利与长期制度建设。
* **模型脆弱性**：期望值计算对关键假设高度敏感，稀有事件会放大误差。
* **正当性缺口**：若受影响群体未参与优先级设计，中心化决策容易失去信任。

## 常见误区

公众对 EA 的误解常在两个极端之间摆动。

<AccordionGroup>
  <Accordion title="误区：有效利他主义只关心捐钱">
    **纠正**：捐赠只是一个入口。EA 同时关注职业选择、政策分析、研究方向与组织治理。
  </Accordion>

  <Accordion title="误区：EA 认为自己能精确预测影响">
    **纠正**：成熟的 EA 实践强调不确定性，并在新证据出现后主动更新结论。
  </Accordion>

  <Accordion title="误区：EA 只剩冷冰冰的算术">
    **纠正**：EA 的目标不是替代伦理，而是让伦理承诺在资源约束下更可执行、更可审查。
  </Accordion>
</AccordionGroup>

## 相关概念

EA 要发挥长期价值，通常需要和其他伦理与认知框架联动。

<CardGroup cols={3}>
  <Card title="功利主义" href="/zh/philosophy/utilitarianism">
    为“最大化福祉”提供重要规范基础。
  </Card>

  <Card title="二阶思维" href="/zh/thinking/second-order-thinking">
    帮助评估干预措施的间接后果与时滞影响。
  </Card>

  <Card title="批判性思维" href="/zh/thinking/critical-thinking">
    支撑证据审查、假设检验与模型迭代。
  </Card>
</CardGroup>

## 一句话总结

<Tip>有效利他主义的核心，是让同情心经过比较与验证，从“想帮忙”升级为“尽可能帮到更多人”。</Tip>