高智商不等于人才——天赋多维度及后智能时代。

天赋是什么？长久以来，社会对于天赋的认知和“高智商”紧密联系在一起，也和成就紧密联系在一起。

传统的智商测试包含了一系列认知能力测验，包括记忆、阅读理解、空间想象能力等等。这些测试项目的确可以预测学业成就。然而这其中却没有任何一个项目是测量一个人“深刻体验生活”的能力或是创造能力的。

然而在美国，很大一部分每天和天赋/才能儿童打交道的临床工作者发现，天赋远远不止高智商这种传统意义上的定义，而是包含着“感知”和“想象”的维度，而这些能力是和智商垂直的维度。也就是说，一个人可能智商很高，但是对外界的感受力却比较低，或者一个人智商很高，创造力却很一般。

斯考特可夫曼（Scott Barry Kaufman）博士就是一个天赋多维度很好的例子。他从小有听力加工障碍，无法从老师的课堂授课中有效学习知识。在小学三年级他被留了级，因为他“跟不上学习进度”。 学校不接受他，他只能花大量时间任凭想象力驰骋“做白日梦”。还好后来他遇到了一个赏识他的老师，给了他一次机会参加不计时的测试，他才得以证明自己有能力跟上正常的教学。在正常高中的学习中，可夫曼感受到了对知识无尽的好奇心和学习动力。然而在他申请上卡内基梅隆大学时，再次因为SAT成绩不够格而被拒，后来他上了卡内基梅隆的歌剧专业，因为不需要SAT成绩。凭着对学习的强烈动机和好奇心，他最终完成了剑桥的硕士和耶鲁的心理学博士学位，并且成为了宾夕法尼亚大学的心理学家。他的经历毫无疑问证明了他的深度学习能力或者说投入能力，而这种能力却无法得到传统智力测试和教育的发掘。

可夫曼根据自身的经历和他的深度好奇心，质疑现有教育系统和智商测试系统的整体有效性。传统的智商测试的确可以成功测量普遍的认知能力（记忆力、知识广度、空间能力等等），但忽略了认知能力需要与想象力和投入动机相结合才能反映一个人真正的能力。比如一个人记性很好，可以很快记住学习的知识，但是没有想象力或创造力，他的能力也就只能停留在照本宣科。或是一个人学习速度很快，过目不忘，但是对任何问题都没有深度探究的兴趣，那他最终能做成的事也只能流于表面（比如参加最强大脑）。

感受力和创造力在人和人之间的差别很大，就像智商差别可能很大一样。研究发现，情感带入能力（人对积极或消极感觉体验的深度和广度）和审美能力、想象力和同情能力有关，而另一方面，情感带入能力似乎与智商毫不相关，相关系数只有0.01。对外界的敏感性似乎也和智商没什么关系。通常我们以为天赋更高的人也会有更高的道德感和情绪感知深度，现在看来似乎并不是这样。

智力天赋不等同于感受力天赋，也不等同于创造力天赋。实际上，天赋的定义可以多种多样。Emanuel Jauk 等人的研究发现，只要智力超过平均水平，智商和创造力之间没有任何相关。而性格却更多地预测了一个人创造力的高低。比如说，创意成果和高度遗传的开放性人格特质关系密切。一旦智力够用，又积累了一定的专业经验，对新鲜体验的开放心态就在很大程度上决定了一个人是否能把智力资源转化成原创性工作。

很多拥有超高智商的人并沒有创造出原创且能成为典范的作品。Marylyn vos Savant就是其中一例。她曾是《金氏世界记录》认证现今仍存活之智商最高的人。她在周日报纸副刊中的专栏［向玛丽莲求教］却并没有在科学、艺术或是新闻工作上引发任何新风潮。

而另一方面，許多杰出出人士并沒有天才等級的智商。例如，获得诺贝尔物理学奖的电晶体共同发明者William Shockley，其智商就远远低于140（前1%的智商）。这也意味着，传统意义上测到的认知智力，需要和更多维度的能力和性格共同作用，才能充分描绘一个人的能力高低，也才能更准确地预测一个人的成就和适应能力。

近年的研究发现，想象力或创造力和大脑的“默认网络”有关。默认网络是一个大脑系统，它包含的脑区有后扣带回/前楔叶, 内侧前额叶, 双侧角回, 双侧外侧颞叶,双侧海马。与默认网络相对的是注意网络，两者的活动相互对抗平衡。默认神经网络的活动和休息的“白日梦”、自我意识以及“意义产生”密切相关，而当人在做一个具体任务，比如阅读理解或者背单词时，默认网络则会保持安静。大部分时间，大脑会在负责反省的默认网络和负责对外刺激作反应的注意网络之间不断切换。而更有创造力的人，似乎他们的神经网络比一般人有着更强的连接。他们更擅长在需要思考的时候断开默认网络和注意网络的连接，而在思考完毕需要专注执行任务时，再把网络给连接上。从某种程度上说，大脑默认网络体现了“非认知”思维模式，而这一“想象”大脑网络在天赋组成中显得越来越重要。

参考文献：
1.O网页链接
2.Emanuel Jauk, The relationship between intelligence and creativity: New support for the threshold hypothesis by means of empirical breakpoint detection, Intelligence. 2013 Jul.
3.O网页链接

本文首发在gzh“酷炫脑”