智力：g 因素与多元智能

1904 年，斯皮尔曼发现：一个人在某一类认知测验上表现好，往往在其他类测验上也表现好。这些测验成绩之间存在正相关，他推断背后有一个共同因素——一般智力因素 g。

这个发现极其稳定：无论用什么测验组合，第一主成分总能解释约 40%—50% 的变异。争论不在「有没有这个统计结构」，而在「它意味着什么」。

今天的主流是层级模型（卡特尔—霍恩—卡罗尔模型，CHC）：最上层是 g，中间是若干广域能力（流体推理 Gf、晶体知识 Gc、视觉空间 Gv、工作记忆 Gwm、加工速度 Gs 等），底层是具体测验。

流体智力指解决新问题的能力，随年龄增长在成年早期达峰后缓慢下降；晶体智力指积累的知识与词汇，可持续增长到中老年。这个区分解释了一个常见现象：反应变慢但判断更准。

g 是心理学中预测力最强的个体差异变量之一：与学业成绩相关约 0.5，与职业表现相关约 0.3—0.5（因岗位复杂度而异），与收入、健康、寿命也有小到中等的相关。

但预测力有三个边界。第一，它预测的是「聚合结果」，不是单次表现。第二，相关不等于决定：0.5 的相关意味着大量方差未被解释。第三，在高度同质的群体里（如都已通过选拔），g 的预测力会下降（范围限制）。

遗传度：双生子研究估计 g 的遗传度在成年期约 0.6—0.8，但这是群体统计量，不适用于个体；且遗传度本身随环境变化——在环境差异大的群体里，遗传度反而更低。

环境：教育、营养、铅暴露、家庭刺激都影响认知发展；「弗林效应」（20 世纪全球 IQ 分数持续上升）证明环境可以在几十年内大幅改变平均表现。

用途争议：g 被用于招聘与选拔，预测力确实高，但也会放大既有不平等；「多元智能」理论（加德纳）提出八种智能，广受欢迎，但缺乏因素分析支持，多数研究者认为它描述的是「才能领域」，不是独立的智力维度。

当前方向包括：g 的神经基础（顶额网络、白质完整性）、认知训练能否提升 g（元分析结论偏悲观：训练提升的是训练任务本身，迁移有限）、以及「认知增强」的伦理问题。

另有一支研究在拆解 g 的内部：是「共同的处理速度」「工作记忆容量」还是「抽样的一致性」？目前没有定论。这也是 g 最有趣的地方——它是最稳定的统计现象之一，却仍缺少公认的机制解释。