人類決策的核心矛盾大概是在復雜系統中，行動的驅動力往往來自對價值、關系的權衡和選擇，而非單純依賴事實、對象的客觀性。在這個層面上講，算計（謀算）是關于價值、關系的計算，超出了對事實、對象的計算。

一、算計是關于價值而不是事實的計算

事實與價值的二分法源自哲學家休謨提出著名的“休謨難題”，指出從“是”（事實判斷）無法直接推導出“應當”（價值判斷）。例如，事實上吸煙會增加肺癌概率（可量化數據），價值上是否應禁止吸煙？這需要權衡個人自由、公共健康、經濟利益等多元價值沖突。當人們選擇吸煙或支持禁煙政策時，計算的不是“吸煙是否致癌”的事實，而是“自由與健康何者更重要”的價值排序。

經濟學中的核心問題（如資源配置、價格形成）本質是價值計算。邊際效用理論說的是水的客觀存在（事實）無法解釋其價格低廉，而鉆石稀缺卻昂貴。價值的計算取決于主觀需求強度（邊際效用）而非物質屬性，如用成本效益分析，是否建造一座水壩？需計算生態破壞（負價值）與發電收益（正價值）的權衡，而非僅依賴工程可行性（事實）。

人類大腦的決策機制天然偏向價值計算。前景理論闡述人們面對風險時，并非理性計算概率（事實），而是根據心理價值（如損失厭惡）做出選擇，失去100元的痛苦遠大于獲得100元的快樂。在道德判斷電車難題中，是否犧牲1人拯救5人？事實（人數差異）明確，但價值判斷（生命可否量化比較、主動行為與被動結果的道德權重）主導選擇

現代人工智能技術將價值計算推向新高度。推薦算法中短視頻平臺推送給用戶的不是“事實正確性最高”的內容，而是最大化用戶停留時間（平臺價值）與情感共鳴（用戶價值）的平衡。自動駕駛倫理中，在事故不可避免時，算法需計算“保護車內乘客”與“最小化外部傷亡”的價值權重，而非僅依賴道路規則（事實性框架）。

公共政策的制定本質也是多元價值的博弈結果。如防疫政策制定過程中，科學數據（感染率、死亡率等事實）是基礎，但最終政策取決于“生命權優先”與“經濟自由優先”的價值立場。氣候政策實施時，減排目標的設定需在代際公平（未來人類生存價值）與當代發展權（現實經濟利益）之間取舍。

為什么價值計算會高于事實計算呢？這是因為事實是客觀中立的，但人類所有行動都服務于特定目的（如生存、幸福、權力），而這些目的由價值定義。例如，科學事實可以解釋核能原理，但使用核能的方向（發電或武器）由價值決定。當事實不完整時（如未來預測、復雜系統），決策必須依賴價值假設。如投資行為基于對“風險偏好”的價值判斷，而非確定性收益。在沖突調解中，事實爭議可通過實驗驗證，價值沖突（如墮胎權、宗教自由）往往需要協商妥協或權力博弈。

盡管價值計算主導決策，但事實與價值的界限常被模糊。事實往往負載價值，數據收集（如統計指標選擇）隱含價值傾向。例如，GDP衡量經濟忽視生態成本，本質上是一種價值選擇。另外，價值依賴事實，價值判斷需事實作為信息基礎。例如，“應保護瀕危物種”的價值主張依賴生態學事實（物種作用、滅絕后果）。

“算計的核心是價值計算”揭示了人類行為的根本特征：我們并非生活在純粹客觀的世界中，而是通過價值棱鏡對事實進行篩選、加權和行動轉化。這一認知對個體決策（如何平衡短期欲望與長期目標）、技術設計（如何嵌入倫理價值）、社會治理（如何處理多元價值沖突）具有深遠意義。然而，價值計算的危險性也在于其主觀性可能扭曲事實（如否認氣候變化），因此需以事實為錨點，在動態平衡中尋求“有約束的價值理性”。算計關注的是事物的價值層面，而非單純的事實本身。算計涉及到對價值的權衡、比較和衡量。例如在商業決策中，算計不是簡單地記錄商品的客觀屬性（事實），如尺寸、重量等，而是要考慮這些商品能為企業帶來多少利潤、對品牌形象的提升等價值因素。

在商業領域，企業進行投資決策時，算計主要圍繞投資的預期回報率（價值）。他們會分析投資項目的未來收益情況，而不是僅僅關注項目本身已經確定的支出和收益（事實）。例如，一家公司考慮投資一個新的生產線，算計的重點是這條生產線在未來幾年內能帶來多少利潤（價值），包括考慮市場份額的可能變化、產品定價策略對利潤的影響等。這些因素都是基于對市場需求、競爭環境等多方面的價值評估，而不僅僅是生產線的設備成本（事實）。

在個人選擇工作時，算計往往關注工作的綜合價值。除了工資（一個比較直接的事實），還會考慮工作的晉升空間、技能提升機會、福利待遇、工作環境對個人幸福感的提升等價值因素。比如，一個人可能會放棄一份工資更高但工作環境惡劣、沒有發展前景的工作（事實），而選擇一份工資稍低但能學到新技能、有良好發展前景的工作，這是因為他在算計時更看重對未來個人成長的價值。

價值計算通常涉及主觀判斷和多因素的綜合考慮。比如在評估一個藝術品的價值時，要考慮藝術家的知名度、作品的歷史背景、藝術風格的受歡迎程度、市場需求等諸多因素，這些因素很難像事實那樣有一個固定的數值，不同的人對同一藝術品的價值評估可能因個人的審美觀念、市場預期等因素而有很大差異。

二、算計是關于關系而不是關于對象的計算

算計思維中另一個的核心是：系統的行為或問題的解決往往更依賴于元素之間的互動關系，而非元素本身的孤立屬性。

在系統論中，整體（系統）的屬性和行為無法通過孤立研究其組成部分（對象）來完全理解，而是由各部分的關系結構決定。例如生態系統中，物種之間的捕食、競爭、共生等關系，決定了生態系統的穩定性，而非單一物種的個體特征。經濟學領域，市場中的價格、供需、政策等關系網絡決定了經濟動態，而非單個企業或消費者的孤立行為。

數學中的許多領域直接以關系為研究對象。圖論用節點（對象）和邊（關系）描述網絡，最短路徑算法（如Dijkstra算法）依賴邊的關系權重而非節點本身的屬性。群論中，代數結構的性質由元素間的運算關系（如交換律、結合律）定義，而非元素的具體內容。

計算機科學中的關系型數據庫，是通過表之間的關聯（外鍵、JOIN操作）實現復雜查詢，而非單獨處理每張表的數據。分布式系統是利用節點間的通信協議、同步機制等關系決定了系統的容錯性和一致性，而非單節點的性能。

人工智能與機器學習中，深度學習利用卷積神經網絡（CNN）捕捉圖像中像素間的空間關系，Transformer模型通過自注意力機制建模詞與詞的關系。知識圖譜則是反映了實體間的語義關系（如“愛因斯坦-發明-相對論”）支撐推理和問答，而非實體本身的孤立描述。

哲學與認知科學中的結構主義認為對象的意義由其在整體結構中的位置（關系）決定。例如，語言中的詞匯意義取決于其在語義網絡中的相對關系（如“上”與“下”的對立）。同時，類比推理也很重要，人類就是通過映射不同領域的關系結構（如“原子-太陽系”類比）進行抽象思考，而非直接比較對象屬性。

在實際應用中，社交網絡分析中的用戶“影響力”由關注、轉發等關系決定（如PageRank算法），而非用戶發布的單條內容。化學與材料科學中分子性質由原子間的化學鍵（關系）主導，而非單個原子的特性。例如，石墨和金剛石均由碳原子構成，但化學鍵的結構差異導致完全不同的物理性質。

為什么智能要強調關系而非對象？這是因為關系是系統演化的驅動力，如細胞間的信號傳遞關系決定組織分化，而非單個細胞的靜態屬性。關系可以脫離具體對象存在，數學中的“環”或“域”結構可應用于物理、計算機等多個領域，因其定義基于抽象關系。還有，許多復雜問題（如氣候變化、疾病傳播）的解決需要建模多層級關系網絡，而非枚舉對象。

“關系計算”的視角推動我們更關注連接、互動與結構，而非孤立對象的屬性。這一思維范式在科學、工程和社會科學中愈發重要，尤其是在處理復雜系統時。然而，對象與關系并非對立，而是互補的：對象是關系的載體，關系是對象的語境。兩者的結合才能構建完整的認知與計算框架。比如在商業談判中，算計往往不是單純地關注某個產品（對象），而是要計算和考慮談判雙方（關系中的主體）之間的利益平衡、合作的可能性、對方的需求和底線等關系因素。從人際關系角度看，算計可能涉及考慮如何在一段友情、愛情或合作關系中分配注意力、情感付出等。比如在一段感情中，不是簡單地計算自己為對方買了多少禮物（對象層面），而是要算計雙方在情感交流、未來規劃等關系層面是否匹配和對等。

對象計算更側重于對具體事物的屬性、數量等特征的計算。如在庫存管理中，計算某種商品的庫存數量、進貨成本等，這是單純的對象計算。而關系計算則要考慮和該商品相關的人、組織等因素之間的關系，在供應鏈關系中，除了計算庫存，還要算計供應商和零售商之間的合作關系，包括交貨時間是否符合要求、雙方的信譽度、未來合作的可持續性等關系因素。在數據處理領域，對象計算可能是一個簡單的數學運算，如計算一組數據的平均值。而關系計算則可能涉及數據之間的關聯性。例如在社交網絡數據分析中，算計用戶之間的關系強度、社交圈子的影響力等，而不是僅僅計算用戶發布的帖子數量（對象計算）。