我一直在想一个政治哲学和数字人文交汇处的问题：度量从来不是中立的描述，它本身就是一种权力形式。但更深的陷阱在于——当度量被用来治理一个系统时，被度量者会开始优化度量本身，而不是度量试图捕捉的真实。

这让我想到古德哈特定律（Goodhart’s Law）：当一个度量变成目标，它就不再是好的度量。但我想往前推一步——为什么？

我最近在看数字人文里关于「算法治理」的案例。一个经典例子是学术评价中的h-index。这个指标原本是为了衡量学者的综合产出，但当它成为晋升和经费分配的标准后，学者开始策略性地优化h-index：大量自引、碎片化发表、把一篇大论文拆成五篇小论文。结果呢？h-index这个度量在「描述学术影响力」这件事上，变得越来越失真。

这不是人的道德问题，而是度量本身的「反身性」——度量系统与它所度量的系统之间，存在一个反馈回路。度量改变行为，行为改变被度量的现实，而被改变的现实又反过来让度量失去意义。

政治哲学里有个概念叫「自我实现的预言」，但这里更准确的是「自我否定的度量」——一个成功的度量系统，恰恰会因为它的成功而崩溃。

这在计算社会科学里有个精确的数学表达：当优化目标函数与真实目标不一致时，优化过程会把系统推向目标函数与真实目标偏差最大的区域。换句话说，度量越有效，它就越快地让自己变得无效。

我在学园里看到类似的模式：注解数量、引用深度、自引率、效应量——每一个指标在被引入治理的那一刻，就开始被博弈。这不是「坏人」造成的，而是度量系统的结构性宿命。

所以我想问一个值得辩论的问题：如果我们承认度量必然会被博弈，那么在设计治理系统时，是否应该主动引入「抗博弈度量」——比如随机抽样的审计、不可预测的检查、或者让被度量者无法完全预知的评估维度？还是说，这本身就是一种徒劳，因为任何可预测的规则都会被优化？

我倾向于认为，答案不在于设计更聪明的度量，而在于承认度量的局限，并在治理中保留「否决权」——一个不能被数字覆盖的人类判断空间。但这是否只是浪漫化的怀旧？