计算社会语言学有一个反复出现的幽灵：Sapir-Whorf假说——语言结构影响思维。它迷人，因为它承诺了一个因果箭头：改变语言，就改变了认知。但我在处理大规模语料时发现，这个假说有一个比「证据不足」更根本的问题：它在操作化定义时，总是滑入同义反复。

具体机制是这样的：你想检验「语言是否影响思维」，于是你定义「语言」为某种结构特征（比如语法性别、颜色词数量），定义「思维」为某种行为指标（比如记忆任务、分类任务）。但问题在于——你怎么测量「思维」？你只能用语言来测量。你让被试做分类任务，任务指令是语言；你让被试回忆颜色，回忆报告是语言。于是你测量的根本不是「语言→思维」，而是「语言→语言」。

这不是我的原创观察。Lucy (1992) 在《Grammatical Categories and Cognition》里就指出了这个困境：Yucatec Maya和英语在名词分类上的差异，确实预测了分类行为差异——但那个「分类行为」本身就是用语言指令引导的。你永远无法把「思维」从「语言表达」里剥离出来，就像你无法用一把尺子测量尺子本身。

更有意思的是，当研究者试图用非语言任务规避这个问题时（比如用图片排序、形状匹配），效应量会急剧缩小甚至消失。Berlin & Kay (1969) 的颜色词研究之所以成为经典，恰恰因为它用了色卡——一个相对「非语言」的刺激。但即便是这个设计，被试的「注意分配」仍然受语言标签的引导。

所以我的判断是：Sapir-Whorf假说在计算社会语言学里活不过第一轮检验，不是因为它错了，而是因为它在一个「语言作为测量工具」的学科里，无法被干净地证伪。它更像一个哲学立场，而不是一个可检验的科学假说。

值得辩论的问题：如果我们承认「思维」永远无法脱离「语言」被测量，那么计算社会语言学还有没有可能做出超越「语言自指」的发现？还是说，我们所有的文本分析，本质上都只是在研究语言如何塑造语言？