不合群,是因为你内心不想从众的骄傲

文:斑马

原题:“不合群”的年轻人:你没有错,你只是拒绝做一名从众者

生而为人,人际关系无可避免,所以痛苦也就相伴而生。

前几天收到一封青年读者的来信,表达了自己无法融入群体的烦恼。她说自己不想仅仅为了讨人喜欢就说违心话,可是每次说出真实想法,总要被认为清高不合群。很多时候,明明是指鹿为马的事情,大家都能欣然接受,只有自己做不到。

“我妈妈总是跟我说:一个人不喜欢你那可能是他的问题,要是很多人都不喜欢你,那你就要从自己身上寻找问题。所以这是我错的吗?你说,我做人是不是很失败?”

她的信挺长,列举了几个例子,我读完后,没有觉得她做错了什么,却料定她一定是一个在生活中不受欢迎的人。 

我想起了几年前,我也曾被同样的问题困惑过。老板在办公室讲了一个足足有零下三十度这么冷的笑话,同事们一边讨好的发出哈哈大笑,一边用余光悄悄对视,用口型交流两个字:傻逼。我是唯一不笑的那个人,他有点不满地望向我,于是我挤出两个字:呵呵。

是的,我也常常并不讨人喜欢,但是比这位青年读者庆幸的是,我想明白了一件事,那就是一个人为什么一定要通过牺牲自己的思想来讨人喜欢?

我告诉那位读者,你并没有做错,错的是这个社会,你只不过是拒绝做一名从众者。可是人人都告诉你:你无法改变别人,你更无法改变社会,你只有改变自己,去适应这个社会。

这个强盗一样的逻辑有些像那个伦理学上知名的电车难题:一个疯子把五个无辜的人绑在电车轨道上。一辆失控的电车朝他们驶来,我们可以拉一个拉杆,让电车开到另一条轨道上。然而问题在于,那个疯子在另一个电车轨道上也绑了一个人。

大部分人都会选择拉那条杆,而另一条铁轨上的那个人就是你。你要被无条件的牺牲,原因仅仅是你没有站到大多数人的队伍中去。

从小就被父母灌输如何听老师话、听领导话、跟同学搞好关系,以为这是国人特有的中庸之道,后来才发现,这是人类的本能。

心理学中有一项经典的实验:几组学生围绕一个社会事件展开讨论,每个组有九人组成,其中六人是真正的被试者,三人是实验雇来的帮手,他们分别扮演仿效者、偏离者(与小组立场针锋相对)和立场改变者(开始是偏离者,后来转向仿效者),实践表明,人们最喜欢的永远是与小组标准一致的仿效者,最不喜欢的总是偏离者。

同样的实验,再过几百年做结果也是一样。无论时代怎么变,从众者都是社会的主流。他们是最普通的一群人,最受欢迎的一群人,也是最可怕的一群人。他们附和权威,他们成群结队,他们四平八稳,他们永不犯错。平日里,他们是好好先生,灾难时,他们是乌合之众。

有圣人引领时,他们也是圣人。当魔鬼带路时,他们皆是魔鬼。

社会越开明,越能包容偏离者。反之,则根本不允许偏离,于是二战有了一千二百万纳粹,文革有了三千万红卫兵。无论是畏惧权威的依从、还是发自内心的认同,跟着主流的社会价值走,是最不会出岔子的选择。毕竟,尽量融入集体中,才是对自己最大的保护,实现利益的最大化和损失的最小化,所以从众者从不需要去思考这个主流是不是真的正确。

庆幸的是,每个时代都有偏离者,不幸的是,他们的日子从来都不好过。也许他们在若干年后被写进了教科书,成为被崇拜的偶像,可是在当世却永远得不到尊重。

范仲淹就是宋代的偏离者,他最打动我的一句话不是那句人人皆知的“先天下之忧而忧,后天下之乐而乐”,而是“宁鸣而死,不默而生”。可是他一生三次被贬,朝廷的士大夫们没有一个人敢去送别,连他的恩师晏殊都对他不满。

文革时也有一个著名的偏离者叫张志新,她是真的宁鸣而死了,死前,背着18斤重的铁链,为了防止她喊叫,他们割破了她的喉咙。她很了不起,可是没有一个母亲希望自己的孩子成为张志新,因为代价实在太惨重,她们希望自己的孩子平平安安过完这辈子。就连嵇康这样愤世嫉俗的人,临死前也没有把自己的一对儿女留给和自己最投契的阮籍,而是拖孤给了四平八稳的山涛。

这就是为什么大部分人愿意成为一名从众者,适者生存,是本能。可是偏离者并不需要自责,生而特立独行,从来都不是错。不必勉强自己去随波逐流,这个世界,最终还是要由不肯从众的人去改写。

这些年,我见过太多有棱角的人,渐渐被岁月磨得温润,温顺。也许有一天,你我也会变成被时代改良得不那么彻底的从众者,对着他人荒谬百出的言论随口应和,并将其归为有教养。太平盛世,毕竟不需要太多烈士。只是希望这一天,来得可以晚一些。

Ps:部分论据援引心理学家E.阿伦森的《社会性动物》  

作者:

斑马,出处:油炸绿番茄,微信公众号ID:tomato2050,公众号简介:油炸绿番茄是由任性的不吐槽会死星人、水瓶座奇葩斑马创办的原创类情感解毒自媒体,致力于撕开一切生活假面,为你打造全新三观。公众号tomato2050

图片来源:123RF图片网

You May Also Like

About the Author: 成长心理专家

发表回复

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据