“为什么没人注意到这一点？”英国女王伊丽莎白二世曾这样问道。2008年11月，金融危机刚刚爆发，她在伦敦政治经济学院向全体教职员工提出了这个问题。近十年后，过去12个月发生的一系列非同寻常、出乎意料的事件——从英国脱欧公投到唐纳德·特朗普当选美国总统——再次引发了人们对“专家”的同一质疑。
近来，受到广泛批评的不只是民调专家和经济学家，专家群体整体都成为了批评对象。2010年开始的欧元区危机，在一些人看来是精英阶层造成的，给广大公众带来了沉重后果。随后又爆出一系列行为丑闻，使危机雪上加霜：金融产品误导性销售、全球货币操纵，以及操纵伦敦银行同业拆借利率（Libor，即部分银行相互收取短期贷款利息时采用的基准利率）。
这一切加深了公众的疑虑：这个体系偏袒富人和权势者，而他们从不受到追责。英国脱欧公投和美国大选期间，人们对精英可信度的怀疑尤为突出。
面对这些被视为失职的情况，公众对专家的信任正处于十字路口。新闻内容越来越针对个人的兴趣和偏好，人们也日益自行选择信任和关注谁，分享专业知识的传统渠道因此受到冲击。既然有 Facebook、Google、Mumsnet 和 Twitter，谁还需要专家？
其实，我们所有人都需要专家。纵观人类历史，专业知识的应用帮助人们抗击疾病、减少贫困、改善福祉。要在此基础上继续进步，我们需要可靠的专家，让公众能够放心求助。
要重建信任，首先，自称“专家”的人必须拥抱不确定性。评论人士不应假装自己确信无疑，冒着频频出错的风险，而应坦诚说明不确定性。从长远来看，这种做法能够重建公信力。一个很好的例子是英格兰银行货币政策委员会（MPC）在预测中使用的“扇形图”：这些图展示了通胀、增长和失业等指标可能出现的广泛结果。
然而，传达不确定性会增加信息的复杂程度。这是一项重大挑战。发一条“英格兰银行预测增长2%”的推文很容易。扇形图的真正含义——“如果今天的经济状况重现100次，MPC集体判断认为，GDP增长的最终估值有50次会高于2%，有50次会低于2%”——甚至无法塞进 Twitter 的140字符限制。
这凸显了一个必要性：随着技术改变我们获取信息的方式，健全的原则和可信的做法应得到更广泛的普及。记者和博主如果报道或转传虚假信息、谣言，是否应该被揭露？或许应将学术界广泛采用的原则和做法——例如同行评审、研究经费的竞争性分配、公开利益冲突和资金来源，以及公布基础数据的要求——加以调整，并更广泛地应用于智库、网站和媒体领域。
与此同时，信息消费者需要更好的工具来评估所接收信息和观点的质量。知识数字化让人们能够获取塑造自身看法的信息。人们可以更充分地了解自己的病情和替代疗法后再去看医生。但信息民主化可能让人难以分辨事实与虚假信息；算法会制造志趣相投者的回音室；在争夺点击量和网络收入的过程中，极端声音和观点也可能脱颖而出。
学校和大学必须加大力度，教育学生成为更善于辨别信息的消费者。斯坦福历史教育小组一项引人注目的研究基于对美国数千名学生的测试；该小组将研究结果形容为“黯淡”，因为这些结果揭示了年轻人评估网上信息的能力令人担忧。核查公众人物言论真伪的事实核查网站朝着正确方向迈出了一步，与学术界的同行评审也有一些相似之处。
倾听另一方的意见至关重要。社交媒体通过过滤相反观点，加剧了人类群体思维的倾向。因此，我们必须努力接触与自己不同的观点，并抵制算法将我们引向回避差异的内容。或许技术领域的“专家”可以编写算法，打破这些信息泡泡。
最后，必须更谨慎地处理技术官僚制与民主之间的界限。民选之外的人左右具有重大社会影响的决策时，公众不满很可能随之而来，这并不令人意外。专家试图扮演政治人物，或政治人物试图充当专家，往往会引发问题。明确各自的职责，并在越界时追究责任，至关重要。
我们比以往任何时候都更需要专业知识来解决世界面临的问题。问题不在于如何在没有专家的情况下应对，而在于如何确保专业知识值得信赖。做好这一点至关重要：如果我们不希望未来由无知和狭隘塑造，就比以往任何时候都更需要知识和有见地的辩论。
