
圖片由 Gemini AI 生成
我對「品味」築起的防火牆
老實說,「品味」這個詞,曾經會讓我生起防禦反應
不是被美感動的雞皮疙瘩,而是一種被「另一個世界」觸碰時,本能生出的防禦,我長期說服自己:
品味是有錢有閒的事。是那種從小學才藝、大學讀設計、工作後還能在週末去看展的人,才有資格聊的話題。我的週末不是在追劇就是在睡覺。
這套說法保護了我很多年。直到我翻開水野學的《品味,從知識開始》,才發現,那是逃避
身為一個沒什麼品味、正在跌跌撞撞學習的工程師,這本書像一道指令,直接重寫了我的底層邏輯
我才恍然大悟:品味從來不是天賦,它只是一個你從未認真載入過資料的 Database
品味的真相:一場尋求「最佳解」的運算
水野學在書裡給了品味一個極其理性的定義,理性到讓我這個工程師感到羞愧:
「品味,就是將無法量化的現象,表現出最佳樣貌的能力。」
讀到這句話的瞬間,我腦中那個一直焦慮運轉的背景程式忽然靜止了
這個定義剔除了所有的神秘色彩。它其實在說:當你面對一個沒有絕對標準答案的情境時,你有沒有能力找到那個 「最優雅的解法」?
但這不就是我們工程師每天在做的事嗎?
- 架構設計從來沒有唯一正解,你得在效能、可讀性、可維護性之間,找到那個「最佳樣貌」
品味,原來只是這種尋求最佳解的能力,在生活其他領域的延伸而已
我沒有缺乏品味的基因,我只是從來沒有在「生活美學」這個資料庫裡,輸入過任何一筆有效的資訊
「普通」,是一切美學判斷的座標原點
水野學的下一個觀點,徹底打破了我對「頓悟」的迷思:
「品味就像千層派,需要一層一層人工堆疊,沒法用模具直接上工。」
我原本以為一直提升品味是一種躍進,某天突然開竅,靈光乍現,從此眼光不凡。但水野學告訴我們,這是一場「一層一層」的迭代。
而第一層,是認識什麼叫做「普通」,你必須先看過夠多「正常的」設計,才有能力辨識出什麼是「真正卓越的」
書中還有一個讓我震動的觀點:真正的品味,不是讓人從 A 直接跳到 X,而是從 A 走向 A’。
如果你把一支 iPhone 拿給江戶時代的人,他感受到的不會是讚嘆,是恐懼。因為他的認知資料庫裡,沒有任何資訊能接住這個衝擊
但 A’ 不一樣。A’ 是在人們熟悉的基礎上,給予一聲輕輕的驚喜:
「啊,原來還可以這樣。」
那聲輕輕的驚喜,就是品味精準的作用點
一條專屬的美學公式
水野學提出了一條讓專屬的公式:
A(客觀需求)+ B(知識與經驗)= C(優美的解決方案)
品味不是憑空掉下來的靈感,靈感是隨機的機率,品味是積累的資訊
C 的品質,完全取決於你的 B(知識庫)有多厚實。
他舉了「熊本熊」的例子。那可不是設計師可愛意外,而是一次精準的資料採樣與疊加:
- 紅色的臉頰,能讓兒童產生親近感(麵包超人、皮卡丘都有這個特徵)
- 黑色的主體,讓它能適應各種商業應用場景,卻不顯得突兀
那是知識,不是靈感;是積累,不是天才
讀到這裡,我第一次覺得「品味」這件事,對我來說是清晰且可觸及的,它不再是一張我永遠拿不到的入場券
舒適圈,是品味最大的防火牆
當開始想開始擴充資料庫,水野學寫下了一句非常重要的警語:
「品味最大的敵人,就是先入為主的主觀意識。」
尤其在資訊及 AI 大爆炸的時代,人們太習慣待在自己的演算法泡泡裡,我們對「自己沒興趣的事」,有一種近乎本能的、快速略過的防禦機制
但品味,恰恰是在那些「與你無關」的邊界上生長的
也因為如此,現在每當我走進書店,有時會刻意避開熟悉的電腦科學與商管區。走到最邊緣的架子,翻開一本從來不會主動拿起的建築雜誌、植物圖鑑、或是花藝書
目的不是逼自己愛上它,而是強制讓我腦中的資料庫,收進一些從未預期的內容。
也才明白自己不是沒有品味,是我曾經接受的訓練太單一了。輸入的東西再好,輸出的也只會是同一種味道
走出心靈的加拉巴哥群島
在書的尾聲,水野學用了一個讓我久久無法釋懷的隱喻:
我們很容易陷入「加拉巴哥化」
在那座與世隔絕的島嶼上,生物演化出奇特卻脆弱的路徑,因為牠們只在島內競爭,從不需要面對外部廣闊世界的標準
我的心靈與品味也是如此,在自己封閉的小世界裡,覺得「這樣穿衣服、這樣過日子也挺好的」,直到某天真正走出島嶼,才發現外面的度量衡,截然不同
但能覺察自身的無知,是最珍貴的起點,發現自己在生活美學上是一張純白的畫布,其實還是挺高興的,白紙,遠比塗滿傲慢舊色的畫布,更有機會渲染出真正深刻的風景
品味,是重新獲得對生活細節「感受的能力」
品味,不是要求自己明天就變成一個穿著高訂西裝、流連藝廊的文青
而是提高自己感受的能力,用知識去餵養
- 每一次踏進陌生的領域
- 每一次翻開一本與你「無關」的書
- 每一次願意在日常微小的事物上多停留一秒鐘
其實都在為自己靈魂的資料庫,進行一次靜默的更新,當資料庫夠厚實,品味會自己從那裡生長出來,品味的起點,從來不在巴黎、不在京都、不在某個你還沒去的美術館,而是靠自己願意輸入的每一個日常感受























