专业知识始终是民主的挑战，因为民主重视群众和平民的智慧。理想的情况是，包括科学家在内的专家提供事实，人民的声音对价值观进行评判。在现实生活中，尤其是现在，情况变得复杂得多，最明显的表现是领导层在应对COVID-19方面的困境。
以斯科特·阿特拉斯为例，他是芝加哥大学医学学位的医生，被选为白宫冠状病毒工作组的成员。更重要的是，阿特拉斯呼应了白宫的声明，即许多美国人对COVID-19反应过度，政策应该重视经济和社会破坏的风险，至少与通过限制措施保护公众健康同等重要。他也对这一命题持怀疑态度口罩可以减缓疾病的传播．他显然是通过在电视上露面来试镜这份工作的福克斯新闻，宣传大学橄榄球的回归他反对限制非老年人之间社会接触的措施，因为这会减缓群体免疫的传播。
阿特拉斯公司为工作组提供了一名表面上有资历的发言人，作为替代，与已经在工作组任职的专家——免疫学家黛博拉·比尔克斯和传染病专家安东尼·福奇——提供的建议相对应。然而，Atlas没有类似的专业知识;他是一名神经放射学家，在读取大脑磁共振成像(MRI)扫描图方面名声大噪。如果你认为阅读这样的扫描结果无法深入了解一种传染性病毒的传播，你会同意专家的共识．但在过去的几年里，阿特拉斯已经从医学实践转向了政治，他在胡佛研究所找到了一个位置，在那里他写了书和文章，主张废除《平价医疗法案》，并逐渐将医疗保险和医疗补助私有化。在过去的十多年里，他几乎没有做过什么治疗病人或阅读扫描，还有很多政策宣传．
当然，阿特拉斯的明确主张，加上他的医学学位，使他成为特朗普政府一位有吸引力的顾问。至少，Atlas可以为医学学位中限制较少的政策提供声音。我们有充分的理由相信，是他的政策立场，而不是他的专业知识——阅读大脑扫描——让他加入了特别工作组。毕竟，我们不总是喜欢和我们意见一致的专家和名人吗?
甄别专家的问题
冠状病毒危机令人不安地清楚地表明，美国人对专业知识的不信任感日益增加，这可能会加剧日益严重的两极分化，不仅是在政治立场上，而且在用于证明(而不是指导)政策决策的信息上。这种两极分化和不信任给了我们一个理由，去思考专业知识的标准，以及把立场作为过滤器，把那些可能告诉我们不想听的话的专家排除在外的危险。
请原谅我报告了一个个人经历，我认为它说明了问题和解决方案的步骤。不久前，当我的牙医告诉我一个关于后牙的坏消息时，我很苦恼。我看不清他在x光片上看到的东西，更不用说我嘴里的东西了，他的判断建议我在他的椅子上待上更多的时间，代价是金钱、不便和(可能)痛苦。我本可以回家，让我的孩子或同事用手电筒看一看，确信他们不会推荐像牙医建议的那么可怕的东西，但我相信我的牙医有一些专业知识，并致力于我的健康。我本可以引用他墙上的学位证书或他多年前给我的警告作为证据，但基本上，我愿意接受他的消息——尽管这令人不快。我知道他能看到我看不到的东西。
每个人都有过类似的经历某物相信机械师对燃油泵的建议，儿科医生对疫苗接种的指导，或者会计对纳税的建议。一切都不是凭直觉的，专业知识很重要。有些情况需要尖锐的问题和不同的意见，但在正常的日常生活中，我们很多时候是信任的。为了有效地发挥作用，我们需要能够听到我们有时宁愿不听到的消息，并准备好采取行动。
然而，公共生活和治理的运作方式越来越不同。在远远超出我们的经验和专业知识的问题上，人们表达了强烈的意见，引用表面上的专家来支持他们的观点:口罩有助于减少病毒的传播吗?羟氯喹是治疗新型冠状病毒感染的有效方法吗?有多少人需要接触病毒才能建立群体免疫?群体免疫可能吗?
科学实践承诺了一个找到这些问题答案的过程，尽管肯定不是我们在决定如何应用这些答案时所应用的价值观。关于价值观的辩论是一个民主问题，但只有在一系列可信的事实和科学判断的指导下，这种辩论才能发挥良好的作用。当政治倡导者和活动人士过滤掉他们认为不方便的信息时，公共生活的实用性和文明程度就会受到影响。
那么，我们该相信谁的专家判断呢?专业知识的标准非常明显和常规:相关领域的专业培训，处理类似问题的经验，以及参与共用一套争端裁决方法的专业团体。事实上，COVID-19病例提供了一个特别鲜明的例子，说明忽视相关专家——公共卫生、流行病学和传染病专业人士——普遍同意的代价。随着时间的推移，科学过程通常会促使专家群体达成更大的共识，就像我们在吸烟、疫苗、气候变化以及地球的形状和位置上所看到的那样。对日心说持异议的人可以找到权威人士，但不是那些具有相关专业知识的传统标准的人。
当然，专家对有争议问题的共识并不总是能很快或轻易地达成，相互竞争的运动也会找到并提拔自己的专家。设计第一颗原子弹的核物理学家们在核武库的发展中持不同的立场军备控制的效用，在价值观上有所不同，但在专业领域上没有太大差别．然而，其结果是，主张截然不同政策立场的人可以部署自己可靠的专家。
但我们其他人需要怀疑那些被提拔的专家，他们的受众和地位来自于立场。我们需要谨慎地在相互竞争的科学判断中选择基于一个发现，而不是一个过程。例如，可信的科学研究提供了必须接种疫苗才能实现群体的人口比例的估计免疫力从低于20%到超过70%不等．我们能做的最糟糕的事情就是选择一个让我们感觉最舒服的数字。最好的方法是评估为得出这些结论而采用的方法，但通常超出了我们的能力范围。更现实的是，我们必须接受一个科学的过程，在这个过程中，问题的答案会被追求，随着时间的推移，真相会越来越近。我们需要尊重那些愿意提供令人不快或不方便消息的专家。