技术无疑是效率的冠军。曾经复杂且耗时的任务如今转瞬即可完成。然而，技术过剩也有其弊端。学者爱德华·滕纳在其新书中解释道，过度追求效率会扼杀创造力，进而抑制前卫思维、创新和问题解决能力。他认为，通过技术与直觉相结合，并探索随机与意外之事，我们可以找到更好的改善生活之道。
滕纳是史密森尼学会莱梅尔森发明与创新研究中心的杰出学者，他谈及了自己的著作，《效率悖论：大数据做不到什么》，在 SiriusXM卫星广播上的Knowledge@Wharton电台节目中做客。（请收听本页顶部的播客。）
以下为经过编辑的对话文字记录。
Knowlege@Wharton： 效率究竟有什么可怕之处？
爱德华·滕纳： 效率的问题在于，算法让我们能够真正从经验中学习，能够将经验编码，让我们从中受益，并识别模式。它们在这方面非常出色。例如，我使用谷歌的导航程序Waze。我起初对它持批评态度，但后来越来越多地使用它。然而，Waze的问题在于，它时不时会犯一个非常严重的错误。如果有人完全依赖这样的系统，无论它设计得多么精妙，迟早会有某个故障反噬其身。但是，如果人们保持对自身所在位置的觉察，保持常识，并且相信自己的常识，那么他们就能在避开这些小灾难的同时，最大限度地利用该程序。
Knowlege@Wharton： 由于我们如此依赖技术，作为一个社会、一种文化，我们是否正在失去某些东西？
滕纳： 这种风险确实存在，而且它时时都在发生，因为人们很容易产生依赖。人们很容易就直接接受程序提出的建议，而对其他可能稍显不同寻常的事物视而不见。但这种情况并非始于技术，因为人们长期以来就在使用模式识别和惯例。
例如，看看那些拒绝出版《哈利·波特》系列的出版商吧。尽管它显然借鉴了其他文学作品的元素，但它是如此新颖，以至于并不符合出版商心目中一本真正成功的儿童读物的模式。直到一位编辑八岁的女儿写了一篇充满热情的小短评，他才决定购入这本书。
“人们很容易直接接受程序提出的建议，并对其他可能稍显不同寻常的事物视而不见。”
undefined
人工智能的问题不仅限于技术本身，还延伸至我们所有人都有的倾向：习惯于熟悉的事物，而忽视意外之事。实际上，是忽视了我们识别真正新鲜、令人兴奋之事的能力。
Knowlege@Wharton： 您曾说效率在19世纪被重新定义。当时发生了什么？
滕纳： 是的，19世纪带来了巨大的变化。在19世纪之前，人们始终关注如何以最少的管理开销运作、以最小的投入获取最大的产出等等，但他们并没有形成系统的理论。随着蒸汽机的兴起，19世纪的一大变化是，人们开始极为关注，例如，一单位的煤能够产出多少功。哪种蒸汽机能让铁路在既定的燃料量下行驶得最快？人们开始更加系统地思考效率问题，这一思想又进一步反馈到商业和更广泛的社会思维之中。
Knowlege@Wharton： 您在某些描述中有时将效率与威胁联系起来。这是怎么回事？
滕纳： 我认为，效率作为一种威胁，表现在多个方面。如果我们试图高效地做每一件事，那我们就会扼杀偶然性的力量，而偶然性恰恰依赖于我们偶尔走错路，或拿起一本我们未曾预料的书。
事实上，我最激动的时刻之一，发生在约翰·肯尼迪小（John Kennedy Jr.）担任《乔治》杂志主编时给我打来了电话。他当时在书店里找另一本书，恰好看到了我那本不同主题的书。我从未想过会成为撰稿人，但他很喜欢那本书，于是我们一起吃了午饭，之后我为他写了几篇文章。
最近，有一篇文章刊登在 《纽约时报》上，讨论了纽约书店数量下降的问题。因此，那家书店或许已不复存在，我也就接不到那个电话了。这让我意识到，书店是促进偶然性的重要机构的绝佳例子，人们有必要主动寻求这类机会。
Knowlege@Wharton： 您从不同领域审视效率，其中我们重点关注的一个领域是教育。您如何看待效率对我们教育体系的影响？
滕纳： 教育问题自然让我着迷，因为我一生中大部分时间都以不同方式参与其中。撰写本书时，我并未意识到，将效率应用于教育其实可以追溯到托马斯·爱迪生本人。爱迪生曾说，他认为教科书的效率只有3%。比尔·盖茨最近也说过非常相似的话。
“如果我们试图高效地做每一件事，那我们就会扼杀偶然性的力量。”
undefined
爱迪生认为，将他新研制的电影系统加以改造，可以真正推动科学教育的发展，因此他成立了一家公司来生产相关产品。他发明了一种适合教室使用的新型投影仪，但它在市场上惨遭失败。原因在于，爱迪生是一位极为杰出的辍学者，并且他能够聘请到非常优秀的技术人员。他作为技术天才的声誉确实当之无愧。但他从未教过课，对该系统的使用经验也非常有限。他并未真正理解科学教育，乃至更广泛的教育需要什么，因此未能成功将产品推向市场。这一线索，我在大多数以技术提升教育效率的项目中都有发现。心理学家B.F.斯金纳是该领域少数真正授过课的人之一，但即便是他的程序化学习系统，也并不十分成功。
我并不是说技术在教育中没有价值。它可能极具价值，但教育中有很多方面可以通过所谓的“合意困难”（desirable difficulty）来改进。这意味着，例如在听讲座时做笔记的人，如果被要求用手写方式转述讲者的内容，他们的学习效果会比用键盘在某种设备上逐字打字更好。当你被迫书写，当你受到书写这一限制，无法逐字记下一切时，你就不得不自行消化，并更好地理解讲者的核心问题。而当你只是打字时，你不过是在敲击键盘。心理学家称之为“流畅性”。而流畅性并不一定能转化为理解。
Knowlege@Wharton： 我曾就此问题与我的大女儿讨论过。她上七年级，在学习数学的某些环节时被允许使用计算器，而不是亲自写出来计算。
滕纳： 计算器在数学中确实非常有用。计算器可以减少繁琐的部分。但是，在省略步骤的过程中，存在一种风险，即你会把数学思维变成一个黑箱。你并不真正理解计算机是如何得出结果的。我认为，学生在脑中所做的思考与他们借助设备所做的工作之间，需要保持平衡。
在较早的数学文化中，有趣的是计算尺，因为计算尺介于两者之间。我在出版业工作时，我的第一位上司、普林斯顿大学出版社社长赫伯·贝利（Herb Bailey）在进行许多计算时仍然使用计算尺，因为他说计算尺能让他直观地看到一系列情景。他在二战期间曾在军队中任教，因此他属于那种技术文化。我认为其中有很多值得借鉴之处，而且他无疑是一位非常、非常高效的社长。
Knowlege@Wharton： 您能否从医学的角度谈谈效率悖论？
滕纳： 人们一直梦想借助信息技术实现更好的医疗，而且计算机可以做很多事情来改善医疗结果，哪怕只是在研究层面。我对技术在医学中的可能性非常热衷。然而，许多事情产生了非常出人意料的结果。例如，电子病历受到了政治家、主要医生和管理者的赞扬，被视为消除医生手写字迹所导致的各种代价高昂的误解、并便于患者病历更好地传递的一种方式。
原则上，电子病历看起来确实是一件非常好的事情。但问题在于，它将大量负担转嫁给了医生及其工作人员，要求他们以标准化的方式录入信息。系统之间的互操作性、系统更新等方面也存在各种问题。许多医生抱怨职业倦怠，医学期刊上也有多篇相关文章。也许我们只是没有做对，但关键在于，如果此类系统没有得到正确实施，为提高效率而采取的行动反而可能导致效率下降。
“流畅性并不一定能转化为理解。”
undefined
Knowlege@Wharton： 我们如何才能在这场关于效率的辩论中兼顾两方面？
滕纳： 这实际上取决于人们自身的行为。这不是政策所能决定的。如果人们想把生活中尽可能多的部分交由算法来处理，有很多公司会非常乐意为你提供这样的服务。我的书主张，在使用这些工具的同时，我们也应当培养其他能力。
例如，我们拥有大量社会学家和技术心理学家所称的隐性知识。我们知道的远比自己以为的要多，有些东西我们无法清楚表述，却无法被植入人工智能系统，然而它们对日常生活至关重要。思考一句不熟悉的谚语的含义。例如，一个小孩子就能告诉你“a stitch in time saves nine”是什么意思，因为我们是以隐喻的方式思考的。这是一种自然而然的能力。来自其他文化的人或许也能告诉你它的含义。但算法要实现这种跨越则困难得多，除非它恰好在程序中内置了某个包含该谚语含义的数据库。人类推理的奇妙之处在于，我们拥有这样一批技能和知识：我们无法清晰表述，却能在需要时随时调用。
人工智能以及计算机指导的一个引人入胜之处在于，当先进飞机的制造者设计控制系统时，他们不会将任何真正关键的功能托付给单一计算机。他们采用多重冗余系统，而这些系统由不同的人员、使用不同的硬件和软件进行编程。其理念是，即便某个像Waze那样的系统出现故障，也不太可能有多个独立系统在同一时间犯同样的错误。这种冗余是避免人工智能部分问题的一种方式，但它无法触及偶然性这一要素，也无法触及惊奇这一要素。人类的大部分进步，正是源于人们跳出既定模式，凭直觉发现更有趣的思考方式。
正因如此，许多非常成功的书籍最初都曾被拒绝出版，或被勉强出版，例如 《白鲸》。《白鲸》 在当时，它似乎是一本非常怪异、打破了所有规则的书。最初的销量并不理想，一个算法很可能会将它彻底否决。但关键在于，这里有一位拥有极为惊人的原创视野的人，并且能够以一种不符合任何既定模式的新方式将其表达出来。
Knowlege@Wharton： 最近围绕社交媒体和数据共享所出现的种种情况，与这种对效率的担忧有何关联？
滕纳： 社交媒体的问题在于，它们往往会强化已有的东西，倾向于借势于各种趋势。例如，有研究考察了人们如何给歌曲评分。研究发现，听众最初的一点点偏好差异，可能会像滚雪球一样不断放大，从而真正扭曲人们对歌曲质量的判断。
这种偏见确实存在。但我认为还有另一个问题：社交媒体夺走了报纸和杂志的大量广告收入，也确实深刻改变了整个媒体环境，并削弱了本应成为社交媒体基础的那种原创报道与写作。从某种意义上说，它们正在削弱自身的根基。
