如果我们将效率定义为最大限度地生产商品、提供服务或信息,或以最少的浪费处理交易。那么“高效”则可以帮助我们在市场竞争中脱颖而出,获得更大的效益,所以人人都渴望效率,甚至赞美效率,这是不言而喻的。在大多数情况下,效率确实同其他所有好东西一样,但有时也有可能过犹不及。
史密森学会莱梅尔森发明与创新研究中心的杰出学者爱德华·特纳(Edward Tenner)在他的新书《效率悖论:如何突破系统困局》中就人类对效率的痴迷提出了大胆的挑战。互联网和大数据革命可以改善工作和个人生活的流程与常规,在更短的时间内完成比以往更多的工作。毫无疑问,我们正在以更高的水平和前所未有的速度进行工作,但如果我们的方向错了呢?书中通过效率在各个行业的具体展现,帮助我们认清那些“效率悖论”,掌握批判性思维技巧,从而把控“效率”这件事本身。
以下是书中的精彩摘录。
自2005年起,全新的高效世界跨入了一个不同的阶段。随着2007年苹果手机的问世,电脑处理速度的快速演变使电子设备不再是人们用完就放置一旁的工具,而成为人们自己及其职业网络的延伸。
自2008年起,通过不断提升电子效率来建立乌托邦的梦想开始变得黯淡。对许多经济学家而言,关于更高效的生产与分配所带来的好处能提高公众生活水平的梦想正在褪色。知名经济学家泰勒·考恩(Tyler Cowen)和罗伯特·J.戈登(Robert J. Gordon)分别在其著作《大停滞》和《美国增长的起落》中提到20世纪,“摘容易的果子”的时代已经终结,用今天的标准来看,那些变革性发明的开发成本相对较低。即使在2008年的经济衰退中,这种乐观情绪也出现了急剧转变,当时计算机科学家和未来学家雷·库兹韦尔(Ray Kurzweil)重复了他在2000年的预测,即到2020年,人们仅花1000美元就可以买到一台能模仿人类大脑运作的电脑。
不仅一些经济学家,就连很多西方国家的公民也对产业和学术精英为中产阶级或穷人提供好处的能力失去了信心。除非这个趋势得到逆转,否则无论哪个政党掌权,全世界的政坛都很有可能在未来的数年中动荡不安。因此,现在是时候考虑过于高效是否已经成为问题的一部分了。作者认为,我们不需要放弃效率的观念,而需要培养低效的行为方式,从长远来看,这些行为不仅会使技术更有效(完成更多工作),而且会更有效率(使用更少的资源)。
不管我们是否注定裹足不前、不平等是否会日益加剧,或者某种新的超级高效技术是否会使今天的担忧看起来像是20世纪30年代的许多经济学家抱有的那些悲观看法,战后繁荣的技术基础实际上是在抗生素、洗涤剂、塑料以及个人电脑领域奠定的。如果可以对技术预测进行什么概括的话,那就是许多预料中的革命都已胎死腹中,而其他一些原本不起眼的创新则改变了社会。
这本书对技术效率提出了不同意见,它接受减少人力和自然资源浪费的目标,但也承认,正如比尔·盖茨及其合著者在1995年所说的那样,一心一意推动一个“无摩擦”的世界实际上可以提高效率。
现在,质疑效率必须超越效率和有效性之间的常见差异。考虑到击败敌人所需的子弹或炮弹的数量,战争是极其低效的。但由于战争失败可能会导致灾难性的结果,因此,效率低下也会带来有效的结果。反过来说,“清洁柴油”汽车发动机在燃料消耗方面是高效的,但由于它们的排放难以控制,因此不能被认为是有效的。
算法——使计算机硬件能力倍增的编程技术——带来了一系列不同的问题。大多数时候,它们既高效又有效。例如,尽管遭遇了许多成功的攻击,但公钥密码术利用了解析非常大的数字的难度,以确保电子金融交易的安全和互联网通信的总体安全。从长远来看,其他算法可能不仅会危及效率,还会危及有效性本身。也就是说,它们不仅有可能导致不良后果,而且有可能导致工作浪费和机会错失。它们可以被分为以下七个部分。
第一,反偶然性。大多数偶发事件都是不利或中性的,效率使世界变得更可预测。但是,如果一切都尽可能直截了当,我们也会失去邂逅偶然的随机化和生产性错误的好处。传统算法以限制正面影响的高额代价来减少负面冲击,二者密不可分。
第二,过度关注。效率通常表现为专注,这在一定程度上是积极和必要的。但进化却给我们和其他动物提供了第二种视角,即周边视角,它对细节不那么敏感,但能让我们看到较大的图案和动作。在天文学的早期历史中,人们就知道通过稍稍远看,“偏向视觉”可以更好地看到不显眼的物体。正如埃德加·爱伦·坡在《莫格街凶杀案》一书中写的:“一眼就可以看到一颗星星,可以通过将其转向视网膜的外部侧面来进行观察,这样更容易受到微弱光线的影响,能更清晰地看到这颗恒星。”
第三,自我放大量级。效率在日常操作中不可或缺,不管有意无意,算法都可能无法通过放大最初的细微效果来做出最优选择,其早期的选择可能成为自我实现的预言。这是自动化过程中的一种特殊风险,从金融交易到自动驾驶都会遇到。在这个过程中,多种算法——其中没有一种是完美无瑕的——相互作用,有时不可能进行快速的人工干预。
第四,技能腐蚀。自动化系统在大多数情况下比大多数人做得更好。它们几乎总是更加高效和连贯,这就是它们如此受欢迎的原因。原则上,一名技术人员和电子系统的合作比任何一方都能提供更好的业绩。但当机器人伙伴发生故障时,可能会出现严重问题。如果人类,不管是医生、飞行员还是普通的驾车者,没有掌握相关技能,结果将会对整个系统的效率造成灾难性影响。
第五,固执反馈。当要求自动化系统不仅执行人类目标还提供激励时,它们之间的相互作用就变得更加棘手。通过不满足真实预期结果的方式来达到某种标准(如考试分数)是有可能的。在社会科学中,这被称为坎贝尔定律。
第六,数据泛滥。当精通基本流程的技术人员使用巨大的数据集时,可能会提高效率。但使用这些数据集也会威胁到效率。在许多领域,自动获取的数据量的增长速度超过了数据的存储成本,从而增加了支出。
第七,单一文化。如果没有细心的设计,算法可能会制定成功公式,使系统对不断变化的环境的反应能力降低。例如,社会心理学家承认,他们的一些实验无法被复制,不是因为最初的设计、分析或数据收集有任何错误,而是因为社会及其价值观发生了变化。生命科学家使用的老鼠的基因是标准化的,但人们生活在一个不断演变的技术环境中,而且会经常不自觉地调整自己的行为。
《效率悖论》将两个追求效率的时代联系起来。第一个时代始于18世纪末,在20世纪的大部分时间里也是如此。这个时代用连续的生产过程代替了离散的生产过程,带给了我们工业化的经典形象:纸卷、线轴、钢丝,以及像查理·卓别林在电影《摩登时代》里展示的经典流水线。当然,这些产业只代表了工业国家产出的一部分。事实上,多亏了工业机器人,连续生产比以往任何时候都更强劲,但它却失去了20世纪初期和中期曾带来的激情。平台公司用软件将商品和服务的买卖双方聚集在一起,它代表了一种新的效率。这并非基于机器和人力的组织化,而是基于数据的收集、分析和交换。随着搜索引擎、智能手机、社交媒体、网络软件的崛起,以及人工智能从20世纪90年代初的低潮中复苏,亚马逊网站开启的平台时代在21世纪进入了一个新阶段。我正在研究这种新效率在媒体文化、教育、交通和医疗四个方面带来的影响,并想知道为什么这种效率带给大多数人的好处难以捉摸。