▲《 效率悖论：如何突破系统困局》，[美]爱德华·特纳著，肖茜译，中信出版集团出版
2020年12月29日，某电商巨头的一位员工在工作到凌晨后，在回家路上猝死，23岁的生命就此消逝，令人扼腕痛惜。
在信息技术发展带来的高效便利的生活背后，我们也背负上效率的枷锁，不论是被困在系统里的外卖骑手还是日复一日重复着“996”“007”的工作作息的上班族，每个人都在被这个时代追赶，只得不断加速。
对高效率的追求并不仅是当前这个时代的现象。正是因为有对更高效率的追求，科技才得以发展，我们才得以从原始社会一步步走到今天。但是，当我们以效率为标准来衡量一切事物的好坏时，我们在不知不觉中也踏入了效率的陷阱。若不能看到效率的另一面，不了解效率的悖论，我们最终可能会沦为效率的“囚徒”。
什么是效率？
“效率”一词在不同时代有着不同的含义。在19世纪，效率首次被广泛使用，从物理学的世界（效率，即单位能量所做的有用功）逐步走入人类劳动领域。19世纪末到20世纪初，社会学家扩展了这一概念的范围，以“效率”衡量社会上所有的投入和产出，用于优化人类福利。当前，我们不妨将效率定义为以最小的投入最大限度地生产商品、提供服务或信息。
高效率的另一面——效率悖论
毫无疑问，新技术带来的高效让人无法拒绝，如今，我们已很难想象没有手机、电脑、飞机、高铁的生活。同时，我们又不得不承担新技术的负面效应：久坐不动的办公室生活造成的长期背部疼痛和腕部疾病，随时随地要回应工作需求的压力，工作和生活难以分离的困扰等。我们生怕拖后腿，担心成为拉低效率的短板，于是不知不觉中我们接受了这样的生存方式——在最短的时间内完成最多的事；我们将“提速”视为最重要的原则，连看电视剧也要放2倍速（虽然这也往往与电视剧剧情的拖沓不无关系）。但每当看到似乎越来越频繁出现的那些过劳死、压力过大自杀的消息时，我们总会难以压抑自己内心的焦虑。
在大多数情况下，高效率是好的，但同其他所有好东西一样，它也有可能过犹不及。就如同过量饮水也能致命一样。当我们谈论何为真正的高效率时，我们不能不考虑为其所付出的代价。比如，化肥和杀虫剂会伤害河流中的鱼类和危及授粉的虫媒。工业文明导致的碳排放大量增加也在威胁着人类自身。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。越来越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。
大数据时代，算法侵入我们生活的每一个角落，我们无时无刻不在受算法的引导。但算法一方面固然能帮助我们筛选信息，更快做出决策，另一方面也会将许多信息筛除在外，进一步固化我们的视野；算法一方面固然可以促成资源更有效地分配，另一方面，我们又确实看到，算法驱动下，强者与弱者之间形成了愈发难以逾越的鸿沟。
影响效率的七宗罪
有时，高效率的事物并不总是有效的，质疑效率必须超越效率和有效性之间的常见差异。
比如，“清洁柴油”汽车发动机在燃料消耗方面是高效的，但由于其排放难以控制，因此不能被认为是有效的。算法也是一样。大多数时候，算法既高效又有效，但从长远来看，算法可能不仅会危及效率，还会危及有效性本身。算法使计算机硬件能力倍增的编程技术，同时带来一系列不同的问题。
例如，尽管遭遇许多成功的攻击，但公钥密码术利用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。
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，两者密不可分。
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。”
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。
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，结果将对整个系统的效率造成灾难性影响。
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。
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。
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。
六大策略抗衡算法的“效率悖论”
特纳认为，我们不必过于“技术悲观主义”。直觉可能是对抗算法的有效“武器”。大多数人的直觉并不准确，但同时一些人的直觉促成了今天我们耳熟能详的效率的创新。
然而，我们并不需要在算法和直觉中选择一个，我们需要的是适当的融合，找到算法与直觉之间的平衡，从而真正激发效率——真正的高效和有效。
为了平衡算法和直觉以激发效率，我们需要六种策略:
一、“完美5”战略。谢里登曾提出了自动化光谱的想法：如果将从纯粹的人类到完全的机器人的变化划分为从1到10的区间，明德尔和谢里登都认为最佳平衡点是位于中间的5。把所有的决定都交给一个完全自动化的系统并不意味着能消除人为失误，工程师和程序员尽管付出了最大努力，却不可避免地会在设计中犯错。自动化在准备充分的人类操作员的控制下是运行得最好的，从长远来看，机器人和人类配合才能弥补彼此的弱点。“完美5”战略的基础之一是我们自己头脑中被低估的资源。新的效率运动经常引用研究人类非理性决策的案例，支持用算法代替思想。
二、物理体现。面对面交流在时间方面通常不如通过电子产品交流高效，但它提供了一种更有效的方式来传达意义的深浅，有利于衡量反应，调整用词以避免错误，达成谅解和协议。例如，数字表情符号是一种视觉上耐人寻味却在表达细微差别方面有局限性的方式。虽然很多地方都有视频和电话医疗设施来扮演医生的角色，但患者却无可替代。在教育中，最关键的资源仍然不是信息技术，而是受过良好训练、能让学生参与课堂教学的热心教师……
三、创造性浪费。例如，硅谷对于亏损持有分裂的态度。它颂扬了失败的积极作用，以及失败所带来的深刻见解如何导致最终的成功。但它也宣扬这样一种观点：尽管大多数人类企业的现实远比在有明确规则的有限棋盘上的游戏复杂得多，但算法尤其是通过机器学习得到强化的算法，能像计算机在下棋中大占上风一样接近完美。
四、模拟偶然性。网络最初在数字上是偶然的，提供超链接可以向意想不到的方向发展。一些程序的设计是为了促进偶然性发现，还有一些应用程序是本着一种偶然性的精神来策划的。纸质媒体不仅具有审美感召力，因为它们不仅在屏幕上显示，而且会在三维空间中展示，它们以数字媒体能够补充但永远无法完全取代的方式获取我们的想象力，就像数字媒体能独具特色地有效搜索和定量分析一样。
五、可取的困难。有时效率低下的方式会让我们更有效地吸收信息。一般而言，当我们得到不那么容易获取的东西时，可能会更欣赏它，从而认为花的钱更值。节俭可以是效率的一种重要形式。即使对信用卡消费者来说，效率低下实际上可以帮助我们更多地享受“买买买”。 社会心理学家发现，人们将更长的送货时间解读为他们减少了对一件商品最终的享受。根据其他心理实验结果，等待使人们在使用这种产品时变得更愉快。期待是有积极价值的，关键在于人们在下次下单时，通常会忘了等待是如何增强他们的快乐的，就像学生可能不知道如何通过写字而不是在笔记本电脑键盘上打字来辅助他们理解一样。消费者不了解延迟满足的好处，商家也没有动力来教导他们。但大多数人在等待其真正想要的产品或体验时，可能会回忆起一些兴奋的期待。
六、 认知引导。对某件事情了解得越多，搜索引擎的算法就越强大。我们可从结果列表中识别出根据经验了解到的最可靠的信息来源，并对软件推广的其他信息来源视而不见。反复的实践让我们把严肃的事实和虚假的事实区分开来，让我们辨识出对立的观点和各自的支持者。
我们不需要放弃效率的观念，而是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）。