今天的头条新闻充斥着技术突破，这些突破预示着一个优化的未来，从人工智能到疾病诊断，再到彻底改变交通的自动驾驶汽车。有人告诉我们，总有一天，一切都会变得更容易、更快、更好。

《效率悖论：大数据不能做什么》（下周从Knopf出版）一书的作者、学者兼作家爱德华·坦纳（Edward Tenner）说：“这是一个吸引人的愿景，但所有这些效率都有一个缺点。”他说：“在任何时候都努力做到最终高效，短期内就会成功。”但从长远来看，你会损害你的效率。”坦纳不是勒德主义者，他的书也没有建议放弃效率和大数据。他只是建议我们运用常识，并记住总是有权衡的。

Verge与Tenner讨论了效率悖论是如何发生的，其成本，以及如何平衡直觉和技术。

为了清晰起见，本次访谈已稍加编辑。

效率悖论是什么？你是怎么对这个话题感兴趣的？

我看到网络上发生了一些非常新鲜和令人兴奋的事情。移动计算的兴起以及人们对人工智能和大数据的日益关注，实际上产生了与20世纪90年代最初的网络一样大的影响，在某些方面甚至更大。这个故事让我越来越感兴趣，渐渐地，我发现这其中有一种意想不到的后果：在任何时候都努力做到最终高效，短期内就会成功。但从长远来看，你会损害你的效率。

你在书的前言中把效率定义为能够以最少的浪费生产商品或提供服务。然后你会谈到“持续流程效率”和“平台效率”。这两者之间的区别是什么？

伊丽莎白时代的人，甚至中世纪的人，都没有今天的效率观念。这实际上取决于19世纪热力学的兴起，以及需要从水轮机和蒸汽机获得尽可能多的动力。19世纪的效率就是我所说的“连续过程效率”，也就是当一件一件地**出来的东西现在可以在一条流中**出来的时候。例如，当纸在18世纪被**出来时，它总是在纸上。在19世纪，企业家们找到了一种让纸不断从工厂里出来的方法，这使得大众阅读、报纸和昂贵的书籍成为可能。它的重要性不亚于15世纪的古腾堡革命。

现在，平台效率实际上是另一种类型。这是一种真正的云端技术，它以最低的成本和极快的速度将买家和卖家联系在一起。所以这就像是搭便车、买票、付房租或银行。

平台效率非常好，我一点也不谴责它，但一个不幸的后果是，它往往会吸引投资资本远离更困难的事情。例如，与开发更高效的电池相比，通过基于平台的初创公司赚取小额利润要容易得多。我开始相信，因为这些物理和化学企业需要更长的时间，更昂贵，更混乱，所以它们对投资者的吸引力更低。这是平台效率的一个负面影响。

在美国文化中有没有一段时间我们不太关心效率？说清楚一点，我说的是不关心他人的一般文化，而不是像勒德派那样的特定亚文化或运动。

美国文化中有趣的一点是，即使是那些假装蔑视效率的亚文化——比如南方的种植园主——也在试图从奴役的劳动力和土壤中榨取尽可能多的利润。因此，在南方和北方的工厂里都有这样的工业集团。

我认为，美国一直是效率的先驱。欧洲人钦佩他们做事严谨高效，而美国人的批评则是他们太在意赚钱和效率，以至于在生活中失去了更好的东西。另一方面，欧洲观察家总是来这里，试图模仿美国的方法！

苏联时期的大型工业综合体以加里、印第安纳、钢铁厂和列宁为基础，其他苏联领导人非常钦佩亨利·福特。

Author Edward Tenner. Photo by Michael Li***tar

让我们来讨论一些效率下降的例子。在其中一章中，您将讨论对艺术和文化的影响。

通过消除如此多的试错和生产性错误，平台效率可以将我们锁定在现有模式中。例如，出版商或电影**人可以分析数据，看看哪种类型最受欢迎，哪种类型会吸引某一特定人群的观众，这确实可以使出版更具可预测性，或使**更有利可图。

但如此多的大热门都是真正的惊喜，打破了如此多的规则。人工智能非常擅长发现隐藏的规则并应用它们，根据隐藏的规则优化一切，但真正让我们兴奋的是那些打破规则的事件。

我还对你提到的一项研究感兴趣，这项研究涉及人气如何发挥作用以及摆脱流行文化把关人的成本。

人们把看门人当作累赘。它们是介于消费者和生产者之间的一个层次。所以，如果你没有它们，你就降低了交易成本，提高了效率。你可以自己找东西。在90年代中期，比尔·盖茨和他的合著者写了一本关于未来无摩擦经济的书，书中没有这些中间人。

但这些把关人确实发挥了有益的作用。他们可以识别那些还没有完全准备好进入主流的人才，但他们有一些有趣和令人兴奋的东西值得开发。如果你排除了守门员，这有点像没有教练的运动。

例如，普林斯顿大学的一项研究表明，当你统计研究人们——普通消费者，而不是精英评论员——对网络上提供的各种作品质量的看法时，那些非常受欢迎的作品在质量上只有一点优势。它不是随机的，但很小。当你观察网络上的流行模式时，你会发现一个小的核心兴趣点，它会迅速滚雪球。如果没有把关人，那么受欢迎的程度很大程度上取决于首先流行什么。

在你关于教育的一章中，你谈到了“低效媒介的价值”，例如纸张。效率低下使我们学得更好的例子有哪些？

我读过心理学家多年来对阅读和理解的研究。电子阅读和纸质阅读各有优势。电子媒介更适合于识别细节，但纸上阅读能让你更好、更全面地了解作者想要说什么。这是一种权衡。

这与我在地理一章中所说的相似。纸质地图在很多情况下都很笨拙，不如我一直使用的电子地图。但另一方面，纸质地图让你对更广阔的地形有了一种感觉，它对你自己的定位非常有帮助。

医学是人工智能和大数据充满希望的领域：精确医学、人工智能诊断。这里有哪些缺点？

在医学上，有警告的迹象，而这些警告，反过来，必须通过进一步的测试加以解决或排除。随着越来越多的诊断技术的发展，假阳性的可能性越来越高，这会让人们接受更多的检测，而一些进一步的检测可能会产生副作用。

最近，在《****》上，芭芭拉·埃伦里奇（Barbara Ehrenreich）对这本新书进行了一次评论，她发誓完全放弃医疗体系。另一方面，有些人为所谓的看门人药付了大笔钱，医生总是在监督他们。有不同的方式，我并不是轻视延长生命的项目，但我认为不少医学批评家已经指出了整体方法对人们健康的好处，以及最好的老式医生所拥有的那种理解。

你不想完全依赖于这一点，因为有时候那些优秀的老式医生的想法与研究数据相矛盾。因此，你需要大数据，但在分析大数据时存在许多陷阱，学术统计学家和商业部门的数据分析师之间在使用这些数据的良好实践中存在一些紧张关系。

我们应该如何考虑这些权衡？谁应该帮助我们确定哪些权衡对我们来说足够重要？

每个人都应该以适合自己生活的方式使用电子和模拟材料。这不是一本关于政策的书。这本书告诉人们，“不要害怕你的常识。”我认为每个人都能认识到什么对他们有用，人们会有非常不同的风格。

你的书的最后一章讨论了平衡算法和常识的策略。你是如何想出这些策略的？

我试着看看哪一个观点适用于所有章节。例如，人们都熟悉“意外发现”的概念，因此不需要太多介绍。关于偶然性的一点是，如果你消除了错误，那么你将过于依赖眼前和最近的经验，而对富有成效的惊喜不够开放。但另一方面，“理想难度”的概念——如果事情更难，我们可以学习得更好——对人们来说不太熟悉，因为它出现在阅读理解的研究中，例如，研究表明，不太清晰的东西实际上可能会鼓励人们更加集中精力。

我们还缺少什么？

有两个因素被人们低估了，这是高效技术应用中的严重问题。其中之一就是所谓的“地方知识”。我们都知道，在地图上可能有一些路线看起来非常棒，但我们知道这是一个问题，因为我们已经走过了它。例如，有一个十字路口看起来是最短的路，但我知道那里交通阻塞，走更长的路更快，而[traffic app]Waze没有这样做。每隔一段时间，Waze就会指出一个非常疯狂的方向，如果人们没有常识，迟早会非常失望。因为我已经认识到Waze不是绝对正确的，所以我使用它，如果我看到有什么不正确的地方，我试着停下来看看打印的地图，找出哪里出了问题。

二是隐性知识。这个想法是，无论你向一个智能系统输入多少信息，都有很多很多事情是默契的，这意味着它们在任何地方都没有明确的陈述。你无法在百科全书中找到这些信息。

一个例子是，小孩子是如何理解谚语的含义的——比如“一针及时，九针不漏”或“滚石不生苔”——而这是电脑所不能理解的。有许多事情是连小孩子都能理解的，而最先进的机器学习技术是无法做到的，我认为对我来说，这是关于心灵和人类最令人兴奋的事情之一。