“自動化”的代價

自動駕駛儀科技技術讓飛行員“失技”僅是問題的冰山一角。為使工作和生活方便、高效和舒適，人類越來越依賴機械和各種數字技術，卻忽略可能為此付出的代價。

如今，很多醫生用軟件分析乳腺鉬靶X射線照片，勾勒出患者乳房“可疑區域”。但如果過于依賴這種軟件，放射科醫生可能草草略過沒有勾出的區域，遺漏查看一個尚處早期的腫瘤。

生活在加拿大北部的伊格盧利克島的因紐特獵人天生有在雪地中追蹤獵物的本領。這里冬天平均氣溫零下20度左右，陽光是稀罕物，周圍海水結成厚厚的冰層。因紐特人在此生活4000多年，無需地圖和指南針，憑借風向、雪堆、動物習性、星辰和潮汐等等就能辨別方向，令探險家和科學家好奇不已。

如今，新一代的因紐特人仍然打獵謀生，但越來越依賴GPS導航工具辨別方向。結果，打獵時嚴重事故日漸增多。沒有掌握先輩找路技巧的年輕獵人很容易迷路，特別是GPS失靈的時候。如果只顧著按導航指示前行，也容易忽略觀察周邊環境潛藏的危險，比如薄冰層。

渥太華加利頓大學的人類學家克勞迪奧·阿波塔研究因紐特獵人超過15年，他注意到，衛星導航使因紐特人的找路本領退化，并且弱化了他們對環境的感知能力。由于這種導航工具的使用，因紐特人特有的天賦可能在一代人之后消磨殆盡。

“生成效應”

早在20世紀80年代，倫敦大學學院工程心理學家利桑娜·班布里奇就指出，由于認為人腦與電腦相比較為“低效、不可靠”，不少設計盡可能減少人力操控，結果操作員淪為“電腦屏幕監測員”，而這恰恰是人類最容易搞砸的工作。

對警戒性的調查發現，讓一個人盯著數據顯示屏，保持專注的時間很難超過半小時。“這意味著，就人類天性而言，根本不可能承擔監測不尋常征兆這種基礎工作，”班布里奇1983年在《自動化》期刊撰文指出。

另一方面，即使技藝再嫻熟，如果長期只負責監測觀察，一個操作員也難免技藝生疏，一旦發生故障或意外難以做出正確反應。

上世紀70年代晚期開始，心理學家注意到一種“生成效應”現象。例如：人們學習新詞匯時，如果能夠主動在腦中“生成”該詞匯——比如親筆拼寫出來，會比單純閱讀更容易記憶。

“生成效應”的影響在越來越多領域得到驗證：積極參與完成一項任務，積極思考的過程使人們更容易獲取知識。不斷重復這一過程，所謂“熟能生巧”，人腦中便能積累起一個豐富而有條理的信息庫，便于自己不時從中汲取。

澳大利亞一項研究比較三家跨國會計師事務所的專業水準。其中一家使用先進軟件，根據會計師輸入的數據為客戶分析潛在的商業風險。另兩家事務所采用相對簡單的軟件，需要會計師自主分析和選擇風險。最后測試發現，后兩家事務所的會計師的風險分析水平明顯高于前一家。

出路：多手動還是全自動？

為了不讓自動化把人腦變遲鈍，心理學家發現一些簡單的彌補方法，例如讓自動化軟件頻繁而不定時地回到手動操控模式。因為知道隨時要接手，操作員會加強練習并提高應變意識。

還可以為自動化操控設定一定范圍，確保由人腦而非電腦操控較復雜的任務。總之，就是逼著人多動手多動腦，別事事讓電腦程序代勞。

也有人給出不同的解決方案：既然擔心人類犯錯誤，那就努力實現“全自動”，別讓人類插手。

談到自動駕駛儀與航空事故時，技術理論學家凱文·凱利認為，研發一個完全自動化的駕駛儀才是出路所在。“長遠來說，就不該讓人類飛行員駕駛飛機，”他說。

硅谷風險投資家維諾德·科斯拉最近也提出，假如醫學診斷軟件能夠進化到完全替代人類醫生，醫療保障體系將大有改善。

問題在于，沒有完美無缺的機器。即使最先進的技術系統，早晚也會出現失誤或崩潰，也可能遭遇設計者從未預想過的突發情況。即使真有“完美”系統，也必須在一個不完美的世界運行。

2010年10月，谷歌公司宣布造出7輛“自動駕駛汽車”，跑了20多萬公里路。2011年2月，美國智力競答電視節目《危險！》中，IBM公司開發的超級電腦“沃森”挑戰常勝冠軍肯·詹寧斯，這場人機大戰以機器取勝告終。“沃森”并不懂自己在回答些什么，取勝奧妙在于一個超高速的計算機處理器。

計算機的潛能無可估量，你愿意讓它完全代替人類的手腳和頭腦，還是犧牲效率和舒適，讓人類從學習和勞動中加深對世界的認識？

如果不愿動腦思考這個問題，讓計算機來替你作答吧。