1700411750
澳大利亚心理学家西蒙·法雷尔和斯蒂芬·莱万多夫斯基在2000年发表了一篇论文，指出自动化和生成效应之间具有某种联系。在斯拉麦卡的实验中，实验对象被告知反义词组中的第二个单词是什么，而不是被要求回忆单词，法雷尔和莱万多夫斯基认为这个实验“可以作为自动化的例子”，“因为人类活动——产生‘COLD’这个单词的行为，被打印出来的刺激物抵消了”。再者，“当生成功能被阅读所取代，人们的表现就会变差，这可以作为对自动化过度依赖的例子。”我们可以借此阐明自动化的认知代价。同计算机辅助技术相比，自己承担一项任务或工作会涉及多种心理过程。软件降低了工作的参与度和专注度，特别是当软件把我们推向更为被动的角色时，我们成了观察者或是监控者，这就避开了生成效应的基础——深层认知处理。最终，自动化会限制我们获取丰富、真实、专业知识的能力。生成效应需要人们付出努力，而自动化则是为了减少人们的努力。
1700411751
1700411752
2004年，荷兰乌得勒支大学认知心理学家克里斯托夫·范宁韦根进行了一系列简单的原创性实验，主要研究软件对记忆生成以及专业技能的影响。他招募了两组实验对象，让他们玩同一个电脑游戏，这个游戏是根据经典的逻辑难题“野人与传教士”改编的。要解开这个谜题，玩家必须用一条小船将5名传教士和5名野人送到河的另一岸，这条河是假想的（在范宁韦根的版本里，传教士和野人变成了5个黄球和5个蓝球），每次最多载3名乘客。谜题的难点就在于，每次运送时，不管是在船上还是岸上，野人的数量均不能超过传教士的数量。如果超过了，传教士就会被野人吃掉。参与者需要进行精确的分析和仔细的规划，才能按照任务的要求计算出如何才能成功。
1700411753
1700411754
范宁韦根安排一组实验对象使用软件来解决这个难题，软件提供一步步的指导，例如，在屏幕上显示提示信息，将可行和不可行的移动用高亮标示出来。另一队使用一种初级程序，不提供任何帮助。正如你能想到的，使用帮助性较大的软件的实验对象，在游戏之初取得了很大进展。根据提示操作，这组实验对象不需要每走一步就停下来回想游戏规则，也不需要计算如何应对新形势。但是，随着游戏的发展，使用初级程序的游戏者开始显露出优势。最终，同另一队相比，他们解开谜题的速度更快，并且错误步骤较少。在这项实验的报告里，范宁韦根总结道，使用初级程序的实验对象对任务概念有更清晰的认识，他们能更好地思考并制定成功的策略。相较之下，那些依靠软件指导的人经常会感到困惑，只是“毫无目的地到处乱点”。
1700411755
1700411756
软件辅助技术给我们带来的认知惩罚在8个月后更加明显。当范宁韦根让同样的实验对象再解这道谜题时，之前使用初级软件的人解开谜底的速度是其他人的两倍。他写道，使用初级程序的实验对象在执行任务时注意力更集中，并且实验后对知识的记忆效果更好。他们享受到了生成效应的好处。范宁韦根以及他在乌得勒支大学的同事又进行了其他更具实际意义的实验，例如使用日历软件安排会议和用活动规划软件为会议发言人安排房间等。结果是相同的。从依靠软件提示进行各项活动的人群身上我们可以发现，他们的策略性思考较少，会经历许多不必要的步骤，最终表现出来的对任务概念的理解力也较弱。而当程序的帮助不大时，实验对象能更好地做出计划，工作起来更聪明，学得也更多。
1700411757
1700411758
认知任务（例如解决问题）实现自动化以后，思维将信息转化为知识、将知识转化为专业技能的能力都会受到影响，范宁韦根在实验室中观察到了这一点，在现实世界中，这种现象也是真实存在的。在许多行业中，经理以及其他专业人士依靠所谓的专业系统对信息进行分类和分析，系统会给出行动方案建议。例如，会计在公司审计时使用决策支持类软件，这些软件会提高任务的完成速度。但是，软件功能越强，会计的能力就会越弱。澳大利亚教授进行的一项实验对三家国际会计公司使用专业系统所带来的影响进行了研究。两家公司使用高级软件，软件根据会计对客户基本问题的回答给出客户审计文件中包含的相关业务风险的建议。第三家公司则使用功能较为简单的软件，虽然这个软件给出了潜在风险列表，但是要求会计对这些风险进行复核，手动选择文件相关的风险。研究人员对三家公司的会计进行了测试，衡量他们对审计所涉行业风险的了解程度。那些使用帮助较小的软件的会计，表现出的能力要明显强于另外两家公司的。即使是经验丰富的审计员——在现在的公司任职5年以上，使用高级软件也会造成学习能力下降。
1700411759
1700411760
对其他专业系统的研究得出了相似的结论。研究表明，虽然决策支持类软件能在短期内帮助新晋分析师做出更好的判断，但也给他们带来了精神上的疲惫感。软件降低了他们思考的频率，阻碍了记忆的信息编码能力，从而减少了隐性知识储备，而要成为真正的专家，他们必须具备丰富的隐性知识。自动决策辅助技术的缺点并不明显，但是会造成一些实质性的影响，特别是在某些领域，分析出现错误会造成难以估量的影响。高速计算机交易程序的应用加剧了计算错误的风险，在2008年的世界金融系统的危机中，计算错误就扮演了重要的角色。正如塔夫茨大学管理学教授阿玛尔·拜德所言，“机器人式的”决策导致银行家和其他华尔街专业人士普遍出现“判断障碍”。我们无法准确定位自动化在这场灾难以及随后的惨败中（例如2010年美交所的“闪电崩盘”）所扮演的角色，但我们还是要谨慎地对待自动化可能产生的任何影响：广泛使用的技术会减少人们的知识储备，或者给敏感工作从业者的判断力罩上一层迷雾。在2013年的报告中，计算机科学家戈登·巴克斯特和约翰·卡特利奇警告称，人们对自动化的过度依赖正在侵蚀金融业人士的技能和知识，而计算机交易系统使得金融市场更具风险。
1700411761
1700411762
软件程序员的工作是为了减轻思想的负担，但他们担心，这会反过来给自己的技能带来负面影响。程序员现在经常使用集成开发环境（IDEs）应用，这个应用可以帮助程序员编写代码。它将许多复杂、费时、细碎的工作自动化，一般包括自动完成、自动纠错、自动调试例行程序等，而更复杂的应用会进行重构，评估并修正程序的结构。但是应用接管了代码编写任务以后，程序员就丧失了锻炼并提高手动编码技能的机会。维韦克·哈尔达供职于谷歌公司，是一位经验丰富的软件开发员，他曾写道：“现代的IDEs足够用了，有些时候，我觉得我是个IDE操作员而不是一名程序员。”“这些工具不是鼓励人们‘对代码深入思考并仔细编写’，而仅仅是‘草拟一份蹩脚的代码，然后这些工具会告诉你哪里出错了，并且如何改正并完善你的代码。’”他将此种现象总结为“聪明的工具，迟钝的大脑”。
1700411763
1700411764
谷歌承认当他们提高搜索引擎的响应性，使搜索引擎更周到、更具预见性时，也意识到了这可能会造成愚化大众的影响。除了纠正拼写错误，谷歌还会在我们打字的时候提示搜索词条，解决请求中的语义模糊问题，并根据所在位置和之前的行为推测我们的需求。我们可能会想：在谷歌不断完善功能、优化搜索的过程中，我们也会学到些什么。我们在设定关键词时会更有经验，或者网络搜索能力会提高。但是公司高级搜索工程师阿米特·辛格尔表示，结果正好相反。2013年，伦敦《观察者》（Observer）报的记者就谷歌搜索引擎近几年的多项改善举措采访了辛格尔。记者说：“可以推测，我们使用谷歌越频繁，所输入的搜索词条就会越准确。”辛格尔叹了一口气，纠正记者说：“事实上，情况正好相反。机器越精准，我们的问题就越愚蠢。”
1700411765
1700411766
搜索引擎的便利性会弱化我们对复杂问题的查询能力，但远不只这些。2011年，《科学》杂志刊登了一系列实验。这些实验表明，网上的信息随手可得，这弱化了我们对事实的记忆。在其中一个实验中，实验主体阅读几十个简单但真实的陈述，例如“鸵鸟的眼睛比它的大脑大”，然后将这些陈述输入计算机。实验人员告诉部分实验主体，计算机会存储他们输入的内容；而另一半实验主体则被告知，这些陈述输入以后就会被删除。输入完成以后，研究人员要求所有人将这些陈述写下来。同知道计算机会删除陈述的人相比，认为信息已经被存储在计算机里的实验主体能记得的陈述的数量明显要少很多。仅仅知道信息会存在数据库里就已经降低了大脑记忆的可能性。研究人员总结说：“因为搜索引擎一直都是可用的，我们经常会觉得不需要将信息编码内化，当我们需要时，去搜索就行了。”
1700411767
1700411768
一千年来，从卷帙和书籍到缩微胶片和磁带，人们用存储技术填充了自己的生物性记忆。用于记录和传递信息的工具是文明的基础。但是，外部存储和生物性记忆相差甚远。知识不仅仅要通过查找来获得，人们还需要将事实和经历编码，转化为个人记忆。要真正了解一个事物，你必须让它进入你的神经元回路，然后你要不断地从记忆中读取这些信息，不断使用它们。通过搜索引擎和其他在线资源，我们实现了信息存储的自动化，并且回溯信息的频率处于有史以来的最高水平。我们的思维似乎有一种卸下或外化记忆的固有趋势，记忆让我们在某些情况下成为更高效的思考者。我们能很快地回忆出已经溢出思维的事实。但是，思维活动的自动化过度简化了思维活动，以至于我们不用去记忆或理解，这时候，思维卸下记忆或外化记忆的趋势就演变成一种病态。
1700411769
1700411770
当然，谷歌和其他软件公司致力于让我们的生活变得更简单。这是我们对他们的要求，也是我们努力工作的原因。但是，如果这些公司设计的程序能替我们思考，我们自然会更依赖软件而不是自己的智慧。我们不可能强迫自己去生成思维。这样一来，最终我们学到的和了解到的知识都会减少，我们的能力也会下降。正如得克萨斯大学的计算机科学家米哈伊·纳丁在谈到现代软件时说的那样：“计算机界面在取代人类工作的路上走得越远，使用者适应新环境的能力就会越差。”计算机自动化逆转了局势，导致退化效应，以替代生成效应。
1700411771
1700411773
在行动中思考
1700411774
1700411775
请原谅，我要把你的注意力再带回到那个不幸的、和雨衣一个颜色的黄色手动挡斯巴鲁上。正如你所想的，我从悲剧的“齿轮研磨机”到熟练地操控变速杆只用了几个星期。当初父亲教我如何协调胳膊和腿的动作，现在这些动作已经成为我的本能反应。我并不是专家，但换挡这件事再也不会让我发愁了。我可以不用多想就完成换挡，可以说，已经实现了技能的内化。
1700411776
1700411777
我的经历可以被看作人类获取复杂技能的一个例子。通常情况下，我们直接从老师或其他良师益友那里获得一些简单的指导，开始着手，或是间接地从书本、手册或YouTube[2]视频里学习，这些方式可以将技能的显性知识（例如：首先做什么，其次做什么，再次做什么）传送给我们的意识思维。这同父亲告诉我排挡在哪儿并解释什么时候踩离合是一个道理。很快我就发现，只有当某项任务具有心理准备和认知基础时，显性知识才会发挥一定的作用。要掌握一项技能，你需要具备隐性知识，而隐性知识只有通过真实的经历才能获得——通过一遍又一遍地练习某项技能。你练习的次数越多，就越不会去想你的动作。原来那些断断续续的、迟缓的意识负责你的技能，而现在潜意识接手了，潜意识的运转速度较快而且很流畅。此时，你的意识获得了解放，能专注于技能中更细微的部分，当这些细微的部分也实现了自动化以后，你就进入了下一个阶段。就这样一直前进，一直自我推动，最终实现技能内化，从而掌握了这门技能。
1700411778
1700411779
这种技能培养能在无意识的情况下完成。它有一个不怎么起眼的名字——“自动化”，或是另外一个不怎么好听的名字——“程序化”。自动化涉及大脑在深度和广度上的调整。某些脑细胞或神经元进行调整以后，能很好地适应手头的任务，并且通过神经突触产生的电化学连接协同工作。纽约大学认知心理学家加里·马库斯给出了更详细的解释：“在神经层面，程序化包括大量精心协调的程序，包括灰质（神经细胞体）和白质（神经元之间的突触及树突）。现有的神经连接（突触）需要提高效率，形成新的树突，合成蛋白质。”通过自动化的神经调整，大脑发展了自动性——一种快速的无意识的感知、理解和行为，让我们的思维和身体能识别图案并对变化的环境立刻做出反应。
1700411780
1700411781
我们在学习和阅读时都经历了自动化的过程，并具备了自动性。观察小孩阅读教学的早期阶段你就会发现，他们需要付出很大的努力。孩子通过形状认识字母，并尝试用字母组成音节，用音节构成单词。如果孩子不熟悉这些单词，就必须自己弄明白或者由别人告知他单词的含义。然后，一个个单词组合在一起，她必须理解句子的含义，经常需要处理语言固有的模糊性。这是一个缓慢且艰辛的过程，需要思维意识全部集中。最后，这些字母和单词被编入视皮层的神经元——视皮层是大脑中用于处理视觉信号的部分，年轻的读者开始能够不经过意识思考就认出字母和单词。通过协调大脑的变化，阅读不再那么费劲了。孩子的自动性越强，阅读起来就越顺畅、越熟练。
1700411782
1700411783
无论是驾驶舱里的威利·波斯特，网球场上的塞雷娜·威廉姆斯，还是棋盘上的芒努斯·卡尔森，这些超凡的技能都来自于自动性。那些看起来像是本能的技能是很难获得的。我们不能通过被动的观察引发大脑的变化。人们需要通过不断面对意外情况来培养这些技能，正如精神哲学家休伯特·德雷弗斯所说的：“对于不同的经历，观察的视角相同，但所需的策略性决策则各不相同。”如果不在不同的环境下对这项技能进行大量的、反复的练习，你和你的大脑永远不会真正掌握这项技能，至少对于那些复杂的技能而言是这样的。并且，没有持续的训练，你已经获得的技能也会生锈。
1700411784
1700411785
现在很多人都认为我们需要做的就是练习。花上万个小时练习某项技能，它就会成为你的专长——你会成为下一个伟大的糕点师或是大前锋。但遗憾的是，这种想法太夸张了。生理和智力的遗传特征在培养技能的过程中发挥了关键作用，特别是在技能发展的最高阶段。人的自然属性起到了重要的作用。正如马库斯指出的那样，我们对练习的欲望和喜好也具有遗传特性：“我们对经历的反应，甚至是追求，都是与生俱来的基因功能的一部分。”但是如果基因规定了或者粗略地限制了个人技能的上限，人们就只有通过练习才能突破这些上限，并实现各自的潜能。但是人类与生俱来的能力扮演了重要的角色，心理学教授戴维·汉布里克和伊丽莎白·迈因茨写道：“研究明确表明，人们完成复杂任务时的表现千差万别，最大的原因就在于，人们是否拥有知识以及拥有多少知识：通过在某一领域训练多年而获得的说明性的、程序性的、策略性的知识。”
1700411786
1700411787
自动性，正如它的名字一样，可以被看作一种内化了的自动化。它是人体进行困难、重复的例行工作时所采用的方式。身体的运动和步骤被编写进肌肉记忆中，通过感官对环境模式的即时认知形成理解和判断。科学家很久以前就发现思维的受限程度令人惊讶，它摄取和处理信息的能力很有限。没有自动性，我们的思维意识将一直处于过载状态。甚至非常简单的行为——例如阅读书中的句子或用刀叉切牛排，都会耗尽我们的认知能力。自动性实现了大脑的扩容，可以增加“不经思考就完成的重要操作的数量”。这推翻了怀特海的观点。
1700411788
1700411789
怀特海认为，工具和其他技术充其量只能用于完成一些类似的任务，大脑自动性的容量也是有限的。我们无意识的思维能实现许多功能，既快速又高效，但也并不是无所不能。你能记住12个甚至20个时间表，但是再多就记不住了。即使你的大脑还能存储记忆，你也耗尽了耐心。有些复杂的数学过程对你的大脑来说负荷过大，但是用一个简单的口袋计算器，你就能解开这些数学运算，这样一来，你的思维意识就获得了解放，可以去思考数学背后的意义。但是，只有通过学习和训练掌握了基本的算术以后，你才能考虑这些问题。如果你用计算器解决你没学过的或是不理解的数学问题，而不去学习数学的相关知识，这个工具就不会给你带来新的见解，也不会帮助你获得新的数学知识和技能。它只是一个黑盒，一个神秘的数字产出装置，它将阻碍高级思维的生成而不是激发高级思维。
1700411790
1700411791
现在的计算机自动化就是这样，这也是怀特海的观点误导技术的原因。计算机的自动化不但没有扩充人与生俱来的脑容量中分配给自动性的部分，还会经常阻碍自动化的发展。计算机的自动化使我们摆脱了重复的思维训练，也剥夺了我们深入学习的机会。过度依赖和偏好并不是思维的常态，在没有思维刺激时才会显现出来。当思维没有投入全面的真正的实践时，也会出现这两种思维，因为全面的真实的实践会产生知识，丰富记忆并培养技能。计算机系统成了共犯，使我们远离了直接的、立即的行动反馈。心理学家K·安德斯·埃里克森是培养技能的专家，他指出，定期反馈是培养技能的必要条件，能帮助我们从错误和成功中获取经验。埃里克森解释说：“没有足够的反馈，我们就不能高效学习，即使是具有强烈动机的主体，也只能获得最小化的技能提升。”
1700411792
1700411793
自动性、生成和心流，这些心理现象各不相同。它们都很复杂，并且我们无法认清它们的生理基础。但是这几种心理现象相互关联，可以告诉我们一些有关人类的重要信息。为培养技能而付出的努力一般具有高挑战性、目标明确以及反馈直接等特点，同那些给我们带来流动感的技能很相似。它们是浸入式的体验，迫使我们积极生成知识而不是被动获取信息。锤炼技能、增强理解、实现个人的满足感和成就感，这一切都是浑然一体的，都需要个体与世界在生理和心理上紧密相连。用美国哲学家罗伯特·塔利斯的话来说：“把双手弄脏，再让世界给你些回报。”自动性是世界在活跃思维和活跃的人身上刻下的印记。专业技能就是这种印记大量存在的证据。
1700411794
1700411795
从攀岩者到医生再到钢琴家，米哈里·契克森米哈解释说：“那些深深沉浸于某项活动的人，体现了挑战和技能给人们带来的最优经验。”人们从事的工作或爱好“会提供大量的行动机会”，而技能可以让人们充分利用这些机会。在世界上泰然行动的能力把我们都变成了艺术家。“艺术家经过训练，即使是面对困难的任务，也能保持全神贯注，毫不费力，这全都是基于他们对复杂技术的掌握。”当自动化让我们远离了工作，横亘在我们和世界之间，它也抹去了我们生活中的艺术性。
1700411796
1700411798
跳舞的老鼠
1700411799
[
上一页 ]
[ :1.70041175e+09 ]
[
下一页 ]