大数据如何妨碍大图景
本书从“效率悖论”的角度出发，系统揭示了大数据技术的盲区及其后果。
近年来，人工智能与大数据技术的发展可谓一日千里；与此同时，越来越多的人对于大数据技术的后果表示担忧。这种担忧主要集中在两个方面，一是从“自由”的角度出发，担心大数据技术对传统私人领域和个人自由的威胁；二是从“公平”的角度出发，忧虑大数据技术对社会公平的妨碍。
应该说，这两个方面的担忧都非常重要，是人类社会在步入大数据时代之际必须敲响的警钟。但是，从“体”“用”之分的角度说，它们都还属于“用”的层面。其实，在“体”的层面上，大数据技术便存在着与生俱来的盲区。美国学者爱德华·坦纳（Edward Tenner）的《效率悖论：枉费大数据》（The Efficiency Paradox: What Big Data Can't Do）一书，就是从“效率”这个关键词出发，系统揭示了大数据技术的盲区及其后果。
此书的中心思想非常简洁明了。坦纳指出：“那种试图在一切事情上都达到效率极致的做法，能够在短期获得成功，但是从长期而言，势将损害效率。”此即“效率悖论”。
那么，什么是效率呢？坦纳对“效率” （efficiency）和“效力”（effectiveness）之间做了严格区分。他把“效率”定义为“以最小程度的消耗来制造产品，提供服务或信息，以及进行交易”。举一个例子，使用内燃机的机械犁远比用马拉的铁犁有效力，但是前者消耗的平均能量是后者的13倍，这意味着机械犁并不是很有效率。只有那种不仅能够增强“效力”，而且能够显著提升“效率”的技术，才配得上“技术进步”这个称号。
坦纳进而界定了两种意义上的“效率”。其一是所谓“连续进程效率”（continuousprocess efficiency），它在19世纪工业革命的大潮中诞生，要义在于能够将此前需要一片接一片制造的产品以川流不息的方式连续生产出来。一个形象的画面是报纸在印刷过程中源源不断地“流”出印刷机。“连续进程效率”的前提是水轮机、蒸汽机等机器的发明能够提供巨大的动力，而且产量的大幅提升能够降低每一件产品的平均能源消耗。显然，这不仅是一场技术革命，更是一场生产方式的 革命。在工业时代，公众在谈及“效率”时，所指的基本上都是“连续进程效率”。
另一方面，进入信息时代以后，出现了第 二种意义上的效率— “平台效率”（pl a t for m efficiency）。关于平台，最典型的例子就是互联网世界中的“云”。“云”可以让用户迅速找到需要的信息，可以用最小的能量消耗实现买家和卖家的匹配。大数据技术的功能就在于提高“平台效率”。
然而，提高“平台效率”所导致的结果却未必有效。
例如，网络搜索算法可以帮助用户寻找到上溯至19世纪的科学文献。理论上，这意味着研究者可以接触到大范围的文献，由此发掘出长期被遗忘的资料，增加援引文献的多样性。但事实上，社会学 家通过统计分析3.5亿篇学术论文的文献索引得出结论，在运用网络搜索之后，大多数研究者的视野其实变狭隘了，他们援引的平均论文数量变少了，而且普遍只关注新近的和公认重要的论文。究其原因，网络搜索算法具有“自我强化的反馈环”。一篇论文以前被搜索得越多，它就越容易被搜索算法匹配给新的搜索者。
坦纳指出，这个例子可以说明大数据技术之“平台效率”的基本特征—通过迅速实现信息匹配，大数据技术省略了“试错”过程，从而把用户锁定在既存的模式里。
例如，出版商和制片人可以通过大数据了解到，针对某一特定人群，什么类型的书籍和影视作品是最受欢迎的，据此出版和制作相应的产品。这样一来，每一本新书、每一部新电影似乎都可以保证有利可图，但是那种能够横扫不同人群，具有强大震撼力的作品会越来越少。“平台效率”的主要目标之一，在于实现信息交流的“无摩擦”状态，实现信息发布方和接受方之间，或是买方和卖方之间的直接匹配，消除第三方中介的存在。然而，坦纳指出，第三方中介具有不可抹杀的存在价值，他
们在信息交流的过程中承担了必要的“守门人”功能。
事实上，社会学家萨尔加尼克（M a t t h e w Salganik）等人的研究表明，当普通消费者在网上购物的时候，那些爆款的商品在品质上通常只比同类商品的平均水平稍微好一点点，之所以能成为爆款，主要原因在于时间优势，就好比最先滚下来的雪球会变得硕大无朋，其他雪球则失去了变大的机会。如果没有线下实体店，那些抢得先机的商品就会一直独领风骚，吸引眼球。实体店扮演了“守门人”的角色，让消费者可以从容选择多种商品，而不是被网上的风潮所裹挟。换言之，“守门人”就是要恢复被大数据技术所省略的“试错”过程，让用户得以超越既存模式。
一个与此相关的话题就是“实体书店复兴”。国内的实体书店经历了一轮倒闭潮，但是近年来，在一些大城市里，实体书店不但卷土重来，而且迅速扩张。支撑“实体书店复兴”的内在逻辑就是“守门人”功能，实体书店不是为了加快图书交易的过程，而是要放缓这一过程。
与“守门人”类似，坦纳强调“低效率媒介”具有不可替代的价值。和电子屏幕相比，纸是一种低
爆款之所以能成为爆款，主要原因在于时间优势，就好比最先滚下来的雪球会变得硕大无朋，其他雪球则失去了变大的机会。
效率的媒介。在电子书上搜索特定内容、做批注等等要远比在纸书上方便。但是电子书并不能取代纸质书。电子书能够方便读者掌握细节，而阅读纸质书能够让读者对作者的意图获得更好的整体性的理解。
地图亦然，和电子地图相比，纸质地图在很多情况下显得颇不方便。但是，纸质地图能够一目了然地提供一幅大图景，让用户在大脑里对地理定位建立鲜明的印象。
数据和图景的对比，在医生的诊断实践中尤为关键。当前，不少医院已经开始利用人工智能和大数据技术来诊断病情和开处方，此举看似减少了平均诊断时间，提高了诊断效率。然而，坦纳指出，人工智能诊断的一个后果就是会把病人的很多身体特征都当作患病的信号，让病人去做更多的检查，结果延长了病人的诊断过程。而且，过多的检查本身就会带来不少副作用。传统的有经验的医生是基于对病情的整体性把握来作出诊断，而在医院引入人工智能诊断之后，常常会出现有经验的医生与人工智能的诊断结 果相冲突的情况。大数据技术给医生和病人带来的更多是困扰，而非方便。
坦纳指出，从哲学角度而言，大数据技术的盲区在于它不能提供两种重要的知识。
其一是所谓“地方性知识”（ l o c a l knowledge）。例如，电子地图显示穿过某个十字路口是最近的路线，但是你知道不能那样走，因为你曾经走过那条路，知道那里堵车非常厉害。你具有对这个十字路口的“地方性知识”，但是电子地图并没有。事实上，很多老司机都知道，如果完全按照全球定位系统（GPS）的指导路线开车，迟早会被引到一条麻烦的道路上。这时最好能有一张纸质地图，重新判定方向，另辟路线。
其二是所谓“默会知识”或说“内隐知识” （tacit knowledge）。无论你给一个智能系统输入多少信息，总还是有很多东西是没有明晰解释，只可意会不可言传的。前面提到的医生对病情的整体性理解，就是一个典型例证。
缺乏上述两种重要的知识，意味着大数据技术不可能提供有效的“大图景”。对大数据技术的过度依赖，虽然能够在短期提高效率，但是从长远而言，必然事倍功半。
如果仅限于网上购物、开车认路和诊断病情等日常情境，那么，大数据技术的弊端还是有限的。问题在于，大数据技术对人类社会的冲击远远超出了日常情境。
坦纳在书中提出了一个重要论点—信息科技和金融其实是一回事。从“平台效率”的角度而言，专注于消除摩擦、迅速实现信息匹配的大数据技术，其实和追求“无摩擦融资”的金融化进程是同构的。换言之，大数据技术的盲区，几乎就等同于金融领域的盲区。和日常情境不同，很少有人能够在金融领域具备相应的“地方性知识”和“默会知识”，很少有人能够洞察金融领域的大图景；而大数据技术，因其“自我强化的反馈环”，又在妨碍和消解构造大图景的能力。如何应对大数据技术所必然酝酿出的金融风险，是当今世界的一大难题。