大多数人都愿意相信，自动化能让我们把时间花在更高层次的追求上面，但不会改变我们行动或思考的方式。这是一种谬见——自动化学者称之为“替代神话”的说法。节省劳力的设备不只替代了工作或其他活动中的一些彼此孤立的组成部分，它还改变了整个任务，包括参与者的角色、态度和技能。乔治梅森大学的心理学教授、自动化领域的权威拉贾·巴拉苏罗和他的一位同事在其2010年的一篇论文中指出，“自动化并不是简单地替代人类活动，它往往会以设计者预期之外和始料不及的方式改变这一活动。”

大多数人都愿意相信，自动化能让我们把时间花在更高层次的追求上面，但不会改变我们行动或思考的方式。这是一种谬见——自动化学者称之为“替代神话”的说法。

心理学家发现，当我们用电脑工作时，经常会陷入自满和偏见——两种会削弱我们表现和引发错误的认知缺陷当中。当一台计算机诱使我们进入一种虚假的安全感当中，自动化自满就出现了。相信计算机会准确无误地完成工作并且处理任何出现的问题，我们任注意力四散开去。我们与手头的工作脱离开来，对周围事情的注意力也在淡去。自动化偏见则是指我们过于相信显示器上面的信息的准确性。我们对软件的信任变得如此之强，以至于忽略或无视其他的信源，包括自己的眼睛和耳朵。当一台计算机提供了不正确或不完备的数据，我们视而不见。

在驾驶舱里、在战场上、在工厂的控制室中，高风险的情况下自满和偏见的例子已有据可查。然而，最近的研究表明，这种问题困扰着每一个用电脑工作的人。今天，许多放射科医生使用分析软件来高亮乳房X光片上可能有问题的地方。通常，这些亮点有助于疾病的发现。但是，它们也可以具有相反的效果。受软件建议的影响，放射科医生可能会不那么留意还没有被突出显示的区域，有时候就会忽视了早期肿瘤的影像。我们大多数人在使用电脑时也会经历自动化自满。在使用邮件或文字处理软件时，因为知道了有拼写检查在工作，我们就不那么细心地校对语法错误了。

自动化将人从执行者转变为观察员

计算机可以削弱人类认识和关注点的方式指向了一个更深层次的问题。自动化将我们从执行者转变为观察员。我们放下了操纵杆，转而观看屏幕。这种转变可能使我们的生活更轻松，但同时也可以抑制专业技能的发展。从20世纪70年代末开始，心理学家就一直在记录一种被称为“加工效应”（Generation Effect）的现象。这种现象最初是在词汇研究当中被观察到的，研究人员发现，当人们从脑中主动生成单词（背单词时“经过了大脑”），要比仅仅是看更容易记住它。

这一现象现在已被研究透彻，在许多不同的情况下都对学习有着影响。当你积极参与一项任务，便开启了复杂的心理过程，这些过程能让你记住更多的知识。你学得更多、记得也更多。当你在一段较长的时间里重复同一种任务，你的大脑会构造专门的神经回路用于进行这一活动。大脑会聚集丰富的信息存储，并且将知识组织得让你瞬间就能调用它。无论是网球场上的小威廉姆斯还是在棋盘上的卡尔森[注释]，技艺精湛的高手可以发现情境中的规律、评估信号，并以看似不可思议的速度和精度应对不断变化的情况。看起来像是本能的反应，实际上是辛苦磨练出、来之不易的技巧，也正是现代软件旨在缓解的劳累中锻炼出来的技巧。

注释：马格努斯·卡尔森，挪威国际象棋大师，现为19岁的卡尔森是国际象棋等级排名第一的棋手。2004年4月26日，年仅13岁零148天的卡尔森获得国际象棋特级大师称号。

荷兰的认知心理学家克里斯托夫·范宁韦根（Christof van Nimwegen），在2005年开始了一个实验，旨在调查软件对我们掌握技术诀窍方面的影响。范宁韦根招募了两拨人，玩一个叫做“传教士与食人族”（Missionaries and Cannibals）的电脑游戏，游戏的规则基于一个经典的逻辑难题。在游戏中，玩家必须运送5个食人族和5个传教士（在范宁韦根的实验里分别用5个黄球和5个蓝球表示）过河，使用的船一次最多只能容纳3名乘客。无论在船上还是岸上，食人族的数量都不能比传教士多（否则就要吃人了）。实验参与者被分成两组，一组使用教学软件来完成任务，软件提供一步一步的指导，高亮出哪些移动是可行的、哪些不是。另一组则使用一个基本的程序，不会提供任何辅助。

你可能也猜到了，使用教学软件的那一组在一开始取得了更快的进步。他们可以简单地按照提示进行操作，而不是每一步都停下来，回忆规则并想出如何将其适用于新的形势。但是，随着测试的进行，不使用辅助软件的一组逐渐占据上风。他们对游戏形成了更清晰的概念性理解，制定出更好的策略，也少犯错误。8个月后，范宁韦根让相同的人再次玩这个游戏。此前没有使用辅助软件的一组几乎以超出对手一倍的速度完成了比赛。在加工效果的正面作用下，他们“对知识形成了更强的铭记”（imprinting of knowledge）。

范宁韦根在实验室里观察到的现象——自动化会妨碍我们将信息转化成知识的能力——在现实世界中也可以见到。在许多企业中，管理者和其他专家都依赖决策支持系统来分析信息和提出行动方案。例如，会计师在企业的审计中会使用这种系统。应用程序会加快工作的进度，但一些迹象表明，软件越是能干，会计师就越是不行。最近由澳大利亚的研究人员进行的一项研究，调查了决策支持系统对三家跨国会计师事务所的影响。其中两家会计师事务所采用非常先进的软件，能够根据会计师在软件客户端输入的一些基本问题的答案，在客户的审计文件中推荐纳入相关业务风险。第三家公司使用简单的软件，需要会计师来评估一系列可能的风险，手动选取相关的列表。研究人员给每家公司的会计师做了测试，测量他们的专业知识。第三家公司的会计师比其他两家的明显很强，对不同形式的风险都显示出了更强的理解能力。

谁还需要人类，这真的会成为一个问题

而最令人震惊和不安的，是计算机自动化还仍处于早期阶段。专家过去以为，程序员将复杂任务自动化的能力有限，特别是在那些涉及感官知觉、模式识别和概念性知识的领域。他们以驾驶汽车为例，说驾驶汽车不仅需要在很短的时间里理解高速运动的视觉信号，还需要流畅地应对突发状况。两位著名经济学家在2004年写道，“面对迎面而来的车辆执行向左转这个动作涉及的因素之多，很难想象一套规则可以复制司机的行为。”短短6年后，2010年10月，谷歌宣布它已经建立了一个由7辆“自驾驶汽车”组成的车队，在加利福尼亚州和内华达州的道路上已经行驶了超过14万英里（超过20万公里）。

无人驾驶汽车为机器人将如何在物理世界中导航和执行任务提供了一个预览，并且从人类手中接过了环境意识、协调运动和流体决策的工作。大脑任务的自动化正在取得同样迅速的进展。就在几年前，一台电脑参加像《危机边缘》（Jeopardy）这样的智力问答节目听上去似乎很可笑，但在2011年的一个著名比赛中，IBM的超级计算机Waston将这档节目一直以来的冠军肯·詹宁斯（Ken Jennings）打得落花流水。Waston并不像人类那样思考，它并不了解它在做什么或说什么。它的优势在于现代计算机处理器的非凡速度。

2011年出版的《与机器赛跑》（Race Against the Machine）探讨了计算机化对经济产生的影响。在书中，麻省理工大学（MIT）的研究人员埃里克·布林约尔松（Erik Brynjolfsson）