珍惜认知：机器学习能否将认知捷径转化为更好的设计？
每天到了中午，大多数人的有限认知储备已经因暴露于社交媒体、电子邮件和其他技术刺激而疲惫不堪，这些东西中有很多使用操纵技术来窃取用户的注意力。这几乎相当于说，人们最宝贵的自然资源——其认知——被露天开采了。
人类大脑为了保持其能力，经常依赖于200多种认知偏见。处理记忆、信仰、道德和行为的这些心理捷径有助于人们更快做出决定——不幸的是，这些决定常常不符理性，不符合其最佳利益。
对于设计师和工程师而言，他们在设计过程中可能会出现一些常见的认知偏见，使其无法将创造性工作做到最好。例如，在使用物理工具或设计软件时，工具法则表明人们过度依赖于自己最熟悉的工具或预设，无论其是否最为合适。在这种偏见下，如果我有把锤子，所有的东西看起来都像钉子。工具塑造了我的思维方式，让我认为锤子就是一切问题的解决方案。
与此相关的一个认知捷径是功能固定，这种偏见认为一种个工具只能解决一个问题，如锤子只可用于钉钉子，不可用来做其他任何事情。然而，优秀的设计师、建筑师和工程师一定会大胆摆弄工具，以便使其能为自己所用。各行各业的大师都会决定工具为自己做什么，例如吉米·亨德里克斯（Jimi Hendrix）会令其吉他说话。
在多人协作的情况下，多种偏见加在一起，会更加影响团队的业绩。帕金森琐碎定理（Parkinson’s law of triviality）中潜藏着一个典型的陷阱，即一个团队会避开最重大的问题，转而将过多的精力集中在琐碎的事情上。这种偏见也被称为“自行车棚方案”（bike-shedding），好比一个承担设计核反应堆的团队，不将精力花在打造反应堆的复杂任务上，反而将大把时间用在为技术人员建自行车棚的琐事上。
一个团队最复杂的任务也可能被模糊效应所笼罩，其中不完整或混乱的信息导致成员无法尝试某些创造性途径。这可能导致他们依赖权威偏见，由资格最老的成员试图补上缺失的信息，而团队的其他成员随之起舞，甚至将自己的不同想法按捺下去。
可是，权威人士有可能中了怀旧偏见那看上去很美的圈套：错误地相信过去的成功解决方案一定会适用于当前的问题。更糟糕的是，精通偏见的幻觉也会介入，令专家自欺欺人，过高估量自己的能耐。
如果能使用技术帮助人们克服偏见并管理、保护甚至重新生成认知资源，那会怎样呢？
有的认知偏见可能是积极的。为了保持积极进取，许多创业公司需要相信一切都会出乎意料地好起来，所以他们倾向于乐观偏见，即一厢情愿的思考方式。其他时候，大脑随机找到规律的能力（比如看到一朵云如同看到人头），可以因培养误解的创造性方法而增强。例如，LUMA研究所的研讨会上讲授的轮询调度法（Round-Robin）可以增强产生新想法的能力。
过去100年内的设计方法，例如与LUMA研究所同名的“观察-理解-制作-提高”（LUMA）流程，都是用学到的一些技巧来克服偏见，或者甚至利用认知捷径来增加创造力。上述轮询调度法来自于20世纪初达达主义和超现实主义艺术运动开创的“精美的尸体”绘制过程。
今天，一大批企业、营销人员和用户体验设计师恶意操纵，使人们的偏见进一步加深，借用户体验专家哈利·布努（Harry Brignull）的话，这叫“黑暗模式”。“罗奇汽车旅馆”（Roach Motel）便是其中一种黑暗模式，这种设计让你可以轻松注册某些内容，却无法取消订阅。若你尝试过取消健康俱乐部会员资格或脸书帐户，那么你可能已经困在 “罗奇汽车旅馆”中了。
在线上媒体领域，人们往往并非顾客。相反，他们及其宝贵的认知资源乃是产品。机器学习正在越来越多地利用黑暗模式的技巧来扩大偏见，有效地以“拒绝注意”（denial of attention）和“拒绝好奇”（denial of curiosity）攻击数十亿人的头脑。自智能手机和其他连接设备推出以来人类的生产力下降，这可能是其中一个原因。
但是，如果能使用技术来帮助人们克服偏见并管理、保护甚至重新生成认知资源，那会怎样呢？
想想降噪耳机如何使用麦克风检测外部声音，然后电子生成相反的音频波以便将其抵消。如果机器学习系统能够实时发现认知偏见，并通过将偏见与有助于消除其负面影响的已知设计方法相匹配来减轻其负面影响，那会怎样呢？
欧特克研究团队已开始初步探索这样一个系统。为了收集早期数据，研究团队采访了几位产品设计大师、LUMA等设计方法研究所的创始人以及建筑大师，找出他们已看到的常见创意陷阱，以及他们有哪些技巧来克服设计中的偏见，推动更好的结果，并且随着时间的推移构建起认知资源。
其中一位受访者是工业设计师、作家爱塞·伯赛儿（Ayse Birsel）。她有独特的设计过程，称为“解构：重建”（De:Re），先将对象或概念分解为几个组成部分，以便以崭新、革新的方式将其重新组合在一起。 例如，她为赫曼米勒公司（Herman Miller）设计成功的“信念”（Resolve System）办公家具将小隔间构想成戏剧性的空间，分为后台和前台。
伯赛尔让设计师和商家将认知偏见全然打碎，以全新的方式看待一件家具。她列出了在产品启动、向生产过渡等阶段经常出错的事项。De:Re框架的一部分以强大且可重复的方式解决了这些失败模式。
为了勾勒出“认知噪声抵消框架”的原型，欧特克研究团队将伯赛儿所有的De:Re技巧映射到了她所抵消的不同决策偏见、记忆偏见和社会偏见。这副映射图为机器学习算法提供了初步基础，该算法可以在创意团队的工作流程中出现认知偏见时进行干预。
欧特克的设计和制作工具既然都是基于云的，就可以探索如何使用这些工具，以实时感知破坏性的认知捷径——不是检测创意团队在设计什么，而是他们在设计过程中如何思考。还有一些技术可以检测到声音信号，如音高、说话节奏和用词，以及身体语言和面部表情等视觉信号。通过在设计工具、会议室、工厂和建筑工地中记录和比较足够多的数据，系统最终可以将这些信号与正确的认知偏见相匹配。
关键可能在于找到检测认知偏见的办法，这样不仅团队领导者和协调者可以最佳方式进行干预，而且团队中的每个成员都可以发现自己的偏见并学会对其进行调整，以增强自己的认知。
适合人脑的Fitbit记录器尚未出现。但理想情况下，本研究产生的系统将能超越识别认知偏见的领域，成为一种元认知的自我量化设备，向人们展示其想法背后的思维。
世界正在变得越来越复杂和自动化。未来不确定有多少工作会被自动化接管。但有一点是肯定的，人们需要不断地学习新的技能和技术。有很多工作要做，但这些工作需要更多的关注和创造力，以便创造更美好的事物和一个更美好的世界。
除了调整和增强认知能力之外，这项研究更大的目标可能是演变为一个终身学习API，以帮助人们关注下一项最有可能具有高经济价值的技能。然后，该系统可以预测性地锻炼和再生一个人的认知资源，以便其为下一个工作做好准备。
设计师和工程师们正致力于打造从智能鞋到智能城市的下一代产品。他们为了迎接未来的挑战，需要前所未有的关注、理解力、创造力和处理复杂决策的能力。为此，他们需要珍惜——而非耗尽——自己认知的技术。
本文由康奈尔大学博士生Neta Tamir合作撰写。