「我們特別害怕我們生活中那些我們不想被它追上的東西有一天會追上我們，以及有一天我們再也沒有辦法騎車騎得更快。」
在新一期播出的《奇葩說》中，梁秋陽的這句話說出了許多在職場上打拼的人的心聲：我們步履不停，生怕自己只要停下腳步哪怕片刻就會被別人，被時代淘汰。
對高效率的追求並不僅是當前這個時代的現象。正是因為有對更高效率的追求，科技才得以發展，我們才得以從原始社會一步步走到今天。
但是，當我們以效率作為一個幾乎可以衡量一切事物好壞的標準時，我們就是讓自己陷入了效率的陷阱中。若我們不能看到效率的悖論，那麼最終則可能會淪為效率的「囚徒」。
什麼是效率？我們不妨將效率定義為以最小的投入最大限度地生產商品、提供服務或信息。
效率這個詞在19 世紀得到廣泛使用，當時科學家和工程師將效率這一物理概念擴展至人類勞動，即單位能量所做的有用功。
從19 世紀90 年代到20 世紀20 年代，社會科學家反過來將這一概念擴展至社會所有的投入和產出，實際上也延伸到「社會效率」這一領域，即合理優化人類福利。
我們或許無法對何為「人類福利」做出定義，但至少，當可以在短時間內取到外賣的便利建立在算法對整個外賣送餐員群體的步步緊逼，使其必須承擔危害自身及他人生命安全的風險時，這難以稱得上是「合理」的優化方案。
很難有人能拒絕新技術帶來的好處，今天我們很難想像沒有手機、電腦、飛機、高鐵的日子。但我們多數人也都親歷過新技術帶來的負面效應，比如，久坐不動的辦公室生活造成的長期背部疼痛和腕部疾病，又比如，隨時隨地要回應工作需求的壓力導致再難以把工作和生活分開。
我們生怕拖後腿，擔心成為拉低效率的短板，於是不知不覺中我們接受了這樣的生存方式——在最短的時間內完成最多的事；我們將「提速」視為最重要的原則，連看電視劇也要放2倍速了（雖然這也往往與電視劇劇情的拖沓不無關係）。
但每當看到似乎越來越頻繁出現的那些過勞死、壓力過大自殺的消息時，我們總會覺得似乎再難壓抑住自己內心的焦慮：如果我們不能騎車騎得更快了呢？
在大多數情況下，高效率是好的，但同其他所有好東西一樣，它也有可能過猶不及。就如同過量飲水都能致命一樣。
當我們在談論何為真正的高效率時，我們不能不考慮為其所付出的代價。事實上，在全球層面上，真正的效率始終很難計算，因為提高效率的某些手段可能會降低地球的總體生產率。
比如，化肥和殺蟲劑會傷害河流中的魚類和危及授粉的蟲媒。我們整個工業文明一直在通過碳排放威脅自身的效率。
對許多經濟學家而言，關於更高效的生產與分配所帶來的好處能提高公眾生活水平的夢想正在褪色。越來越多西方國家的公民也對產業和學術精英為中產階級或窮人提供好處的能力失去了信心。
大數據時代，算法和數據成為了企業為了搶佔用戶競相開發挖掘的資源，個體也無時無刻不受到算法的引導。但是算法一方面固然能幫助我們篩選信息，更快做出決策，另一方面也會將許多信息篩除在外，進一步固化我們的視野；算法一方面固然可以促成資源更有效的分配，但另一方面我們又確實看到，算法驅動下，強者與弱者之間形成了愈發難以逾越的鴻溝。
《效率悖論》的作者愛德華·特納所瞄準的正是信息技術這個不僅在變化而且還在加速發展的目標。他直言：「現在是時候考慮過於高效是否已經成為問題的一部分了。」
質疑效率必須超越效率和有效性之間的常見差異。效率的高低與有效性之間比沒有必然關聯。比如，「清潔柴油」汽車發動機在燃料消耗方面是高效的，但由於它們的排放難以控制，因此不能被認為是有效的。
大多數時候，算法既高效又有效，但從長遠來看，算法可能不僅會危及效率，還會危及有效性本身。也就是說，它們不僅有可能導致不良後果，而且有可能導致工作浪費和機會錯失。
比如，效率使世界變得更可預測。但是，如果一切都儘可能直截了當，我們也會失去邂逅偶然的隨機化和生產性錯誤的好處。
又比如，過度依賴算法可能會使我們逐步喪失一些重要的生存技能、行動力、獨立思考的能力乃至實際上非常重要但在今天卻常常被算法取代的直覺力。
但特納認為，我們也不必過於「技術悲觀主義」。直覺可能是對抗算法的有效「武器」。大多數人的直覺並不準確，但同時一些人的直覺直接促成了今天我們耳熟能詳的效率的創新——谷歌、微軟、臉書……
我們不必要麼選擇大數據、算法和效率，要麼選擇直覺、技能和經驗。我們需要的是適當的融合，找到算法與直覺之間的平衡，從而真正激發效率——真正的高效和有效。
我們可以在《效率悖論》一書中了解平衡算法與直覺的六種策略。這些策略的內核其實並不難理解：比如，「完美5」策略指出，如果將從純粹的人類到完全的機器人的變化劃分為從1 到10 的區間的話，最佳平衡點是位於中間的5。按照「阿波羅計劃」中美國國家航空航天局太空人的模式，太空人有意獲得了對「阿波羅」飛船機載電腦上的廣泛權限。即使在半個多世紀後，這一原則也沒有改變。
支持算法的聲音引用研究人類非理性決策的案例，支持用算法代替思想。但是，正如社會學家哈裡·柯林斯（Harry Collins）在他的《人工專家》一書中指出的那樣，我們對現實世界都擁有大量隱性知識，這些知識永遠不可能像西洋棋的開局那樣被編入電腦程式。人不僅要控制車輛，還要控制算法等所有其他系統。無論是機器還是人都有可能犯錯，機器人和人類配合才能彌補彼此的弱點。
又比如「創造性浪費」，這種策略在一定程度上稱頌失敗的積極作用。以製作電影來說，以利潤為導向的投資方或許希望流量明星+知名導演+酷炫服化道的公式（一種最簡單的算法）能夠生產出持續叫座的電影，但顯然也已經多次被啪啪打臉。
真正的問題在於，重視重要影片盈利性的計算阻礙了實踐，而實踐可能成為未來新的大片的來源。著名電影導演史蒂文·史匹柏曾呼籲採用「新的範式」，但通常只有通過無效的試錯過程，才能發現這些範式。
即使是在這個數字時代、資訊時代、智能時代，我們仍會發現，從膠片到機械手錶再到零售商店等舊媒介和體驗仍具有極強的彈性，能夠提供數字生活無法滿足的人類需求。自2001年史蒂夫·賈伯斯創立蘋果專賣店以來，從蘋果專賣店的蓬勃發展，到筆記本再次廣受歡迎，都生動地說明了觸覺、具體體驗的持續相關性，以及矽谷對它的認可。
這是對算法和人類直覺共存表示樂觀的最佳呈現方式之一，也是《效率悖論》一書的主題。