效率陷阱：为何过度优化会适得其反

我们都经历过这样的场景：在拥挤的火车上，旁边的人咳嗽打喷嚏。流感疫苗能提供一些安慰，但想到如果需要，医院会有床位，也让人安心。然而，在英格兰，去年流感高峰期约95%的成人医院床位被占用。如果医院是酒店，这样的入住率是笔好生意，我们会称赞其效率。但我们真的希望医院只有这么少的备用床位，以至于一个糟糕的流感周就不得不在走廊里治疗病人吗？

这就是效率的微妙之处。我们通常认为效率越高越好。但我们可能过于专注于改善一件事，而忽略了其他方面。你可以尝试安排日历，让每一分钟都有安排，但很快你就会超时并落后。会议之间的间隙可能看起来效率低下，但正是它让你的日程在意外发生时能够恢复。

数学家对效率的追求有个名字，我们称之为优化。给我们一些要最小化或最大化的东西——成本、时间、燃料、利润——我们会尝试找到最佳答案。在人类历史的大部分时间里，人们靠常识进行优化。但计算机极大地扩展了可以有效处理的范围，从航班时刻表到供应链。社会获得的收益是巨大的。但在对最优性的不懈追求中，至少有三个陷阱需要警惕。

医院床位的例子说明了第一个陷阱：通过挤压过多的余量来削弱系统的鲁棒性。在安静的周二晚上，空床可能是多余的，但当流感病例激增时，它是安置下一个病人的宝贵空间。如果你以系统在普通条件下的表现来评判它，你可能会失去应对异常挑战的能力。

第二个陷阱是对“最佳”的定义过于狭窄。以米尔顿凯恩斯市为例。该市由城市规划者于20世纪60年代末设计，采用美式网格系统。随着城市建设，环岛而非红绿灯成为其道路交叉口的标志性特征；如今大约有130个环岛。环岛对交通流量很有利，但代价如今已臭名昭著。你坐过从牛津到剑桥的长途汽车吗？一小时后，你能看到米尔顿凯恩斯的美丽景色，但一车乘客却感到恶心，因为长途汽车要应对一个又一个环岛。减速、左转、右转、加速。当你的胃在翻腾时，很难欣赏车辆的无缝汇合。

交通流量固然重要。工程师发现优化很方便，因为它相对容易测量。另一方面，乘客舒适度则更难量化。在这种情况下，优化为你提出的问题提供了最佳答案，但可能带来不受欢迎的答案。