諾貝爾經濟學獎得主康納曼 （Daniel Kahneman） 在今年3月辭世，就多數讀者而言，康納曼是行為經濟學之父，是心理學家，也是重要暢銷著作《快思慢想》（Thinking, Fast and Slow）與《雜訊》（Noise: A Flaw in Human Judgment）的作者。
今日所有我們對人類思維的理解方式，都有康納曼的影子。
例如，在判斷與決策時，人類心智如何運作又為何失靈；面對各種不確定性與思維的不完善性，心智如何產生結論等。這些行為經濟學的發展源頭，常會追溯至赫伯．賽門（Herbert Simon） 提出的「有限理性」（bounded rationality），有限理性認為人同時間僅能管理認識有限數量的資訊，傳統理性模型無法處理真實脈絡的複雜；我們所謂的理智決策多是在不完整訊息狀態下的幾個有限選項，在倉促模糊中憑一點經驗直覺而做的，此外更帶有因人而異的情緒偏見。
大約在1970年代同期，這樣的思維幾乎同步影響了人工智慧、設計、行為科學後來的發展，而賽門也被認為是這3門學科的共同先驅者。
羅伯．法布坎（Robert Fabricant）所著的《我們的行為是怎樣被設計的》（User Friendly），這本談使用者設計的書中說，20世紀最偉大卻未受重視的知識轉變與新典範，正是我們終於發現人的真實樣貌不是理想中的樣子。
啟蒙時代相信人類能完全理性，後來我們逐漸承認人的差異與非理性，並接受人類心智永遠不可能完美，這大幅影響了人因工程、人機互動、認知心理學、使用者中心／友善（user-centered, user friendly）設計等學科的演進。就設計而言，生活中的人造物如果不能考量人們的極限、缺點、錯誤，設計就無法成為被人所使用的狀態。而這，也是行為經濟學誕生的年代。
在這樣的共演化關係中，行為科學的貢獻逐漸影響設計的發展進程，對設計思考而言，設計師其實是站在有限理性的假設下，理解所有設計決策都不是窮盡所有可能後的選項，也不是了解特定選項之所有可能結局後的決定。
因此，透過包括康納曼在內的眾多行為經濟學家之努力，如他早逝的合作者特沃斯基（Amos Tversky）、晚期的理查．塞勒（Richard Thaler）、羅伯．席勒（Robert Shiller）、凱斯．桑思坦（Cass Sunstein）等人（這裡頭包含3座諾貝爾經濟學獎），我們對人類非理性行為開始有較全面的理解，例如認知偏見、前景理論、捷思、雙系統（系統1與系統2）、行為助推、峰終定律（Peak-End Rule）、稟賦效應、選擇架構（choice architecture）、框架效應等理論，都成為後來使用者經驗研究與設計心理學的堅實基礎。
數十年以來，上述這些理論也逐漸發展出設計實務上諸如行為設計、誘因設計，預設用途（affordance），社會指意（social signifiers）、推力（nudge）、說服設計（persuasive design）、遊戲化理論（gamification）、鉤癮效應（hooked）、日文中的仕掛學等各類用來引導驅動使用者行為的設計工具。
除設計科學外，行為科學與人工智慧的發展歷史也是共同演進的。
1960年代最早的人工智慧研究，概念是希望將人類的分析、抽象、綜合等多種能力置入電腦，後來沒有成功，畢竟當時我們也不太理解自己的心智行為。
1980年代的第二波浪潮則是專家系統，電腦不需理解人的思考，但可學習人類定義好的規則，這波發展的限制在於許多決策我們也無法說清脈絡規則，就像有限理性的限制，也像著名的博蘭尼悖論主張「我們懂的事情，比我們能表達出來的更多」（We can know more than we can tell）。
2010年後的第三波機器學習浪潮似乎解決了這件事，我們讓電腦自己從資料歸納規則，發展專屬的心智認知模式，有點像電腦科學家奚力思（Daniel Hillis）在1998年的預言，創造人工智慧的過程比較不像建構一台輸入規則的心智機器，而像烘烤蛋糕或培植花園，我們不是製造人工智慧，而是營造一種讓智慧能顯露的適當環境，最後這個環境與聖盃原來是語言生成。
那麼，在生成式人工智慧的寒武紀大爆發後呢？當我們談AI如何影響設計或設計如何影響AI，背後的共通本質其實是行為科學，也是康納曼留下的遺產 （很可惜我們沒能聽到康納曼對大型語言模型的看法）。
有3種正在發生的行為科學視角。第1是AI透過行為科學來理解人，如何讓AI更像人，關於模型的訓練，行為經濟學提供我們如何將人類認知偏見納入模型的見解，以幫助系統更好地模擬或預測人類行為，可實現更精準使用者研究或AI代理人（agent）設計，也可主動矯正使用者的決策失誤，提供更全面行為選項建議。
例如在產品推薦、投資建議或健康管理方案等應用情境，皆可透過對潛在認知偏見的識別修正，避免使用者陷入有限理性的思維陷阱。
第2種是人透過行為科學來設計或操作AI，像計算科學家渥富仁（Stephen Wolfram）提出的AI時代人類該學習的事，關於確定哪些問題值得提出與哪些事情需要自己做的全盤規畫知識策略（intellectual strategy）。
此時我們對行為科學的理解將有助我們規畫這個知識策略，協助 AI 生成更有效、更佳體驗的選擇架構與激勵機制，或生成「助推」（nudges）介面（如選項排序）與情感共鳴來改變使用者的選擇期望，例如在電子商務、金融、廣告行銷、遊戲設計等應用情境，均可能藉以行為科學為基礎的 AI 生成達成行銷推力、品牌傳播、情感故事滲透等使用者黏著效果。
第3種是人與AI透過行為科學進行協作的分工規畫，達到最佳人機協作效果。
如同近年許多行為經濟學家所引用的康納曼「快思慢想」比喻，完全理性的經濟人像電影《星艦奇航記》中的外星人科學官史巴克，我們則更像卡通《辛普森家族》裡的主角荷馬辛普森，以直覺的捷思偏誤作決策。
辛普森是「系統1」的快思，由情緒推動自遠古進化而來的無意識決策，史巴克是「系統2」的慢想，是緩慢有意識且遵循古典經濟學效用最大化的思考，是AI可實現的任務。未來的智能助手或自動化決策系統顯然應更能靈活切換應對快思或慢想之決策情境，提供更彈性的人機任務 （task）協作互動平衡。
社會學家韋伯（Max Weber）說人類歷史是個持續「除魅」（指以理性的科學去除神秘主義的信仰或迷思）的歷程，這同時也是自我覺察的建構過程，像古希臘德爾菲的阿波羅神殿上的銘文「認識自己」（know thyself），或中國老子描述自我覺察的句子「知不知，上；不知知，病。」那麼，我們是否已完全解開認知與有限理性的謎團，並藉大量過去訓練資料完成了自我覺察的建構？或者我們是否已完全揭露理解自己的心智？
歷史學家哈拉瑞（Yuval Noah Harari）在他的新書《連結》（Nexus）提到一種「天真的資訊觀」，今日我們在蒐集與處理資訊時遇到問題，直覺解方就是再蒐集與處理更多資訊，但這可能是行不通的，我們先是讓AI模仿人的思維，AI演進後人開始有機會學習AI思維，因此當我們對自己的自我覺察認識愈多，我們的認知行為模式也可能會跟著動態演變愈多，像哲學家海德格（Martin Heidegger）說的，為了使用特定技術，人也可能被改變，這是人與技術間2種物質性遭遇下的體現關係。手中拿著鐵槌，你就轉變成看到什麼都想槌下去的人，而不再是原本的自己。
因此，面對今日科技，當前的自然語言介面與即時回饋對話論述方式，是否會改變我們的自我覺察（更加知道自己想要什麼），也改變我們對行為科學的認知？ 科技歷史告訴我們，新的介面會改變原有互動方式，然後新互動會產生新的工作流程，新流程將需要引入新資料（data），然後將會產生新的（收集分析資料）工具，最後新工具形塑創造了新的行為模式。
當我們的行為認知方式影響AI，AI也將回頭影響我們的行為認知方式，成為持續共演化的人機共同體。所以，究竟還有沒有大型語言模型之外的其他通用人工智慧（artificial general intelligence）實現路線？答案也可能在新的認知模式與新的行為科學研究中。
康納曼生前參與的最後一本書《雜訊》，將認知偏誤的理解作了延伸，探討如何減少造成判斷偏誤的眾多雜訊，策略做法包括統計思維、抗拒過早的直覺、將判斷過程結構化拆解成不同部件等。如何創造一個雜訊很少的世界、決策成本很低的世界、新的AI人機協作世界、心智能力再提升的世界，我們的確還可繼續向行為科學家學習。
由麥可‧路易士（Michael Lewis）描寫康納曼與特沃斯基之間友誼的《橡皮擦計畫》（The Undoing Project）書中，最末有句特沃斯基的話，「有時候讓世界變得更好，比證明你已經讓世界變得更好，還要容易。」這世界的確因行為經濟學家而變得不同且變得更好，直至今日我們還活在這些遺產中。
康納曼著名的《快思慢想》開頭描述了辦公室茶水間場景，談我們為何得在乎茶水間閒聊，因為從別人聊天話語中看到的自己，遠比再多的自我覺察偏誤認知更有效，這是互動對話論述的力量，提升了我們受困於有限理性的決策心靈。
說不定這也是我們對人機自然語言對話時代即將到來的一種樂觀，那其實是，機器被發明前的美好老歲月。
>>本文經<數位時代>同意轉載