一 件 自然 、 有 意義 的 事 。 要 注意 ， 適當 的 解釋 起初 可能 並 不 明顯 。 它 也 是 種 知識 ， 所以 也 得 被 發現 和 理解 。 我 的 一 位 日本 同事 ， 日本 東京 大學 的 佐伯胖 （ Yutaka Sayeki ） 7 教授 ， 記 不 住 該 怎麼 使用 摩托車 左邊 車把上 的 方向燈 開關 。 把 開關 往 前 推 是 表示 右轉 ， 往後 推 是 左轉 。 開關 的 意義 是 清晰 明確 的 ， 但 它 移動 的 方向 和 摩托車 的 轉向 之間 的 關係 卻 不 清楚 。 佐伯 教授 一直 以為 ， 因為 開關 在 左手 車把 上 ， 往 前 推 應該 是 左轉 信號 。 也就是說 ， 他 試圖 將 「 左邊 的 開關 向 前 推 」 這 個 行動 和 「 左轉 」 配對 ， 而 這 是 行不通 的 。 結果 是 他 永遠 記 不 住 到底 怎麼 打 方向燈 。 大多數 摩托車 方向燈 安裝 的 開關 不 是 這樣 ， 而是 整個 轉 90 度 ， 向 左 推 是 左轉 ， 向 右 推 是 右轉 ， 這 種 對應 很 簡單 。 （ 這 是 一 個 自然 對應 的 例子 ， 在 本 章 後面 會 再 加以 討論 。 ） 但是 佐伯 教授 的 摩托車 並 不 是 這麼 安排 的 ， 他 怎麼 能 學得 會 ？ 佐伯 教授 用 新 的 詮釋 方式 解決 了 這 個 問題 。 他 考慮 了 一下 摩托車 的 車 把 怎麼 讓 車子 轉向 。 向 左 轉 時 ， 左手 的 車 把 向 後 移動 。 向 右 轉 時 ， 左手 的 車 把 向 前 移動 。 方向燈 開關 的 動作 和 左手 車把 的 動作 完全 一致 。 如果 對 這 件 事情 的 概念 重新 設定成 「 開關 配合 左邊 手把 ， 往 前 往後 的 方向 」 ， 開關 的 動作 就 和 期望 中 的 結果 一致 了 。 就 這樣 ， 他 終於 找到 了 一 個 自然 的 對應 方式 。 當 開關 的 移動 方向 看起來 沒有 道理 ， 人 就 很 難 記得 住 。 一旦 佐伯 教授 發現 了 一 種 有 意義 的 關聯性 ， 他 很 容易 就 記住 了 適當 的 操作 方式 。 （ 有 經驗 的 機車 騎士 會 指出 ， 這 個 概念 模型 是 錯誤 的 ： 要 轉 機車 的 方向 ， 手把 要 先 向 相反 的 方向 轉 。 這 一 點 將 在 下 一 節 「 近似 模型 」 的 第三 個 例子 裡 加以 討論 。 ） 這 對 設計 的 影響 是 顯而易見 的 ： 設計 應該 提供 使用 者 一 個 有 意義 的 結構 。 也許 更 好 的 辦法 是 不必 用到 記憶 ， 而 把 需要 的 訊息 分布 在 使用 的 環境 裡 。 這 是 傳統 的 圖形 使用 界面 裡 ， 舊式 選單 的 好處 。 當 有 疑問 的 時候 ， 人們 總是 可以 檢視 選單 中 所有 的 選項 ， 直到 找到 需要 的 功能 。 即使 不 使用 選單 的 系統 ， 也 需要 提供 一些 結構 ， 例如 適當 地 使用 局限 和 強制 功能 、 良好 的 自然 對應 ， 和 所有 前饋 和 回饋 的 工具 。 幫助 人們 記憶 最 有效 的 方法 就 是 根本 不 需要 去 記 。 近似 模型 ： 在 現實 世界 中 的 記憶 有 意識 的 思維 是 需要 時間 和 精神 的 。 充分 學習到 的 技能 不 需要 意識 的 監督 ， 只有 剛 開始 的 學習 或 處理 突發 的 情況 時 ， 才 需要 意識 的 控制 。 持續 的 練習 能 使 動作 週期 變 得 自動化 ， 減少 採取 行動 時 所 需 的 意識性 思維 。 不論 是 打網球 、 演奏 樂器 ， 或 進行 數學 運算 和 科學 活動 ， 大部分 專業化 、 熟練 的 行為 都 是 以 這 種 方式 進行 。 哲學 及 數學家 懷海德 （ Alfred North Whitehead ） 在 一 個 世紀 前 提出 過 這 個 原則 ： 這 是 一 個 所有 書籍 和 卓越 論述 者 所 犯 的 深層 錯誤 ： 他們 認為 我們 應該 養成 一 種 對 自己 的 行為 加以 思考 的 習慣 。 事實 上 正好 相反 。 文明 的 邁進 是 基於 日益 增加 的 許多 不需 多加 思考 的 運作 方式 8 。 簡化 思考 的 方法 之 一 是 使用 簡化 的 心理 模型 ， 也 就 是 一 個 接近 真實 狀態 的 近似 模型 。 科學 要 面對 的 是 真理 ， 但是 實際 應用 的 人 並 不 需要 真理 ， 他們 需要 的 是 一 種 趨近 正確 答案 的 方法 。 這 種 方法 也許 不 夠 精確 ， 但是 符合 使用 目的 ， 可以 很 快 拿來 應用 。 以下 是 一些 例子 ： 例 1： 換算 華氏 和 攝氏 的 溫度 我 在 加州 的 家 ， 現在 戶外 溫度 是 華氏 55 度 。 攝氏 的話 是 幾 度 ？ 快 ！ 要 心算 ， 不可以 用 計算機 。 答案 是 什麼 ？ 我 相信 大家 都 知道 攝氏 ─ 華氏 換算 的 等式 ： 攝氏 溫度 = （ 華氏 溫度 -32） × 5/9 代入 華氏 55 度 ， 攝氏 溫度 = （ 55 -32 ） × 5/9 ＝ 12.8 度 。 但 大多數 人 如果 沒有 紙跟筆 ， 無法 在 心 裡 算得 這麼 仔細 ， 因為 運算 過程 中 有 太多 的 數字 必須 依靠 短期 記憶 。 想要 個 更 簡單 的 方法 嗎 ？ 用 近似法 試試 看 。 你 可以 在 腦 中 算得出來 ， 不 需要 用到 紙 和 筆 ： 攝氏 溫度 = （ 華氏 溫度 -30 ） /2 代入 華氏 55 度 ， 攝氏 溫度 = （ 55 -30 ） / 2 = 12.5 度 。 這 個 算法 精確 嗎 ？ 不 精確 ， 但是 答案 12.5 度 很 接近 正確值 12.8 度 。 畢竟 我 只是 想 知道 我 是 不 是 該 加 件 毛衣 。 只要 差 不到 五 度 ， 對 我 來 說 就 達到 目的 了 。 即使 技術 上 來 說 它 是 錯 的 ， 近似 的 答案 往往 非常 實用 。 這 個 簡單 的 近似 溫度 轉換 公式 ， 對 一般 室 內 室 外 ， 正常 範圍 內 的 溫度 是 夠 準確 的 。 在 攝氏 零下 5 度 到 25 度 （ 華氏 20 度 至 80 度 ） 的 範圍 內 ， 它 得出 的 答案 差距 不 到 華氏 3 度 （ 或 攝氏 1.7 度 ） 。 比 這 個 範圍 更 低 或 更 高 的 溫度 ， 差距 會 大 一些 ， 但 在 日常 生活 裡 ， 這 種 算法 非常 好用 。 近似 模型 對 日常 生活 來 說 ， 省事 又 好用 。 例 2： 短期 記憶 的 模型 這裡 是 一 個 短期 記憶 的 近似 模型 ： 在 短期 記憶 內 有 五 個 格子 可以 放 東西 。 每 加 一 個 新 的 東西 ， 它 就 佔掉 一 格 ， 原來 放 在 那 一 格 裡 的