資訊爆炸的年代,如何快速戳破數位產業界的謊話?

全文

科技很便利,網路很快速,資訊也如大海般席捲而來,究竟該如何在資訊氾濫的時代中找到有效的資訊,並且正確的思考呢?來聽聽 Mr. Sophie 的觀點!

在資訊爆炸的年代,我們每天都從不同渠道中接收到極多含水量極高的資訊,例如某新創公司發表驚人的成長數據,某產業大神分享其神奇的成功故事,某媒體發表的產業發展趨勢研究,而面對這些訊息,你稍一不留神,輕則會落入失去工作專注力,重則更會導致你決擇錯誤,帶來金錢、時間及名聲上的損失,今天 Mr.Sophie 為你提供三個快速戳破數位產業界謊話的方法。

Calling Bullshit In the Age of Big Data

最近美國華盛頓大學(University of Washington) 開了一門新課,名為《在大數據時代,分辨及駁斥狗屁》(Calling Bullshit In the Age of Big Data),這門課程的設立目的是由於在大數據的年代,不同的媒體、權威人士及利益團體也熱愛以不同的「科學數據」作為其論點的論証,以圖令大眾相信及支持其論點,然而授課的學者卻發現這些論點,雖然有部份論點是經過嚴謹推論,但更大部份不過只是 Bullshit,散播者以鬆散混亂的推論過程配搭一大堆似是疑非的「科學數據」以圖震攝受眾,令受眾直覺上感到難以反抗並選擇信服,因此他們便決定設立這門課程,並在課程中透過教授不同的論証過程方法,令學生可以用更快捷的方法理解推論過程常見的漏洞。如果你對這個課程有興趣,歡迎你可以按以下的影片系列觀看 :

這個課程內容非常豐富,從中我就先選出其中一個,我認為最有啟發的章節「狗屁者 ( Bullshite )與 說謊者 ( Liar ) 的分別」為大家解讀。

狗屁者 ( Bullshiter )與 說謊者 ( Liar ) 的分別

Bullshit involves language, statistical figures, data graphics, and other forms of presentation intended to persuade by impressing and overwhelming a reader or listener, with a blatant disregard for truth and logical coherence.(「狗屁」指的是公然罔顧事實和邏輯的語言、統計數據、圖表,以及其他呈現方式,它們的目的是讓受眾留下深刻印象並且讓人難以抗拒。)

「狗屁」不是「說謊」,說謊( Lie ) 是說謊者明明知道事實是什麼,卻為了維護自己的利益而選擇講假話,而狗屁( Bullshit )是指狗屁者(Bullshiter )為了令受眾對他留下深刻印象並且對他難以抗拒,因此他既不關心何者為真,何者為假,對事實如何也覺得毫無差別,最重要的是自己可以名利雙收,因此比起謊言,狗屁者( Bullshiter )對真理的破壞力是更為巨大。

而在這個資訊爆炸,到處都是 Bullshit 的年代,我們作為數位產業者,到底有什麼方法可以令自己避免被 Bullshit ? 我認為美國批判思維界的其中一本經典作品,由 M. Neil Browne 及 Stuart M. Keeley 所著的《Asking The Right Questions : A Guide to Critical Thinking 》或許能給予我們一些啟示:

這本書指出在思考過程中,人經常會受到直覺及「眼見為實」而得出錯誤的認知及決擇,而批判思維就能令我們可以重新思考自己的「思考過程」,而訓練批判思維最好的方法就是學會「提問」。

為了方便你的理解,我把這本書的內容整理成以下的 Mind Map ,而用黃色標示的的部份是我認為是數位產業界中最常見的 Bullshit 手段 — (1)詞語歧義、(2)推論存在謬誤及(3)統計數據存有欺騙性,這三種手段對應的解決的章節:

首先,書中作者提出當人吸收新資訊時,通常會存在兩種思維的可能性: 「海綿式思維」與「淘金式思維」,擁有前者思維的人習慣被動地吸收與記住新資訊和觀點,卻不會主動取捨及評價資訊內容; 而擁有後者思維的人,則傾向帶著問題去主動思考自己新吸收的資訊,並保持對新訊息供應者的互動,從而對令自己可以更客觀地對論點作出評價。「批判思維」就是在「淘金式思維」的前提下誕生,而順著「淘金式思維」我們再來看看那些數位產業界三種常見的 BullShit 及破解方法。

三種方法,快速戳破數位產業界常見的 Bullshit :

1.要求對方釐清論點中的「歧義詞語」

當一個詞語越抽象,就越有可能產生歧義,我們日常生活中很多自以為「理所當然」的詞語,其實往往含有多重意義,例如:

「自由」: 新聞自由?財務自由?言論自由?「人權」:生存權?同性婚姻權?居住權?「傳統價值觀」: 天人合一?男主外女主內?廟宇文化?

而在數位產業界中,我們經常也會看到由歧義詞語散播的偏激觀點,例如:

Alpha Go 大勝柯潔,人工智慧將會全面取代人類,令更多人面臨失業

在這個論點中,「人工智慧」是歧義詞,「人工智慧」的應用技術包含多種層面,Alpha Go 大戰柯潔的人工智慧是屬於「類神經網路」( Neural Network )及「深度學習」( Deep Learning ) 技術,而隨著這種技術發展所引發的失業浪潮,針對的職業工種只包括一些機械性及非創造性的工作,例如客服代表、電話推銷員、股票和債券交易員、工廠工人及司機等; 而一些涉及創造性、規劃性、人際技能及「跨域」思維的工作,例如社會工作者、調酒師、庭審律師等等是「人工智慧」難以在短時間可以快速取代人類。

如果你缺乏批判思維,看到上述的論點,你最直覺的反應可能是對「人工智慧」產生敵意,或是立即跳到「機器始終不如人類有感情」的防衛狀態,而錯過了認識「人工智慧」的應用層次及如何客觀看待這些科技發展對協助你提昇你自身不可被取代的優勢。

因此如果你快速向訊息供應者查問有關「歧義詞語」的清楚解釋,例如:

你所指的「人工智慧」是哪一種人工智慧?你所指的「更多人面臨失業」是哪一種人失業?

如果訊息供應者無法就這些歧義詞語提供一個清𥇦的定義及論証,那他就沒有權利是要求你相信他這個觀點,他所提供的資訊就是 Bullshit。

2.時刻警覺推論過程中常見的十種謬誤

不想被別人Bullshit 你,就要先了解 Bullshiter 在推論過程中怎樣滲入 Bullshit:

(1) 人身攻擊︰

例如 :「 XXX 根本就是一個富二代,怎會明白我們做工程師的辛酸?」.謬誤: 不解釋原因,不反駁對方的理由,而是直接人身攻擊或侮辱對方。

(2) 滑坡推理︰

例如: 「科技令人與人之間變得疏遠,疏遠令我們無法深度交流和溝通,無法交流和溝通令情侶願意結婚的意願下降,意願下降會令結婚人數變少,人數變少令全國出生率下降,出生率下降會導致人口老化,因此科技會令人口老化」.謬誤:如果某事情發生,那麼與之相關(即使沒有因果聯絡)的很多事情也會發生。

(3) 苛求完美︰

例如:「即使政府從今天開始願意花更大筆預算去培育科技人材,但我們怎樣發展還是沒有可能比矽谷厲害,所以培育科技人才的措施根本沒必要」.謬誤:如果某種措施不能徹底解決一個問題,那麼這種方法就不可取。

(4) 移花接木:

例如: 「保障工人穩定收入」是勞動權益,因此我們必須抵制工廠進行任何自動化。.謬誤 : 勞動權益獲得保障 ≠抵制工廠進行自動化; 偷換概念,利用詞語的歧義,瞞天過海。

(5) 訴諸公眾︰

例如: 「調查顯示,大部份台灣網絡行銷人員也希望可以獲得加薪30%,所以網絡公司負責人應該立即加薪 」.謬誤:主觀假設很多人都在做同一件事情/相信同一件事物,這件事情就是對的。

(6) 訴諸假權威︰

例如:「根據馬雲分析,高房價的推手是岳母造成,與新零售改革無關」.謬誤:過分誇大權威人士的全能性,利用 A 領域的專家來確證 B 領域的觀點。

(7) 訴諸情感︰

例如:「如果你不相信 Steven Job 的科技創業哲學,那你的創業將會很大機會失敗」.謬誤:通過有意識操控聽眾的感情(代替理性論證)來增加認同,減少說服難度。

(8) 設計兩難困境︰

例如 : 「你們 UI 產業的設計師,,就是年紀太輕,就算我們公司給你們每月十五萬的預算,你們也做不來,所以每月給五千預算就夠了」.謬誤:假設「年齡愈大=工作能力愈好;預算只能給予年紀大的人」,故意制造邏輯上的兩難境地,不管現實的可能性。

(9) 亂貼標簽︰

例如 :「為什麼他總是那麼喜歡在把產品做到十全十美才上線?因為他就是一個『技術咖』」.謬誤:用一個「技術咖」的名詞名詞,合理化地解釋了這個事件

(10) 循環論證

例如 :甲:「 IPhone 是科技人的身份象徵,因為它有很強的 User Experience 。」乙:怎麼知道 IPhone 有很強的 User Experience?甲:因為 IPhone 是科技人的身份象徵.謬誤:把論點轉換表述方式,作為論證的理由再次登場

3.思考論証數據是否存有欺騙性?

數據是怎樣來的?它是根據觀察、觀點、立場和理論而來。如果沒有理論,沒有觀察角度,就不存在數據。例如我今天拿出一個馬桶,要你紀錄馬桶的數據,你也會問我: 那你是要紀錄什麼?是它的形狀,顏色,重量,設置地點,還是因使用不當而產生的意外率?你必須有一個維度,才可以開始紀錄數據。所以數據根本就不存在所謂的「純粹沒立場」,也就說數據產生的前題是先要有想法。

例如最近一個月,數位產業界也在熱烈討論的「互聯網女皇」華爾街証劵分析師 Mary Meeker 所發佈的 《2017 年的互聯網趨勢報告》,當中包含了不同互聯網產業的洞察及數據分析,而大家也因為 Mary Meeker 的「女皇」光環,而視此報告為數位產業者必讀之選,紛紛在自己的社交網絡中瘋傳。

然而在這個「女皇浪潮」中,除了支持者外,其實還有另一股反對聲音,反對者批評那些 Mary Meeker 報告的線上分享者,只把這份報告當作「炫燿」自己產業及專業的社交貨幣,而對 Mary Meeker 本人在報告中的獨立性及客觀性卻毫不關心, 例如: Mary Meeker 之前強烈看好但最後卻被證明一文不值的 Drugstore.com ; Mary Meeker 和 Morgan Stanley 公司對 eBay 和 Amazon 的研究報告中被指控涉嫌利益輸送; Mary Meeker 在報告中的視角及數據收集方法,譬如她的研究樣本如何取樣?研究領域是否存有局限性?Mary Meeker 作為 KPCB 的風投創辦人,她的報告中又是否涉及「刻意唱好」自己公司投資產業的嫌疑等等。

當然,我們今天在這裏要討論的並不是 Mary Meeker 的黑歷史,而我個人也認同在 Mary Meeker 過去所發佈互聯網趨勢報告中,還是有很多值得數位產業者去參考和研究的地方。只是我想提出的一個觀點: 大眾總是很容易取信和震攝於權威人士所發佈的研究數據,而無視這些數據是否存有欺騙性。

在 Mary Meeker 發佈 《2017 年的互聯網趨勢報告》後,我們不難發現在中文數位新聞世界,內容重點大多是朝向「認同並且解讀報告」的面向,是鮮少提出質疑、反駁及論証補充,以協助讀者了解 Mary Meeker 的背景資料及客觀平衡其過往預測趨勢的可信性。而面對這個情況,如果我們學會「自我提問」,我們明白了「數據是可以包含觀點或欺騙性」,我們就可以更容易了解,有哪些訊息是有價值的洞察?有哪些也不過是「資訊供應者為了讓受眾留下深刻印象並且讓人難以抗拒的Bullshit 」。

如果你沒時間,至少記住這些重點

總結上述的內容及方法,讓我們快速回顧以上內容:

  1. 狗屁者 ( Bullshiter )與 說謊者 ( Liar )的分別 : 前者是知道事實是什麼,卻要維護自己的利益而選擇講假話,而狗屁者( Bullshiter )去屁話連篇的唯一目的是令受眾對他留下深刻印象並且難以抗拒,而狗屁者( Bullshiter )對真理的破壞力是比說謊者 ( Liar )更為巨大。
  2. 「海綿式思維」與「淘金式思維」: 前者是指被動去吸收新訊息的觀點及推理; 後者則是帶著問題去主動思考自己新吸收的資訊
  3. 三種快速戳破數位產業界的 Bullshit 方法:一、要求對方釐清論點中的「歧義詞語」; 二、時刻警覺推論過程中常見的十種謬誤;三、思考論証數據是否存有欺騙性?

知識需要配搭行動力,讓我們一起刻意練習:

  1. 最近你遇過什麼 Bullshiter ?這些 Bullshiter 用了上述什麼方法去Bullshit 你? 如果下次你再遇見這類 Bullshit時 ,你會選擇如何再提問?
  2. 你自己過去有沒有成為過 Bullshiter?如果有,你是因為什麼利益考慮而要選擇成為 Bullshiter?未來你會用什麼方法,避免自己再成為 Bullshiter ?如何令自己進化成一個能在溝通過程中,為別人訊息增量的建設者?
  3. 除了上述所提及的思考方法外,還有什麼方法或概念可以幫助我們更有效地訓練及建立自己的批判思維?

本文作者:Guru Guru Go 共同創辦人 Mr.Sophie

-

延伸閱讀

作者

Guru Guru Go

一個專為數位產業者服務的維基百科,也是亞洲最大創投加速器 AppWorks#14 入選隊伍。我們整合世界各大數位知識平台,提煉對工作最有價值的內容。

留言