雜談《大數據》(Big Data)

前言：

　　這本書雖然二〇一二年就出版了，隔了將近四年我才偶然在圖書館遇到，進而得以拜讀，然而書裡的觀念，對這時的我而言，還是非常新穎。它的觀點、構想新得讓我誤以為是科幻小說的世界，但這不是科幻，這是活生生的現實。原來，這就是我們所處的時空，我們就是這樣不知不覺遭到數以萬計的數據包圍，說「萬」還太少了，應該至少有上億、數兆之多。這就是巨量資料滲透進眾人生活的經過，每個人即使不願意，也被迫牽扯其中。這不是新聞了，因為早在數年前就已經存在，四年前，也許更早之前，就有人為大數據寫書。

　　一切要拜科技發展一日千里所賜。從前的電腦笨重、跑得慢、儲存的資料少，如今的電腦輕盈、跑得快、儲存空間大幅增加。以前用重得快要拿不動的大手機，現在智慧型手機人手一台。過去健保卡蓋滿六個章就要換一張，今日健保ＩＣ卡有專門讀卡機即可讀取個人資料，免除經常換卡的麻煩。底片沖洗相片的年代，每張照片拍得戰戰兢兢，如今手機也可照相，網路上每秒上傳的相片數量不勝枚舉。實在太多例子了，只要稍微觀察，就會發現一個人一天就能產出成千上萬的資料，想逃也逃不掉。刷公車卡搭公車、用會員卡或信用卡購物、走在路上即踏入監視器的錄影範圍……只要想得到，這些資料、數據都能拿來分析研究。在如此紛亂、難保百分之百隱私的時代，該以什麼樣的態度面對，正是本書趣味之所在。

正題：

　　打開本書，目錄標題即指出，巨量資料有三大特徵：更多資料、雜亂、相關性。這三點彼此交雜，帶來顛覆傳統的思維。

　　如同上上一段提到，由於科技進步，有越來越多的資料產生。資料的增加只會越來越多，不會越來越少。資料蒐集相對容易許多，而且許多看似沒什麼用途的資料，也可能經由分析，得出意想不到的結果。這部分姑且讓我轉述書中的內容：以前受限於資料取得不易，故多以「抽樣」的方式隨機調查某部份的群體，由於抽樣不代表全部，所以要求數據精確。到了近年來，資料的蒐集、儲存、分析等等技術層面的突破，幾乎可以得到「樣本＝母體」的原始資料。但是這也導出了「雜亂」，這麼多的資料勢必會有不完美之處，可能數據不是那麼漂亮，或是有一些錯誤的數據混進來。然而這無傷大雅，因為樣本非常非常多，就算其中有錯誤的，也只是一小部分，只要對分析結果不會有太大影響，都在可接受範圍內。

　　（有關分析大數據的精采例子，書中舉了很多！就不需要我重述了。）

　　分析大量數據，得到的結果，往往都是「相關性」，也就是可能性、若干機率、某種關聯性。與之相對的，就是「因果關係」。比方說，Ａ和Ｂ相關，但有可能Ａ和Ｂ完全沒有因果關係，也不知是Ａ為Ｂ的因，還是Ｂ為Ａ的因。這可是和一般人的常識相違背的！舉我的親身例子吧，有朋友感冒了，大家想要關心他，就會問是不是穿太少了？怎麼會感冒呢？這就是直覺想要找原因。或是考試考壞了……為什麼只考這樣？是不是因為準備時間不夠？下意識想找原因。然而，因果關係豈是如此容易便能證明？我們自以為找原因，從因推導到果，是很理性的思考方式。大數據卻告訴我們，不要凡事都想找原因，也不要倒果為因。（事實上，在這紛亂的世間要證明因果關係是非常困難的。）

　　書中舉的其中一個例子，著實令我吃了一驚。巴斯德，著名的化學家，發明狂犬病疫苗，救了被咬傷的小男孩一命。有關這件事，我看過後人拍的紀錄片，所以特別有印象。當時只覺得有些崇拜巴斯德。但書上提出反駁：

　　真是如此嗎？事實證明，遭到患有狂犬病的狗咬傷，平均只有七分之一的人會真的染病。就算假設巴斯德的實驗確實有效，他真的「救人一命」的機率也只有七分之一。大約有85%的可能性，這個男孩本來就會活下來。

　　咦？跟我的認知不一樣。光是這段就讓我不禁要重新檢視過去的思考，是不是太容易就接受一般說法，落入世俗的框框。

　　大數據的分析結果，常常出乎意料，看似八竿子打不著的東西，卻有高度相關性。也許只是碰巧，偶然不帶有必然，亦不帶有絕對的因果關係。所以，在這樣的時代，不用每件事都問「為什麼」，知道「正是如此」就可以了。打破砂鍋問到底，已經過時了嗎？

　　以前老師都會鼓勵學生多問問題，問問「為什麼」，但看來這在大數據的浪潮下，似乎不適用。「為什麼不錄取我？」「那是沒有原因的。」再說，凡事都要追根究柢，恐怕顧此失彼，無法掌握大局。「滑世代」的人，整天滑手機看平板，接收龐雜資訊，是不是也比較不會計較因果關係呢？一切轉瞬即逝，如過眼雲煙。或許連思考都麻木了吧。

　　會思考因果關係的人比較聰明，抑或是不去思考因果關係的人更為聰明？因果的符號最常出現在數學證明題裡，也許純科學，為了推導某個定理，還有因果存在的必要，但現實生活中，實在太渾沌、太雜亂了，就像這篇雜談一樣，不如轉而投向相關性的懷抱。

　　僅是「相關性」與「因果關係」就能討論這樣的篇幅，也許改天可嘗試寫一篇專門探討這兩者的文章。由此衍生的是「快思」與「慢想」。白話解釋，快思就是腦海中第一浮現的想法，慢想則是對某一主題有深入了解後，經消化吸收得出的較深入的思考。這又讓我想拿「滑世代」來作文章。在社群網站或軟體，瀏覽好友動態或聊天，那些即時性的言論究竟是快思還是慢想？通常都是快思吧。心情不好，就發一則文（還是發推？發噗？）立刻得到回應，那些回應具有建設性又有幾何？

　　最近有些人喜歡「實況」，這可說是把即時互動發揮得淋漓盡致，玩遊戲實況就算了，吃飯實況，睡覺也實況。我知道這也產生了不少數據，善加利用，說不定能開闢新的市場，從中獲利。看到這我又忍不住想追究它的「因」了，為什麼那麼多人要實況？背後代表了什麼？不過我學到了，知道正是如此就行了，無須追究。可是不探討原因，我要怎麼評論這樣的行為啊？所以不用評論，知道有這個現象就好。

　　那麼「因」是什麼？「果」又是什麼？好像沒有標準答案，再問下去恐怕變成哲學問題了。「大數據」是好還是壞？發展人工智慧，例如最近AlphaGo打敗世界頂尖棋手，該樂見其成還是悲觀看待？這些疑問的解答就像走鋼索吧，不能偏向任一邊，盡其所能保持中立吧。水能載舟，亦能覆舟。永遠保持在正中間，但那可是很難做到的。

--沒有結論--

補充：還有一本書看過我也很推薦——《當我們變成一堆數字》(The Numerati)，我個人覺得這本寫得較有一致、連貫的感覺。《大數據》給我的感覺如其書名，是本包羅萬象的書。