本書帶給我的知識，是「人一定會說謊」。當然這所謂的「說謊」不見得是什麼罪惡滔天的可怕犯行，而是任何人在與別人溝通交流時，都在有意（避免冒犯與造成困擾）與無意（錯誤地自我感覺良好）之間，不願給予真實的個人資訊。但在現代的網路成熟、以及智慧型手機普及之後，我們便可以藉由網路搜尋引擎（Google Search）這種私密性的介面，藉由廣大的數據，統計出過去未曾注意到的現象。
作者一開頭便提到美國近兩屆總統的選舉現象。當非裔美國人歐巴馬當選後，一般的社會學家總是樂觀地認定這個國家已經走出了「黑人歧視」的不名譽泥淖，走向種族和諧的康莊大道。但作者從網路搜尋卻發現，種族主義的陰影從來未曾因為「第一位民選黑人總統」的產生而消失。在關鍵字搜尋程度上，對黑人歧視的詞彙方面的比例，並不如傳統與一般民調所顯示的南北兩方、或海洋內陸之別（共和民主兩黨），而是呈現出某種特別的分佈型態——換句話說，宣稱支持民主黨的，擁有種族主義態度的人也與 GOP 差不了多少。而這種分佈型態，與後來川普在共和黨初選的比例有高度的相似性。這是本書作者最引以自豪的結果，所以他放在開篇的第一章加以闡述。
關於「大數據」，現代人大多都已有所接觸。除了搜尋引擎之外，SNS（臉書、推特）也是這種代表。但在社群上，跟在現實世界一樣，人們都不可能將自己真實的一面給呈放上來，因此便成了本書所說的「Everybody Lies」。但我並不認為這有什麼奇怪。畢竟，當大夥兒全都沈浸在重大慶典的狂樂之中，你竟然真實地表示自己失去愛犬的傷痛之情（或許還放張相片），這不就太不像話了嗎？因此關於 SNS 的數據研究，作者大部分將重心放在廠商該如何瞭解使用者「感興趣」的部分，並設計各種方式或技巧強化使用者的興趣。
此外，作者對於「性」的主題也多有著墨。除了在 Google Search 來證明人們總愛在「性愛次數」上頭的吹牛之外，作者還研究了色情網站（PornHub）上的關鍵字搜尋，來分析男同性戀的比例、性癖好的偏向等等。
---
不過，本書作者的書寫方式，我並不太喜歡︰不夠簡捷。可以譽之為旁徵博引；但也可以貶之為拖泥帶水、沒有重點。我個人認為，這樣的表述方式比較適合用在現場演講，吸引聽眾興趣；但若放在這種科普型的專書上——畢竟這本書不可能會讓人在一個小時內閱畢的——便會出現許多重點遺落的問題，因為許多作者的精華被他自己的插科打諢、主題跳躍給掩藏住了。
雖然作者自己很自豪於他的分析，並認為將來的社會科學家必定是「數據學家」。然而他自己也在後面幾章裡承認「關聯性」與「因果性」的區別問題。雖然他有提出所謂的「A/B 測試」，也就是藉由隨機分組設計的使用者行為測試，但這仍然比自然科學界的「可證偽（Falsification）」在嚴謹上差距太大了。
作者最後應該也曉得「大數據」的限制。因此當他描述到自己與前財政部長見面時，便承認他的大數據研究，無法打敗市場，預測股市走向。書中提及這是「維度的詛咒」。因為他們的數據太多，所以在完全隨機的情況之下，總會有某個變數「恰好」與曾經發生的事情完全「相關」。但這種「相關」，正如前一段所言，不一定是「因果」（或者說，「幾乎不可能」是因果關係）。冒然地將這種相關當因果，並以此來對未來作出推估預測，結果將非常危險。因此作者最後的收筆，只能謙卑地再回歸傳統，承認長久傳統以來所發展的各種分析方式，依然不可或缺，也就是新的「大數據」必須與各行各業菁精研發出來的傳統秘方（小數據）結合才行。
本書最後一章提到，大數據被濫用的道德問題——更明確地例子，也就是當一個人搜尋關鍵字「殺死穆斯林的方法」之後，警察是否可以衝到你家逮捕以預防犯罪。雖然這有點像是電影《關鍵報告》的科幻劇情，作者也提出許多看法。不過，這個世界的發展太快了。前不久（2018 年五月）歐盟已提出所謂的「GDPR」，也就是使用者的搜尋歷史資料，其他人不得再任意使用。換句話說，像作者這種由 Google Search 撈取特定關鍵字的交叉分析，未來幾年之後，可能愈來愈沒普遍代表意義了……
2018.6.16
沒有留言:
張貼留言