【楊照談書】索爾‧珀爾馬特, 約翰‧坎貝爾, 羅伯．麥考恩《三禧思維：亂世解決問題、活得更好的科學思考工具！》第2集
28:05 Share

欢迎收听

各位听众大家好,非常欢迎收听杨赵谈书,本节目与台北广播电台分手在联谊,每个星期一到星期五晚上九点归打播出,我是杨赵。在今天的节目当中,要为大家介绍这是现学出版的新书,从英文翻译过来的,原来的英文书名是 The Millennium Thinking,副标题是 Creating Sense in a World of Nonsense。

这本书的中文翻译书名是《三喜思维》三喜指的是第三个千禧年也就是从 2000 年之后依照基督教的算法那就是人类进入到了第三个千年在这样的一个第三个千年我们也可以把它称之为 21 世纪人类所面对的是网络的资讯过剩再加上各式各样不同的在资讯上面的挫杂

我们要如何在这样的一个性的环境当中进行思维更进一步的找寻答案

这就是这本书的三位作者他们共同一起想要为我们提供指引的关键大问题大方向这三位作者其中一位是物理学家他曾经得到过诺贝尔物理学奖 Sor Per Mater 另外一位是加州大学伯克莱分校的哲学教授 John Campbell 还有

还有第三位他是斯兰佛大学的法学教授也是社会心理学家他们三位其实主要是在 2011 年他们就开始在加州大学伯克拉分校开设了一门比较特别的教思维的课程

这个课程经过了十几年显然证明了开课的方式以及课程所能够教授的内容相当的成功所以三位接下来就把他们的课程的重要的内容转变成为书而有了这样的一本书在书里面谈到了很多思维的陷阱或者是更进一步的我们如何利用思维去分辨我们怎么

正是现实认识外在的世界举个例子来说我们每一天要接受这么多的讯号可是这些讯号同时感觉上是包围在杂讯当中所以书里面作者就告诉我们某一些人的讯号很有可能是另外一个人的杂讯

因为两个人面对同一个世界他们想要侦测的面向可能不同比方说假设这样的一个情景你正在看电视播影的电影其间发生了事件是电影里面一块砖头炸破的窗户落在主角所在的房间发出巨大的声响

第二件事,电影里浓烫一般的大雾,让主角难以穿越荒凉的森林。第三件,电影被紧急功课打断,警告你,野火快烧到,戏院来了。第四件,在电影里,主角发表激昂的政治演说,提出一个有关民主制度的重要观点。

从观影体验来说哪个是杂讯你可能会选 B 因为大物对主角是干扰但身为观众大物却不是杂讯主角在物理寸步难行其实是重要讯息对观众而言这大物是讯号是情节的一部分因此我们应该选 C

对观众来说仅靠野火靠近是恼人的提醒也是不必要的干扰因此对你身为观众显然是杂讯只不过如果你是想要活到明天的人这个公告或许就不能当作是杂讯了

就电影主角而言这四件事哪些是杂讯我们可以忽略 C 因为主角听不到这电视上所播放的公告但这个时候大物就真的是杂讯了对主角来说讯号是穿越森林的小径浓雾则是妨碍他找到小径的干扰那至于 A 那块扎破窗户的砖头

会不会也是杂讯呢对主角来说砖头扎窗这显然很大声但他吵归吵却不是杂讯

如果杂讯必须是干扰砖头炸窗子就不是杂讯因为我们不得不这样假定就电影本身而言某一个人扔砖头去砸破窗子对主角很重要是情节的一部分但是为了要让主角知道他应该知道的事对想要出门散步但主人正在看电影的狗来说

这四件事哪些是杂讯我们应该要选以上揭示因为狗对这四件事都没有兴趣它就只是想要去散步对狗来说电影里发生的事和荧幕上的警告都只是背景杂讯只会干扰最重要的讯息那就是狗它盯着主人传达我想要散步的那可怜的眼神

这让我们回头访问一件事从 A 到 D 这四件事是不是都有可能是讯号你可能说不是因为事件 B 浓雾感觉不论何种情景都是杂讯但假设你订了机票大雾就会是班级可能延误的讯号这些问题告诉我们什么是讯号什么是杂讯并不总是一目了然你要搞清楚自己想要知道什么

某一个情境底下什么算寻好什么算杂讯因此许多时候你不反问自己几个问题

这里头有讯号吗?有杂讯吗?我们要把清楚区分讯号跟杂讯会不会搞混呢?一旦开始思考现实世界的议题,例如气候变迁和全球暖化这些问题就变得很重要例如我们收集 1850 年到 2000 年全球地表年均温测量值

你很想要知道这样的一份资料当中有没有温度升高的讯息你可能还想要知道暖化讯号出现的时间点是不是跟人类开始大量排放二氧化碳到空气当中的时间点是相近的

可是当你解释图表首先会发现其实杂讯很多因为测量值每年每十年都起伏很大你得够了解杂讯也就是这些看似随机起伏的温度变化的成因才有办法诠释这样的资料并且抓住讯号

当你见到温度小幅上扬例如 20 年上升摄氏四分之一度左右这是气候变迁的讯号吗还是这只是这类系统常见的随机问面我们如果把观察器拉得更长

情况就变得更加扑朔迷离如果我们把从西元前 400 年到现在的每 20 年均温变化图摆出来你就会发现原来的那样的资料只是一长串温度起伏当中其中的一段如果我们把最近几年标进到这个资料当中全球暖化的讯息就明显高于杂讯了

此外,针对晚进,全球平均温度上升的研究显示过去一世纪以来温度上升绝大多数是由人类活动所引发关于这一点,证据主要来自于辨识途中的杂讯来源例如有许多气温短期回复下降和火山爆发有关因为火山爆发将气体送进到大气层

反射日光造成地球降温此外也有迹象显示杂讯不只代表陆地气温量测的品质不佳届时还反映了真实的情况因为其余的气温短期波动都和北大西洋海面温度起伏一致

修正这两个短期杂讯之后剩下的气温变化趋势那我们就看出来缓慢上升而且和空气当中的二氧化碳浓度的增加趋势基本上是一致的这就是我们担心会见到的讯号因为二氧化碳浓度变化主要是人类所造成的这个精彩的例子就清楚说明了如何区别讯号

那就是气温上升趋势和二氧化碳浓度上升趋势是有关的以及杂讯那就是气温短期起伏和火山活动还有海洋温度相关这部分这对我们去理解事情状况有很多的关键只要退一步的纵观全局有的时候我们就能够救出干扰讯号的随机杂讯来源

就像鸡尾酒会效应我们也得上能够辨别谁在讲话害我们很难听见朋友在说什么但也像鸡尾酒会的场合那样揪出杂讯来源有的时候并不值得因为我们有其他的增强讯号抑制杂讯的方法例如说跟你的朋友改到比较安静的角落去说话

不过就气候变轻而言还有一个造出杂讯来源的理由那就是我们希望将地球气温控制在过去 100 年来的范围内因为地球多了几十亿人口气温大幅变化影响重大但不知道哪些变数例如说二氧化碳是关键哪些纯属杂讯长期下来不会有影响我们就很难控制气温

一旦开始思考如果在杂讯里抓住讯号就会发现这个问题不只发生在机会酒会日常生活也无所不在例如说如果你读一所预言的狼来了给女儿听就会发现这是一个小男孩因为自嘲的杂讯以至于发出警告讯号也没有人愿意理可以去理的故事

又例如说非常有名的 Huey's Valley 这样的图你拿给女儿看就会觉得插画家真聪明竟然创造出一套图像模式这些就是很多的杂讯

让人乍看就跟原来我们要找的主角威力本人事实上是混杂在一起威力本人就是我们要寻找的讯号所以你看新闻也就不会在那么苛责 911 事件前负责侦测恐怖分子威胁但没有看出讯号那就是一群可疑分子学开飞机但没有兴趣学着陆他们

因为提醒全球各地可疑行为的报告实在太多了这些对他们来说就构成了杂讯珍珠港事件前的警告讯号也没有被注意背后也有类似的情况甚至有少数时候当我们想要忽略讯号的时候杂讯变成了好朋友最明显的第一次就是 Why Noise 为什么称之为叫做 Noise

因为当我们想睡觉的时候它能够防止我们去注意隔壁房间正在进行的有趣但扰然安眠的谈话科学家对于人为何会抓痒所提出来的一个解释更是杂讯也有意外好处的例子我们可能是用抓痒所带来的感觉这就是杂讯来掩盖蚊子叮咬所带来的骚痒那就是讯号

所以讯号跟查讯之间其实是非常复杂的关系而我们学会了对的 Dominion Thinking 用这种三思思维我们可以更细致的来看待来寻找来捕捉我们真正要的讯号我们休息会儿等我回来继续聊在你的声音里的月光

打夢照亮親吻他心髮哈囉大家好我是于太嫣聽見台北的聲音就在台北廣播電台 FM93.1 AM1134 心裡的月光照親手捕他身忙若有一天能重

让幸福洒满整个夜晚

每个星期一到星期五晚上九点,为大家播出到九点半今天为大家介绍的这是现届出版的新书中文书名叫做《三喜思维》这是一位物理学家、一位哲学家和一位社会心理学家三位一起和写的一本书来告诉我们在 The Millennium 也就是当前我们所处的第三个千年纪当中

面对这么混杂的资讯状态我们应该如何好好的思考

如何找到对的思考方式在书里面运用了很多具体的例子让这本书在谈思维的时候我们比较容易可以领略这三位专家他们到底在讲什么我们来看什么样的例子假设你去看医生医生建议你为了健康最好减重三公斤听完了这个建议之后你就出差去了你到一间旅馆你都会量

量体重而且每次使用的体重计都不一样所以第一次量完你都对自己说这很有趣看来我比我以为的轻了 1.5 公斤不过说不定是体重计不准接着你去了另一个城市用了另外的一个体重计结果你看这个体重计说我比我以为的重 1 公斤

你开始怀疑旅馆懒得校正体重计出差那一整个月你待了很多旅馆用了很多不一样的体重计你心里就想这样吧把量到的所有的数字平均可能就是你实际的体重因为在你看来所有这些体重计都偏高或偏低的可能性非常小回到家里之后你用家里的体重计来量体重

但你不知道家里的体重计有骗物量出的体重永远比实际轻 2.5 公斤你起先以为可能是初餐瘦了但每天量体重一个月之后量出的体重还是比初餐的时候量的平均值轻 2.5 公斤事实上你量多少次都没差你永远都会很开心自己一直保持瘦了 2.5 公斤

当然这就是科学家不断想要找到方法来辨别的情况你想要知道自己持续取得的好结果是不是偏离了实际状况

科学家就是用这种方式来区分两种不确定并且给它们不一样的名称一种是统计不确定是指造成量测值不规则分布在正确值上下的杂讯来源就像是不同旅观里的体重级量处的数字差异当杂讯只是来自于统计不确定只要平均数有量测值就一定能够接近正确值

但还有另外一种称之为系统不确定是指造成量测词永远偏向一边不是偏高就是偏低这样的杂讯来源就像刚刚的例子里你家不准的体重计量出来的数字永远都偏低

当杂讯只来自系统不确定那就不管你量测多少次都没有用就算取平均值也仍然只会得到偏误的结果不会接近正确值

关于这两种不确定有趣的地方是一旦你明白两者的区别就知道必须采取不同的策略分别处理才能够获得好的测量值假如你每次重量结果都不规则变动你就需要再量非常多次好将统计不确定给平均掉

或者找一个手更稳的人来帮你量以便得出更一致的结果当你觉得问题是出在系统不确定这就比较麻烦了因此科学家的焦点主要是摆在如何处理系统不确定的方法上面对可能存在的系统不确定你大可以发挥创意因为你要做的第一件事是想象测量值固定偏向某一边的可能原因

这个卷尺是被拉长或缩水了所以不管怎么量数字都会偏高或者是偏低一般人挑选体重计是不是有意无意会选择量出来数字偏低的以至你到朋友家里用的体重计都是如此你要做的第二件事是检验这个系统偏误甚至抑制偏误对于量测的影响

例如你能找到其他比较可靠的卷尺或者是体重计比较量出来的身高跟体重吗?或者就算你无法确定系统变物是否存在还是可以用某种方法来进行量测而不受量测工具偏误的影响吗?第二种做法听起来很违反直觉偏误怎么可能不会影响所以最好我们再用一个例子来解释

假设 Sara 她要参加 1600 公尺赛跑总共要绕跑道四圈教练要测量她第三圈的速度所以 Sara 她每一回通过第三圈起跑线之后教练就会按下码表按钮计时等到她再次经过起跑线准备要跑第四圈的时候就按停码表

检视码表记下的数字的时候我们首先要考虑统计不确定出现了几种可能例如 Sara 可能不是每一回第三圈都跑得一样快或者教练可能不是每一次都在同一个瞬间按下码表有的时候可能快一点有的时候可能慢一点遇到这类情况只要将每一次训练测得的数字

平均就可以来解决其实通常只要将量测值加于平均就能够减少统计不确定但要是教练对 Sara 通过气泡线的反应总是慢慢排码表总是晚按了一点呢这听来显然像是系统变物的来源因为就算多测几次也没办法借由平均值去掉反应太慢的影响

不过你可能已经察觉到了根据前面的描述教练按码表太慢会影响计时两次开始跟结束计时各一次因此只要教练开始跟结束计时往按码表的反应相同两者就会互相抵消不会造成两侧直偏误这例子听起来可能有点假感觉好像只是运气好

但这种有创意的解决方式正就是科学家面对脑仁的系统不确定的时候所想找到的方法那一套实验当中受试者会被随机分派到服用药物组和不服用药物的对照组这就是其中的一种做法因为只要比较两组的结构就能够去除可能造成结果偏误的系统不确定来源

在书里面另外提到了一个很有意思的费米退估这个概念源自于知名的物理学家费米因为他老是拿需要迅速做退估的问题来考学生

费米退沽这个名称不是他自己取的但从他之后的每一代物理学家都遇到过这种需要迅速做退沽的费米问题费米问过了一个著名的问题是芝加哥这座城市有多少调婴石费米退沽很好用他帮我们区分一阶和二阶解释

而在这个靠数字说话的世界里费米退估一样非常好用可以帮助我们检查数字有没有道理不过费米或许也希望学生能够从这种迅速退估法学到势在人为的精神一旦明白可以用这种方法来掌握世界我们顿时就会感觉到我们能力大增使用费米退估的例子像是你要退估美国有多少辆汽车但你没办法

上网就只能够运用脑中现有的知识首先你要思考有哪些可能比较容易的退估可以用来帮助你退估美国到底有多少辆汽车你可能想到几个但很快排除掉了因为他们没有比较容易例如美国的道路总长和每公里的汽车数或者是美国的城市总数和每座城市有多少辆汽车

但你接着就可能想到推广美国有多少人口以及持有汽车的人口比例因为许多人都对美国人口有点概念而身边亲朋好友拥有汽车的比例可以帮助你推广平均每个人拥有几辆汽车

你可能记得美国人口刚突破 3 亿大关所以你可以使用 3 亿这个数字也可以用高一点的数字因为加上了后来的人口成长就让我们假设美国人口是 3.3 亿吧假设每个美国人都拥有一辆汽车那总数是 3.3 亿辆

但在美国不是人人有车,孩童没有车许多年长者是共有一辆车另外一方面,有些人拥有不止一辆车不少家庭更是几乎有多少人就有多少辆车因此汽车总数可能只有美国人口的一半左右换句话说,就是 1 亿 6500 万辆实际数字可能差了几百万或几千万

但我们很有信心这个推估值是正确的这就是逼近的意思我们追求的不是完全准确的数字因为以手边的资讯不可能做到这一点当你不晓得该如何推估数字不妨先确定上下线譬如你可能不晓得美国人口多少但对上下线算是有概念你可以先从概略值开始推估

例如美国人口肯定超过 10 万那要超过 100 万吗假如这应该是下限那就开始考虑上限美国人口有可能超过 10 亿吗不会听起来有点过头了那你就可以推测美国人口在 100 万到 10 亿之间

通常你只需要做到这里就够了因为就可以很有自信的反驳那些幼儿式的标题什么为某一个受害者发起每个人捐一元的行动结果让那个人变成了 billionairebillionaire 要有十亿美金要有十亿人每个人一人捐一块钱了

举一个可能同时要用到上下线的例子,假设你想知道去年美国人替自己家的车子加油一共花了多少钱。你可以问自己,你觉得一定会超过一千万美金吗?还是一亿美金?还是十亿美金?你有把握不会高于实际数值的最高值是多少?这个值就是下限。

接着换一个方向,考虑上限是多少?你觉得一定少于 100 兆美元吗?对那么一定少于 10 兆美元吗?对那一定少于 1 兆美元吗?嗯,有可能一旦确定了下限是 10 亿美元,上限是 1 兆美元可能就不用再往下分析了因为很明显,这个金额应该占去美国全联进口额的不小比例

因此可能会出事我们愿意继续深究而在这样的例子里这就是费米退估的三项重点第一个是从熟悉的开始退估将不熟悉又难取得的数字拆成熟悉好取得的数字再下来是逼近就好退估本来就是逼近制但重点是提醒自己一般而言够近就行了

而第三点那就是没有把握的时候来先抓上下线用这种方式我们在面对很多事物的时候虽然我们不能够得到确确的答案但我们是可以借由费米退估能够排除很多看起来其实就是不可信也不应该被接受的这些讯号正确的把这些当做杂讯

排除在外而排除杂讯找到讯号也就是这三位作者当他们在谈什么叫做善习思维的时候关键其中的一个重点

在这样的一个非常混乱的资讯环境当中我们要解决问题来自于我们要活得更好这三位作者提醒大家你会需要一套科学思考工具而这本书就是这三位专家他们所打造出来的关于科学思考工具的种种引导和种种提醒感谢你的收听下礼拜一同一时间我们再会