培養批判思考習慣,快速辨識數位產業界的各種吹牛

Mr. Sophie
知識沒有配上行動,就好比「鑲了金邊的狗屎」。 幫助數位產業者發掘更多看過卻從未觀察到;實踐學過卻又從未開始過的事,就是我對世界的戰鬥態度。

我是亞洲最大創投加速器 AppWorks Accelerator Batch 14 : GURU GURU GO共同創辦人Mr. Sophie。

每週一晚上九點於Gurugurugo網站,為你新鮮供應數位產業者工作所需的知識觀點。

在資訊爆炸的年代,你每天都從不同管道,接收到極多「含水量」1極高的資訊;例如某新創公司的驚人成長數據、某產業大神神奇的成功故事、某媒體的產業發展趨勢研究等等。

面對這些訊息,稍一不留神,輕則被過多訊息弄到盲目,失去專注力,重則更會導錯誤決策,帶來金錢、時間及名聲上的損失。如何避免被各種灌水訊息迷惑?以下提供筆者的一些經驗。

吹牛和謊言的差別

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,分辨並駁斥吹牛」(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,熱愛以不同的「科學數據」論證其論點,圖令大眾相信支持。

然而授課的學者卻發現一個問題:通常這類人鼓吹的,只有一小部份論點經過嚴謹推論,其餘大多是胡說八道;散播者以鬆散混亂的推論過程,配搭大量似是而非的「科學數據」迷惑受眾,令受眾直覺上感到難以反駁並選擇信服。華盛頓大學設立這門課程,並在課程中介紹多種不同的論證方法,讓學生可以更快理解推論過程常見的漏洞。

這系列的課程內容非常豐富,筆者先從中選出個人認為最具啟發意義的章節:「吹牛和說謊言的差別」,為各位讀者解惑。

要了解吹牛與謊言的差別,首先從定義著手。本課程的兩位教授,來自生物系的Carl Bergstrom和資訊學院的Jevin West,在課程中把吹牛定義為:

「吹牛」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。

「吹牛」和「謊言」有一些差異。謊言是指發言者明明知道事實是什麼,卻為了維護自己的利益而講假話;而發言者吹牛(Bullshit)的動機,是為了令受眾留下深刻印象並且難以抗拒,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。比起謊言,吹牛對真理的破壞力更為巨大。

比起謊言,吹牛對真理的破壞力更為巨大。

而在這個資訊爆炸,到處都有人吹牛的年代,我們作為數位產業者的一員,到底有什麼方法可以令自己避免被吹牛迷惑甚至受騙上當?我認為美國批判思維界的經典作品,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」,反而得出錯誤的認知及抉擇;而批判思維能令我們重新思考自己的「思考過程」。訓練批判思維最好的方法,就是學會「提問」。

如何訓練批判思考、破解吹牛?

為了方便理解,我把這本書的內容整理成以下的心智圖,圖中以黃色標示的的部份,是我認為數位產業界中最常見的吹牛手段:(1)詞語歧義、(2)推論存在謬誤及(3)統計數據存有欺騙性。

在本書中作者指出: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」;習於「海綿式思維」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。而習於「淘金式思維」的人,則傾向帶著問題意識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」,我們再來看看數位產業界三種常見的吹牛及破解方法。

破解三種常見吹牛的方法

一、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。日常生活中很多看似「理所當然」的詞語,其實往往含有多重意義;要進行有意義的討論前,都必須先確定詞語的定義與範圍,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。

在這句論述中,「人工智慧」就是歧義詞。事實上「人工智慧」的應用技術包含多種層面;大戰柯潔的Alpha Go人工智慧是屬於「類神經網路」(Neural Network)及「深度學習」(Deep Learning)技術,而這種技術發展所可能引發的失業浪潮,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,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,「人工智慧」仍然難以在短時間快速取代人類。

「淘金式思維」傾向帶著問題意識,主動思考自己新吸收的資訊是否正確。

如果你缺乏批判思維,看到上述的論點,直覺反應可能是對「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;無法客觀看待這些科技發展,你當然也很難具體思考,如何提昇自身,讓自己擁有無法取代的優勢。

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清楚的定義及論證,那他就沒有權利要求你相信他的觀點,因為他所提供的資訊就是吹牛。

二、時時對推論過程中常見的十種謬誤保持警覺

不想被別人吹牛唬住,就要先了解這些人是怎麼吹牛的。以下是十種常見的吹牛形態。

  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」,謬誤在於如果某事情發生,那麼與之相關(即使沒有因果關係)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培育科技人才,但我們怎樣發展還是不可能比矽谷厲害;所以培育科技人才的措施根本沒必要」,謬誤在於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。」謬誤在於「勞動權益獲得保障」和「抵制工廠進行自動化」並沒有關係。在此吹牛者偷換概念,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路行銷人員希望可以加薪30%,所以網路公司負責人應該立即加薪」;此處謬誤在於主觀假設很多人都在做同一件事情或相信同一件事物,所以這件事情就是對的。
  6. 訴諸假權威。例如「根據馬雲分析,高房價的推手是希望準女婿買房的岳母,與新零售改革無關」,謬誤在於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Steve Jobs的科技創業哲學,那你的創業很大機會將會失敗」,此處謬誤在於以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」,此處謬誤在於假設「年齡愈大=工作能力愈好;預算只能給予年紀大的人」,故意製造邏輯上的兩難境地,不管現實的可能性。
  9. 亂貼標籤。例如「為什麼他總是喜歡把產品做到十全十美才上線?因為他就是一個『技術咖』」,謬誤在於用「技術咖」的名詞,合理化地解釋了這個事件。
  10. 循環論證。如下例:

    甲:「iPhone是科技人的身分象徵,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是科技人的身分象徵。」

    謬誤:把論點轉換表述方式,作為論證的理由再次登場。

三、思考用以論證的數據是否存有欺騙可能

很多人吹牛時會舉出一些數據,大家永遠要記得追問這些數據資料是怎麼來的。數據是根據觀察、觀點、立場和理論而來。如果沒有理論,沒有觀察角度,數據就沒有意義。例如我今天要你記錄馬桶的數據,你也會問我:「你要記錄什麼?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,才可以開始記錄數據。

所以數據根本就不存在所謂的「客觀中立」,也就說數據產生的前提,是先要有想法。

近來數位產業界熱烈討論的「網路女皇」華爾街證劵分析師Mary Meeker所發佈的《2017年網路趨勢報告》,當中包含了不同網路產業的洞察及數據分析;而大家也因為Mary Meeker的「女皇」光環,視此報告為數位產業者必讀之選,紛紛在自己的社交網路中瘋傳。

「客觀中立」的數據,事實上並不存在。

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創投的創辦人,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Mary Meeker過去所發佈的網路趨勢報告中,還是有很多值得數位產業者參考和研究的地方;只是我想提出一個觀點:大眾總是很容易取信和震懾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年網路趨勢報告》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,鮮少提出質疑、反駁及論證補充,以協助讀者了解Mary Meeker的背景資料,並且客觀平衡其過往預測趨勢的可信度。

面對這個情況,如果我們學會「自我提問」,明白數據可能包含觀點或欺騙,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吹牛。

結語:批判思考,才能破解吹牛盲點

總結上述的內容及方法,讓我們快速回顧以上內容:

  • 吹牛與謊言的分別:前者是知道事實是什麼,卻要維護自己的利益而講假話;而吹牛者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,而吹牛對真理的破壞力比謊言更大。
  • 「海綿式思維」與「淘金式思維」:前者是指被動吸收新訊息的觀點及推理,後者則是帶著問題意識,主動思考自己新吸收的資訊是否正確。
  • 三種快速破解吹牛的方法:一、要求對方釐清論點中的「歧義詞語」; 二、時時對推論過程中常見的十種謬誤保持警覺;三、思考用以論證的數據是否存有欺騙可能。

知識需要配搭行動力,讓我們一起練習:

  1. 最近你遇過什麼吹牛者?這些人用了上述哪些方法對你吹牛?如果下次你再遇見這類吹牛時,你會選擇如何再提問?
  2. 你自己過去有沒有吹過牛?如果有,你是因為什麼利益考慮而吹牛?未來你會用什麼方法,避免自己再次吹牛?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?

  1. 中國網路創業圈用語,意指實用資訊含量甚低,就像摻水一般。


喜歡我們的文章嗎?按讚立即加入粉絲團 :)

IDEAS Night

rocketlab_banner

想到直播,除了看吃美眉吃東西或買搶拍海鮮之外,其實還有更多可能。到底什麼樣的內容適合直播?直播的商業模式又跟傳統影片有和不同?除了影像,聲音直播的魅力與痛點何在?

立即搶位



推薦您也參考

獎勵作者

歡迎您以點數獎勵作者:

關於點數的獲得與使用方式,請參閱說明