《為什麼常識不可靠》讀後筆記

『我花在廣告的錢，有一半都浪費掉了——只是我不確定是哪一半。』

約翰·沃納梅克／百貨公司之父

原文書名《Everything Is Obvious》，然而它顯然不是一本可以速讀的書。實際上，這是一位從理工轉行的社會學家的著作。本書並不討論什麼是常識、或者它為什麼不可靠，而是解釋：我們理解這個世界的方式（例如直覺），許多時候『其實反而不利我們理解這個世界』。許多讀者甚至不知道本書的封面，實際上是長這樣的：


訊息理論(Information Theory)的教科書喜歡引用底下的例子來解釋何謂訊息(information)：在一個一年當中有90%的日子是大晴天的小島上，每天固定猜測明天是晴天，即使『正確率』高達九成，這樣的天氣預報卻沒有包含任何訊息。相對於正確率，天氣預報傳達了什麼訊息才是重要的。例如：在任何有可能下雨的狀況下，指出明天可能是下雨天。即使全年當中有30%的日子給出這種預報（因此，實際下雨的日子，只有其中的三分之一），預報『正確率』只有八成（另有20%的日子預報降雨實際晴天），然而，這種預報所提供的訊息量遠高於前者。訊息理論早已能用數學方法充分解釋這個例子。這樣的例子同時意謂著，那些具有較低的發生率以及較大影響的事件，才是需要預測的對象。

然而，本書的作者指出：那些發生率極低、事發之後會造成重大衝擊的『黑天鵝事件』，最需要被預測。不幸的是，它們不僅在事前難以想像（更不用說估算發生頻率），對於事件將會造成多大規模的影響，也往往無法在事發當時正確掌握（更不用說事前估計），只能在事後以歷史的角度回顧。也就是說，我們理解這個世界的方式，比較像是在氣候溫和的地方，依照直覺、常識或經驗，預測明天是晴天，而不是在平靜之中預知洪水和地震等天災即將來臨。

此外，作者指出，高複雜度的系統，往往天生具有不可預測的本質。以美國職棒大聯盟為例：比賽的各種細節受到球迷高度關注，從每一位球員的打擊率到各個先發投手的防禦率等等，各種統計數據鉅細靡遺。棒球賭盤也發展出複雜的模型，使用上述各種統計數據當參數，來預測下一場比賽的勝敗。知道得愈多不是愈好嗎？考慮了一場比賽的先發投手防禦率，豈不能更精準地預測比賽勝敗嗎？然而統計結果顯示：複雜模型對大聯盟賽事做出的預測，和一個僅僅統計主場優勢以及兩隊之間近期輸贏所做出的簡單預測，兩者的表現幾乎沒有任何差別。

我們所在的這個世界，是由複雜系統所組成。事件的不可預測性，使得決策變得困難。作者引用麥可雷諾提出的策略矛盾概念：以Sony在Betamax與VHS規格競爭、以及MiniDisc的失敗為例，說明策略失敗的原因並不一定是策略差，而是因為好策略『事後回顧』未必正確。差勁的策略確實不具備成功的要素，然而，高明的策略，即使『願景清楚、領導果決、執行力不偏不倚』卻也可能帶來如雷轟頂的失敗。這些策略的願景是對是錯，無法事前預測，只能事後回顧，以結局論成敗。

一般人不會喜歡這種結論的。尤其是商業人士，誰在乎社會學家的嘮叨啊？他們會繼續在『大數據』當中偵側各式信號、建立消費行為的各式複雜模型。別忘了，Google Analytics提供幾百種參數，讓網頁業主了解訪客行為。這可是Google，多麼成功的企業。