周年慶加碼
目前位置: > > > >
TOO BIG TO KNOW:網路思想先驅溫柏格重新定義知識的意義與力量
left
right
  • 庫存 > 10
  • 放入購物車放入購物車
    直接結帳直接結帳
  • 放入下次購買清單放入下次購買清單
  • TOO BIG TO KNOW:網路思想先驅溫柏格重新定義知識的意義與力量

  • 作者:溫柏格
  • 出版社:貓頭鷹出版社
  • 出版日期:2014-04-07
  • 定價:380元
  • 優惠價:79折 300元
  • 書虫VIP價:300元 (成為VIP?)
  • 書虫VIP紅利價:285元
  • 購買電子書,由此去!
本書適用活動
周年慶\年度TOP 3本75折,好書讓你10連勝

內容簡介

◆資深出版人陳穎青專文導讀 ◆Amazon讀者四星好評 ◆世界技術獎(媒體與新聞類)2012年度好書 ◆全球最大商業書摘網站getAbstract國際圖書獎2012年度好書 ◆《破繭而出》共同作者 現在,重新定義知識的時刻到了! 當知識離開了紙張,知識究竟如何演變?我們又該如何運用? 數位革命改變了人類文明,知識的結構也已徹底改變。 過去,知識經過編輯過濾,裁切成有限的內容收錄進書本中,被刪除的內容並不會被看見;如今,知識離開了紙張,不再有界限,也沒有根基。知識已經「網路化」了。 網路思想先驅溫柏格於書中清楚說明,在商業、科學、教育和政府領域裡,網路化的知識究竟如何影響我們的思考與決策。 白宮一反過往不公開政府資料的方式,將所有非機密文件放在Data.gov供大眾存取;美國溢油防治研究所透過網路找來根本不是石油專家的人,卻運用他對水泥的了解,成功解決了溢油問題;學術期刊《自然》自行創立網站,刊登的論文再也不受頁數限制。這些事之所以能發生,完全有賴網路的特性。 網路化的知識不僅開放而且多元,使得我們獲取知識的方式與以往完全不同。這本書撼動了我們對「知識」的基本概念,讓人看見在一切交相互聯、大到無法掌握的世界裡,擺脫了紙本並自由延伸的網路化知識,如何讓我們更接近知識的真相。 【各界一致好評】 ◎何飛鵬(城邦媒體集團首席執行長) ◎李明哲(世新大學新聞學系副教授) ◎李怡志(Yahoo!奇摩媒體整合服務總監) ◎林之晨(AppWorks 之初創投合夥人) ◎南方朔(知名作家、評論家) ◎施典志(Yahoo!奇摩亞太區客戶服務營運管理部社群經理) ◎陳順孝(輔仁大學新聞傳播系副教授、輔大傳播創新研究中心主任) ◎陳穎青(資深出版人,著有《老貓學出版》等書) ◎黃哲斌(新聞工作者) ◎鄭國威(PanSci泛科學總編輯) ◎戴季全(TechOrange流線傳媒創辦人) 「一本分析網路時代『知識權威』如何建立的第一手觀察思考報導。當知識的『權威性』已被網路時代重新改造之時,如何來審思『知識』與我們之間的關係?清算『以往知識』的時代來臨了嗎?我想起了啟蒙時代,法國百科全書派對知識重新定義的野心!」 ——李明哲(世新大學新聞學系副教授) 「本書輕鬆地說明了一個非常重要的概念:知識已經不再被紙本書籍的形式所限制與保存,網路與連結才是知識無窮盡的聖殿。看完這本書你可能不會變聰明,但你一定會知道如何讓你每天使用的網際網路變得更聰明。」 ——李怡志(Yahoo!奇摩媒體整合服務總監) 「網路的出現,特別是近年來社群網站的流行,讓各種真偽難辨的訊息四處流散,也讓我們不得不思考知識的傳統定義是否仍然有效。所幸我們看到網路上仍有許多人透過各種方式試圖幫助網友過濾訊息,各種各樣的實驗手段轉化成一個又一個的創新與商機。這也是身為網路從業人員最令人興奮之處。」 ——施典志(Yahoo!奇摩亞太區客戶服務營運管理部社群經理) 「當知識網路化,變得豐饒、開放、相互連結,我們對『知識是什麼』、『知識如何運作』的既存看法就受到強烈挑戰;如何面對挑戰、建立知識的新架構,是網路時代知識工作者的關鍵課題。這本書引領我們發掘問題、剖析現象、釐清脈絡、思考對策。」 ——陳順孝(輔仁大學新聞傳播系副教授、輔大傳播創新研究中心主任) 「網路時代的資訊超載,圖書館員、新聞記者、百科全書編輯首當其衝,當資訊中間人消逝,未來的知識體系會更混亂,或更繽紛,本書提供充滿原創洞見的想像,閱讀全書,本身就是一場知識性的歷險。」 ——黃哲斌(新聞工作者) 「九年前開始寫部落格時,溫柏格跟他的部落格《Joho the Blog》就已經是我學習網路思維的寶庫。很高興能看見他的最新著作中文版,這本書跟多位網路哲學與思想家對話,包括樂觀派的薛基(Clay Shirky)與悲觀派的卡爾(Nicholas Carr)、巴拉瑞(Eli Pariser),如果都能先看過他們的著作,對於了解本書將更有助益。」 ——鄭國威(PanSci泛科學總編輯) 「幾乎所有人都知道知識就是力量,卻鮮少人留意這個力量重新分配的原因和結果。所有的革命,都源自於此。」 ──戴季全(TechOrange 流線傳媒創辦人) 「一部令人驚豔,淵博有深度的著作,講述的是在網際網路的時代裡,『知識』這個概念如何改變。我沒辦法把這本書放下來。它是一部真正的力作,書寫方式亦十足有趣。」 ——布朗(電腦工程與數位文化科學家,合著有《資訊的社群生命》與《學習新文化》) 「溫柏格以這本洞察深刻的書,奠定了他身為數位時代裡主要思想家的地位。如果你想知道活在充斥著資訊的世界裡代表什麼意義,這就是你一直尋找的導覽。」 ——品克(著有《動機,單純的力量》與《未來在等待的人才》) 「溫柏格用精采絕倫的方式,將資訊過載、回聲室、群眾的智慧等多種爭論,綜合成一個探討網路化知識時代裡,生命與工作的遠景。」 ——薛基(著有《鄉民都來了》與《下班時間扭轉未來》) 「在網際網路領軍之下,知識現在變得社群化、行動化和公開化。溫柏格讓我們看到如何從中解密出好處來。」 ——貝尼奧夫(salesforce.com董事長兼執行長,著有暢銷書《我如何在雲端創業》) 這本書讀起來讓人深受啟發,對那些早已深信改變世界的知識正活躍著,而且既親切又廣為連結的網路化領袖人物來說,更是如此。溫柏格編織出為大眾利益設計網路的遠景,一面警告我們未來潛藏的危機,同時也舉出極佳的範例,讓我們看到這個遠景實際運作是什麼樣貌。」 ——柏格斯(CompanyCommand.com共同創辦人) 「對宣告資訊過載為末日降臨的文獻來說,這是一本清新解藥。溫柏格勾勒出一個大膽的網際網路組織策略,這個策略具包容性而非排他性、會創造出更有用的資訊、利用各種互聯的科技,也促成機構層級的參與。最後的結果是一個『既是共有地,又是荒原地』的網路,在這樣的網路裡,最刺激的就是互聯的人類可以實現無限種可能性。」 ——費里洛(美國檔案保管員)

目錄


前 言 知識的危機:當知識的媒介從紙本轉入數位

第一章 知識過載
早在十七世紀,已有人抱怨我們現在稱為「資訊過載」的現象。長期以來,我們使用刪去法,將過載資訊過濾出需要的知識;而今,在網際網路的時代,過濾的策略不再是刪除,而是將所需資訊過濾到最前面。

第二章 喪失邊界的知識體系
為了應付過載的知識,我們為知識設立了由各種停駐點組成的體系。然而,如同近年來,美國聯邦政府在歐巴馬的指示下,將行政機關所有非機密資料公開;這樣把大量事實公開、供人自由使用,便是拆了停駐點上的釘子,使得知識的根基不再像以前那樣不可動搖,也不再有界限。

第三章 知識的整體正在流逝
即便我們保有事實,保有專家,保有一切東西,但知識的整體卻正在流逝。當老舊知識媒介的限制逐漸褪去,知識在網際網路裡到底會變成什麼樣子?

第四章 專業知識在雲端

戴維斯是水泥專家,溢油防治技術研究所卻在網路上找到了他,成功解決了石油專家都解決不了的溢油抽取問題。透過網際網路的特性,專業知識發揮了更大的效益,專家所形成的網路遠比專業意見的總和更聰明。

第五章 網路的多元與回聲
在聲音多元的網際網路裡,意見相同的人容易聚集在一起,形成回聲室。美國憲法學者桑斯坦指出,網際網路將創造出更多回聲室,使得「群體極端化」並破壞民主,人民更難取得共識。然而,實際情況正好相反。

第六章 長篇的形式vs.網路的形式
書籍是一種非連線、非對話式的單向媒介,將思想固定在紙張上,使思想論證必須以長篇形式呈現;網路化知識則沒有形狀與固定形式,論證能以自然的長度呈現,主題隨時能交錯連結,這樣「糾混」的網路也許更能準確反映這個世界。

第七章 太多科學了
十七世紀,培根將「知識」定義為建立於事實之上的理論;二十一世紀,網際網路正以相同的幅度重新定義科學知識。網路化的科學巨大到無法讓人知曉全貌、永遠針鋒相對,而且沒有定論,如此反而更接近科學家看待科學的方式。

第八章 聰明的網路式決策
當採用舊時階級式決策方式的企業愈來愈無法與網際網路切割之時,就算決策者本身沒有清楚意識到,其決策方式也會開始具有網路的特性。網路化知識遠遠超越單一人能掌握的範圍,若要做出最有智慧的決定,必須利用網路的力量。

第九章 建立知識的新架構
儘管身處知識的危機中,但網際網路降低了阻礙,改變了知識的根本架構,也改變了我們面對世界的方式。網路化的知識,讓我們更接近知識的真相。

內文試閱


第七章 太多科學了


  二〇一〇年六月,美國全國公共廣播電台的《早報》節目播了一則新聞,跟媒體喜歡報導的典型科學新聞沒什麼兩樣:有個科學研究發現,老鼠喝了大量咖啡之後,牠們的小小腦袋就比較不會發生阿茲海默症。太讚了!那再喝一杯吧,因為這對你有好處!
  事實上,你還是把你的杯子放下來比較好。雖然聽眾一開始會以為咖啡會預防阿茲海默症,這則新聞大部分的時間卻用來打破這個想法(這是好事)。咖啡用在老鼠身上可以預防阿茲海默症!也許吧!其他人體相關的研究有爭議,可是沒有定論!還有其他因素!我們根本不知道!這則廣播新聞提到的老鼠研究,其實並不重要!
  也許正因為全國公共廣播電台有意識到這個問題,下一則新聞講的是另一個小型、類科學的研究怎麼被膨風,成為一個文化現象。一九九三年春天,一位叫饒舍的心理學家對三十六位大學生播放一首十分鐘的莫札特鋼琴奏鳴曲,之後再測驗這些學生的空間推理能力。饒舍還要學生在經歷無聲的十分鐘後接受一次測驗,另一群學生則是在聽了一個聲音單調的人講話十分鐘後受測。饒舍寫道,這個實驗的結果看起來非常明確:「聽了莫札特奏鳴曲的學生,空間推理能力測驗的分數明顯較高。」
  全國公共廣播電台的報導追溯了整個現象,如何從一個樣本數稀少又非隨機選取的小型實驗,轉變成一個「給嬰兒的莫札特」的小型CD產業,以及美國喬治亞州免費贈送莫札特錄音給該州所有新生兒的現象。饒舍甚至還收到死亡威脅,因為她的論文裡指出,她沒有從搖滾樂裡觀察出同樣的益處。
  全國公共廣播電台的報導將這種膨風現象歸因到美國人對自我改善的信念,以及因為我們會殷切關心自己的小孩。這樣說也對。不過,這種說法沒提到整個事件最根本的因素:饒舍在還不知道她的論文會被刊出的時候,就收到美聯社的詢問電話了。美聯社的報導一發布,「莫札特效應」就處處可見了。饒舍接受全國公共廣播電台的訪問時說:「比方說,我們上了知名主播布羅克的晚間新聞。有人跑到我們家裡來,要進行現場直播。我還得雇用一個人,專門幫忙處理我接到的一大堆電話。」所有的新聞標題,大都跟「莫札特會讓你變聰明」大同小異。一小塊的資料,於是釀成遠遠超出原先所料的結果。
  這很明顯不是科學應該有的運作方式;不過,科學放在現實世界裡,就會這樣子運作。全國公共電台有些聽眾至今一定會每天多喝一杯咖啡,只因為某一項實驗有了出乎意料的結果。數千名嬰兒在長大的時候一定聽了噁心做作的新世紀版本莫札特,只因一群在統計學上不顯著又沒有代表性的大學學生,在沒有良好對照的情況之下,進行一項非常狹隘的工作時得到稍微好一點點的成績。我們的文化太常用這種方式來吸收科學知識。
  當然,科學本身不是這樣子運作的。科學方法讓我們可以透過有良好對照、可以重複的實驗,區隔出特定效果背後的因素,進而驗證各種假說。世界各地的實驗室和工作室裡每日例行的工作,絕大多數都是這樣子進行的。就算非實驗性質、比較偏重理論或觀察的科學學門(像是演化生物學),科學工作依然相當仔細和保守,以很有耐心的方式將各種事實串聯在一起,成為可以解釋這些事實的理論。
  這樣的策略固然很好,可是在一些非常重要的領域裡,這種策略無法放大。現今的資料量,遠遠超出達爾文的想像。舉例來說,美國兩位開國元老,傑佛遜和華盛頓,都有記錄每日的天氣,但他們不會記錄每小時(甚至是每分鐘)的天氣。這不只是因為他們有更重要的事情要做,也是因為這樣的資料似乎沒什麼用處。就算電報機的發明讓氣象資料可以集中處理,在一八四九年時,從史密森學會收到觀察儀器的一百五十名志願人士,每天依然只會回報一次氣象資料。如今,我們有無法計量又不會間斷的氣候資料,不斷從繞行地球的衛星、浮在海裡的浮標,以及雨林裡具備無線網路連線的感應器裡流動回來。我們會測量氣溫、降雨量、風速、二氧化碳濃度與太陽風的脈動。一旦我們有辦法記錄這些資料,用電腦處理這些資料,並將資料洪流和資料處理器用網路連結起來後,這一切的資料(還有比這還要多的資料)就值得我們加以記錄。
  雖然如此,從整個文化層面來說,我們沒辦法應付某個春日在某間教室裡用三十六名大學生做的實驗。既然如此,我們又怎麼能理解那些大到無法知曉全貌的科學議題呢?簡答是:改變「以科學方式認知事情」所代表的含義。
  這不會是我們第一次改變這個定義。舉例來說,當培根認為與世界有關的知識,必須建立在與世界有關、經過仔細驗證的事實之上時,他不只是讓世界有個全新的方式來留藏舊式的知識;他其實是將「知識」重新定義為建立於事實之上的理論。網際網路的時代,正以相同的幅度重新定義科學知識。從這本書目前為止所討論的事情中,我們應該可以假設科學知識開始具備新的媒介所擁有的特性,使得科學知識變得跟它所屬的網路一樣:(一)龐大;(二)不再那麼階級化;(三)更加持續公開;(四)較少經由中央過濾;(五)更能容納差異;(六)超連結化。
  以下我們就來看看這些影響科學的結果,以檢視一門殷切關注真理的學科如何被知識的網路化所影響。

一、大到沒辦法再用理論
  一九六三年時,美國馬約診所的佛舍醫生在威望甚高的《科學》期刊上,發表了一封現在相當著名的信,抱怨科學家製造出太多的事實。這封信的標題是「磚場裡的混亂」,信中指出新一代的科學家拚命生產「磚塊」(也就是事實),卻不管這些磚塊要怎麼拼湊在一起。佛舍擔心,生產磚塊本身就已經成為一個目的。「於是,世界被磚塊淹沒了……找出適合某項工作的磚塊變成一件難事,因為必須從太多的磚塊裡尋找出來……完成一個有用的建築變成一件難事,因為當地基清晰可辨,馬上就會被埋在一大堆隨機生產出來的磚塊下。」
  如果一九六三年的科學就已經像是一個混亂的磚場,那麼佛舍要是看到GBIF.org上的全球生物多樣性資訊機構,肯定會癱在地上號啕大哭。過去幾年來,全球生物多樣性資訊機構網羅了數以千計的事實磚塊收藏,從波蘭國家公共衛生研究院的細菌,到南極洲韋斯特福爾山脈的威德爾海豹,都有數量分布統計。GBIF.org的設計模式,正好就像佛舍所痛批的磚場——只是呈現資訊,沒有任何假設、理論或架構;只不過它比佛舍所想像的還要大上好幾倍,因為這位可憐的醫生不可能想到磚場用網路連結起來後會是什麼樣子。
  事實上,以事實為根據的網路化磚場是一個蓬勃發展的產業。舉例來說,「蛋白質體共享空間」網站上,有跟各種生物相關的蛋白質資訊。蛋白質體共享空間是一位研究生的一項獨立計畫,網站上分享了將近一千三百萬個檔案,總容量達十二.六TB之多。這些資料來自世界各地的科學家,並免費提供給任何人使用。另外,「史隆數位巡天」(該網站有個自命不凡的口號,是「替宇宙描繪地圖」)從分布於世界各地的二十五個機構裡蒐集天空地圖,並將之公開發布。耗時八年、於二〇〇八年完成的第一次調查,總共公布了兩億三千萬個天體的資訊,當中包括九十三萬個星系;由於每個星系又包含好幾百萬顆星星,這個磚場有一天可能會大到我們數不出來的規模。這些新興的資料磚場之中,最有名的是「人類基因體計畫」。該計畫在二〇〇一年完成人類完整的「基因藍圖」草圖,不過光就數量而言,它已經被「國際核苷酸序列資料庫合作計畫」超越了;這個計畫截至二〇〇九年五月為止,已經收集了兩千五百億筆基因資料。
  科學資料目前已經多到讓「磚塊」這個譬喻看起來過時兩百年了,這背後有三個基本的原因。
  首先,刪掉東西的經濟學已經變了。我們以前用可悲的老舊底片相機照的照片,就算是成本比現今的數位相片高上許多,絕大多數還是會丟掉,因為相冊很貴又占用空間,而且我們還要花費不少時間來決定要保留哪些相片。現在,與其瀏覽一張又一張的照片,把全部的照片丟到硬碟裡(或某個網站上),可能都不會那麼耗費成本。
  這就是為什麼美國政府制定政策讓Data.gov網站在幾個月之後成立時,網站的管理人員沒有先仔細檢查所有資料,就直接讓這些資料上線。他們也沒有要求各個政府機關制定政策,用嚴格的標準來詮釋這些資料。他們所做的,只是把所有的資料丟到網站上而已。如果管理人員非要審閱資料,把所有不可靠或他們認為沒價值的東西丟掉不可,那麼Data.gov就會變成讓每個政府團隊不斷踼皮球,永遠都不可能完工的計畫了。
  第二,分享的經濟學已經變了。美國國會圖書館的儲藏室裡有好幾千萬項收藏,因為物理的法則讓展示和保存實體物件困難重重(更別說分享這些實體物件了)。網際網路讓我們更容易分享自己數位儲藏室裡的東西。當資料量大到連網際網路都不好處理時,有些獨具創意的人會因此發明出新的分享方式。舉例來說,蛋白質體共享空間所使用的Tranche系統,就創造了專屬的技術協定,讓動輒以TB計的資料可以透過網際網路分享,而且不會只有一個資料來源負責輸出所有的資訊;分享的過程本身就已經分攤到整個網路上面。新的「鍵連資料」格式,也讓我們更容易將資料分裝成許多小碎塊,並讓這些小碎塊可以被人發現和重新利用。透過網際網路存取和分享資料的能力,更會加強新的「刪東西經濟學」;本來不值得收藏的資料,現在具有新的潛在價值,因為其他人可以找到和分享這些資料。
  第三,電腦的聰明度已經大幅躍進。創用CC科學副執行長(以前叫作「科學共享空間」,下文會再提到)威班克斯說:「以前要畫出一個基因的圖譜,要花上一年的時間。現在,一個人用自己的桌上型電腦,一天就可以畫三萬個圖譜了。一個兩千美元的微陣列儀器,就能讓人看到人類基因體隨著時間變化的反應。」第一位罹患H1N1「豬流感」的病人確診之後沒幾天,一千六百九十九個鹼基組成的H1序列就已經分析完成,並上傳到全球的資料庫了。即使是個人桌上型電腦都具有相當強大的處理能力,這讓大家儲存和分享的資料具有更高的潛在價值。
  磚場的規模現在已經變得跟整個銀河一樣大了,可是佛舍還會聽到更多的壞消息。問題不光只是磚頭式的事實太多、蓋大樓用的理論太少而已,而是銀河般的資料創造出來後,讓科學有時候太豐富、太複雜,沒辦法簡化為理論。由於科學已經大到我們無法知曉全貌,我們對於「知曉全貌」一事也有了不同的想法。
  舉例來說,任何生物的生物系統都複雜得超乎想像。就算是細胞,這個生命最基本的元素,本身也是一個系統。一個稱為「系統生物學」的新興學門,研究的就是外在刺激如何透過細胞膜傳送「訊號」。有些刺激會造成相對簡單的回應,但又有些刺激會造成一連串的反應。若要理解這些訊號,不能把它們各自分開來看。就算只是一個細胞,整體的反應都超出用這些細胞組成的人類所能理解的範圍。二〇〇二年時,北野宏明在《科學》期刊上發表一篇系統生物學的專題報導(這也代表這個新興領域的重要性受到公認)。他寫道:「這個領域現在之所以讓人再次加以重視,主要是因為分子生物學的進展……讓我們可以收集系統表現的完整資料,並得到跟背後的分子有關的資訊。」當然,我們現在有辦法收集完整的資料,完全是因為電腦變得這麼強大的緣故。在以書籍為主的時代裡,系統生物學根本就不可能存在。
  由於我們現在能夠存取這麼多的資料,一種新型態的科學於焉誕生。這種科學不僅能夠研究「一個細胞或生物體個別的特性」(這裡引述北野宏明的話),更能研究那些不在個別部分出現的特性。舉例來說,我們身為生物體的一個驚人特性,就是我們相當強韌——我們的身體會一而再、再而三地復原(當然,一直到它沒辦法復原為止)。韌性是一個系統的特性,而非構成這個系統的個別元件的特性;這些個別元件可能並不強韌,而且有些會像保護蟻后的螞蟻一樣,可能會「自我犠牲」,讓整個系統有辦法存活。事實上,「生命」本身就是整個系統所具備的特性。
  現在的問題(或至少說是改變)是,就算系統只跟一個簡單的細胞一樣複雜,我們人類也沒有辦法理解。這並不是說我們在等人發明一套絕妙的理論,讓我們可以就此釐清所有的細節分別有什麼樣的地位。事實上,這個理論早就已經根深柢固了:細胞系統包含一套詳盡的交互作用,這些交互作用可以視為各種訊號和回應。可是,這些互動機制的數量和複雜度,超出了人類大腦能夠理解的範圍。這種系統的科學,必須仰賴電腦來儲存所有的細節,並檢視它們如何互動。系統生物學家會建構電腦模型,用軟體來模擬幾百萬個元件互動時會發生什麼事情。這有點像是預測天氣,但跟預測天氣比起來,系統生物學更仰賴特定事件,也比較不會仰賴一般的通則。
  我們常常無法掌握這般複雜的模型(不論是細胞生物學、天氣、經濟體系,或甚至是高速公路路況),因為世界比我們的模型所能掌握的還要複雜。不過,有時候它們可以準確預測系統會怎麼運作。就最複雜的層面而言,這些是湧現與複雜的科學:如果只看個別元件,會看不出這些科學所研究的系統特性為何,而這些特性只有藉由觀察究竟發生了哪些事情,才能做出準確的預測。
  這代表科學出現了一個重大轉折。對四百年前的培根、一百五十年前的達爾文,和五十年前的佛舍來說,科學的目的是要建構出理論,讓這些理論不僅建立在事實之上,還能解釋這些事實。事實都跟特定的事物有關,而知識所探討的應該是四處皆然的通則(至少那時的想法是如此)。所有跟四處皆然的通則有關的知識進展,都讓我們朝造物者設下的最終命運向前推進一步。
  這樣的策略當然也有一個務實的層面。通則的數量比特定細節的數量少,而且如果你知道通則的話,經常可以推斷出細節:如果你知道用來解釋星球運行的通則,你就能推斷出地球上任何一天裡,火星會出現在天空上的哪個位置。把目標放在四處皆然的通則,是一種簡化的策略,而這樣的策略也是廣義的傳統策略的一部分:面對一個大到無法知曉全貌的世界,我們採用的手段就是把知識縮減,直到成為大腦和科技可以加以處理的規模為止。
  因此我們就一直盯著數據列表,直到看清楚它們的簡單規則。克卜勒詳讀了他的老闆布拉赫製作的星圖,直到一六〇五年,他終於發現如果行星不是以完美的圓形繞行太陽,而是以橢圓形軌道公轉的話,一切就說得通了。三百五十年後,華生與克里克不停盯著DNA的X光圖片看,直到他們發現如果分子的結構是雙螺旋的話,原子間距的數據就說得通了。有了這些發現後,原本讓人費解的隨機資料,就透露出一種我們可以理解的秩序:啊,原來軌道是橢圓形的!啊,原來分子是雙螺旋架構!
  以資料庫為基礎的新型態科學裡,複雜的事物經常不會一瞬間變得簡單,讓我們有辦法理解。整個模型沒辦法縮減為一個算式,讓我們得到這個算式之後就把模型丟掉。我們非得執行模擬程式,才能看出到底會發生什麼事。舉例來說,這一類模型的專家伯納博,就提出一個簡單的賽局樣式:把十到四十個人放在一個房間裡,並隨機替每個人分配另外兩個人——一個是獵人,一個是獵物。每個人都要遵守一個簡單的規則:讓自己擋在獵人和獵物的中間。這樣會不會造成任何可以預測的運動模式呢?如果會的話,那又會是什麼樣子?唯一的方式就是真的這樣子做做看,不論是下次開派對的時候拿賓客來試試,或是用電腦模擬都可以。根據模擬的結果,一個大約跟派對賓客人數一樣多的群體,幾乎會立刻在房間的中間緊緊聚在一塊。
  在還沒執行模擬之前,這樣的結果難以預測,可是我們如果知道這個模型以後,也許就會覺得這個結果有點道理。不過當行為的規範變得愈來愈複雜時,我們就不會再有這樣的感覺了(更何況這種感覺本來就可能是幻覺)。舉例來說,如果用電腦模擬一群人在慌亂之中從密閉空間逃出來的動線,就會發現如果在逃生門前一公尺稍微偏向兩側的地方放一根柱子,反而會增加人群逃出的流動速度。這是為什麼呢?這背後也許有個理論,或者也可能只是個浮現出來的特性而已。我們可以一步步讓複雜度增加,從派對遊戲進展到只想逃出失火建築的人群,再進展到許多人各具不同不斷轉變的動機的人所構成的現象(像是市場)。我們可以創造出這些的模型,也許還能知道這些模型怎麼運作,卻完全不了解背後的原因。它們太過複雜了,只有我們的人工腦袋才有辦法掌握這麼龐大的資料量,以及這當中的各種互動。
  純物理性互動的模型也是如此,不論這些模型是跟細胞、氣象變化,或灰塵微粒有關。舉例來說,康乃爾大學的李普生和許密特開發出來的Eureqa程式,就是為了在人類實在無法搞懂的大量資料中(像是細胞訊息傳導,或是古柯鹼對白血球的影響),找出可以用來理解這些資料的算式。Eureqa會先找出算式來解釋某些資料片斷之間的關係,然後再不斷調整和測試這些算式,來看運算的結果能不能更符合這些資料,並且會不斷持續下去,直到找出一個適用的算式。
  德州大學西南醫學中心的蘇爾用Eureqa來看單一細菌細胞裡面,是什麼讓幾千種元素產生波動變化。蘇爾餵了Eureqa一大堆磚場般的資料,Eureqa反覆咀嚼之後,跑出了兩個可以表示細胞內常數的算式。蘇爾找到了他要的答案,只是他完全不了解為什麼,而且也認為沒有人能夠了解。這有點像是愛因斯坦夢到E=mc2,我們也確認這個算式的確成立,但卻沒有人知道c代表什麼。
  沒有人會認為,光有一個人類沒辦法理解的答案,我們就會覺得滿足。我們想要真正理解一件事,而不是只像Eureqa那樣。我們的軟體產生這種先知般的算式,有時候我們也真的能夠理解其原因。但反過來說,一位使用Eureqa的生物物理學家衛克斯沃,跟《連線》雜誌的記者說:「生物學比想像還要複雜,複雜到我們沒辦法理解這個複雜程度背後的答案。這個問題的答案,就是Eureqa計畫。」世界的複雜程度,可能根本就超出我們大腦的理解能力。
  以模型為基礎的認知方式有許多早已明載的困難處,特別是如果我們要用模型來預測現實生活中的事件,因為這些事件難逃歷史難以捉摸的特性:白堊紀生態的模型不可能包括一顆突然撞到地球的小行星,而且也沒有人預料世界上會有黑天鵝出現。雖然如此,模型依然可以具備科學假設所需的預測能力。我們有一種新的認知方式。
  這種新的知識不只需要巨型電腦,還需要一個網路把這些電腦連接起來,用資料餵食它們,並讓大家可以存取其工作成果。這種知識不存在個別的頭腦之中,而是存在網路裡面。
  不過,「巨大」只是這種新科學知識吸收進去的第一種網路特性而已。

二、更扁平
  達爾文其實不算是一個職業科學家。他沒有在大學或其他研究機構裡任職。他藉由旅遊寫作來支持他的科學工作,後半輩子亦有父親留下來的遺產。不過,他依然是科學界密不可分的一份子,更是皇家動物學會、倫敦皇家自然知識促進學會和林奈學會的會員。
  孟德爾則是完全不同等級的業餘人士。他無法通過高中教師的資格考試,所以年復一年在修道院的院子裡工作,觀察著一代又一代平滑和皺摺的豌豆的特性。如今,只要有人提到孟德爾的名字,幾乎一定會加上「遺傳學之父」。不過,他終其一生都沒受到公認,沒有從事科學相關工作,也不是科學界的一份子。
  科學界向來就有接納業餘人士的傳統。畢竟,不管話是誰說的,真理就是真理。但反過來說,如果孟德爾寄給達爾文的手稿上面,標明從某間知名大學寄過來的話,達爾文就可能把未裁切的頁面切割開來閱讀。如果靠自學而成的印度數學天才拉馬努金沒有在一九一二到一九一三年間寫信給三位劍橋大學的教授,他畢生的心血(包括以他為名的「拉馬努金猜想」)很可能就從世界上消失,沒有留下任何影響。如果「家庭主婦和母親」舒梅克沒有跟一位天文地質學家結婚的話,她可能就不會成為最知名的彗星獵人,以及舒梅克—李維九號彗星的共同發現人。如果菲律賓和澳洲的業餘天文學家沒有跟專業人士說,他們各自在觀察木星的時候看到兩秒長的亮光,我們也許不會知道這個亮光是一顆小彗星或小行星撞上木星造成的。業餘人士之所以能成功,是因為有正式機構裡的專家可以替他們驗證。
  網際網路並沒有讓世界不再需要經過認證的專業科學家,也沒有完全消除專家和業餘人士之間的界線。不過,它讓這個界線變得模糊了:有愈來愈多人提供資料,有更多捉摸不定的關係,也有更多糾纏不清的關係,讓社群跟正式組織糾結在一起。業餘科學家和專業科學家之間,本來有一道經由認證的過程定義、維持住的斷層;現在,網際網路處處伸出觸手,試圖找到跨越這道鴻溝的方式。

延伸內容


台灣得儘快跟上這些思考

◎文/陳穎青
  
  本書作者在第三章提到的故事,言簡意賅地說出了資訊時代和紙本時代的微妙差異。
  
  二〇〇七年,美國溢油防治技術研究所提供兩萬美元獎金,給第一位能將沉在阿拉斯加海底十八年的溢油成功抽出來的人。直接把石油抽出來沒有用,因為當它到達海面的時候,冰冷的阿拉斯加空氣會讓這個石油和水的混合物凝固,使它無法從平底船抽下來。
  
  一位住在伊利諾州的化學家,雖然不太懂石油,但他非常懂水泥,而且他知道只要一直震動,水泥就不會凝固。他的解答得到了獎金。
  
  傳統知識很難處理這種新發生的困難,而用傳統組織,研究院、大學實驗室,也很難快速找出解決方案。
  
  這幾年我們看過聽過愈來愈多這一類傳奇式的「群體智慧」的解決故事,開始覺得這些事不稀奇了,經常發生嘛,世界就是這樣進入新時代的。但我們極少覺察這新時代到底跟舊時代有什麼不同,大部分時候我們能碰到的感嘆是「數量型」的,資訊爆炸或者訊息過載,我們不堪負荷。
  
  但本書討論的遠遠超過這些問題,這本書討論的是知識產生的結構,知識儲存的方式,知識的認證模型,甚至知識到底怎樣會成為知識,所有這些事情在我們從紙時代,過度到線上時代的時候,發生了什麼本質性的變化。如何理解變化有哪些,我們應該怎樣應對,已經有哪些人、哪些學術機構採取了行動。
  
  我們幾乎沒有人思考這些,甚至也沒有人注意到有人正在思考這些。
  
  這些事很重要嗎?人家發明好了,實驗好了,我們拿來用就好,網際網路不也是這樣嗎?大家用得也很愉快嘛。
  
  不妨舉個例子好了。我自己的工作經歷裡,偶爾就會碰到圖書館館長,聊一聊就會聊到學術期刊資料庫的問題。圖書館經費有限,但國際期刊資料庫年年漲價,一旦停止續訂,過去曾經訂過的立刻就不存在了。「館藏」的意義已經消失。這不只是經費問題,也包括知識的所有權誰屬(屬於作者嗎?屬於資料庫公司嗎?還是屬於知識圈?或者屬於公共財呢?畢竟大部分研究經費都來自公共預算)和知識存取的效率和知識回饋問題。
  
  美國學界發展出「開放存取」運動,愈來愈多諸如哈佛等大學、學院要求自家的教授必須把所有「發表在非開放存取期刊的論文」,放進開放存取的資料庫裡面。而我接觸的圖書館員有一半甚至連「開放存取」運動都沒聽過。
  
  學術發展有一個重環節是「站在巨人的肩膀上」,如果學界的論文都封閉在一個一個需要付費才能檢索的資料庫,經費不足的組織就無法進入(這是學術上的貧窮歧視),而學術社群產生的研究成果,卻由商業公司掌控,學術界需要付錢才能看到自己研究的成果,公共經費被扭轉為商業營利(這是資源的雙重損耗,做研究的時候花一次錢,訂購資料庫又花一次錢),這還不包括封閉的資料庫的檢索效率遠遠低於開放資料庫的問題。
  
  而台灣需要關切這種問題,不只是因為公教部門經費有限,更因為「論文積點」。當台灣還在爭執 SCI 指標是否氾濫的時候,美國已經透過線上服務,如 Mendeley 學術社群(mendeley.com),用迥異於傳統影響係數的方式呈現論文的影響力:
  
  「Mendeley 可以讓大家看到科學家覺得哪些論文重要,還可以將影響力細分成不同類別,系統生物學家現在覺得哪些論文重要?氣候科學家呢?演化生物學家呢?」
  
  「在這個環境裡,新的認證和權威形式逐漸產生,社群和權威之間的連結變得更加複雜,權威的地圖也變得更細緻、更混亂。」(見本書第七章)
  
  這就是本書作者的核心命題,當世界從紙本那個「凍結」的形式,轉移到線上世界的時候,並不僅僅是載體有了改變;發表速度變了,連結性變了,回應速度變了,一個凝固的「作品」的意義變了,過濾和篩選機制變了,影響力的浮現方式變了。傳統權威的影響力正在失去力量,甚至開始跟不上時代了(「現在的影響係數反映的是兩三年前有哪些東西重要。」)。
  
  而應對方式是什麼?怎樣處理沒有經過專家認證,但實用有效的知識呢?怎樣面對沒有篩選的「全部出版」呢?怎樣適應新時代的「可靠性」呢?怎樣對應隨時會更新,不斷有修正的知識呢?
  
  所有這些問題都需要在線上實驗、尋找解答。尤其台灣的學術領域有許多問題,包括論文倚賴、係數積分、研究本地化等,更需要在這個地方找到新時代解決的藥方。
  
  這些都需要有人意識到當前的知識環境已經跟過去完全不同。我們迫切需要儘快跟上這些思考,以便於尋找我們自家問題的解方。

作者資料

溫柏格

既是哲學博士、資訊科技評論家,也是首屈一指的網路思想先驅。 溫柏格是哈佛大學貝克曼網路與社會研究中心資深研究員,對數位世代下,網際網路如何影響社會、人際關係與溝通等觀察入微、見解獨到。曾擔任美國總統候選人的網路政策顧問。經常在美國公共廣播電台評論時代脈動,並撰寫無數與資訊、網路、行銷相關的文章,長期為《連線》、《今日美國報》、《史密松寧通訊》、《哈佛商業評論》、《科學人》、《紐約時報》等刊物執筆。他也擔任眾多高科技公司的行銷顧問,《華爾街日報》甚至封他為「行銷大師」。 溫柏格曾是知名報刊連載漫畫《你不知道的伍迪艾倫》的共同腳本創作人,著有《鬆散組合的小碎片》和《亂是一種新商機》,亦是《破繭而出》的共同作者,《破繭而出》是既畢德士的《追求卓越》之後最重要的經典商管書。 溫柏格現居美國麻薩諸塞州的布魯克萊恩鎮。 個人網站:http://www.hyperorg.com/speaker/

基本資料

作者:溫柏格 譯者:王年愷 出版社:貓頭鷹出版社 書系:數位新世界 出版日期:2014-04-07 ISBN:9789862622025 城邦書號:YK1608C 規格:平裝 / 單色 / 336頁 / 14.8cm×21cm
注意事項
  • 若有任何購書問題,請參考 FAQ