嚴防詐騙
2021vip
目前位置:首頁 > > 商管理財 > 經濟/趨勢 > 趨勢
超越直覺:別讓常識壞了事!解決大問題的10堂思考課
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
本書適用活動
$499輕鬆升級VIP,全年僅此一檔/狂,閱讀!
  • $499輕鬆升級VIP,全年僅此一檔/外版狂熱!
  • 百大暢銷書79折!數千本好書,挑起你的求知欲,滿足你的閱讀癮!

內容簡介

超越直覺,才能掌握未來! 名校教授帶你打破思考框架、修正認知偏誤 ★《華爾街日報》、《紐約時報》 推薦書單 ★哈佛大學、杜克大學教授 指定閱讀 ★關於思考決策最重要的著作之一,管理者必讀! ⊙為什麼幾乎所有人都覺得自己的開車技術高於平均? ⊙成功的人究竟是憑實力,還是靠運氣? ⊙我們能不能用「經驗法則」找到下一個特斯拉? ⊙股價跟天氣一樣是可以預測的嗎? ⊙「光環效應」如何讓我們忽略事實? ⊙為什麼黑天鵝每一次都逃過專家的眼睛? ►一切不是理所當然!寫給所有想做出「正確選擇」的人 有研究指出,越完美的計畫越容易失敗。這並不代表我們不能做出正確選擇——任何一個二十一點高手都會告訴你,雖然算牌不會讓你知道下一張牌是什麼,但可以讓你下注時更聰明,最後贏得多、賠得少。 在這本唱反調的書中,鄧肯.華茲引用了許多知名案例,從《蒙娜麗莎的微笑》意外爆紅,到臉書、蘋果崛起的理由,以及暢銷書可能引發的思考偏誤,例如《引爆趨勢》的特殊人物偏誤,以及《黑天鵝效應》中的邏輯陷阱。 常理導致的問題無所不在,我們可以透過書中的建議,了解自身的立足點,幫助我們聰明生活、做出正確選擇! ►我們理解問題的方式,其實不利我們解決問題 為什麼那家公司會成功?為什麼他當選總統?甚至是為什麼今年流行黑色?——只要事情已經發生,我們馬上就能找到原因,因為直覺告訴我們:答案就在眼前。 在日常生活中,直覺可以幫助我們解決99%的問題,但如果面對的是商業、政策或趨勢類的「大問題」,這種小小的認知偏誤,卻會讓個人判斷錯誤、公司錯失良機,整個社會也會因此錯置資源。本書將告訴你,常理與直覺如何誤導我們,讓我們自以為知道的比實際還多。 ►黑天鵝、系統性危機,到明天的股價……專家真的說得準嗎? 我們喜歡預測,也每天都在預測,卻很少有人回頭檢視準確性。在物理上,我們可以準確算出火箭的加速度,但對於社會中的複雜問題,由於沒辦法在實驗室進行對照實驗,也找不到公式或通則,我們的預測因此常常失準。就連專家的預測力,實際上也跟猴子差不多,甚至更錯得離譜! ►解決「大」問題,必須超越常理 ⊙常理思考導致錯誤判斷。解決問題時,我們應該先問:有哪些事情是可以預測的? ⊙過去的經驗不一定可靠!與其急著預測未來,不如關注當下,隨時修正做出正確反應。 ⊙為了做出更好的決策,我們必須培養實驗精神,用科學方法來建立自己的常理。 推薦人 「華茲寫的這一本書相當引人入勝,內容涵蓋了心理學、經濟學、市場銷售與社交網路科學。」 ——《華爾街日報》 「常理是一種訂製的成見,不能用來科學地理解社會運作,正如我們不能用槌子來理解軟體動物。」 ——《紐約時報》 「本書非常吸引人,閃爍著反直覺的洞察力,對於知與不知保持謙遜,足以媲美其他『偉大思想』的著作。」 ——《金融時報》 「華茲將科學帶入生活。這個世界很複雜、相互聯繫,也經常被挑戰傳統的懷疑智慧給征服。在一切混亂之中,這本書將幫助你找到一絲線索。」 ——蘇蒂爾.萬卡特希(Sudhir Venkatesh),哥倫比亞大學社會學教授 「一本深入而有洞見的書,非常有趣。每一頁都有新思考,而且沒有一個是理所當然的!」 ——丹尼爾.吉爾伯特(Daniel Gilbert),哈佛大學心理學教授、《快樂為什麼不幸福》作者 「雖然承認自己犯了很多錯,的確不太開心,但是能夠了解直覺如何誤導我們,也不失為一種學習。」 ——丹.艾瑞利(Dan Ariely),杜克大學行為經濟學教授、《誰說人是理性的!》作者 「精彩說明為何每一個困難問題背後都有基於常理的答案,這些答案看起來簡單、值得相信,卻又錯得離譜。本書必讀,絕對會改變你的思考方式。」 ——艾瑞克.克萊恩博(Eric Klinenberg),紐約大學社會學教授 「本書為高階經理、學者,或是任何一個受夠過度簡化、因果錯亂的解釋的人而寫。閱讀此書可能出現暫時性副作用,包括輕微頭痛、問東問西、懷疑自我。長效則是更能認清歷史、時事、企業政治學以及牽涉一個人以上的任何活動。無須醫師處方即可購閱。」 ——道爾頓.康利(Dalton Conley),紐約大學社會科學院院長 「一本道道地地的重要著作,勢必會讓各行各業裡裝腔作勢、自比為專家的人士,被吵得不得安寧。若本書未能強迫你重新檢視你的所作所為,你可能有問題。」 ——蓋伊.川崎(Guy Kawasaki),《迷人:不著痕跡影響他人的12堂課》作者 「作者在這本書中舉出非常多個案和理論模式來論證,引領讀者思考許多看似想當然耳的事情的合理與不合理。而這些例子和模式不只放在社會和歷史上,商業和行銷著墨更深。」 ——阿潑,媒體工作者、作家 讀者好評 「這本書讓我想到《快思慢想》中的「快速思考」,那在大部分時候的效果很好,但也有風險。我們一直被直覺誘惑。」 「《真確》告訴我們十種認知偏誤,我在這本書看見了更深入的解釋,非常精采!」 「結合心理學、社會學、經濟學、政治學…在這些領域,幾乎所有問題都是以人為基礎。這本書能幫助我看清楚世界的真實樣貌。」 「觀點特別,是我今年看過最好看的思考書籍。」

目錄

目錄 前言 「常理」讓一切看似理所當然 ◤第一部:常理/直覺 平時我們賴以為生的思考工具,在處理更複雜的大問題時,往往並不可靠。這樣說來,人、市場或社會真的理性嗎? Chapter 1常理的迷思 ⊙常理是什麼? ⊙一點也不平常 ⊙思考的灰色地帶 ⊙習慣誤用常理 ⊙直覺可靠嗎? ⊙誤導你的三種謬誤 Chapter 2我們如何思考? ⊙生活是一連串「選擇」 ⊙常理、理性行為 ⊙在思考之外的事 ⊙影響行為的因素 ⊙「思考」跟你想得不一樣 Chapter 3群眾的智慧(與瘋狂) ⊙循環論證:藏在題目裡的答案 ⊙微觀─宏觀問題 ⊙為什麼有暴動? ⊙累積優勢:成功只會更成功 ⊙實驗社會學 Chapter 4特殊人物 ⊙六度分隔理論:世界好小? ⊙所謂的「影響者」 ⊙意外走紅的影響者 ⊙推特上的網紅:行銷策略思考 ⊙又一次循環論證/重點整理 Chapter 5從「過往經驗」中學習? ⊙歷史不會重演 ⊙抽樣偏誤 ⊙事後諸葛:想像出的因果關係 ⊙我們無法描述正在發生的歷史 ⊙故事不會真正結束 ⊙最會說故事的才是贏家 Chapter 6「預測未來」的幻夢 ⊙全知全能的惡魔 ⊙「未來」不像是「過去」 ⊙預測該預測的事 ⊙黑天鵝與其他「事件」 ⊙不靠直覺、常理思考 ◤第二部:非常理/反直覺 理論上,我們無法運用常理打敗一切不確定性,甚至不可能預見黑天鵝。在直覺式思考的框架下,未來有沒有新的可能? Chapter 7最棒的計畫 ⊙我們能預測什麼 ⊙市場、群眾與模型 ⊙別相信任何人,尤其是自己 ⊙我們所執迷的「未來」 ⊙策略悖論:完美的計畫為何失敗? ⊙為你的策略創造「彈性」 ⊙從預測到反應 Chapter 8衡量一切事物 ⊙群組、鯡魚與群眾 ⊙不如先「預測現在」 ⊙別只是衡量,要有實驗精神 ⊙走出實驗室:實地實驗 ⊙因地制宜的重要性 ⊙追根究柢:自主啟動法 ⊙規畫與常理 Chapter 9公平與正義 ⊙結局好,一切就好? ⊙光環效應:客觀不簡單 ⊙是實力,還是運氣 ⊙無所不在的「馬太效應」 ⊙企業救世主的迷思 ⊙銀行家憑什麼? ⊙賺的是我的,賠的是大家的 ⊙在同一條船上 Chapter 10以人為本 ⊙解釋一切人類行為的通則? ⊙測量不可量化之物 ⊙讓預測更準確的新技術 ⊙在一片混亂之中 致謝

序跋

﹝節錄﹞ 不得不說,批評「常理」是件危險的事,何況大家普遍認為它是個好東西——你可以想想上一次被告戒不要只靠常理判斷是什麼時候?嗯,不過接下來我會不斷提醒你。雖然我也會在書裡提到,常理確實非常適合幫助我們處理日常生活的複雜性,也如眾所周知那般有用。但是,如果「情況」涉及企業、文化、市場、民族國家與全球機構,複雜性就會遠遠超過日常生活。常理在上述情況就會出錯,而這些錯誤會系統性地誤導我們。然而,由於人們習慣從經驗中學習(甚至是不會重複的經驗,或時空背景完全不同的經驗),導致我們很難發現依常理推論時會有的謬誤。反之,我們只會認為是「我當時不知道」,事後卻看似理所當然的東西。因此,常理的弔詭之處在於,儘管它能幫助我們理解世界,但它也會破壞我們理解世界的能力。如果你不太明白後面這句話的意思,沒關係,我接下來會進一步解釋,並說明常理對於政策、規畫、預測、商業策略、市場行銷與社會科學的影響。 正式進入內文之前,請容我先補充一點:我跟朋友、同事談到這本書時,發現了一個有趣現象。我用這句摘要告訴他們本書的觀點:我們理解這個世界的方式,實際上會阻礙我們理解這個世界。大家聽完莫不點頭如搗蒜,強烈贊同道:「沒錯,我老覺得大家都會相信各種蠢事,好讓他們感覺自己似乎懂點東西,但其實根本就不懂。」然而,我如果用同樣觀點質疑朋友、同事的某個信念時,他們總會改變剛才的論調,說「關於常理和直覺造成的錯誤,你說的可能都沒錯,但這完全不會動搖我的信念還有我對它的信心」。彷彿常理推論錯誤只會發生在別人身上,不會發生在自己身上。 其實人們一再犯這種錯誤。大約有九成的美國人覺得自己的駕駛技術比一般人好,令人訝異的是,覺得自己比一般人快樂、受歡迎,或更有可能成功的人同樣有高達九成。在一項研究中,竟然有四成受訪者認為自己的領導能力高居前一%,這個數字真讓人難以置信。這種「優越錯覺效應」(illusory superiority effect)非常普遍,大家也都耳熟能詳,它還有個更通俗的名字叫做沃比岡湖效應(Lake Wobegone effect),源自廣播節目《草原一家親》(Prairie Home Companion)主持人葛瑞森.紀樂(Garrison Keillor)所虛構的小鎮──那個小鎮裡「每個小孩的資質都在平均之上」。難怪人們寧願相信別人對世界的看法是錯的,而不願承認自己的信念有誤。然而不爭的事實是,適用於「每個人」的道理必然也適用於自己。人們每天思考與闡述觀點時存在的謬誤(之後會再詳細說明),必然也存在於自己根深蒂固的信念中。 我並非要讀者放棄自己的信念,重頭開始。只是我們應該把它放在聚光燈下,用懷疑的眼光加以檢視。舉例來說,我雖然知道在統計上,認為自己駕駛技術高於平均的人,有將近一半是錯的,但我還是會忍不住認為我的駕駛技術比一般人好。不過意識到這點之後,我至少會想一下我是不是在自欺欺人,因此會盡量去留意自己是否犯錯,就像注意到別人的錯誤一樣。儘管與人爭論時,我仍然傾向認為自己是對的,但或許我可以開始承認對方不是每次皆錯。也許就像別人應該改變一樣,我也可以從這些經驗中學習,並決定自己應該改變什麼。即使這樣做也不能保證自己的駕駛技術會高於平均,但至少我能成為一個更好的駕駛者。 同樣,當我們質疑自己對世界的假設,或更重要的,當我們意識到自己無意中做了假設,我們可能會、也可能不會改變既有觀點。但就算我們不改變原本的看法,質疑自己的假設至少會迫使我們注意到自己的固執,反過來讓我們停下腳步思考。這樣做並不容易,但這是有望形成更準確的新想法的第一步。我們相信的每件事都正確無誤——這個機率基本上是零。事實上,貝克在《這才是做研究的王道》一書中強調,要學習像個社會學家一樣思考,意思就是學著去質疑自己對事情如何運作的直覺看法,並盡可能把這種直覺完全拋諸腦後(顯然當年葛瑞賓評論此書時並沒有掌握到這個重點,而我也是)。如果你讀完這本書,卻只是更加鞏固你原先對這世界的看法,那麼我很抱歉,因為身為一個社會學家,我沒有善盡自己的職責。

內文試閱

■第6章 「預測未來」的幻夢 人們喜歡預測,例如恆星的運行軌跡、股票市場的波動,還是下一季的流行色等,甚至隨便點閱一個新聞網站,也會看到大量的預測——其實多到大家都習以為常才會沒注意到。不信的話,可以隨便找一篇《紐約時報》的頭版,例如下面這篇報導,刊登在二○○九年夏天的報紙上,內容是關於零售業的趨勢,針對即將到來的開學季做了不下十個預測。例如它引用了美國零售聯盟(National Retail Federation)的說法,提到學齡兒童家庭今年的平均支出「預計會比去年減少約八%」,而根據市調公司索博客(ShopperTrak)的資料顯示,商店客流量估計會下降一○%。最後,零售業顧問公司「顧客成長夥伴」(Customer Growth Partners)的總裁認為,本季「將是多年以來最慘淡的開學季」。 這三個預測都出自看起來很權威的機構或人物,而且內容清楚具體,足以讓我們檢驗其準確性。那麼,這些預測到底有多準呢?老實說,我不知道。《紐約時報》以及多數做這些預測的研究調查公司,都沒有提供其準確性的統計數據或相關資料。說來有些弔詭,我們熱愛對未來的一切發表高見,卻不願為自己的預測負責。一九八○年代中期,心理學家菲力浦.泰特洛克(Philip Tetlock)便觀察到,現在的政治專家就有這種習性。泰特洛克決定讓政治專家們拿出實際數據,證明他們不是空口說白話,於是設計了一個很了不起的試驗,時間長達二十多年。首先,他說服兩百八十四位政治專家,要求每一位都預測近百個未來可能發生的事件,範圍從某一場選舉結果,到某兩國發生武裝衝突的可能性。這些專家針對每一項預測,都必須明確給出一個預期結果,並估計發生機率。計分原則是:越有自信的預測如果在未來正確,得分就會越高。反之如果預測錯誤,失分就會越多。收集好所有預測以及發生機率的資料後,泰特洛克靜觀其變,等候這些事件的發展結果。二十年後,他終於發表了令人震驚的研究發現:專家們的精準度比隨便亂猜高一點,不過他們的預測甚至不如最簡單的統計模型。更讓人驚訝的是,他們預測專業領域外的事會比預測專業領域內的事準一些。 經常有人認為,上述研究結果證明了所謂的專家其實很愚蠢。這樣想法並不是沒有道理。不過,雖然專家的預測能力不比一般人好多少,但可能也不會差到哪去。例如我在年輕時,有很多人相信未來的世界會有飛行汽車、繞著軌道運行的太空城市,還有打發不完的自由時間。但看看現在,我們開著引擎汽車塞在破舊的高速公路,還要忍受一直縮水的飛航服務,工作時數也不斷創新高。與此同時,又不知哪裡冒出了網路搜尋、行動電話和線上購物這些已經深入我們生活的科技。事實上,約在泰特洛克開始實驗的同一時期,有一位名叫史帝芬.許納爾斯(Steven Schnaars)的管理學家,也藉由梳理大量書籍、雜誌、產業報告,共收集了數百篇在一九七○年代做的預測,試圖量化對於科技趨勢的預測準確性。他的結論是,不管預測的是不是專家,大約八○%都是錯的。 並非只有在預測長期社會趨勢、科技走向時才會出奇不準,就連經驗老道又積極的出版商、製作人或市場商人也是如此。這些冒著風險挹注大把資金的商界專業人士,也很難估計下一波流行的書籍、電影或產品會是什麼──跟政治專家無法預估何時會發生下一場革命一樣。事實上,文化市場上經常可見原先不受青睞,後來卻意外走紅的例子,像是貓王、《星際大戰》、《歡樂單身派對》(Seinfeld)、《哈利波特》、《美國偶像》(American Idol)。剛開始,出版社與電影公司打算放任這些作品自生自滅,還押錯寶在完全失敗的地方。再看看之前幾次可怕的金融危機,像是一九九八年長期資本管理公司(Long-Term Capital Management)破產、二○○一年的安隆(Enron)風暴、二○○二年世界通訊(WorldCom)的舞弊案、二○○八年金融海嘯,或是看看像Google與臉書這種強力崛起的案例,也許最讓人驚訝的是:幾乎沒人能料想到接下來會發生什麼事。例如,在二○○八年九月雷曼兄弟即將破產,美國財政部與聯準會官員理應是全世界消息最靈通的人,也沒能預見隨後全球信貸市場的毀滅性凍結。此外,在一九九○年代末,Google創辦人瑟吉.布林(Sergey Brin)和賴瑞.佩吉(Larry Page)原本打算用一百六十萬美元出售公司。好險他們沒賣出去,因為後來Google的市值超過一千六百億美元,約是幾年前他們和其他人估計的十萬倍。 這麼看來,人們似乎不善於預測──但這樣說也不完全正確。我們有辦法預測各種千奇百怪的事,比方說,我敢打賭我能準確預測新墨西哥州聖塔菲(Santa Fe)的天氣,說真的,準確率應該有八成,聽起來我比泰特洛克的實驗中那一群失準的專家厲害多了。但就算我可以準確預測聖塔菲的天氣,也不可能在氣象局找到工作。因為聖塔菲一年大約有三百天是晴天,所以只要隨口說「明天聖塔菲是晴天」,三百六十五天就會說中三百天。同樣地,預測美國未來十年都不會向加拿大開戰,或預測太陽會繼續從東邊升起,可能都準確無誤,卻不會讓人佩服。換句話說,關於「預測」真正的問題,不在於我們一般而言擅不擅長做預測,而是我們根本不會區分哪些事能準確預測、哪些不能。 ﹝節錄﹞ ■預測該預測的事 預測一個具體的結果,跟預測一個結果出現的機率完全不同。我們意識到這一點之後,對於可預測的事件類型應該會改觀。但我們習慣「從過去吸取教訓」的學習方式,也產生另一個更違反直覺的問題,那就是,我們從開始就不知道自己該預測什麼。坦白說,就像過去「已發生過無數事件」一樣,我們隨時都能做出無數預測。同時,就像我們其實不關心大部分的過去事件,我們也不在意全部的潛在預測。反之我們在意的只有極少數預測──如果我們能事先這樣預測,可能確實會產生重大改變。美國航空官員如果當初預料到恐怖分子將帶著美工刀劫持飛機,企圖撞向世貿中心和五角大廈,就可以採取預防措施,像是強化駕駛艙門、加強機場安檢,進而避免這類意外。還有,如果在一九九○年代末,有個投資者知道有一家小型新創公司叫Google,將來會發展成網際網路龍頭,他就可以透過投資大賺一筆。 我們回顧過去,總是會認為當初就可以預料到這些事。但我們沒有意識到,這種後見之明不僅讓我們以為自己可以預測未來,還讓我們以為自己早就知道要注意哪些面向。一九六三年十一月甘迺迪總統訪問達拉斯期間,你怎麼知道應該要留意刺殺甘迺迪的槍手,還是食物中毒呢?在九一一發生之前,要怎麼知道預防劫機的關鍵在於強化駕駛艙門,而不是偵爆犬呢?或者,要怎麼知道美國最嚴重的恐怖攻擊是劫機事件,而不是放射性炸彈或是地鐵的神經毒氣?人們怎麼知道搜尋引擎會從廣告賺錢,而不是別的商業模式?甚至怎麼知道我們應該關心搜尋引擎如何賺錢,而不是關心其他內容網站、商務網站,或完全不同的東西? 第五章提過,丹托認為事後才可得知有哪些相關因素,而上一段的問題剛好是丹托觀點的對立面。也就是說,我們必須先確定未來所有可能發生的事件之中,哪些是相關的,以便現在就開始注意,這樣才能做出我們想要的預測。我們覺得自己應該能做到這一點,就像丹托的理想記錄者可以描述正在發生的事。但如果我們試圖預測所有假想可能發生的事件,馬上就會淹沒在各種可能之中。我們應該擔心今晚垃圾車來的時間嗎?或許不需要。但如果我們養的小狗那時候剛好掙脫皮帶、跑到路上,我們就會希望自己在出門散步前能預先知道垃圾車的時間。我們需要預測班機是否會取消嗎?或許也不用。但如果我們剛好搭上另一班即將墜毀的飛機,或者旁邊剛好坐了你未來的另一半,這件事就顯得非常重要了。 這種無限相關可能性的問題根深蒂固,就算找到更多訊息或設計更聰明的演算法也無法輕易解決。例如,布魯斯.梅斯奎塔(Bruce Bueno de Mesquita)這位政治學家與「預測工程師」(predictioneer)在他一本關於預測的著作中,大力讚揚賽局理論對於複雜政治談判的預測力。○14然而,考量到複雜系統固有的不可預測性,梅斯奎塔的計算模型似乎不太可能真正預測到他聲稱的事件。但撇開這個,我們來討論一個更大的問題——假設他的模型完美運作,那可以預測什麼?比方說,梅斯奎塔宣稱他成功預測出一九九三年,以色列和當時的巴基斯坦解放組織會達成奧斯陸協議(Oslo Accords)。當時這一個預測算是相當了不起的成就。但他的計算模型沒有預測到,奧斯陸協議只是一個假象、是一閃而逝的曙光,之後的事件很快就讓這個希望破滅。也就是說,在已經知道後續發展的現在看來,奧斯陸協議顯然不是最初預測中最重要的結果。梅斯奎塔可能會合理地回應,他的模型並不是設計來預測那種事的,這正是關鍵所在:預測「正確的事」跟預測正確一樣重要。回顧過去,我們並不期望能夠在一九九九年預測出Google搜尋引擎市占率,或者是第二次波斯灣戰爭時美軍抵達巴格達所需的天數。這些事件當然是我們曾經想過的預測,但某種程度上,我們已經不在意這些預測準不準確,因為這些事沒那麼重要。反之,我們會希望在Google首次公開募股時,就預測到它的股價在幾年後會突破五百美元,因為這可以讓我們投資致富。我們希望當初可以預見推翻海珊、解散其安全部隊之後的大屠殺,這樣我們就能採取不同戰略,或許一開始就能避免整場混亂局面。 甚至在預測一般生活事件時,也會發生相同問題。例如消費者對某種顏色或設計的反應,或者,如果醫生的薪資是依據病人的健康狀況而定,而不是開立處方的數量與費用,那他們是否會花更多時間在預防性照護?這一類預測的重要性似乎不及預測下一家成功公司或下一場戰爭,但是當我們思考為何要關心這一類預測時,立刻又得做出其他預測——預測目前所做的預測會有什麼影響。舉例來說,我們之所以關心顧客是否喜歡一個顏色,不是因為關心顧客的反應,而是希望產品能夠成功,而且我們認為顏色很重要。同樣,我們關心醫生在不同薪資制度下的行為,是因為我們想控制醫療成本,而且在國家不破產的前提下,設計出每個人都負擔得起的醫療照護系統。一個預測如果無法帶來更重大的結果,我們就不會覺得它有價值,也不會感興趣。這裡又再次看到,人們只會關注重要的事,然而正是這些對未來更重要、更大的預測,造成了最大難題。 ■黑天鵝與其他「事件」 在預測重大事件時會面臨的問題,尤其以納西姆.塔雷伯(Nassim Taleb)所說的黑天鵝事件最為嚴峻。塔雷伯當過金融衍生商品的交易員,也是金融圈有名的「討厭鬼」,他所謂的黑天鵝是指「雖然罕見,一旦發生卻會產生重大影響」的事件,例如印刷機的發明、攻占巴士底獄、九一一事件。然而,什麼因素導致了黑天鵝事件?這就是讓人困惑的地方。當我們在描述一件事,往往會把它們形容成獨立、截然不同的事件,並且賦予它們不同程度的重要性,就像在描述地震、雪崩、風暴等自然事件的級別或嚴重度一樣。事實顯示,許多自然事件並非呈現「常態」分布,而是分散在多個級別的偏態分布。人類的身高大致屬於常態分布,譬如美國男性的平均身高約為一七五公分,基本上不會看到身高六○公分或三六○公分的成年人。相反地,地震、雪崩、風暴和森林大火則呈現「重尾」分布(heavy-tailed distributions),大多數屬於相對較小而不受注意的事件,而少數為較大的嚴重事件。 直覺上很容易以為歷史事件也屬於重尾分布,而塔雷伯所謂的黑天鵝遠遠位在該分布的最尾端。然而,正如社會學家威廉.斯威爾(William Sewell)的解釋,某些歷史事件之所以「重大」,不僅是程度(就像有些颶風特別強),更是因為歷史意義,因為這些「事件」會促發較廣泛的社會秩序變革。斯威爾為了說明這一點,舉了一七八九年七月十四日攻占巴士底獄的例子。該事件看起來無疑符合塔雷伯對於黑天鵝的定義。然而斯威爾指出,這個事件不單是七月十四日發生在巴黎的一連串行動,還包括了七月十四日到七月二十三日之間發生的事。在這段期間,法國國王路易十六試圖鎮壓巴黎市民的暴動,而另一方面,教士、貴族與市民則在凡爾賽爭論,主題是國民議會應該譴責暴力,還是應該服務人民並接受人民意志。直到國王撤出郊區的軍隊,並前往巴黎表示懺悔之意,國民議會才確定立場,於是攻占巴士底獄才成為歷史意義上的一個「事件」。至此,整件事其實還沒結束,我們關心巴士底獄事件的唯一原因,當然是因為接下來的法國大革命,以及它將主權的概念從君權神授轉變為天賦人權。所以這一事件也不是到七月二十三日就結束,還包含了後續餘波,像是接下來一週法國各省都出現大規模的「大恐慌」,以及八月四日持續一整夜的著名立法會議,顛覆了整個舊政權時期的社會與政治秩序。 意思是,如果你想深入探究攻占巴士底獄這種黑天鵝事件,那界定該事件的範圍就要更廣。這個原則不僅適用於政治領域,也適用於電腦、網際網路、雷射之類的「科技黑天鵝」。舉例來說,網際網路或許真的屬於黑天鵝事件,但這表示什麼?黑天鵝是指「封包交換網路」的發明嗎?還是指原始網路的規模越來越大,最後發展成阿帕網(ARPANET),然後又擴展成網際網路?黑天鵝指的是物理基礎設施的發展嗎?因為有了這個基礎,全球資訊網(Web)、網際協議通話技術(voice-over IP)等創新科技才得以實現?或剛好相反,指的是這些催生出新的營運與社交互動模式的新科技?或是指這些最終改變我們搜集訊息、分享觀點、表達個人認同方式的趨勢發展?想必是所有發展結合在一起,才使得網際網路成為黑天鵝事件。但網際網路根本就不是單一事件,而是一整個歷史時代以及這期間發生的所有相關科技、經濟與社會變革的縮寫。 就連獲得黑天鵝稱號的自然現象也是如此。例如,卡崔娜颶風雖然是一場巨大風暴,但它不是有史以來、甚至不是那個夏天最大的風暴。因此它變成黑天鵝的原因與風暴本身不太相關,主要在於後續引發的事件:暴雨沖潰了堤防,導致洪水淹沒了大部分地區。再加上未能即時應變救援,使得數萬個居民遭受不必要的折磨,超過一千八百人喪命,數十萬人被迫撤離。許多疏散者不願重返家鄉,大量人口流失衝擊了紐奧良市的經濟。這一場可怕的災難,隨處可見潛在的種族與階級歧視、行政無能,以及權貴人士對弱勢族群的冷酷。這些事在大眾心裡留下陰影。換句話說,當我們把卡崔娜颶風比喻為黑天鵝事件,主要討論的並不是風暴本身,而是圍繞著卡崔娜展開的整個複雜事件,以及後續一連串同樣複雜的社會、政治與文化效應,這些影響直到今日仍持續發酵。 因此,預測黑天鵝事件完全不同於預測空難或失業率變化。針對後面這一類事件,我們不可能準確預測其結果,只能退而求其次預測結果出現的機率,不過,我們至少能提前說出想要預測的是什麼。相對地,我們只有在事後回顧時才能辨識出黑天鵝事件,因為那時才能整合各種歷史元素,並置於一個簡潔的標籤或名稱之下。換句話說,想要預測黑天鵝,除了要能事先看到未來可能的結果,還必須看到這些結果造成的影響,因為唯有如此,才能夠知道該事件的重要性。就像第五章丹托的例子一樣,如果鮑伯在他的玫瑰花還沒有得獎之前,就描述它們是得獎玫瑰,這根本就不算預測,而是預言——一種不但能預見未來發生的事,而且還能預見其意義的能力。 儘管如此,我們只要發現黑天鵝的存在,就忍不住希望自己能預測這類事件。正如第五章的重點,我們對於過去的常理性解釋往往混淆了故事與理論,對於未來的常理性直覺也經常混淆了預測和預言。當我們回顧過去,只會看到已發生的結果,而不是所有可能發生但沒有發生的事,因此,常理經常讓我們誤以為一系列事件之間具有因果關係,但實際上並沒有。同理,當我們思考未來時,會想像未來事件已經有一條特殊的進程,只是我們還不知道,而實際上卻不存在這種明確的進程。確切來說,未來更像一團集合,由可能的進程組成,每一條進程被抽中的機率不一,我們所能做的就是估計每一條進程的機率。不過,因為我們知道在未來的某個時刻,所有機率都會倒向某一條進程,所以自然只想關注那一條真正重要的進程。 同樣地,我們回顧過去時,不會對困惑於已發生「事件」的涵義,也不難區分事件的重要性。但正是這種「過去」的獨特性,讓我們以為未來也一樣獨特。而過去事件一目了然,也讓我們忍不住覺得自己應該可以預測未來會發生的重要事件。但這種直覺想法忽略了一點,即我們對過去的看法是一種集體敘事的產物,包含了專業歷史學家、記者、各種專家、政治領袖以及其他形塑公眾輿論者的共同努力,目的在於搞清楚「發生了什麼事」。只有在故事完成、取得共識之後,我們才有辦法知道相關事件,以及真正重要的事。照這個邏輯,預測事件的重要性不僅需要知道事件本身,也必須知道賦予該事件意義的社會過程的結果是什麼。

作者資料

鄧肯.華茲(Duncan J. Watts)

►微軟首席研究員/美國最重要的社會學家之一 現職賓州大學、史蒂文斯理工學院的社會學家與教授,曾任哥倫比亞大學社會學教授、微軟與雅虎研究院的首席研究員,並創建了紐約城市實驗室。二○二○年獲選為安德魯.卡內基學者。二○一三年榮獲康奈爾大學懷特博文講座教授殊榮。其研究主題涵蓋社會網絡與人類集體行為,常發表論文在許多著名期刊。著有《六個人的小世界》、《小小世界》等。

基本資料

作者:鄧肯.華茲(Duncan J. Watts) 譯者:郭曉燕 出版社:一起來出版 書系: 出版日期:2021-03-04 ISBN:9789869911573 城邦書號:A1590094 規格:平裝 / 單色 / 368頁 / 14.8cm×21cm
注意事項
  • 本書為非城邦集團出版的書籍,購買可獲得紅利點數,並可使用紅利折抵現金,但不適用「紅利兌換」、「尊閱6折購」、「生日購書優惠」。
  • 若有任何購書問題,請參考 FAQ