為什麼我們會認為食力在食育力報導中的研究統計方法有問題?
上次我們提出了質疑,食力評鑑花蓮食育力全國第一名,統計方法很令人困惑(然後就要被告了)
然而接下來又看到了更奇妙的報導。
食力最近有一篇針對校園食安的調查報告,標題是:
【#2021食育力大調查 #食力獨家數據揭露 】
《校園食物中毒前五名城市,六都過半都上榜!》
食力在報導中表示,綜合2016-2020年的數據,校園食物中毒人數最多的是台南市,而案件最多的是新北市。
若以五年來校園食物中毒人數總和排名,前五名校園食物中毒最多的城市依序是:台南、新北、台北、台中、桃園。
該報導中,將原因歸咎於校園營養午餐的管理,食材原料、設備清潔、人員教育訓練等因素。
並稱近三年內,校園食物中毒前三名因子為諾羅病毒、仙人掌桿菌、金黃葡萄球菌
這個結論,讓我們對於食力解讀統計數據的方式感到問號,原因如下:
實際查找食藥署食物中毒全國統計資料
(110年還沒過完,所以官方完整數據統計到109而已)
109年食物中毒病因前三名
諾羅病毒121件,1618人
仙人掌桿菌22件,561人
沙門氏桿菌26件,484 人
108年食物中毒病因前三名
諾羅病毒140件, 2211人
仙人掌桿菌33件,2074人
金黃色葡萄球菌35件,902人
107年食物中毒病因前三名
仙人掌桿菌22件,1632人
諾羅病毒95件,1570人
金黃色葡萄球菌31件,1270人
從官方數據我們確實可以看出,諾羅病毒跟仙人掌桿菌確實長年佔據食物中毒的冠亞軍寶座,沙門氏桿菌以及金色黃葡萄球菌則是輪流拿季軍。
食物中毒的病原,性質都不太相同。諾羅病毒的傳染方式為糞口傳染,飲料的冰塊中也常會出現,倘若製作冰塊或接觸飲料者手部清潔沒做好,很可能就會造成諾羅病毒大爆發,小朋友喝到這樣的手搖飲可能會因此腹瀉,宣導學童保持飯前洗手的習慣也很重要。
仙人掌桿菌常出現在沒煮熟的食物中,不是冷藏的溫度不夠,就是煮熟的熟度不夠,米飯在常溫放置太久也容易產生仙人掌桿菌。這是食材保存及運輸都可能發生的問題。
金黃葡萄球菌則常見於健康的人體表面,並大量存在於傷口和受感染的部位。金黃葡萄球菌會在食物中生長和繁殖,繼而產生耐熱的毒素,烹煮過程並不能消滅這些毒素。
沙門氏桿菌則廣泛存於動物界,可經由人、貓、狗、蟑螂、老鼠等途徑污染食品,生雞蛋是常見的例子,但因為它不耐熱,煮沸5分鐘就可以殺死。
是啊,食物中毒的原因這麼多,以上風險都可以經由團膳業者在採購、運輸、烹煮每個環節遵守良好的SOP來避免,但是「發生在校園的食物中毒事件」為何不能直接歸因於「校園團膳不夠衛生」?
原因是食力的報導,將過去五年的食物中毒案件及人數累加,直接去做縣市排名,這樣下結論的話,統計誤差會在哪裡?
台南衛生局將會第一個跳出來喊冤,因為校園團膳的食安稽查,受到各地方衛生局監督,必須定期抽查衛生條件與含菌量等指標,台南衛生局每個月都公開稽查營養午餐的報表,如果要從統計數據去看台南校園食安,並不是要看五年的中毒案件累加,要看的反而是「五年來的趨勢如何」,如果五年來台南的食物中毒案件是每年下降的,而不是上升的,我們就不能以五年的患者人數累計,來說台南市校園食安最糟糕,甚至相反的他可能是進步的趨勢。如果趨勢相反,則要去研究中毒人數上升的原因,跟團膳衛生是否相關。
直接用拿五年加總的食物中毒人數來評比各縣市,簡直是和稀泥。(我大台南的小朋友萬一是手搖飲喝比較多所以比較常中到諾羅,你要說是校園團膳的錯嗎?)
另外台中市政府應該也會跳出來喊冤,因為台中為了校園團膳招標,還訂定了招標辦法,裡面就明定說只有具備HACCP驗證的廠商才能投標,人家都HACCP了,你說台中校園食物中毒倒數第四名?HACCP驗證很好拿嗎?全台灣拿到HACCP的團膳廠商多嗎?(當食安風險管控系統驗證的單位是塑膠嗎?)
台北市應該也會跳出來,因為台北市是SOP狂,雖然沒有規定要用HACCP廠商,但台北市為了學校營養午餐訂定的作業辦法SOP長達168頁,要符合台北市營養午餐的招標資格,幾乎跟HACCP的標準一樣嚴格。(光稽核表就有38頁小編看了都快暈倒)
其他縣市對營養午餐的招標規定,族繁不及備載,在此就不一一舉例。校園團膳的採購與稽查標準,確實是地方政府的權責,但各地方政府在把關校園食安上都有一定的謹慎態度,因為一旦校園營養午餐吃出問題,當初招標的承辦人可能就會吃牢飯,因此某些承辦人還會直接在招標資格上明定要用HACCP廠商,直接避免麻煩。(如果是比較偏遠的縣市,考量與HACCP工廠的送餐距離,恐怕就無法這樣定招標條件,所以各縣市招標規定不同。)
我們寫到這裡最大的質疑就是,誠然,食力聲稱引用食藥署數據,應深具公信力,但他對統計數據的解讀方式,忽略了太多變因,也太過籠統地去加總五年數據,直接做圖下結論說台南市政府的校園食安做得最差,這樣是否公允呢?
資料來源:
食力校園食安評比報導
https://bit.ly/3zVzZIy
食藥署歷年食物中毒統計數據
https://bit.ly/3h0QIBk
同時也有1部Youtube影片,追蹤數超過4,310的網紅伊格言Egoyan Zheng,也在其Youtube影片中提到,☞〈給我們的訓誡書:伊格言的瘟疫書單8 種〉全文連結:https://www.egoyanzheng.com/single-post/2020/03/11/%E3%80%90%E7%AB%AF%E5%82%B3%E5%AA%92%E3%80%91%E7%B5%A6%E6%88%91%E5%80%91...
「系統誤差舉例」的推薦目錄:
- 關於系統誤差舉例 在 Facebook 的最佳貼文
- 關於系統誤差舉例 在 邱顯智 Facebook 的精選貼文
- 關於系統誤差舉例 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於系統誤差舉例 在 伊格言Egoyan Zheng Youtube 的最讚貼文
- 關於系統誤差舉例 在 系統誤差計算在PTT/Dcard完整相關資訊 - 小文青生活 的評價
- 關於系統誤差舉例 在 系統誤差計算在PTT/Dcard完整相關資訊 - 小文青生活 的評價
- 關於系統誤差舉例 在 系統誤差定義的評價費用和推薦,EDU.TW、DCARD和網紅們 ... 的評價
- 關於系統誤差舉例 在 實驗誤差例子在PTT/Dcard完整相關資訊 的評價
- 關於系統誤差舉例 在 實驗誤差例子在PTT/Dcard完整相關資訊 的評價
- 關於系統誤差舉例 在 误差问题 的評價
- 關於系統誤差舉例 在 帝品快適生活館 - Facebook 的評價
系統誤差舉例 在 邱顯智 Facebook 的精選貼文
主動出擊擴大篩檢,找出潛藏病例阻斷感染鏈
指揮中心昨天公布了COVI-19廣篩策略,包含居家採檢、社區快篩、企業快篩、廣設社區篩檢站等,相關的快篩試劑也在審查中。雖然有點晚,台灣的防疫策略,終於聽進專家與我們的呼籲,進入 #主動出擊、#擴大篩檢 的階段。
接下來,指揮中心即將訂定居家快篩指引,有哪些事情,是應該要注意的,通報該怎麼做?廢棄物如何處理?請參考我們的系列文章,以及這篇詳實的報導:
🟡2020-06-08 什麼是居家快篩、自我檢測?
👉https://bit.ly/354fR8C
「黎明來到之前,我們如何與疫情共存:群體免疫前的公共衛生指引」
🟡2020-06-12(上):台灣與世界各國抗疫作戰策略
👉https://bit.ly/35oDGIr
🟡2020-06-13(下):如何維持社會運作
👉https://bit.ly/35pvzLP
信傳媒【居家快篩也應超前部署!邱顯智:相關通報、APP、廢棄物處理等配套應加快腳步】林莫莉2021-06-15 15:40
台灣COVID-19本土疫情拉警報,多位學者專家均認為,未來未來快篩或PCR檢測將成為生活常態,衛福部核准專案進口的居家快篩試劑這週就可能進台灣了,但是相關配套措施還沒看到,時代力量立委邱顯智呼籲政府,相關通報、APP、廢棄物處理等要快點進行。也就是說,政府對居家快篩也要超前部署,國外例子很多可参考,像韓國後來還發明「得來速」篩檢。
將這次疫情稱為「第三次世界大戰」的公衛學者詹長權說,台灣在COVID-19疫情剛開始時,立即採取堅壁清野的邊境管制方式,將病毒阻隔在外,速度成為去年台灣防疫成功的關鍵:但一時的成功也讓包含防疫指揮系統在內的人忘了「我們在大戰當中」,這是一個全球大流行,這次大戰的敵人是mRNA病毒,再怎麼嚴格的管制,都會漏掉,一直採取「防守」策略的台灣,根本無法理解戰場的全貌,「檢測及疫苗,這兩個在社區大流行一定要用的工具,我們沒有好好地提前佈署,是蠻可惜的。」
#詹長權舉例說明普篩廣篩重要
時代力量立委邱顯智邀請台大公衛學院教授詹長權、藥師協會藥師鄭文柏一起直播,對台灣在達成群體免疫之前,提出建言。
詹長權在直播中也以韓國、新加坡、美國、英國、英國等國例子說明普篩或廣篩的重要。他舉例,和台灣一樣,韓國一直是用軟性封城的方式作為防疫手段,當爆發Club、教會等群眾感染時,韓國採取封區「檢測撲滅、檢測撲滅」策略,在這樣的過程中,韓國就研發出很多快速篩檢的技術跟能量,自己用也輸出到歐美等國,這個是很成功的例子。
同時,檢測最怕的是醫護人員不夠、又怕到醫院檢測造成高風險傳染,韓國後來發明「得來速」,被測的人不用下車,到檢測站時搖下窗戶就可採樣,甚至後來還發展出影片教學,民眾在家採樣後送到收集站就可。之後美國借鏡韓國,把大型shopping mall的停車場改成檢測站,快速達成大量檢測的目標,阻斷傳播鏈、撲滅社區感染。
至於外界擔心的快篩準確率問題,詹長權表示,所有檢驗都有可能漏掉。沒有一個是100%的,因為病毒是活的,不是一直在鼻腔裡面不動,不可能採樣10次出來的量都一樣。
#居家快篩的試劑簡不簡單很重要
他也說,在德國等西方國家,檢測證明已成為參加群體活動的必備文件,為要維持民眾正常的生活避免封城,唯一的途徑就是擴大檢測,爭論偽陽性偽陰性多寡沒有意義,快篩不是「為測而測」,目的何在、有什麼用途,才有意思。
詹長權指出,持續檢測可以減少誤差,很多國家採用系列檢測(serial test),大概是間隔36小時測一次,經過兩次居家檢測,是否確診就很準確了。
詹長權認為,人民有知的權利,政府責無旁貸要研發出讓民眾方便使用的工具,以了解自己被感染狀態。不過,除了居家檢測外,還要居家的smart testing,就是要利用IOT的技術發展APP,收集訊息讓政府決策。是台灣科技防疫下階段一定要做的事。
#使用後的居家快篩試劑該如何處理?
藥師鄭文柏在直播中建議,台灣有很多是老老照顧或者是獨居長輩,他們可能沒辦法使用要放到鼻腔非常深入地方的試劑。如果沒有放準、放不對,也有可能造成組織的受傷,或者是測出來的結果是不精準的,因此他們可能更需要像是唾液快篩或者是非常簡易的鼻腔快篩,「試劑簡不簡單使用,是一個蠻重要的部分」。
另外,這些長輩可能會沒有相關的設備或不會使用相關裝置去做IOT的回報,但基層的藥局跟診所都有健保VPN,可以利用這套系統幫忙通報,如此就蠻有機會填補空缺,可以明確掌握社區整體狀況,後續判讀的追蹤和治療也會比較有效率。
至於使用後的居家快篩試劑該如何處理?詹長權表示,國外有很多作法,包括利用特殊袋子郵寄回去,不過因為大部分的人都是陰性,他認為可以當一般廢棄物處理,但如果是陽性就依國家機制處理;鄭文柏則認為,應該在居家快篩指引,或者甚至是在包裝上呈現,讓民眾可以依循。
#可仿效去年口罩國家隊
#鼓勵廠商研發快篩試劑
衛福部食藥署13日表示,已首度核准專案進口居家快篩試劑,由3家業者引進2款產品,最快本週就可到貨。業者估計,國內至少有上千萬劑以上需求,不過,加上運費等成本及利潤,每個試劑約新台幣500元至1500元上下,若長期使用,所費不少,對家庭是個壓力。
邱顯智接受記者訪問時說,指揮中心應更積極主動,可以仿效去年「口罩國家隊」的成軍經驗,鼓勵廠商研發快篩試劑,不能太過「保守」,也可以像韓國一樣爭取代工,搶占防疫市場。
他更指出,台灣有2300萬人口,但目前包含向國產高端、聯亞採購的疫苗,總數只有3000萬劑,根本不夠讓每個人打兩劑,加上南非、越南、印度、英國等變種病毒來勢洶洶,疫苗大廠莫德納、輝瑞都研究需要追打第三劑疫苗,歐盟也因此未來2年將向美國輝瑞藥廠與德國生技公司BioNTech再採購9億劑、另有9億劑選擇權,合計最高達18億劑疫苗,因此邱顯智呼籲政府,對疫苗採購應該超額準備,才能有更週全的部署。
面對未來的居家快篩成為常態,指揮中心仍在訂定相關的居家快篩指引,將會針對不同身分別而訂定不同的後續採檢方式,但不管哪一種身分別,一旦居家快篩陽性,即必須配合接受核酸檢測(PCR)採檢,確認是否為確診者。
系統誤差舉例 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
AI 如何為公司創造更多價值?專家:2 個缺陷,要先由人類來修補
2021/05/13
採訪‧撰文
盧廷羲
張凱崴
美國人工智慧國家安全委員會(NSCAI)今年 4 月建議,國防部每年應至少分配 3.4% 的預算投入科技領域,並提撥 80 億美元研發 AI。企業方面,微軟(Microsoft)4 月宣布,將以 197 億美元收購語音辨識開發商紐安斯通訊(Nuance Communications);後者是雲端與 AI 軟體的先驅。
從企業到國家,都愈來愈重視人工智慧,知道要想辦法運用 AI 創造更好的生活。不過,目前 AI 發展到底處於什麼階段?我們又該如何應用?
美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授張凱崴形容,目前人工智慧技術已經可以幫助人類完成很多事,像是疫情來襲,電腦可以從大數據中篩選條件,自動搜尋、判讀潛在病例,幫助醫生大幅減少檢查時間,但 AI 也並非萬能,要先認知它的局限。他研究如何讓 AI 更符合人性,獲得 2021 年的史隆研究獎(Sloan Research Fellowships)。
AI 局限1. 資料寬廣度不足時,就會複製人類偏見
張凱崴認為,電腦在學習的時候,是依賴「彙整數據資料」來判斷,並沒有真正思考,如果資料來源太狹隘、不夠多元,資料寬廣度不足,電腦判斷就會出現偏差,「你跟電腦講清楚 input(輸入)、output(輸出),提供足夠的數據資料,它可以對應、學得很好,但還有很多面向 AI 做不到。」
舉例來說,亞馬遜(Amazon)2014 年推出智慧音箱(Amazon Echo),使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而,有些人口音較罕見,或是用字較特殊,智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案,就可能失靈,這是當前 AI 的其中一大問題。
張凱崴進一步解釋,AI 另一項挑戰是,它無法清楚分辨「不曾出現」與「不能出現」(無法出現)之間的區別,只是從資料統計出要學的東西,無法像人類一樣進行邏輯思辨。
AI 的運作方式,第一步是輸入資料,第二步是分析,但這過程容易出現偏見。例如電腦在理解「總統」這個字,會去看四周有什麼字詞,來學習總統這個詞,由於許多總統都是男性,電腦就會「覺得」總統是男性。
這也是為什麼,如果讓 AI 學習,在它的認知裡,女性「不可能」當美國總統(因為沒有資料紀錄)。「你可以跟人類說,任何職業、性別都是平等的,但對電腦來講,這很困難,」張凱崴說明,一旦資料的寬廣度受限,電腦就容易產生偏見。
就像在自然語言處理(Natural Language Processing,讓電腦把輸入的語言變成有意義的符號)領域,張凱崴說明,AI需要知道代名詞指的是「哪個名詞」,才能運算下去。但如果資料受限,使用男性的「他」,電腦可能判斷這個代名詞是指總統、總理、執行長;但換成女性的「她」,由於數據不足,電腦就會混亂,出現系統性誤差。
他再舉一例,美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統(GPT,Generative Pre-training),推出到 GPT3 版本,屬於書寫類 AI,電腦能夠揣測人們說完上一句話,下一句可能會講的句子,自動完成後半段。
好比有人上一句寫下「我正在和教授聊天」,系統可能推導出「我們在研究室討論學術問題」,因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示,GPT2(前一代版本)系統也從資料中學習到許多偏見,像是如果句子前半談論白人男性,系統傾向產生正面評價;如果句子前半是黑人女性,系統竟會產生負面句子。對企業來說,許多組織接觸 AI,想讓它們取代部分工作,首先需要留意資料的廣度、多元性,才能減少電腦犯錯的機會。
AI 局限2. 即便條件相同,也無法每次都做出正確判斷
「其實,現在的 AI 就像一台原型飛機,還缺乏穩定性。」張凱崴說,現行的 AI 就好比萊特兄弟(Wright brothers)剛發明飛機,看似可以做很多有趣的事,但「可以飛」跟「飛得很好」,有一大段落差。
紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片,AI 掃描後,確認是不是本人,但當時系統沒有估算到某些亞洲人眼睛比較小,一名亞裔男子被判定「沒有張開眼睛」,因此照片無效。
張凱崴說,在這個例子中,凸顯出 AI 的穩定性不足,「系統沒有考慮到不同人種的差異,很死板地認為你眼睛沒張開。」所謂的缺乏穩定性,指的是 AI 沒辦法在相同條件下,每次都做出正確決策,這也是使用 AI 時,須留意的第二個挑戰。
他再舉例,許多模型可以準確分析,一則影評對電影的評價是正面或負面。然而研究顯示,有時只要將影評中一些字換成同義詞,例如把電影(movie)換成影片(film),或改寫句子,即使意思並未改變,系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。
在設計這些程式時,人們必須注意到 AI 可能有局限,設定的資料範圍要更完整,考慮這些因素,就能減少偏見、落差,進而加強穩定性。
餵指令給 AI 要多元化,嘗試「換句話說」、刻意混淆
經理人雖然不一定具備 AI 方面的專業知識,但只要掌握觀念,再透過 AI 領域專才協助,也能優化系統。張凱崴指出,最直接的方法是,設計 AI 模型時,要把來源群組不同的資料分門別類測試,在測試階段讓群體多元化,並確保不同特色的使用者,用起來都沒有問題。
舉例來說,一套 A 系統擁有來自各地的使用者,如果設計者是台北人,設計系統的思維容易以台北生活為主,很可能因為當地習慣不同,導致花蓮使用者操作不順。
另一個方法,則是用不同的「語意」,去測試 AI 有沒有徹底學會一個概念。例如,有一套餐廳評鑑的 AI 系統,只要蒐集、整理使用者意見,就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性?張凱崴建議,可以利用「抽換詞面」的方法。
比如,把詞彙換成同義字,再看 AI 是否能運算出相同結果,「你可能會發現,原本評比結果是食物很美味,但如果美味換成比較困難的詞,AI 就會分不出這則評比是好是壞。」因此在訓練模型時,可以將詞彙隨機抽換成同義詞,增加 AI 的詞彙量。
第三種方式更進階:改變句型、重寫句子。張凱崴指出,同樣一句話,如果換成不同說法,電腦可能判讀錯誤,將「因為發生 A 事件,所以導致 B 事件」,改寫成「B 事件發生了,是因為 A 事件的緣故」,明明兩句話意思一樣,但 AI 很可能因為穩定性不足,搞混兩者的差別。如果要鞏固 AI 的穩定性,可以使用自動改寫的方式,增加資料的多樣性。
張凱崴表示,經過這些測試,讓 AI 接受更多元化的訓練,得到更廣的學習範圍,往後碰到同義詞、相似資訊,才能有效判讀。
張凱崴總結,AI 還在快速發展,或許可以創造更多工作機會、新的職位,但現行階段,它只是輔助角色。AI 並非魔術盒子,使用它就一定有更好結果,人們還是要保持高度耐心,先認識它的缺陷,才能在技術更迭下,發揮出最好的結果。
張凱崴
台灣大學資訊工程系碩士、美國伊利諾大學(UIUC)電腦科學博士。美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授,研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎(Sloan Research Fellowship),研究團隊開發的運算方法,使人類語言處理的程序更有效率、更多元,同時兼具公平性。
附圖:優化AI系統的3方法
資料來源:https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis
系統誤差舉例 在 伊格言Egoyan Zheng Youtube 的最讚貼文
☞〈給我們的訓誡書:伊格言的瘟疫書單8 種〉全文連結:https://www.egoyanzheng.com/single-post/2020/03/11/%E3%80%90%E7%AB%AF%E5%82%B3%E5%AA%92%E3%80%91%E7%B5%A6%E6%88%91%E5%80%91%E7%9A%84%E8%A8%93%E8%AA%A1%E6%9B%B8%E2%94%80%E2%94%80%E4%BC%8A%E6%A0%BC%E8%A8%80%E7%9A%84%E7%98%9F%E7%96%AB%E6%9B%B8%E5%96%AE8%E7%A8%AE
☞本文首發於香港端傳媒:https://theinitium.com/article/20200223-culture-booklist-virus/
☞IG:https://www.instagram.com/egoyanzheng/
☞請記得按讚、留言、分享、訂閱、小鈴鐺喔。
#書單 #新冠肺炎 #槍砲病菌與鋼鐵
─────
你知道隋煬帝楊廣為什麼要蓋運河嗎?難道他不知道修建大運河可能勞民傷財,民怨四起,導致帝國毀滅嗎?
有一種說法是這樣的:隋煬帝之所以決定修建運河,其實根本是不得已的。
因為先前南北朝時期,連年征戰,為了一統天下,軍隊規模已過度膨脹。
而此刻天下太平,不再需要那麼多軍隊了;
留著他們,軍餉將拖垮國家財政;但要是讓他們全都解甲歸田,則等同於製造大量失業人口,導致社會問題。
束手無策之餘,只好開個運河工程讓大家來做了。
沒錯,這是一種解釋──而且是一種經濟學上的解釋。
修建運河,其實正是隋煬帝為解決民生問題,不得不採取的「擴大內需」措施。
我們暫且不去論斷此種說法的對錯──無論如何,用這種角度來理解歷史,是不是也給我們打開了不同的視野呢?
而類似瘟疫流行這種大規模影響國計民生的重大事件,事實上也特別適合讓我們拉遠距離,從更大的巨觀尺度上來理解它。
這正是一種「大歷史」的概念。
讓我們先從這種概念的科幻版本開始吧──首先,伊格言提到,瘟疫時期,我們應當讀讀科幻大師以撒‧艾西莫夫(Isaac Asimov)的《基地》系列作。
這位俄裔美籍科幻大師出生於1920年,是美國科幻的代表人物之一。
看看他本人,是不是長得很像電影裡那種瘋狂科學家的樣子呢?
在他的經典小說《基地》三部曲中,艾西莫夫設想了一門全新學科:心理史學(Psychohistory)。
這是一個有趣的想像。「心理史學」是什麼?
那是一種用以**測度群體眾人之心理傾向與集體選擇**的統計學──它假設,如若群體人口夠多,則我們將可預測未來。
什麼意思?這乍聽之下匪夷所思,然而不難理解──
舉例,你無法預測伊格言今天晚餐會吃什麼,因為單一個人的選擇變數太大,無從評估。
然而,如果要預測整座港島今日晚間約有多少比例人口以撈麵為晚餐主食,則相對容易得多,誤差也小得多。
以此類推,當群體數量夠大,當數據蒐集夠多,我們將可預測集體的心理傾向;而當此類計算愈趨精密,則終有一日,我們將可預測未來。
聽來是否似曾相識呢?
對的,於《基地》系列成書之一九五〇年代,我們叫它「心理史學」,psychohistory;而在二十一世紀的今日,我們叫它──**大數據**。
伊格言提醒我們,對,這不就是大數據的概念嗎?
在數十年前,人類蒐集資料的能力有限,所以也不容易蒐集到堪用的、數量如此龐大的數據。
而現在,這已經一點也不奇怪了──記得武漢封城初期,網路上相傳來自支付寶後台的那張「逃離武漢落點圖」嗎?
那張圖,和後來中國各地肺炎的感染數據,是否可能直接相關呢?
所以,理論上,在當初,我們是否能從那張圖相當程度地「預測」或「演算」出後來中國各地的病例數字呢?
對,瘟疫聽來科幻,一種全新的、無解藥的傳染病聽來科幻,
但我們終將承認,我們竟是如此真實地生存於科幻之中──那不正是這個世界給我們的一記警鐘、一紙訓誡書嗎?
所以,讓我們也來讀讀賈德‧戴蒙的經典名作《槍砲、病菌與鋼鐵》吧......
─────
伊格言,小說家、詩人,《聯合文學》雜誌2010年8月號封面人物。
著有《噬夢人》、《與孤寂等輕》、《你是穿入我瞳孔的光》、《拜訪糖果阿姨》、《零地點GroundZero》、《幻事錄:伊格言的現代小說經典十六講》、《甕中人》等書。
作品已譯為多國文字,並於日本白水社、韓國Alma、中國世紀文景等出版社出版。
曾獲聯合文學小說新人獎、自由時報林榮三文學獎、吳濁流文學獎長篇小說獎、華文科幻星雲獎長篇小說獎、中央社台灣十大潛力人物等;並入圍英仕曼亞洲文學獎(Man Asian Literary Prize)、歐康納國際小說獎(Frank O'Connor International Short Story Award)、台灣文學獎長篇小說金典獎、台北國際書展大獎、華語文學傳媒大獎年度小說家等獎項。
獲選《聯合文學》雜誌「20位40歲以下最受期待的華文小說家」;著作亦曾獲《聯合文學》雜誌2010年度之書、2010、2011、2013博客來網路書店華文創作百大排行榜等殊榮。
曾任德國柏林文學協會(Literarisches Colloquium Berlin)駐會作家、香港浸會大學國際作家工作坊(IWW)訪問作家、中興大學駐校作家、成功大學駐校藝術家、元智大學駐校作家等。
☞Readmoo專訪1:如果在YouTube,一個小說家
https://news.readmoo.com/2020/01/07/200107-interview-with-egoyan/
☞Readmoo專訪2:那些關於孤寂的問題,以及......
https://news.readmoo.com/2019/03/21/190321-lonelieness/
────
小說是什麼?我認為,好的小說是一則猜想──像數學上「哥德巴赫的猜想」那樣的猜想。猜想什麼?猜想一則符號系統(於此,是文字符號系統)中的可能真理。這真理的解釋範圍或許很小,甚至有可能終究無法被證明(哥德爾的不完備定理早就告訴我們這件事);但藝術求的從來便不是白紙黑字的嚴密證明,是我們閱讀此則猜想,從而無限逼近那則真理時的智性愉悅。如若一篇小說無法給我們這樣的智性,那麼,它就不會是最好的小說。
是之謂小說的智性。───伊格言
系統誤差舉例 在 系統誤差計算在PTT/Dcard完整相關資訊 - 小文青生活 的推薦與評價
提供系統誤差計算相關PTT/Dcard文章,想要了解更多系統誤差值、系統誤差舉例、系統誤差阿摩有關歷史/文化文章或書籍,歡迎來小文青生活提供您完整相關訊息. ... <看更多>
系統誤差舉例 在 實驗誤差例子在PTT/Dcard完整相關資訊 的推薦與評價
提供實驗誤差例子相關PTT/Dcard文章,想要了解更多有關歷史與軍事文章或書籍,歡迎來你不知道的歷史 ... 通常「 系統誤差」會使得所有測量值都過高或過低的偏差,偏差. ... <看更多>
系統誤差舉例 在 系統誤差計算在PTT/Dcard完整相關資訊 - 小文青生活 的推薦與評價
提供系統誤差計算相關PTT/Dcard文章,想要了解更多系統誤差值、系統誤差舉例、系統誤差阿摩有關歷史/文化文章或書籍,歡迎來小文青生活提供您完整相關訊息. ... <看更多>