關於 大數據ai差異 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【愛曼妲專欄】5G解鎖萬物聯網 掀起大數據2.0的商務革命

葉淑明2021/07/02 10:25

眾所皆知，「物聯網」（Internet of Things）進化到「萬物聯網」（Internet of Everything）已是不可逆的科技演化。2020 年的統計資料顯示，物聯網裝置已經是全球人數的 2 倍以上，在今年（2021 年），連網裝置的總數將會達到 460 億台（日本學者曾推估 2020 年是 500 億台），成長速度非常驚人。點燃「物聯網」並添加大把柴火的其中一項關鍵技術是「5G」（第五代行動通訊系統）技術的商業化，及其基礎建設的開展普及化。

5G 與過往通訊協定的差異分別是在幾個面向：通訊距離，傳輸數據量與傳輸速度，低度延遲，可連接裝置數，消耗功率高。基於 5G 的特性，直接受惠的應用領域首先是影音串流（Video Streaming），提升了百倍的可連接裝置數，傳輸速度卻能較上一代快上百倍。 因此，5G 率先被開發使用的場景就是球場運動比賽與大型演唱會現場直播，這些場景的共通點是需要統合極大量的攝影機鏡頭與螢幕的影音數據，配合調度燈光與音響設備。簡單說，5G 技術的成熟度，直接帶動 VR/AR 相關產業，並且有利於 4K/8K 影像傳輸設備的蓬勃發展。

可預期在未來這兩年之內，物聯網市場由於 5G 技術與應用生態系的茁壯，將會開始一波爆炸成長。自去年起，在疫情肆虐之下，世界各地的網路電商產業乘風而起，電信通訊產業也積極佈建 5G。在今年，預估全球將新增 310 億台物聯網裝置，相較去年，增長數字可謂勢如破竹。如果推算物聯網市場的產值，今年會突破 5200 億美元，連網裝置的增速會超越 22%。

假設大家對這樣龐大的商機還沒有概念，參考日本學者 2020 年的研究報告，2020 年的全球物聯網市場規模約為 200 兆日圓，對比全球汽車產業的市場規模 2017 年是 220 兆日圓，2030 年全球汽車市場規模約 250 兆日圓，全球物聯網市場規模在 2030 年將成長到 400 兆日圓，大幅超越汽車產業。這亦是為何物聯網與人工智慧（AI）並列世界尖端科技的前三名，而另一個巨星當然是非「大數據（Big Data）」莫屬。

事實上，5G 技術與應用的大步發展，揭開了「大數據 2.0」（Big Data 2.0）的時代新頁。如前所述，5G 與物聯網的商業化進程密切相關，預估到了 2025 年，物聯網裝置收集儲存的數據量將累計到約為 80 ZB（Zettabytes, 皆位元組，10 的 21 次方）！雲端運算與邊緣運算的躍進（包含霧運算），再加上萬物聯網分分秒秒產生的大數據，匯聚成人工智慧新紀元的發展基礎。了解這些錯綜復雜的科技演進關聯，大家應該可以體會「腦爆」這兩個字其實是非常真切的形容，我們未來 10 年後的生活樣貌，無論是智慧工廠（製造），車聯網，智慧物流，智慧農業，能源物聯網，智慧家庭，智慧建築或智慧城市，都會讓此刻的我們無法想像，而感到瞠目結舌。

在 5G 浪潮席捲而來的時候，掌握軟硬體研發設計與工業 4.0 優勢的台灣資通訊科技廠商，勢必不可錯失良機。在通訊與感測晶片的研發設計領域，台灣科技業擁有半導體產業帶來的先天優勢，有完整的製造測試生產的上中下游供應鏈，還有獨步全球的科技研發與科技管理人才，應可參照高通（Qualcomm）在本月西班牙巴賽隆納世界通訊大會 （MWC 2021） 舉旗帶領 5G 生態系的方式，組成聯合作戰部隊，切入物聯網裝置組件與製程，建造一道堅實的護城河，甚至，充分運用 5G 生態系「以人為本」的思維，掌握物聯網裝置的小型化及大眾化趨勢，共同打造「護國群山」。時勢造英雄！

資料來源：https://news.cnyes.com/news/id/4669175

創新工場和BCG諮詢合作的「+AI改造者」系列：看看馬上贏如何在巨頭競爭下，用大數據驅動業務，實現傳統零售商和品牌商的雙贏。

改造者系列：科技巨頭下的AI企業制勝之道？-- 本文来自BCG微信公眾號，經授權轉載。

近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智慧在中國大陸有著明確的落地應用場景，大量的AI企業活躍於這些垂直場景中，我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。

作為擅於趨勢前瞻的TechVC，創新工場長期看好AI領域，深入佈局，至今已經投出了7只AI獨角獸。在系列研究中，我們采訪了數家創新系AI企業，通過這些「改造者」的視角，探究傳統企業擁抱AI的範式與路徑。

馬上贏是創新工場投資的大陸領先的快消行業大數據公司，其定位是中國快消品行業的風向標，零售監測的新標準，成為中國的「尼爾森」。通過信息化賦能小規模零售商，馬上贏打通一個個數據孤島，以大數據的方式挖掘零售數據的商業價值，為品牌商提供產品動銷數據與競品監控服務。

為了讓數據更好地服務於新品研發和上市，馬上贏引入了PDCA（Plan, Do, Check, Act）循環，通過數據說話指導快消品快速迭代，提升零售商銷售收入。

具體來說，品牌商可以在零售商的渠道內測試包括售價、外觀、營銷、陳列等要素，通過數據回饋指導新版本，實現往復循環。

在采訪中，馬上贏創始人猴哥（王傑祺）表示，垂直領域內的AI創新需要符合企業自身的需求，要在巨頭的基礎設施之上，基於更好的訓練集和更專業的垂直行業知識，不斷突破行業壁壘，優化垂直領域的AI創新。

■系列導讀

本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：『改造者』1如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑。

在零售領域，馬上贏致力於定義中國快消品零售監測行業的新標準，成為「中國的尼爾森」，通過免費為連鎖零售商提供市場情報和「零售數字化鐵三角」2，與零售商進行數據合作，將海量的線下快消品零售數據轉換成精准的市場洞察情報。

1 「改造者」 通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸，充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
2 「零售數位化鐵三角」指通過PDCA循環迭代的方法提升零售商銷售收入。P=Plan：52周企劃；D=Do：會員營銷；C=Check：BI看板；A=Act：改進。

■本期受訪嘉賓：猴哥（王傑祺）

馬上贏正在建設覆蓋線下門店最多的零售監測網絡，為連鎖企業免費提供BI看板、52周企劃3、會員營銷和市場情報，推進連鎖企業數字化轉型。

猴哥（王傑祺）是馬上贏的創始人兼首席執行官，清華大學學士，美國華盛頓大學碩士。他是原阿里巴巴集團資深產品專家，曾于美國UPS供應鏈部門擔任高級工業工程師。在創立馬上贏之前，他曾創業推出購物助手（如意淘），後被阿里收購。

3「52周企劃」指依托馬上贏的大數據AI技術説明零售商實現精細化管理。零售商可以瞭解一年中每周適合銷售什麼類目的產品，與陰曆節日、陽曆節日、節氣、特殊事件（如比賽活動）關聯，提升門店的銷售計劃能力。

■對談實錄

Q1 馬上贏為什麼選擇切入零售賽道？如何定義「中國的尼爾森」？

猴哥：馬上贏致力於定義快消品零售監測的新標準，做「中國的尼爾森」，為零售商和品牌商提供服務。面向零售商，馬上贏免費提供ABC服務，即AI、big data（大數據）、Cloud（雲服務），以換取訂單數據；面向品牌商，馬上贏基於零售商的脫敏數據提供大陸市場情報，賺取收入。

馬上贏發現，大陸的市場過於分散，零售的毛利又低，大量規模小的零售商缺乏足夠的IT費用以支援其獨立完成信息化應用，但他們對信息化的需求又是真實存在的。另一方面，品牌商有意願和能力為市場情報、動銷數據支付費用。馬上贏看到了零售商和品牌商的痛點以及購買力的巨大差異，嘗試通過為零售商和品牌商提供所需服務來提升整個行業的效率。

馬上贏一方面向零售商免費提供差異化的信息技術服務，按零售商的需求提供BI看板和市場情報支援，另一方面向品牌商提供產品動銷數據與競品監控服務。此外，馬上贏還在著重提升AI演算法和大數據中台數據處理能力，以便支援更多零售商和品牌商的數據服務需求。同時，這些技術優勢和服務支撐能力説明馬上贏建成大陸覆蓋範圍最大的即時零售數據監測網絡。對於馬上贏和客戶而言，這是雙贏。

在數據治理中，馬上贏需要做的是建立相對統一的內容體系，實現統一的度量衡。比如同一個條碼的商品在不同門店的名稱寫法不同，傳統方法是通過人工進行校驗和修正之後才能統一名稱入庫。馬上贏通過自己搭建的超1,600萬條碼的商品庫，使用AI演算法對零售數據做分類、清洗，並基於完善的商品知識圖譜體系標記商品屬性，再由BI看板提供數據洞察服務。馬上贏的這套全流程自動化體系，極大地提升了數據處理和情報產出的速度和效率。

Q2 相比數據咨詢商、科技巨頭等其他類別的競爭對手，馬上贏的差異化優勢是什麼？如果品牌方想自己做零售大數據，馬上贏怎麼應對？

猴哥：以往零售商想實現信息化必須高價購買專門技術公司的服務，只有少數資金充足的大零售商可以負擔得起，零售行業中數量眾多的中小型零售商往往望洋興嘆。而品牌方一般很難獲取到這些生意占比很大的中小型零售商數據，因而會尋求數據咨詢商的數據服務。但出於成本和利潤的考慮，數據咨詢商往往只服務最頭部的品牌商，在大陸可能只有幾百個品牌商能消費得起數據咨詢商的服務。相比之下，馬上贏合作的品牌商更加廣泛，從新銳品牌、區域性品牌到成熟品牌、頭部品牌，馬上贏都可以提供符合客戶需要的數據服務。

數據咨詢商從少數零售商那裏提取商品月度銷售匯總數據，再將數據整合為大盤情報，賣給少數頭部品牌商。但馬上贏從「激活生態」的角度出發，説明零售商提升數據運營能力，獲得大量一手銷售訂單數據，可以為品牌商提供更詳細的數據洞察服務。此外，馬上贏由AI賦能數據清洗和BI交付，從而可以提供即時的、更細顆粒度的看板，可以提供細到省級、地級市級、業態級、SKU級顆粒度的數據。

相比電商巨頭，馬上贏選擇線下快消品零售行業，覆蓋更多的線下零售商，涉及更豐富的業態，有大賣場、大超市、小超市、便利店、食雜店等等。在商品品類的選擇上，馬上贏暫不拓展美妝、服裝等電商渠道占比超過50%的品類，而選擇線上化率相對更低的品類，如食品、飲料、日用品。這些品類消費時效性高、頻次高、單價低，線上購物場景並不適合線下。

至於品牌方自己做零售大數據，馬上贏早前就思考過這個問題。我們和大品牌都聊過，如果建立品牌方自己的銷售追蹤網絡是否可行，得出的結論是不可行。一是單一品牌方來做大數據，做完了只能自己受用，成本攤下來很不合算，還不如投資AI企業，實現專業化分工；其次，品牌方還有一些技術壁壘解決不了，攻克下來只會對成本端造成更大的壓力，得不償失。

Q3 馬上贏在賦能零售商和品牌商的過程中遇到的最大挑戰是什麼？

猴哥：最大的挑戰來自於行業裏不透明的競爭——現在做AI的企業太多了，很多企業會虛報準確率，噪音特別大。

AI在每個垂直行業的落地需要很多行業知識，其次才是疊加AI演算法。但很多傳統企業對AI的期待特別高，導致市場上各種聲音魚龍混雜，每個企業都在講述「AI萬能」的故事。馬上贏不會激進地過度承諾，但這種冷靜和狂熱之間的衝突會帶來很多麻煩——當別的AI企業過度承諾其自動補貨的準確率高達95%的時候，馬上贏如果表示我們的準確率位於70%—85%的區間，傳統企業就會輕視我們的實力。現在，垂直行業裏缺乏行業組織或者專業機構來做客觀、公允的第三方普查。比如在圖像識別、自然語義處理領域，都有比較公認的訓練賽，大家用演算法的跑分說話，相對而言就比較客觀。落到垂直領域裡，每個企業自己報數據，很多時候就會有水分。

馬上贏曾經考慮把收集的數據脫敏之後貢獻出來，讓大家有一個公平的舞臺競技，但是很難運行起來。僅僅共享數據不足以激勵演算法團隊，需要行業組織定期舉辦競賽、活動等，或者像Netflix舉辦推薦演算法比賽，通過資本來激勵大家參與，僅僅靠社區運轉不起來。

Q4 你認為未來AI企業的發展趨勢是什麼？

猴哥：有能力的巨頭要持續加強行業的基礎設施，讓開發AI的人能有更好的工具，讓雇不起博士生的企業也能應用AI，實現技術普惠。同時，垂直領域內的AI創新需要符合企業自身的需求，AI企業要在巨頭的基礎設施之上，基於更好的訓練集和更專業的垂直行業知識，不斷突破行業壁壘，優化垂直領域的AI創新。我相信這是我們的生存之道——「科技巨頭靠算力，我們靠設計」。

同時，大陸的零售行業在洗牌，有很多更具備數據化思維的新品牌在躍躍欲試。以前是渠道經濟，在社區裏搶到點位就能有流量，未來是有技術、數據和管理能力的品牌才能從老品牌手中搶到點位。此外，隨著許多快消品牌逐步上市，出現資本外溢，更多的人會開始創業，疊加當前快消巨頭的二代交棒窗口，零售領域將有新一波浪潮湧動。我相信，未來的零售行業會更加擁抱數據，擁抱AI。

■要點回顧

1. 不只是技術層AI要有標準，應用層AI也需要標準。垂直領域應用AI需要由行業組織或龍頭企業牽頭制定公認的行業標準，從而促進AI企業公平有序發展，這也將反哺傳統企業，促使傳統企業的AI應用提質增效。

2. 「科技巨頭靠算力，AI企業靠設計」，結合巨頭提供的行業通用基礎設施和「改造者」特有的垂直領域數據集和算法，各取其長，方能最大化傳統企業應用AI的效率。

好書推薦《#造局者》部落格文末抽獎贈書 2 本
這是我今年讀過最喜歡的書之一，作者探討在這個 AI 崛起和時局飄渺動盪的年代，人類已經無法跟演算法和電腦的計算速度競爭。但是，身為人類的我們仍然擁有一項電腦無法取代的優勢：「懂得建立、想像、創造各種思考框架的能力」，掌握這項能力的人在未來會愈來愈有優勢。
部落格文章 https://readingoutpost.com/framers/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
【這本書在說什麼？】
《造局者》這本書的作者是三位學者共筆，他們都是在 AI 和 大數據領域有卓越的成就，分別是《經濟學人》雜誌資深編輯庫基耶（Kenneth Cukier）、英國牛津大學網路研究所教授麥爾．荀伯格（Viktor Mayer-Schönberger）、歐洲管理科技學院教授，決策、模型暨數據中心主任德菲爾利科德（Francis de Véricourt）。

他們發現在 AI 崛起和世局動盪的現在，人類最無可取代的能力之一就是「決策能力」，而要擁有好的決策能力就必須掌握許多不同的「思考框架」。因為當一個人能提出正確的思考框架，就能找出更多的選項，做出更好的決策，創造更好的局勢。深諳此道的人就被稱之為「造局者」。

這本書從人類如何做出好的決策出發，談到建立思考框架的重要性，也提供我們三種最重要的建立思考框架的方式。在書本中段，則說明了遇到瓶頸的時候，如何重啟另一個思考框架。在後半段則說明了我們該如何學習更多的思考框架，以及讓自己擁抱更加多元性的策略，並且培養敏銳的心智。

如同這本書的介紹影片裡談到的：生活中一切都需要抉擇，而做出更好抉擇的秘訣，就在於思考框架。駕馭這種思考方式可以讓你更瞭解世界、改善工作表現和人際關係、促進社會進步。這也是人類之所以能夠勝過機器和 AI 的因素。成為「造局者」正是未來人才必不可缺的關鍵技能。
.
【什麼是造局者？】
以標準的定義來說，「造局者」（Framer）指的就是起草美國憲法的那一群人，他們建立了聯邦政府的框架。因為美國憲法就像是一個思考框架，用來定義和界定聯邦政府的職權及程序。而在這本書中，造局者指的就是那些「懂得建立和運用思考框架的能手」。

這本書要講的重點之一，就是無論人們的地位高低，每個人都可以成為造局者：「能夠發揮和建立思考框架，或是重啟思考框架的能力，讓自己的生活乃至於整個世界有所不同。」作者也不斷強調建立思考框架所需要的技巧，可以靠著訓練與經驗不斷進步。這本書就像是一本操作指南。
.
【什麼是思考框架？】
在1970年代，「心智模型」（Mental Model）的概念開始流行，人類的推理並非以邏輯形式在運作，反而更像是在模擬現實：人們評估各種選項的方式，是去想像可能發生的種種情況。我們對於世界萬物的思考方式，會受到你「相信」這個世界如何運作而影響。因此，面對同樣一件事情，用不同心智模型在思考的人會有不同的觀點。

而在這本書中所謂的「思考框架」（Frame）就是我們選擇和應用的心智模型，這會決定我們如何理解世界、決定我們如何行動。面對一個新的情境，我們也可以用思考框架去歸納和歸類，並且想出一個抽象的概念，在應用到這個全新的情境裡面。

舉例來說，當我們要畫地圖的時候，經常會採取「笛卡爾直角坐標」的思考框架，這上面有X軸和Y軸的維度可以幫我們用2D的觀念畫出相對的距離和位置。可是當你要在台北市搭捷運從A地到B地的時候，反而採用「捷運地圖」的思考框架比較有效，雖然捷運地圖的站點之間，距離和位置都不是真實的呈現，可是卻能幫助乘客直覺地理解：下一站要去哪裡。這時的重點就不是距離和位置，而是清楚地辨認出目的地的站點該搭乘哪一條線。

所以當我們問：「哪一種地圖最好？」這個問題本身並沒有意義，而是會因為使用的情境和目的的不同，而產生不同的答案。所以，也沒有什麼叫做最正確的思考框架，都是要看情況和目的而定。讓自己成為建立思考框架的能手——也就是造局者，就能懂得如何選擇並且應用思考框架，這會是各種決定與行動的基礎。
.
【思考框架的轉變】
在聊主動建立思考框架之前，讓我們先看一個被動轉換思考框架的真實故事，這是書中提到一段關於朗讀到默讀的閱讀框架轉變。在西元11世紀之前，歐洲大部分都是在教堂才會有閱讀的行為，而且都是以「集體朗誦」的方式在進行，主要的目的是讓大家參與一個讚頌神的集體活動。但是到了11世紀之後，開始出現另外一種閱讀的框架，也就是「默讀」。

默讀讓閱讀這件事情不再是集體的體驗，而是一種個人的經歷。每個讀者都可以控制自己要讀快一點或慢一點，你也可以重複閱讀某一些篇章，自己可以慢慢思考書裡面的內容，產生新的點子，促進獨立思考。到底，是什麼東西造成了人們從朗讀的閱讀框架，轉移到默讀的閱讀框架呢？

在早期的書籍和文章裡面，常常沒有標點符號，字跟字之間也沒有空格，就像是一連串的字母之間不斷地延續。這種情況下光是要閱讀就非常困難了，想要默讀更是不可能的任務。這個時候集體朗讀就有它的功能，因為在一群人裡面，總會有人過去曾經讀過這篇本文，還記得某些字跟段落該怎麼念，就可以帶領大家一起朗讀下去。

在後來才出現了一項創新，書籍的字裡行間，開始有了「空格」和簡單的「標點符號」，這個時候就不再需要有人帶領，許多讀者可以自己進行斷句，獨自閱讀一本書了。於是，在這個時候人們就可以切換到另外一種閱讀框架。這件事情的影響非常的深遠，因為這一整個新世代的讀者都可以自行默讀，有助於人們自己的獨立思考，進而激發出更多元的思考框架。
.
【建立思考框架的三個方式】
建立思考框架的方式有三個：想清楚因果關係，想像出平行現實，運用物理學定律制定適合的限制條件。這三個特色正是應用思考框架的時候最重要的因素。值得注意的是，思考框架本身並不是解決方案，而且是尋找解決方案的工具。以下分別介紹這三個方式：
.
１．#因果關係
人類運用因果思維來看待這個世界，可以更容易理解世界，也有助於預測未來可能發生的事情，可以說人類是天生「因果推理」的機器。相較起來，AI 科技就無法擁有自己的因果思維，而是需要人類幫忙設定。舉經典的 Dota 電腦遊戲來說，這是一個兩隊人馬 5 vs. 5 互相廝殺，力求破壞對方大本營的遊戲。

科學家找來遊戲高手擔任 AI 策略的開發人員，設計了一些獎勵因素，讓 AI 跟自己進行的數百萬次的對戰，反覆嘗試錯誤，找出最好的操作手法。但是當 AI 跟人類正式交鋒的時候，人類還是取得了上風，尤其在團隊合作上面 AI 顯得像一團散沙。

後來，開發人員發現說，一般玩家會分成三個階段來安排戰鬥，所以開發人員就依照這樣的順序安排程式，在不同的階段給予不同的策略，調整獎勵的優先次序。然後開發人員就發現說一開始機器人通常只會照顧自己，所以還得幫他們建立「團隊合作」精神的框架。他們建立起了一些跨越個人遊戲角色的「超參數」，調整成一隻要達成共同獎勵的團隊。經過這一些修改之後，AI 反過來把人類打得落花流水。

值得注意的是，電腦不是自己學會這些事情的，而是因為人類先輸入了一些「因果框架」的獎勵因素，才可以讓這些運算發揮它的功效。同樣的現象發生在其他像是圍棋和西洋棋遊戲的對決，真正的突破並不在於機器高速的數字運算，而在於人類調整了 AI 對於因果關係（獎勵）的思考框架。
.
２．#平行現實
書中的說法是「反事實思考」，但我認為有點難懂，用「想像出另一個平行現實」比較好理解。這個方法可以讓我們跳脫當下對世界的認知，想像出一個全新的情境，問自己：「如果……會怎樣？」就像是小孩子在玩扮家家酒，或者是科學家透過抽象理論設計出全新的實驗。透過想像出一個平行現實，我們可以將因果關係轉換成實際行動，測試看看可能有什麼影響，帶來什麼後果。

心理學家高普尼克（Gopnik）認為這種能力其實在人類孩童時期就已經具備了，他還把嬰兒稱為「搖籃裡的科學家」，她設計過一個很有趣的實驗名叫「贊多測試」的假裝遊戲（贊多指的是顏色鮮豔、形狀可愛的物體）。

實驗的第一階段，高普尼克和孩童待在同一個房間，孩童會學到一個因果關係：把贊多放到一個機器上面，機器就會播放生日快樂歌，幫一隻猴子玩偶慶生。然後，在實驗的第二階段，會有實驗人員走進來把機器和贊多拿走，高普尼克和孩童一起露出失望的表情。

這時候高普尼克會拿出一個「盒子」、兩個不同顏色的「積木」，並對孩童說：「我們假裝這個盒子是機器，這塊積木是贊多，另一塊積木不是贊多。」接著她鼓勵孩童繼續幫猴子玩偶慶生。此時，孩童挑選了正確的積木，放到盒子上。即使她把兩塊積木的定義互相對調，孩童都能夠選到正確的積木。

這個假裝遊戲的實驗，證實了人類自幼就擁有了反事實思考的能力，也就是有能力可以想像出另一個平行現實。高普尼克發現，更會玩假裝遊戲的孩子，就能對平行現實做出更好的推論。她說：「嬰兒和幼兒就像人類社會的研發部門，至於成人這是那些單調無聊的製造與行銷部門。」許多人在成年之後，反而容易落入單一現實的思考方式，而忘記了我們天生就有想像平行現實的能力。
.
３．#限制條件
作者提到，所謂的建立思考框架，並不是任由想像力無邊無際地飛翔，也不是像斷了線的氣球到處亂飄，而是要有一定程度的「條件限制」，有助於約束我們的想像力，讓平行現實的想像維持在可以執行的程度，這才能讓思考光架真正發揮效用。

書中舉了一個很像電影裡才會發生的真實故事「恩德培行動」，這是一個以色列精銳部隊在恩德培機場的行動中，從恐怖分子手裡救出人質的戰鬥情節。1976年，恐怖分子綁架了飛機上106名人質，關押在烏干達的恩德培機場航廈中。當時烏干達獨裁者跟以色列當局並不友好，出動軍隊肯定不是好的選項。另一個方案是讓突擊隊員假裝成獲釋的巴基斯坦犯人，但太容易被看穿了。還有人提議讓突擊隊員降落在機場旁的湖裡，但是湖裡有許多鱷魚，而且任務結束之後這麼多人該怎麼全身而退？

評估了各種可能選項後，在種種條件限制之下，以色列想出了一個奇招：讓突擊隊搭乘運輸機在夜間降落到機場，搭乘機場內常見的車輛前往航廈，消滅恐怖份子、救出人質之後搭乘運輸機直接回國。他們在空軍基地搭建了航廈的等比例模型，透過少數獲釋的人質口中知道人質的大約位置，並且一次又一次地排練所有行動，講究到每一秒、每一步該怎麼進行。

在一個沒有烏雲的午夜，29位突擊隊員搭乘運輸機降落機場，他們身穿烏干達軍隊的服裝開著機場車輛前往航廈。突擊隊以迅雷不及掩耳的速度突擊航廈，只花了十分鐘就解決所有的恐怖分子，然後就帶著人質直接搭乘運輸機返回以色列。整場行動中只有三位人質喪生，而且連烏干達政府都還來不及反應。這個故事從天馬行空的平行現實裡，限縮了各種條件，找出了最可行的方案，最後成功執行了這次任務。
.
【重啟另一種思考框架】
當你想要解決一個全新問題的時候，尤其是還沒有人曾經解決過的問題，你可能會感到不知所措。這個時候，先透過兩個步驟來思考：(1) 先從自己腦袋裡的框架庫找找看，有沒有其他適用和類似的框架、(2) 檢查其他不同領域的框架庫，看看有沒有能夠直接借用，小幅度調整就可以使用的框架。

如果這兩個步驟都找不到適合的框架庫，那麼才嘗試最困難、也是最後的殺手鐧：「發明新的思考框架」。作者提醒道：「切換到不同的思考框架，能讓你對世界有不同的觀點，但這也有風險。」一旦你重新找到一個新的思考框架，帶來的報酬可以是相當可觀的。

書中有一個重啟框架的例子很值得我們參考，美國紐澤西南邊的小城市康登市為了改善當地的犯罪率，直接解散整個警察隊伍並且重整執勤策略。當時城市的治安非常糟糕，市容也很破舊，到處都會發生大小程度不同的犯罪。這還不是最慘的，警方栽贓、造假、暴力執法的情況更是屢見不鮮。民眾除了害怕黑道，也非常害怕警察。

當地首長找來社區領袖和居民共同商討，最後決定放棄頭痛醫頭、腳痛醫腳的貼膏藥方式，採取全新的執法策略。解散警隊之後，他們精挑細選和新聘任的警察，改變了巡邏的方式。他們逐家登門拜訪、自我介紹、談談可以幫忙居民什麼。警察在街頭舉辦派對，和民眾聚餐，和小孩打籃球。

過去的思考框架是「警方將人民視為罪犯」，但是新的思考框架則是「警民一家親」的社區群體，警察從原本打擊犯罪的戰士，搖身一變成了社區當中親切的守護者。最後，康登市的犯罪率下少了一半，謀殺率少了六成，警方過度使用武力的案件少了九成五。重啟思考框架的方式，獲得了前所未有的成功。
.
【創造多元性的四種策略】
作者指出，很多人可能會認為，想要擁有多元性就代表要接觸大量的想法和觀點，其實那是抓錯了重點。多元性的優勢不是來自於數量，而是來自於差異。找出七百個類似的想法，不如找出七個不同的想法來得有價值。如果一個工具箱可以有七種不同的工具，絕對會比擁有七百把錘子的工具箱更加實用。

如果我們想要擁有多元的思考框架，就是要刻意的去營造，以及一起維護，這並不是一次的成功就可以高枕無憂。如同貝佐斯在《創造與漫想》書中提到的：「這個世界要你與眾無異，千方百計把你拉向跟大家一樣，別讓它得逞。」人類本能的從眾傾向，以及社會自然而然的同質化趨勢，都需要我們自己刻意地、有意識地選擇，才能夠擺脫與眾趨同的自然發展，擁抱更加多元化的觀點和想法。

如果你想為自己的生活、家庭、工作環境創造出多元性的樣貌，可以採取以下四種策略：擁抱變化，運用教育，鼓勵遷徙，容許摩擦。
.
１．#擁抱變化
如果一個思考框架一直以來都行不通，最好的做法就是擁抱改變，試試看別種思考框架。書中舉例同性戀婚姻的推動者，把美國從1995年支持同婚的人從25%提高到2020年將近70%。以前的同志運動一直把婚姻當成是核心議題，也一直把爭取這種「法律權利」當作是重點。但是進展並不顯著。

當時那種法律思考的框架，講究的是「法律權利」，但就是沒有效果。那種框架太缺乏想像力、太唯物主義，沒有說服力。到了2000年，他們研究很多民意調查還有焦點團體的意見，想弄清楚大家到底還有什麼疑慮。他們去思考說要怎麼樣用大眾的思考模式來談。最後他們選定了一個價值觀的思考框架，鎖定大部分的人結婚的原因：「愛、奉獻、家庭」。

他們把同性戀婚姻不再當成一種自由或者是權利，而是對於愛的表達與承諾。他們漸漸的讓大家知道，世界上有許許多多不同的框架，而且都同樣正當。到了2011年，第一次出現的黃金交叉，支持的人數正式超過了反對的人數。根據調查，只有14%的人會說這是一種「自由」，而有32%的人會說這是一種「愛」，是一種人類的情感。最後在2015年聯邦最高法院正式裁定的用憲法來保障同性伴侶的結婚權利。這並不是強迫民眾接受某種特定的思考框架，而是讓各種不同的思考方式能夠共存。
.
２．#運用教育
要建立起多元的思考框架，從教育著手是非常有效的模式。美國有一個很有趣的研究，就是去看美國的白人父母和黑人父母怎麼跟孩子談論種族。發自內心一片好意的白人父母，通常不會去刻意談到種族議題，因為他們相信「種族色盲」這種做法比較能夠讓孩子避免成為種族主義者。

另一方面，黑人父母卻常常和孩子討論種族議題，在他們看來，這種種族色盲的做法就是在故意忽視各種明顯的歧視現象。例如逛超市的黑人被懷疑是小偷，開著車子卻無緣無故被警察攔下來，黑人孩子的家庭教育就是要強調看到「種族的各種顏色」在日常生活的各種影響。

最後，這些社會學家發現，種族色盲的框架正好是種族歧視的主要來源，白人父母雖然出自於好意不想強調種族之間的差異，但也在無意之間，否認了有色人種遭受到歧視的真實狀況。這種教育方式忽略了差異，抹去了多元性。要培養多元的思考，就必須認識到差異的存在，承認仍然存在的落差。
.
３．#鼓勵遷徙
如果我們能夠鼓勵遷徙及流動，人們會把自己的文化和思考方式帶到別的地方，促進融合和變化。曾經有學者研究各個區域和城市的經濟成敗因素，發現了這些地區成功背後的原因有三個主要的因素：「科技、人才、寬容」。作者認為，「寬容」是其中最關鍵的一項，那些現在最開放的地方，經濟表現就最好。因為這些地方有更大的思考地圖，會讓人能夠放手冒險，這也是思考框架多元化所造成的經濟紅利。

像是美國被譽為一個民族「熔爐」，但是最近比較像一個「燉湯」，也就是讓裡面的好料都還維持各自的形狀。像是韓國人會住在洛杉磯的韓國城，華人會住在舊金山的唐人街，拉丁美洲的族群住在德州南方，古巴人住在佛羅里達州，巴西人就住在波士頓。雖然這種文化融合的速度不像我們想像中的快速，但是不同的文化激盪之下，也為美國社會注入了很多元的觀點和看法。
.
４．#容許摩擦
把社會上的摩擦，看成是這個社會的優勢、而非缺點。作者說到：「如果在社會裡面維持思考框架的多元化，確實會讓人們彼此之間感覺到不安很衝突，就是因為大家要看到彼此的不同，而且還要可以彼此互動。但畢竟，大家觀點不同、意見相對，本來就是正常生活該有的模樣。」

哈佛法律學院的昂格（Unger）教授認為，如果要讓政治進一步的去中心化，就必須要用一些反事實的模型來做思考。他說：「當社會很果斷地沿著一條路前進的時候，應該要多方下注，以避免損失，也就是要允許在特定的地點或部門，跳脫一般的解決方案，實驗看看不同的國家走向會怎樣。」

昂格鼓勵讓社會充滿摩擦，也鼓勵教育上面要用辯證式的討論方式，不要讓社會被束縛在單一的版本，而是可以嘗試其他的社會組織方式。運用和擁抱多元的思考框架，才能擁有多樣化的各種策略，再從中選取適合的方案。
.
【對思考框架保持警覺】
這本書告訴我們，幾乎沒有錯誤的思考框架，只有不適合某種情況的思考框架。而且各種框架應該要有共同存在的權利。但是作者們提醒我們要保持一個警覺，他們說：「唯一要注意的是，這種慷慨的態度要有一個前提，也就是說：『唯一』的一種錯誤的思考框架，就是拒絕其他的思考框架。」

要讓框架多元性的目的，就是為了讓各種框架可以彼此競爭、互補、對抗、共存。然而，如果有某一套思考框架的目的在於完全抹煞其他框架的存在，這就是不可被接受的。所以作者們才說：「如果你聽到有任何人或團體，說只有自己的思考框架放諸四海皆準，只有自己說的是真理的時候，千萬別相信。」
.
【後記：拓展想像的邊界】
如果說另一本我很喜歡的《超級思維》那本書是心智模型的「百科全書」，那麼《造局者》就像是心智模型的「使用指南」。書中有清楚的概念和步驟，讓我們了解為什麼要學習更多的心智模型，以及該怎麼樣活用各種心智模型，並且在必要的時刻推翻自己的假設，重新啟動一個新的心智模型。

這本書是今年我讀過的書裡面感到非常印象深刻，也讓我的思考方式深受啟發的。作者們把故事和理論的比例搭配得恰到好處，從一則又一則的故事和研究案例當中，會自然而然地理解作者們要帶給我們的觀點，也讓我感受到什麼叫做多元性，以及為何要擁抱差異。

從書中也可以發現，AI 並不會削弱心智模型的重要性，反而是增強了心智模型的重要性。因為 AI 無法自己建立思考框架，仍然只能依靠人類。人類最重要的特色就是可以處理「假設之外」的新問題，能夠把心智模型的空間拓展到可以親身體驗的範圍之外，也就是能夠做到抽象與推理。人類只靠著極少數的資料，甚至是完全沒有新的資料，就能夠適應全新的、過去從來沒有體驗過的情境。

作者最後提醒到：「這是一個救贖也是一個警訊：一個人如果擁有建立思考框架的能力，就會保有價值。但要是放棄了努力，沒有辦法做好這件事情，就會失去現在人類的特權地位。」我們能夠想像的邊界，就是我們世界的邊界。
.
Kobo 購書連結：https://bit.ly/3rRI8Kg
Kobo 電子書7折代碼：WAKIFRAMER
使用期限：8/15~8/21
.
感謝 天下文化 提供贈獎抽書

AI-ready是什麼?大數據結合統計方法，得到真實證據，解決問題，精準管理。然而現在遭遇到最大的瓶頸，就是沒有標準，數據合併須要不斷重做。
以函數為起點，使用哪些函數、提升效率的寫法是什麼、變數函數應用。


00:00:00 開場
00:03:00 認識F檢定，獨立樣本T檢定
00:10:00 ETL與ELT的差別
00:20:00 F檢定：變異數差檢定
00:25:00 T檢定：平均數差檢定
00:30:00 F檢定：變異數差檢定
00:35:00 T檢定：平均數差檢定

很難得機會在台灣捕獲李孟這位旅日的資料科學家，也很高興可以訪問到他！
李孟在日本四年的工作時間當中，歷練過「軟體工程師」、「資料科學家」以及「機器學習工程師」的職務，為什麼會有這一路以來的自覺與自學歷程？我們都一併在這次專訪當中聊到了！同時還加碼聊了「在日本的工作與生活環境」，提供給想去日本生活的朋友參考呦～

👉在這次專訪中，我們暢聊了：
1. 李孟是如何從軟體工程師的身份開始自學「資料科學」？
2. 資料科學家 / 機器學習工程師工作內容上的差異？
3. 李孟比較喜歡當資料科學家、還是機器學習工程師呢？Why？
4. 覺得人們除了積極自學之外，還應該用什麼心態來應對AI帶來的衝擊？
5. 加碼閒聊「在日本的工作環境與生活環境」，提供給想去日本生活的朋友參考呦！

👉李孟釋出他在台大的演講簡報，鉅細靡遺地分享他成為一位資料科學家的歷程，內容相當精彩，製作也很精美耶！https://www.facebook.com/LeeMengTaiwan/posts/10220691442829365
👉李孟的超高含金量部落格，分享各種他在資料科學與機器學習上的應用經驗！https://leemeng.tw/



#他是資料科學家也是機器學習工程師 #自學資料科學與機器學習 #李孟

這支影片跟你聊#4｜如何評價自己的人生決策與人生觀?｜珊蒂微AI｜ft. 台大資管系 孔令傑 老師｜專訪第三集-4

===============================
去年邀請到優秀的台大資管系的小傑老師一起合作拍攝專訪影片，當時就已經預計影片會分成三集釋出。只是...只是第三集的「回覆問題」 這一part 因故一直被我拖延著沒完成剪輯！
但是其實第三集是非常值得一看的，因為小傑老師總共回答了四個問題，我認為每一題都解答了很多人心中對於「資管定位? 人工智慧與資管關聯? 賽局理論與人工智慧關聯?」的疑問 (尤其是那些對未來選系迷茫的學子！)
再加上有網友在前兩集影片下方留言敲碗第三集，因此我收起了我的拖延病，奮起把第三集剪完了！
總之，好事多磨，第三集的四個問題回覆的影片將依序釋出在FB與YT呦！

💟問題一：人工智慧 / 賽局理論 / 大數據」三者到底有什麼關聯性？👉https://youtu.be/qzjIf-iDYNY
💟問題二：資管作為「管理」與「科技」的橋樑，能創造出哪些跟資工 / 資管 / 工管與眾不同的價值? 👉https://youtu.be/WHaVRdWu1Xw
💟問題三：若有同學是以學人工智慧為前提來選系，在 資工 / 資管 / 企管 三系之間，老師會如何給予建議？👉https://youtu.be/N37TaXG_wko
💟問題四：當初拿到PHD之後就回台灣教書背後原因？以及你怎麼評價自己的ㄖ決策風格？👉https://youtu.be/ZPHh9fyY0ko

#學AI靠選系?
#人工智慧是跨領域的學科
#台大資管系孔令傑

👉孔令傑老師的YouTube頻道：https://www.youtube.com/channel/UCUOO6-Vu9wjZI9SW5jgmNTQ
👉孔令傑老師的部落格：http://www.im.ntu.edu.tw/~lckung/?fbclid=IwAR2weTFa7_WKfqUDYrPeQEV2tI7cA-Q9DzEUx6RpobfFjJALLSXCbCR3ZQo

#大學科系
#資管
#資工
#台大
#如何選系