Google搞砸我們的大腦

 
印象中,再我開始習慣使用網路的時候,台灣普遍的民眾都還是使用Yahoo奇摩, 蕃薯藤, MSN, 即時通的時候(透漏年齡了 = =)。
大約是10多年前,那時所有的資訊,都仰賴的Yahoo的搜尋引擎和知識家,很多不懂的事情,基本上還是仰賴著圖書的資訊。
查書、問專家或是自修是最正確的方法,我大概是大學一年級開始轉換使用google搜尋引擎。
漸漸摒棄Yahoo的搜尋引擎,因為Google迅速又正確。
殊不知使用Google過了那麼多年,才漸漸發現自己大腦漸漸的很仰賴google,
失去了很多應該隨著時間累積的知識和能力,記憶整個技術的能力也變差了。
 
 
使用Google這麼多年,我自己發現少了
  1. 深度思考
  2. 求快不求好
  3. 提問的力量
 

 

我們少了深度思考,何謂深度思考?

談到思考這件事情,我認為就有分成深度和淺度。
一般日常生活會碰到的問題,例如去哪裡找好吃餐廳,這是淺度思考。
人生重要的決策,例如該如何選擇人生目標,這需要深思熟慮,這是深度思考。
 
我們常使用網路google搜尋引擎去尋找答案,大部分的時間都在查詢與閱讀,
判斷資訊是否正確,變成非常淺度的思考。
Google是沒有辦法提供深度思考的答案,特別是跨領域的。
 
當我們面臨一個非常重要的決策時,我們該如何下決定?
如果你是高中生,你就不知道選填大學志願?該選系還是該選校?
如果你是剛畢業的大學生,你就不知道怎麼去找工作?該怎麼做職場規劃?
 
在閱讀《為什麼這樣工作會快好準》(購買請點我)一書中,我讀到了貝氏理論。

另外,也在研究人工智慧是什麼玩意時,我在深度學習模組中看到貝氏定理,
整個了解貝氏定理後,會發現這是人類天生的能力。
 
“貝氏定理(英語:Bayes’ theorem)是機率論中的一個定理,它跟隨機變量的條件機率以及邊緣機率分布有關。在有些關於機率的解釋中,貝氏定理(貝氏公式)能夠告知我們如何利用新證據修改已有的看法。這個名稱來自於托馬斯·貝氏。-維基百科”
 
 
“人類是天生會依據少少的資訊,做出正確決策的生物,但大部分的人在做決策的時候,都非常馬虎,沒有深度思考每一個決策的機率,就下決定了。-賓州大學計算機教授萊爾·昂格(Lyle Ungar)”
 
貝氏法則的意思是說,我們可以依據一兩個簡單的資訊以及個人的假設,得到發生的機率。
如果接下來又得到更多資訊,貝氏法則會進一步依據新資訊調整機率。
簡單來說就是預測未來的能力,從大學畢業生選擇什麼工作未來會賺比較多的例子。
 
假設是一般商學院畢業生畢業後,
他可以選擇行銷業務類工作有行銷廣告、產品企劃、業務銷售、貿易船務、門市管理、專案管理的選擇。
從104的新鮮人薪資情報得到
行銷廣告 平均3.2萬 1人/工作機會 
門市管理 平均2.8萬 1.7人/工作機會 
貿易船務 平均3萬 0.9人/工作機會  
業務銷售 平均3.2萬 2.7人/工作機會  
產品企劃 平均3.8萬 1.1人/工作機會
專案管理 平均3.8萬 1人/工作機會  
以我自身來說,我是產品專業,可以得到平均月薪、範圍和工作機會。
若以工作機會來看錄取機率排名,
  1. 業務銷售
  2. 門市管理
  3. 產品企劃
  4. 專案管理
  5. 行銷廣告
  6. 貿易船務
 
得到錄取機率後,可以開始刪掉自己不喜歡的工作(自己的假設)。
可能你不想當業務推銷,也不想做門市管理,還有貿易船務的機會也比較少,刪去這三項後。
接著,你的選項就簡單多了。
  1. 產品企劃
  2. 專案管理
  3. 行銷廣告
接著因為你是一般私立大學畢業生,期望的薪水觸頂就是3.5萬,有效樣本是236(應該是指236間企業)
那個你心裡應該有個底了,實際開出職缺的公司有236間,可能實際職缺只有236人。
按照教育統計105學年度畢業生有22萬多人以及1111人力銀行調查想進入的產業前三名為新鮮人最想投入的行業以「資訊/科技」(24.92%)居冠,其次是以泛金融業為主的「工商業服務」(14.98%)與「民生/服務」(11.36%)。註1
 
那大致上就會有個底了(自己的第二個假設),你想要跟22萬人競爭資訊/科技產業爭奪錄取機率則是2287938*24.92%=57,015人
企劃/專案管理工作機會有1150人,那麼實際上你投履歷產品企劃/專案管理的錄取率則是
57015/1150=20%(第二個判斷的機率)
也就是丟10間公司應該會有2間的機率錄取。
以此類推,你可以計算出其他工作職缺的機率,這就是用深度思考去計算每一個決策的成功機率。
 
當然,若你能找到商學院畢業生人數,這個數字會更精準。
每得到一項更準確的數據,就可以重新計算機率,讓自己可以更準確的下決策。
但可惜的是,每個人都是馬馬虎虎的匆匆決定人生大事。
 
註1:2018新鮮人求職現況調查https://www.1111.com.tw/news/surveyns_con.asp?ano=113111
 
 
 
 

求快不求好,沒有正解

我們在生活中,常常遇到難以作決策的時刻,我們往往很少用機率思考,或是深思。
當這發生時,我們會使用Google搜尋引擎,希望可以馬上找到答案。
但是在那當下,往往不見得會有正確解答,只是追求迅速找到答案。
當你越熟悉使用Google你越會發現,越難找到正確的資料。
因為目前的資料都是單一領域的答案,鮮少有跨領域的答案。
但偏偏我們現在遇上問題都是跨領域的,單一領域的學者,無法提供正確的答案。
網路之父Berner 在2009年的TED提出了關聯式資料的想法,現在也已經實現。

 
現在的Google搜尋引擎,已經比9年前的Google厲害多了。
但問題也更複雜,跨的領域也更多。
唯一可以確認的是「越是專業領域的資料,得到可用的結果就越少。」
以我個人來說,近期不斷地跨領域的學習,可以讓我以不同角度和視野綜觀大局,
也可以嘗試用各種不同的角度去思考問題,是個很有趣的感受。
擅長使用不同類型的資料去做詮釋,會有更完整的資訊,也有更好的解決方案。

關於資料應用方面可以看 Hans Rosling 博士2014年的TED演講

 
 
“飛的越高,看得越遠。”
具體該怎麼做減少對Google的依賴,增加多一點思考呢?只要轉念,從依賴變成Plan B or C。
只要遇到問題的時候,先思考自己有沒有辦法解決,或是遵循過去的經驗,自己使用機率的方式判斷最佳解法/路徑。
使用Google只是用來搜尋自己判斷的資料,最重要的還是自己有沒有辦法判讀資料的能力,也就是機率思考的能力。
 
 
 

問對問題,提問的力量

 
“問對問題,就解決一半的問題!-Frank Sesno”
 
曾經聽過教育專家提到東西方學生的落差在於,西方學生很勇於提問,比起東方從小就敢舉手發問。
瘋狂數落東方學生的不是,但實際上我卻不這麼認為。
因為開始學習電腦技術,回頭報名了一些大學的MOOC課程。
像是台大的計算機概論,大概聽了幾堂課,發現蠻多台大的學生會直接在課堂提問。
老師也直接在課堂上回答或是告訴同學緣由和可能的解法。
實際上,我個人認為問問題本來就是一件很難的事情,我想請教那些所謂的教育專家。
他們當學生時,也有這麼勇於提問嗎??
現在有提問並且解決嗎???
自己先必須坦然的面對,問問題其實不簡單。
會無法提出問題,是因為先備的知識不足。
所以,才會無法提問,東方社會是考試文化為主,家長從小是這樣長大的。
當然也會習慣唯有上課會用到,才要看,才要讀。
突然是超出課程範圍的內容,就無法去問問題了。
生活中有多少問題,是未知數?
 
在探索自己生產力的過程中,我開始逐步的找回自己深度思考、提問的能力,下一步我希望能夠完整建立自己的維基百科。
把自己所有的知識文檔化,把腦內的資訊和知識寫下來,才有可能建構更完整的知識圖譜。
 
 
If you enjoyed this article, please like it up, and share. 如果喜歡我的內容,請按讚分享給需要的朋友,或者輸入e-mail訂閱文章,點我訂閱
 
或是電腦版網頁請掃描右方QR code加Line@好友(手機版請直接 點我家好友) 或手動輸入 Line ID: @Iqq0534b ,(記得加入後,和我打聲招呼:-) 
Facebook用戶請點擊網頁上Messenger的按鈕,便可以直接和我對談。
 
你將會每週至少收到一篇文章關於知識探索、/專注力提升、行銷/品牌、科技/技術、運動訓練相關的內容,若有更好的想法要和我分享,歡迎在下面留言。
Facebook Comments

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料