數據、謊言與真相

前言：
難得的十二月鬧書荒，隨手挑本新書來讀。今年真是新知匱乏年呀(註一)。

註一：
或許不是新知匱乏，而是台灣沒落。前陣子到天龍書店看真的失落萬分，怎麼都沒新書。倒是簡體版的變好多。可能台灣願意買書的人口急速下降，致導翻譯書商意願變很低。這是種惡性循環，跟音樂一樣的狀態。台灣音樂死透了，要聽音樂請到spotify,apple music。音樂沒死只是取得的方式改變了。所以閱讀不會死，但要懂英文或簡體字了。時代的演變真的有好有壞，但我很不幸的就是被刷的那群人之一，該死的爛英文。孩子，先把英文練好先。能破解英文障礙代表你已學會如何「克服」問題的能力，其他事相較之下都輕而易舉。那我為何還沒學好，呃!?我已學會如何克服問題的技巧了，外加沒學生那種什麼都缺就是不缺時間的本錢。位階不同，誘因不足。

隨記：
P.18 Google在2009年推出Google 搜尋趨勢(Google Trends)。
P.19 我們在網路尋求知識時，留下的足跡，最後反而揭發驚人的真相。換句話說，人們搜尋資料，這種行為本身就是資訊。→對某事感到興趣就會用關鍵字去搜尋相關資料，而這個關鍵字就透露出你的本性。
P.21 Google 數據強大之處在於，人們會把自己可能不會告訴任何人的事，告訴這個大型搜尋引擎。→所以結婚前一定要偷看另一半的電腦，看他搜尋了那些關鍵字。至少妳不會想跟一隻雞(gay)結婚，但如果他很有錢或很會賺錢的話倒可容忍，然後拿他的錢去外面偷吃，各取所需。
P.23 「風暴前線」(Stormfront)，美國很受歡迎的白人民族主義網站。
P.33 大數據本身就是一個籠統的概念→不可能精確，但大致正確會比完全錯判、看走眼好上非常多。
P.64 中產階級雙親家庭比較擅長教養出容易相信別人、有紀律、堅持不懈、專注並具組織力的小孩。→相對貧窮家庭而言，另外貧窮家庭不止基因低於平均值的劣勢，在物質上也屈於惡劣。故低階人口大多只是待淘汰者，能爬上來者大多只有運氣差掉下去的天資優秀者，而且要很明顯的優秀(需額外克服物質、知識水準、同儕排斥等劣勢)另外就是運氣，在極大數量下要創造奇蹟是很容易的事。而這種人在上層也保不久很快就被其他人獵食掉了。
這時會思考窮人需要被拯救嗎?就自然法則來看是不值得，就感情來看是需要，就我來看來是不關我的事，我又在漫遊在文字中了。
P.76 pornHub是最受歡迎的色情網站之一。→根本是最大的色情網站吧!!

P.86 Google 工程師設計出查詢相關性的Google Correlate。可以隨時隨地查看所追蹤的任何數據系列，並查看與該數據集最相關的的Google搜尋。→查了一下bitcoin，發現似乎具有預測性，在2013年引起眾人的關注，經過三年造就今日的價格。

P.145 即使大多數調查都是匿名，但人們還是希望保持自己的良好形象。這就是所謂的「社會期許偏誤」(social desirability bias)。
P.148 人們沒有誘因跟調查說真話→想想對問卷說謊是蠻具有誘因，填寫完美自我是多麼讓人自我陶醉的事呀。
P.204 臉書不是數位誠實豆沙包，而是跟朋友吹噓自己的生活多麼美好的社會媒體。
P.207 當人們一片譁然抗議自己不爽看到朋友在臉書上生活細節時，私底下卻還上臉書窺探朋友生活的所有細節。→就說人具有極大黑暗面，喜歡偷窺別人在幹什麼。所以偷窺狂其實是真情流露。可惜我窗外都是不穿依的裸樹....
P.256 開始分析成堆的數據前，卻一點道理也沒有。→看到統計結果具有很明顯的顯著性，但說不出為什麼。統計學之所以強大是因為繞過未知的原理，先得到結果。然後再用結果去找原理。這是多麼出色的工具呀!!繞過原理，先得到結論再用結論去找原理。也可證明我們的認知是充滿錯誤，導致正面的推論常常撞到銅牆鐵壁而過不去。
P.270 相關性(correlation)與因果關係(causality)→卡路里與體重是相關性，而糖和體重才是因果性。錯覺來自於1g油脂=9大卡，1g糖=4大卡。所以推論油脂是增肥主因。但問題是不健康才是主因(不健康才會讓身體想額外儲備脂肪，體重增加)，而不健康的原由通常是糖造成。糖跟香煙一樣是被誤導的商品，讓人以為有益(或無害)。所以這兩者的區別是存在很大的難度，尤其是常識最容易讓你誤判。宗教更過分，知道是詭道還更上一層的包裝起來。把因果變成自己的論點，用因果關性偷度相關性。真是道高一尺魔高一仗呀!!說道者就是最大的惡魔。
P.271 遺漏變數偏誤(omited-variable bias)→吃素為何讓人更長壽?「吃素」這事指的是單一變數(因子)，而其實根本只是偏誤。能吃素的大多是家境好，才有錢有閒去搞純素的食物料理來吃。那吃素的為何讓人更長壽?答案是他是有錢人。
P.271 我們如何更準確地建立因過關係?到目前為止最廣受認可的做法就是，利用一種隨機對照實驗(randomized controlled trial,RCT)。→利用隨機性質，消除實驗組與對照組環境差異。真的很出色的奇想。
P.274 大數據讓隨機對照實驗，也就是可以找到真正因果關係的方法，變得更容易進行。
P.274 隨機對照實驗已經更名為「A/B測試」
P.278 A/B測試如此重要的一個根本原因是：人們是不可預測的。我們的直覺往往無法預測人們會如何回應。
P.282 根據我們的生活經驗就能判斷答案是什麼，那麼測試就不會有價值。但事實上，我們不了解人性，所以測試才這麼有價值。
P.318 維度的詛咒(the curse of dimensionality)→皇帝是萬中選一，這是從結果來看。其實第一名與二、三名的落差不大(註二)，只在於運氣。而運氣怎麼用?成語：萬事俱備，只欠東風。先要滿足條件(當上候選人)，運氣才會在其中隨機挑出一位。好像有點偏離這維度的詛咒意思，主要是在說統計會出現的假訊號問題，因為隨機亂統計也是能出現顯著的對比，但那只是剛好出現的現象，因為樣本數永遠小於母體，必然出現的巧合。試問大數據下的無限組合中能製造多少巧合?答案也會是無限個。假設每個人都是一個維度(一個變數)，在因緣際會誤解太常發生就說明了維度的詛咒是多麼常見。而作者也嘗試利用大數據找關鍵字頻率變化與股市波動的關聯性，結果徒然無功。這只是刑求統計罷了，你不能反過來使用統計，統計是後驗，而不能當論點本身。你必須先有一個很棒的假設(邏輯論點)，然後透過統計驗證，這才能有效的篩掉大部分的巧合(維度的詛咒)。

註二：王與寇
在我們印象中項羽是個壞人、李建成是個無能的太子，但想想能爭天下第一的真的具有這麼大的缺陷嗎?還是歷史是贏家的狗奴才寫的，媚上才能升官發財，照史實的會沒有小雞雞。嗯，史官真為難，只有兩個選項選一：心中有雞雞 或 身上有雞雞。

心得感想：
作者糾結在能用大數據預測川普當選是很荒謬的事，因為希拉蕊總人數票是贏川普，如果大數據預測是川普當選，那整個統計才有問題。川普贏在遊戲規則，又不是贏在數量。而且那數量差在統計學上是算在誤差值，也就是大數據無法明確預測出川普與希拉蕊誰會獲勝。最多就到，川普未如媒體預測的不可能發生的事。
原來大家都很虛偽，尤其在鏡頭前從來都不會說出真心話。也就是只能從他的行為知道他的本意。川普知道這個落差，常常說出荒謬但符合觀眾心中的話。美國優先，這句話讓美國人心裡高興死了，但嘴上說川普是個混蛋，外加一句世界和平(虛偽)。
本書在討論名校精英時(P.311)讓人蠻驚訝。原來不是名校教出精英，而是精英本質就是精英。測試的方法是差幾分上名校和分數到卻選擇別的學校(證明資質相差無幾)，而事後統計這兩組人的成就差異，發現沒有明顯的落差。優秀的人到那都還是優秀呀!!所以別怪運氣不佳，而是要體悟，我原來不是天才的事實。然後從這基礎去思考人生抉擇。
本書結論：大數據無法幫你找到女朋友，也無法幫你找到股市黑馬，或許能找到獨角獸，貴的莫名其妙的怪獸吧。所以大數據不是全能的東西，只是有優有缺的解答工具。

[2017年12月27日 鴿子觀察]
最近有一隻很惱人的鴿子停在我的窗邊，趕不走。從外觀來看是隻老年鴿，毛無光澤眼袋大又扁灰，但動作還是很敏捷和很會小聰明。身為人類的我一直感到被羞辱，因為抓不到，讓牠覺得我莫可奈何。但昨天用了一些心機和耐心的等待，守簾待鴿(30分鐘)還是徒抓到了。我刻意的用塑膠袋綁起來只露頭，然後關在黑暗的廁所五個小時。我想依照人類來看，這樣做會具有很大的心理陰影，五個小時不知對方會如何處置你的恐懼是無限上升。然後在晚上帶到山上野放。心想怕了吧，玩弄小聰明的笨鳥。但今天中午還是飛到我窗邊。暗，這什麼道理??鴿子大腦結構跟人類完全不同，只有一句話是合理，鳥為食亡是千真萬確的事(我想人為財死也是真言)。很奇妙的體驗，生物之間的差異性會如此的大。牠的小聰明水準會讓我誤以為牠有智能，但可能只是本能反應。如果牠有智能就會產生感受，尤其是恐懼這種很明確的情緒。而事實上牠沒有情緒。觀察別的生物就發現極大差異的存在，所以星際大戰中的外星人反應會跟地球人一樣??這真是嚴重的錯誤假想。
[2017年12月28日 有機體與無機體的運算力對比]
當發現鴿子是無情緒生物後讓我驚訝萬分，長久以來我認為生物具備某種程度的思考力，而思考力代表著會有七情六慾。而實際上思考力與感情是分離開來(即使是有機體)，而從狗就得證這論點，他們的鼻子敏感度是人百倍起跳(有人估到100萬倍)。但沒被自己體味和環境鼻味給薰死是不合理的，如果狗不具備感受力，只有判斷力?那整個邏輯也就合理了。情感只有人類才具有的能力!!絕大多生物都沒有演化出來的能力，人類還真自作多情。
[2017年12月29日 壞訊號]
台灣鄉民繁殖力驚人的壞訊號(對我而言是好訊號，對手越多笨蛋我才有利)，當人們越可憐就越會陷入惡性循環，越來越悲慘。人民智慧會成長，可能只是錯覺。窮人之所以窮就是思維就是向更窮的選擇。宗教都是要你先破財才能招財，旁觀者知道是詐騙，迷信者相信那是真理。這群廢物就是不肯認真學習，懶成豬，窮只是活該。

《工商時報 2017/12/29 A18版》

[2017年12月29日 言語的層次性]
最近因為太悶了，常到各網站看鄉民們的言論。有些很有意思的題目，像物理公式討論如何融入交易，有些人還真認真討論，有些人並不知道那是金礦還停在嘲諷。例如混沌理論(註三)被當垃圾在罵時，我真的也笑了。為何有人明明找到了金礦，卻沒能力辨視。人生真的很有意思。懂的人不管怎麼說，不懂的人就是永遠不能理解。同樣的文字傳達出來的意含並不是一樣。用比較簡單的例子：「運氣」。多少人能聽懂我在文字中的運氣是指「具因果但不可測」、「隨機」等意含呢?大多數人還是覺得運氣是天注定的東西，可靠做好事來改運、可花錢消災。嗯，我又犯蠢了，手癢癢又去沒營養的地方流連了。

[2017年12月29日 鴿子行為再思]
我一直在想為何這隻鴿子會異於其他鴿子，貪婪、敏捷、執著。其他鴿子都中規中舉，就這隻死纏爛打。把我窗戶當他的領域會排擠其他鴿子，想想可能是我造成的。因為我把咖啡渣倒在窗台上，就這惡棍鴿吃最多咖啡渣。讓他各種狀態變得極為靈敏，欲罷不能。咖啡真是個可怕的物質，用過就會上癮。完全清醒狀態是一種戒不掉的東西。或許我該撒辣粉在窗台，哈。

註三：混純效應
是熵的變化過程，無序狀態到最終的漩渦力。這是一種概念，是心法的基柱之一。其中蘊含著隨機漫步和趨勢理論。bitcoin的價格走勢就是其代表，從看不出好壞到最後非線性的極端發展。

《coinmarketcap》

書籍資料：
書名：數據、謊言與真相：Google資料分析師用大數據揭露人們的真面目
原名：Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are
作者：賽斯‧史蒂芬斯—大衛德維茲
原文作者：Seth Stephens-Davidowitz
譯者：陳琇玲
出版社：商周出版
出版日期：2017/12/07
閱讀價值：中