關聯性 =/= 因果關系 l 學習是為了目的還是手段? 大有不同 l <知識大遷移：移動時代知識的真正價值>

2022年8月27日
今天想分享一些統計學的數據分析思維。
首先, 我們要知道只要數據足夠多, 相關關係的統計數字絕對會變得更多, 但是不代表著有因果關係, 最簡單的例子就是: 我們拿取香港電視劇「大時代」丁蟹一角的鄭少秋演員, 只要每逢鄭少秋的電視劇首播, 當天的香港股票市場都會下跌, 已經是連續幾次的現象。但是我們能不能把股票市場跟鄭少秋的首播連成因果關係? 有點智慧的人都知並不可能。 在數據分析後, 只能表示出他們之關有相關正向的影響, 但並不能夠尋找出因果。

在金融市場上, 還有更多的例子: 如某國總統選舉, 某議員下台等等, 很多人把重點放在數據上看像有因果關係的數字上, 形成我們視角的盲點。
但我們如果想要找到因果關係這必須先要由相關性的統計數字中尋找, 把範圍收窄到可探索的方向, 再由我們進行思考分析及數據抽樣的統計, 這樣才能夠從變數中找出可行的方案。

不過有一點, 可能會讓不少「數據統計」人員所忽略的, 就是當變數並沒有相關性卻又有因果關係的因素, 這一種就需要我們再深度去思考其關係。
比如: 當人們會發現人口會愈來愈多(因), 而且性的風氣愈來愈開放(相關性), 在之前的人看來會認為這絕對會令到人類的人口變得更為龐大(果)。
但我們現今的都市人/地球人就知道我們當中有利用「避孕套」,「避孕藥」等措施去使我們不會受孕, 使因果及變數不能受到正常的相關性而發揮作出, 卻又有關聯性。
如果這些事從外星人角度去思考, 絕對不太能想象出來有關聯性的「做愛多>生子」卻是一直違反著這個定律。

就像我們觀察股票市場的混沌關係, 同樣也是有很多捉摸不清的節奏, 有人能夠從中一夜致富, 也有人一早破產, 所以在華爾街中的程式專家, 統計專家, 大多數也是幫著大機構打工而已, 因為真正能夠致富的, 是一直聰明及思考獨到的人, 並不只是依靠數據及計算機就能夠找出必勝方程式的人。

-----------------------------
因此很多人認為我們需要的是思維方式, 心智模型, 就能從不同的角色去思考事情, 這遠比知識更為重要, 因為我們相信知識及資訊能夠在網上找到 特別是谷歌大神。

卻在<知識大遷移：移動時代知識的真正價值> 一書中, 作者表示知識並不會比思維模型比下去, 原因在於有知識的人在判斷上會更理性, 更有智慧,而「直覺」也會較優秀。
這並不是他們直覺準確, 而是透過知識,吸收的資訊所內化的結果。
例如作者用數據比喻, 一些連烏克蘭的地圖位置在那兒的人, 偏重不支持烏克蘭開戰, 相反一些知道烏克蘭的地圖位置的人會支持烏克蘭開戰。
再者, 在美國認為犯罪率是上升的人大部分都認為應該控制槍權, 相反認為犯罪率是下降的人卻相反意見。
而事實上美國的犯罪率是相比之前下降近50%, 且這些人普遍的知識及收入水平都比另一組不知道的收入水平高近兩倍以上。
作者透過數據去表示有知識的人普遍都能夠作出正確的判斷, 因此, 我們並不能只依靠著手機拍照「筆記重點內容」, 依靠Google去幫自己尋找答案, 當我們腦部形成依賴後就會變得「不懂記憶」即使告訴給你需要記住內容, 也會相對比較差。

最有趣的是, 作者認為很多知識, 我們自身會認為是「無用的」, 比如當我們學習英語後, 學習古文後, 學習法文後, 卻很少使用, 我們就會主動忽略它, 也不會願意學習, 作者稱這個行為是「理性無知」, 一切都認為這是由我們自己透過計算後作出的決定。

作者提出反駁這個行為的論點, 首先他喚醒我們到底吸收知識到底是目的還是手段。
如果是手段, 就像在移民需要學習英語到雅思6.5分才能夠拿居留權等等, 理性無知是成立的。
但大多數的情況下知識是目的, 而我們什麼時候會用到這些知識我們也許不知道, 但當我們需要的時候就能夠浮現在腦海中才是知識, 我們總不能在需要用的時候才去學習吧。
當人活在「理性無知」中, 會更容易掉進 達克效應裡面, 即是不知道自己不知道, 因為他們沒有知識的原料, 只知道自己需要什麼,也認為自己都知道, 卻忽視這個世界的思維, 東西都是有所關聯的。
最後就像書中作者的最後一句結尾:「有一樣東西你沒法上谷歌搜索,那就是你不知道自己應該搜索什麼。」

Credit:<知識大遷移：移動時代知識的真正價值>