面對數位科技的自動化,如何保有處理雜訊的能力

喬喬
·
·
IPFS
·

自動化,是為了能讓我們保有更多「非自動化」的價值

(編按:這是一篇寫於 2019 的舊文;先講結論,自動化時代,練習「非自動化」能力是我們最大的價值。)

今天寫這篇,起因於《博恩夜夜秀》近期訪問了 2020 總統候選人韓國瑜先生。網上有人擔憂,因節目的性質,以及它的代表性與受眾,讓韓國瑜接觸到了原先觸及不到的選民觀眾。甚至,可能透過娛樂化的節目場域,以及橋段設計,加上強大的話術、表演功力與感染力,「洗白」了韓國瑜過去的不當發言,甚至讓選民忽略了政治需要被嚴肅以待的面相,例如政見與施政表現。

這些憂心,再再反射出網路空間的開放性本質,以及在這樣場域裡互動的行為者(政治人物、網紅、網友、選民…等等)跟平台(社群媒體)對於我們生活的影響。小至消費選擇,大至投票意向。《博》節目的案例,是政治網紅化的表現,但隨著選舉節奏越來越緊湊,暗藏在各類資訊管道的資訊流動,越來越難以捉摸。

當許多的內容產品跟廣告,透過網路環境的開放特性,以及社群媒體演算法的擴大效果,不受邀請的就進入到我們眼前,或是被導進它的受眾群前,我們到底該用怎樣的心態面對,或採取何種行動來回應?

2017 年,當時還在媒體工作的我,親眼目睹媒體被社群演算法牽著走;這些年進入到科技新創產業,認識不少數位工具、SaaS 服務,更強烈感受到數位科技「自動化」的方便與威力。自動化幫我們代勞許多事, 但作為被代勞的一方,也多了一個你我都要有意識培養的能力:處理雜訊的能力。

我與搭擋 Titan 在 podcast 節目《星箭廣播》第 14 集裡,曾提過「保有處理雜訊能力」的概念——¹

相較於無法徹底分離訊號和雜訊的類比時代,我們身處的數位時代可將訊號和雜訊分離,而雜訊常常被工程師、科技公司捨棄,如今我們有了 MP3、藉由演算法整理出來的 Facebook 時間軸和 Spotify 推薦歌曲⋯⋯

這邊所講的「自動化」,指涉的不只是優化工作流程、提升效率的數位工具,也包含上述引言中所提的,平台的演算機制。它們是種透過程式設計,協助我們減少搜尋、研究、整理、閱讀跟思維切換等費時費力的數位設計。

演算法曾被我視為毒蛇猛獸,而借助演算法之便跑入眼前的新聞,或所推薦產品,亦被我視為不請自來的一種雜訊——我並不真的需要他們,可是他們就是會來。

今年(2019)初,我曾嚷嚷刪除 Facebook,最後決定不這麼做,原因是,用「抵制」表達對該公司在道德與社會責任上的不信任,對我而言不是最好的作法。

儘管抵制是一種強而有力的表態。但我要自我訓練的是以其人之道還治其人之身的「反制」能力,而非「抵制」。

如前述所說,網路的本質是開放性的。社群媒體也是遵循流動、互惠、互享、交流這樣的良善的理念而生,並建立在網路的開放性基礎上。

當兩者匯集,爆發力跟效果極強。當然,量也很多,雜質也多。

社群與搜尋的演算法說穿了,就是在幫企業跟消費者,先行處理與過濾這樣的量與雜質:引導資訊流向至特定方向,誘發特定預期的行動跟思考。站內的推薦機制,亦有著同樣作用。但當你不想要這些推到你眼前的資訊時,它也會矛盾地成為干擾性極強的雜訊。

儘管網路社群是開放本質,卻也不是沒有侷限性。例如,你我熟悉的同溫層、例如,Facebook 的貼文就算是開地球,也難以被 Google 搜尋。也因此,我也會建議政治人物們、想講話的人們,若有東西想分享時,不要放 Facebook 上。盡可能架設自己的網站、開放 RSS。因為,儘管 Facebook 是台灣主要的社群平台,也是許多個人品牌跟傳播的集中地,但長期來看,要思考的是:你的分享有沒有辦法更廣泛傳出去?有沒有辦法保存?有沒有辦法不受社群平台政策變動干擾?放 Facebook 都不是好選擇。

這一段是題外話了。那麼回歸「處理雜訊的能力」。到底可以怎麼做?我自己有些小練習:

1.「主動自己積極搜尋」是相當重要的行為跟態度。

不管 Facebook, YouTube, Netflix 或 Spotify,都要當成像是在使用 Google 搜尋一樣 — — 自主搜尋、自主選擇、自主篩選、自主淘汰、自主強化。

Google 吐出來的搜尋結果,已是經由一定規則篩選所產出的,但依然需要人類執行兩個步驟,一是主動丟要查詢的關鍵字,二是要搜尋者自己滑下去找最符合需求的內容連結。

後面兩個動作是非自動化的行為,但正是你我都需要訓練,且千萬不可捨去的能力:判斷跟選擇。尤其當我們更進一步走進語音時代,語音助理開始朝向提供單一回答,來做更精準搜尋的對話與訓練時,雜訊更被機器稀釋、剩下「乾淨」的答案。

也正因如此,我們會更難面對最原始、最原生、最真實、本質上本就是相當複雜的現實世界、社會、人類的內心,以及政治。

所以,保有思考、判斷跟選擇,可以說是自動化時代,越來越稀有的「非自動化能力」。我在第 33 集《科技素養,是在哈囉?》² 引用作者 zonble 所寫的〈我所期待的程式教育〉一文,說明學會聰明地運用自動化工具來代勞、從一些不必要的壓力與複雜中解放;但同時,我也同樣認為,學會判斷何時「不需要」自動化、何時需要保留非自動化或拒絕自動化,也是非常重要的訓練。

2. 在「接收」與「整理」資訊上,我練習把資訊分散開處理,而非放在同一個籃子裡。

有些資訊選擇使用 RSS 接收;有些內容放到 Facebook 去與人互動;有些人讓則留在 Twitter 發酵;有些資訊以電子報方式閱讀與儲存;手機只開啟少數新聞 app 的推播功能,避免不必要的訊息不請自來。

接收訊息的同時,也有意識的養成,順手整理與歸檔的習慣。

例如,我選擇將 Facebook 維持其政治同溫層的屬性。暫時不想打破它,是因為想保有日常生活的歸屬感;在 Twitter 上則頻繁談 podcast 跟科技,也確保追蹤者,至少三分之二是工程師或相關領域,方便我發問跟了解這個生態圈的狀態;另外再透過 Twitter 的 List,進行特定人物跟產品的追蹤,且確保不與 Facebook 重疊;RSS 跟 電子報應用程式 Stoop,則是處理不可能擴散到 Facebook 跟 Twitter 的內容;有需要花時間詳細閱讀的內容,存到 Pocket,且一定順手貼上 #hashtag,確保事後方便撈資料;Facebook 上分享的貼文,也一定置入關鍵字跟 hashtag,以便後續紀錄。

簡言之,我把自己的「資訊圈」利用不同的數位平台跟工具分類與分開。這麼做有時確實會感到麻煩,因為四散在不同的地方。但一個開放性的空間,寧可透過其特性,讓自己掌握更多主導權、自行捏塑,而不是成癮與濫用其便利性,讓他人決定你接收資訊的單一場域。

3. 除非有需要或真的想知道,不然不點選站內的「推薦」、「喜歡這個人也喜歡這個產品」、「閱讀這篇文章的人也閱讀了這篇」。

原因是,許多時候,我們並非真的需要這些推薦。我們只是懶得查、只是無聊,或一時的好奇心,就掉進去了,無形中給予該物件更多曝光,幫演算法做了更多訓練。

由於自己做過新聞媒體,深知「系統推薦」常限制了編輯台認為更需要被推廣的內容。

4. 學會與演算法共處。

注意自己貼文置入了哪些關鍵字,觀察往後出現在板上的內容,以及來互動的人。可以時不時換關鍵字來玩,來養互動、來請演算法吐給你這段期間,你期待看到的訊息。

使用 Facebook 時,多觀察它是否又調整演算法了。每隔一陣子,Facebook 就會改變規則,你可能會發現有些朋友消失了,或是好幾天前的貼文與舊文,像時差一樣好久才浮出。那麼這個時候,你可以有意識的自己「動手」去找想看的資訊。 

5. 隔一段時間重新調整對粉絲頁、對象及朋友的追蹤權重。例如換一批「搶先看」、換一批你常按讚的貼文、換一批你互動的朋友。

執行 4 跟 5 在對於剛進入一個新領域,想快速精準融入該領域有顯著幫助。我自己過去一年多,就是透過這種刻意利用演算法特性,來養自己的知識圈,讓自己快速熟悉工作的產業的狀態,模仿圈內人都說什麼、都關注什麼…。只是這些都需要一小段時間,才測試出結果。

6. 無痕視窗跟跳換使用搜尋引擎、跳換使用瀏覽器。

我不會全然希望這些科技產品都不掌握我任何資訊,因為它做一些追蹤,能幫我省一些時間,也能幫助金魚腦的我,紀錄可能忘掉的足跡;但我也不希望授權跟集中給特定的服務。

思考、判斷、選擇、省思、自主,是自動化時代留我們非自動化行為最大的價值。



註 1:《星箭廣播》#13 不科技行為」第 2 輯:處理雜訊的能力https://ubin.io/QCkb3v)

註 2:《星箭廣播》#33 科技素養,是在哈囉?(https://ubin.io/zYSmMp)

CC BY-NC-ND 2.0 授权

喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!