反面數據同樣重要

STEM教育（科學、科技、工程、數學）近年大受家長歡迎，特別是AI（人工智能）及Big Data（大數據）這些詞彙，更好像如果孩子不懂就不能在未來世界生存似的。為此小弟去找了一間在電腦課教授人工智能的中學，看看老師今時今日是如何教一群中二學生人工智能。

親身觀看英華書院的陳汝堅老師【圖左】授課，確實增長了小弟的眼界。回想自己中學時的電腦課，和現時除了在硬件上有天壤之別外，教授的方式也十分不同。之前聽陳老師的講座，已經被他的理論吸引，他說有必要把道德元素加入AI課程之中，因為電腦沒有人性也沒有道德判斷，只是根據數據和指令行事，因此學生在學AI之前，應該擴展本身的道德思維，才不易被人工智能的判斷牽着鼻子走。

AI認錯劉德華的反思

陳老師的課堂也並非只教理論或編碼等技術，主要是教學生應用人工智能及怎樣去選擇數據。其中一個應用的例子很生動，老師要教電腦怎樣以人工智能去辨認出影星劉德華，於是輸入了大量劉德華不同時期的照片，想必電腦已經認定了他的特徵，但當他們隨便找一位同學或男老師的相片讓電腦辨認時，電腦竟然得出這兩位男性和劉德華有九成相似的結論。為什麼會出現這個誤差呢？原來這是陳老師的悉心安排，他只輸入了「劉德華的樣子」的訊息，而沒有輸入「不是劉德華樣子」的訊息，因此電腦只接收到正面訊息，接收不到反面的訊息。老師的目的是讓學生明白，除了要讓電腦學習什麼是「肯定」外，讓電腦去學習什麼是「否定」同樣重要。這個例子說明了，當只有「什麼是正確」的資訊時，原來準確度只是一般。電腦要加強精準度，必定要同時學習「什麼是不正確」。電腦只有同時學習「什麼是劉德華」和「什麼不是劉德華」才能加深分析的準確度。

暈輪效應致判斷失誤

估不到這堂中二的電腦課會這麼有啟發性，而且絕對可以應用在其他範疇，包括管理和日常生活的決定上。記得讀MBA時有讀過「Halo Effect」（暈輪效應），意指人們往往會倒果為因，例如看到別人成功的例子後，就由這些已經成功的例子歸納出要得到這些成果就要怎樣怎樣做的結論，而沒有去深究失敗的個案，以致往往會以偏概全，只看到事件的某一個片面。就好像被一種「肯定的光環」所籠罩着，令人對其他因素視若無睹或選擇性地忽略。就像那個沒有考慮「什麼是不正確」的人工智能一樣，得出不準確的結果。其實其他人用同樣的所謂「成功方程式」去做同樣的事情，可能會導致焦頭爛額，不能因為看到個別成功案例，就得出當中的因與果。試想想過往有多少失敗的投資或管理決定，是由這些太過肯定的「Halo Effect」所導致呢？

更令人擔心的是，在現今社交媒體和通訊軟件大行其道的年代，人們更容易因為自己的偏見或立場而聚在一起「團爐取暖」，讓這些缺乏反面數據和意見的Halo Effect更加強，破壞力更大。事實上，不但香港，世界不同的地區像英美等國，也愈來愈受這種只看到正面或合心意的訊息、忽略不合意或反面訊息的現象所影響，嚴重窒礙理性分析及判斷力。

正面一點去想，如果我們留意到這個現象，不斷警惕自己必定要同時注重反面意見和數據，每事都從正反兩面去考慮，可能已經比起只看到某一面數據的人有優勢。正如投資前要做好due diligence（盡職審查）一樣，凡事有個Devil's Advocate（吹毛求疪的人），從反面角度去做一次「腦震盪」，才可以補足只考慮正面數據的不足，做出比較完善和理性的決定。

追尋真實還是求安慰

因此陳老師的教導十分重要，因為他不單教學生電腦課，而是在教學生做其他的研究或學問，除了要留意什麼是正確的外，也必定要知道什麼是錯誤。只有全面的去收集數據和資訊，得出來的結果才會更能反映真正的現實。除非，我們只是想找安慰，而不是想看到真實的畫面。

香港科技大學工商管理碩士校友會會員