超越AI的思考架構

原書名：造局者

以思維造局迎戰數位變局

AI善於計算，但想解決問題
依然得靠人類獨有的思考架構

．怎樣跟另一半處得更好？
．怎樣讓老闆刮目相看？
．怎樣變得更健康、更有錢？
．新產品怎麼打破既有市場？
．如何運用社交網路提升競爭力？
．如何善用GPT、生成式AI創造打動人心的文案？

面對日常生活一連串的問題，我們總會利用一套思考架構，
先分析局勢，再做出決策。

由於不同的思考架構會導出不同的結論，連帶影響決策的品質，
所以選擇適合的思考架構就是成敗的關鍵。
可是我們在面臨重大挑戰時，往往不清楚自己用了怎樣的思考架構，
更沒有意識到，可以換一套架構來看待問題。

轉換不同思考架構是人類獨有的能力，
即使人工智慧（AI）、演算法計算的能力遠遠勝過人類，
那也是依照設計者建立出來的思考架構去執行命令；
一旦原先的思考架構不足以應付新來的挑戰，
仍需仰賴人類開拓、重設思考架構。

《超越AI的思考架構》告訴我們，在這個全球動盪的時代，
我們應該擴增自己的架構庫，以便因應各種問題，
用「因果思維、創造反事實、訂定限制條件」三項原則，
將事情看得更深、更遠、更透澈，找出理想的新思考架構。

庫基耶（Kenneth Cukier）
《經濟學人》雜誌資深編輯，《經濟學人》每週科技播客Babbage主持人，牛津大學賽德商學院副研究員，《大數據》作者之一。

麥爾荀伯格（Viktor Mayer-Schönberger）
全球知名的英國牛津大學網路研究所教授，哈佛大學甘迺迪學院貝爾法科學與國際事務中心研究員，《大數據》系列書籍的作者。

德菲爾利科德（Francis de Véricourt）
歐洲管理科技學院教授，決策、模型暨數據中心主任，專精於管理科學和機器學習。

第1章 決策
建立思考架構和能否做出好決策，息息相關
第2章 建立思考框構
建立思考架構是人類的核心能力，AI無法模仿
第3章 因果關係
人類會推斷因果，而又常常出錯；但這其實是好事
第4章 反事實
想像另一個現實，能讓我們在這個現實表現得更好
第5章 限制條件
為無限加上限制，反而有助於引爆創意和創造力
第6章 另啟思考架構
有時候就是該切換架構，或是創造新的思考架構
第7章 學習
擴充架構庫、勤於認知採集、實行白紙策略
第8章 多元性
擁抱變化、運用教育、鼓勵遷徙、容許摩擦
第9章 警惕
我們要避免思想僵固；我們需要機敏的心智
思考架構使用手冊
誌謝
注解

【內文試閱】
（節錄自本書第一章）

你相信機器？還是相信暴民？
思考架構的價值與力量，目前正遭到質疑。世界各地的民眾不再相信人類的認知能力，反而相信各種否認心智模型的方法。有一種人開始相信機器，也有一種人開始相信暴民―粗暴的正義、簡單的答案。
第一種人就是超理性主義者，他們很重視事實，推崇理性，相信一切問題只要靠著資料與演算法都能解決，也喜歡不靠人類思考而訴諸人工智慧。這種人可不是只有一小群等著迎接奇異點（singularity，電腦比人類更聰明的那一刻）的科技咖，而是有愈來愈多人，希望科技能夠帶來那種人類似乎無法做到、超然物外、完全客觀理性的決策。在這些人眼中，雖然人類未來仍然大權在握，但日常小事的判斷都將交由機器來處理。
要開車去印度德里嗎？要在德國柏林打擊犯罪？想在中國武漢送貨？種種需求，都有特定演算法能夠滿足。隨著科技發展，許多人希望能用AI來治癒那些人們無法解決的社會弊病，讓人類就此走出如今這種非理性的黑暗，讓理性帶來光明。支持者謳歌AI的潛力，認為AI能讓人類親手將決策交給電腦。
但也有一批反對聲浪同樣強大的情感主義者，認為人類已經太過理性，太過依賴資料以及冷酷無情的分析。他們相信，人類的核心問題絕不是情感太過，反而是情感不足；人類之所以覺得不快樂，是因為並未充分依賴自己的直覺與本能。情感主義者希望能找到志同道合的一群人，建立共同連結，而且清楚劃分「自己人」與「外人」的界限。像這樣的情感尋根，彷彿是在呼籲要接受「非理性」本來就是人性核心的一部分。
我們可以看到，無論左翼右翼、工業化的民主國家或發展中國家，都出現了這些現象。一方面，右翼平民主義是一大推手，他們比較喜歡看到政府強力出擊，而不是老說還在評估證據。這種情況下，治理靠的是感覺，領導靠的是情緒，各種決策也是出於自身相信什麼叫做正確。另一方面，就算是在左翼的社會裡，如果行動主義者想讓批評他們世界觀的人閉嘴，或是要讓異議份子失去合法性，也會出現訴諸情感的說法。
我們確實是到了最近，才面臨AI功能日益強大的景況；但背後根本的問題已有數百年之久。理性與感性、人為與自然、深思與直覺，這些兩端之間的拉扯早已形塑了我們的生活、我們的社會。
在十七世紀，法國哲學家暨數學家笛卡兒呼籲我們：該過著講求理性、秩序與證據的人生。巴黎許多公園的設計呈現完美對稱，足以讓我們見識到笛卡兒的影響力。
而在一個世紀後，哲學家兼政治評論家盧梭則是提出另一種呼籲：相信自己的感覺和直覺，要向內心的自己尋求答案。盧梭寫道：「我這輩子做過的所有壞事，都是思考下的結果；而那少數我做過的好事，則是衝動下的成就。」這個世界就是充滿著各種模糊感受、激情與食慾；偶爾噴發的暴怒正是人性的展現，情有可原。英美兩國許多都市裡的公園，都把景觀刻意設計得像是一片蔓生的自然狀態，恰恰在無意間附和了盧梭的觀點。
到了二十世紀的企業，也可以看到同樣的二分法。美國管理學家泰勒（Frederick Taylor）提出了深具影響力的科學管理理論，目標正是要把企業營運的各方各面都加以量化。管理人員配備著馬表和記事板，在工廠廠區四處走動，確保生產力維持高檔。但到了二十世紀末，奇異公司（GE）的執行長威爾許（Jack Welch）能言善道，成就有目共睹，而他的商業自傳英文書名一語道破，說他就是「出於直覺」（Straight from the Gut）。

AI沒有提出思考架構的能力
要我們在做決策的時候，否定那些線性、充滿事實的理性，而訴諸歡樂與人性的情感，這種做法其實也有幾分道理。畢竟，並不是所有的事都能簡化成數據或是有邏輯的公式。然而這種想法並無法解決問題，只能美化問題；這種想法能夠拆解、卻無法構建。在過去半個世紀，心理學家與行為經濟學家已經蒐集了大量的實驗證據，指出在大部分情況下，靠直覺做決定的結果就是比較差。順著直覺走、做著自己覺得對的事，確實或許可以給心裡帶來一絲溫暖，但卻無法有可行的策略來解決眼前的挑戰。
同時，雖然AI似乎可能做出比人類更好的決策、偷走人類的工作，但電腦和演算法並沒有提出思考架構的能力。AI很懂得如何回答別人提出的問題；但是造局者（思考架構的能手）則是懂得如何提出前所未見的問題。電腦只能在實際的世界運作；但人類能夠生活在架構擬想出來的世界當中。
以棋類遊戲為例，電腦在這個領域表現優異，深受讚許，但即使如此，也仍有不足之處。就連熟悉來龍去脈的人，也可能會抓錯整件事的重點。
2018年，谷歌DeepMind推出了AlphaZero系統。這套系統學習西洋棋、圍棋和將棋的時候，人類教它的只有規則，其他完全只靠著與自己對弈。AlphaZero僅僅花了短短九小時，和自己下了四千四百萬盤西洋棋，便擊敗了當時全世界最優秀的西洋棋程式Stockfish。而在各棋類大師和AlphaZero下棋的時候，也為AlphaZero怪招百出的走法大感讚嘆。超過一世紀以來，西洋棋界對於西洋棋的基本概念和策略（像是各棋子的價值與陣型）其實已有大略的共識，而AlphaZero則會走出各種極端走法，會為了機動性而放棄陣型，而且棄子簡直毫無猶豫。AlphaZero就像是為西洋棋想出了一套全新的策略。
只不過，事實並非如此。
AI系統無法自己「想」出任何事，既無法構想出心智模型，也不懂類推、不會解釋。無論對我們、或是對AlphaZero自己而言，AI都是一個黑箱。真正能研究這些走法，說這是什麼陣型、那又是為何棄子的，其實都是人，不是AI。是人類為AlphaZero的舉動構思出了思考架構，讓我們得以解釋這些舉動，進而擴大應用到其他層面。因為我們能夠把AI做得好的事，轉成種種抽象概念，也就能讓人類變得更聰明。但說到要欣賞這些教訓、應用這些教訓，AI自己絕對無法做到。