[書介]《TOO BIG TO KNOW》：網路洪流下的知識大到不能宰？|數位時代 BusinessNext

標題中的「宰」，並非指「屠宰」，而是「莫宰羊」的「宰」。

「學海無涯」，這成語出自明朝張岱的《小序》：「學海無邊，書囊無底。世間書怎讀得盡。」可是從今天的角度來看，當時的人如果真的去拚命死嗑，大部分讀書人搞不好還是有辦法把手邊能弄到的書讀盡的啊。

enter image description here

拜網際網路所賜，我們今天面對的知識之面貌，和過去幾年百甚至幾千年的，都大不相同了，這才是真的學海無涯。知識的結構也已徹底改變，我們過去面對、學習和掌握知識的方法，也已有和將有極大的改變。

我到上大學前，幾乎完全沒有接觸過網際網路，高三時有人到我們學校演講，說網路上啥都有，結果我們一群高中臭男生圍在一起說「啥都有」，表情不是驚訝，而是淫笑Orz 我第一次接觸電郵時，還很笨地問到，如果郵件送達時，我不在電腦面前，郵件會不會被退回XD 可是，現代社會，甭說高中，連小學生都會上網了吧。甚至還沒懂事前，就先學會用平板電腦。

網際網路確定改變了我們學習知識的方式。過去，我們要學習知識，大多數情況下非得從書本裡取得。我從小就很愛看書，可是家裡也買不起大英百科啊，只能去中學圖書館裡借有限的書籍。可是今天呢？維基百科有多到你每天不眠不休都讀不完的條目，而且還完全免費、免借閱，更新速度也驚人；過去，做研究要上圖書館影印論文，如果大學圖書館沒有訂閱的期刊，還得大費周張付費申請館際合作，可是現在坐在辦公室電腦面前，大多數文獻，甚至無論多古老，都能在按幾個鍵的情況下輕鬆下載，後來連一些學術書籍，也都能下載，只要校方有訂購的話；我前陣子對經濟學感興趣，沒想到一堆國外非常暢銷的經濟學教科書，居然也能找到全文的高解析度電子檔，只要耐心尋找；過去的科景也好，現在的泛科學也好，提供了傳統媒體輕忽的科學新聞，而且還以更快的速度和更高的準確度，並且還能附上資料來源。這都是網際網路傳播知識的正面作用，可是為何還有人持悲觀論點呢？

網路思想先驅溫柏格（David Weinberger）的這本《TOO BIG TO KNOW：網路思想先驅溫柏格重新定義知識的意義與力量》（Too Big to Know: Rethinking Knowledge Now That the Facts Aren't the Facts, Experts Are Everywhere, and the Smartest Person in the Room Is the Room）就試圖重新定義知識，並推測當知識離開了紙張，知識究竟如何演變？以及提出我們又該如何運用知識。溫柏格是哈佛法學院貝克曼網路與社會研究中心（Berkman Center for Internet and Society）資深研究員，對網際網路如何影響社會有獨到的見解，還曾擔任美國總統候選人的網路政策顧問，長期為《連線》（Wired）、《今日美國報》（USA Today）、《史密松寧通訊》（Smithsonian）、《哈佛商業評論》（Harvard Business Review）、《科學人》（Scientific American）、《紐約時報》（The New York Times）執筆。《TOO BIG TO KNOW》真是少數直接以原文書名當作中文版書名的好書。

自從古騰堡（Johannes Gutenberg，1398－1468）發明活字印刷之後，書籍的取得愈來愈容易。《TOO BIG TO KNOW》指出，到了早17世紀，已有人抱怨我們現在稱為「資訊過載」的現象。面對如洪水般的資訊，長期以來人們使用刪去法，過濾出需要的知識。可是到了網際網路的時代，已經能容下所有資訊了，於是過濾的策略再也不是刪除，而只是將所需資訊過濾到最前面。《TOO BIG TO KNOW》還指出，在新的知識制度下，廣度本身就足以成為一種深度、專家和非專家的界限正在消失、平民主義興起、擁有「異類」資格的人取代高學歷者、沒有共識也能產生新知。

為了應付過載的知識，我們為知識設立了由各種停駐點組成的體系。然而，《TOO BIG TO KNOW》指出，近年美國聯邦政府在歐巴馬（Barack H. Obama）的指示下，建立Data.gov把行政機關所有非機密資料公開。溫伯格主張，這樣把大量事實公開、供人自由使用，便是拆了停駐點上的釘子，使得知識的根基不再像以前那樣不可動搖，也不再有界限，形成喪失邊界的知識體。

《TOO BIG TO KNOW》提出專業技能的網路化，認為專業知識也可能在雲端。即便我們保有事實和專家，但知識的整體卻正在流逝。當老舊知識媒介的限制逐漸褪去，知識在網際網路裡到底會變成什麼樣子？網路化專業知識是怎麼運作？溫伯格認為，網路連結了許多人，例如《群眾的智慧：如何讓整個世界成為你的智囊團》（The Wisdom Of Crowds: Why The Many Are Smarter Than The Few, And How Collective Wisdom Shapes Business, Economies, Societies, And Nations）這本書指出，彼此無相關性的人群，可能可以比單獨的個人找出更準確的答案；還有，網際網路上有各式各樣的人，《TOO BIG TO KNOW》舉了個實例，提到一個水泥專家戴維斯，溢油防治技術研究所在網路上找到了他，成功解決了石油專家都解決不了的溢油抽取問題。用這個有趣的案例，透過網際網路的特性，專業知識發揮了更大的效益，專家所形成的網路遠比專業意見的總和更聰明。

溫伯格還指出，網際網路跟燕麥粥一樣，又黏又一塊塊的。怎麼說呢？許多不同專業的專家網路有忠實的成員，可以在特定類型的問題發揮所長；網際網路還會累積，成長速度飛快，還能縮放自如，大有大的好，小有小的妙；網際網路讓專業主題互相交錯連結，不會因為結論不固定而喪失價值，資料來源的連結讓專業知識更透明，還具有互動性，專家不再是個特殊的階層，多元的想法、知識和權威能夠並存。

《TOO BIG TO KNOW》接著探討多樣性的重要性和限制。在聲音多元的網際網路裡，意見相同的人容易聚集在一起，形成回聲室。因此，美國憲法學者桑斯坦（Cass Sunstein）認為，網際網路將創造出更多回聲室，使得「群體極端化」並破壞民主，人民更難取得共識。可是溫柏格認為，實際情況正好相反，指出極端化效應沒桑斯坦認為的那麼強。

網路似乎把人弄得更笨，卡爾（Nicholas Carr）在《網路讓我們變笨？：數位科技正在改變我們的大腦、思考與閱讀行為》（The Shallows: What the Internet Is Doing to Our Brains）提出，網際網路正改變我們的腦袋，讓我們愈來愈難去吸收有深度的知識。溫伯格在《TOO BIG TO KNOW》花了一章回應卡爾，比較了長篇幅思想（書本）與超連結的優劣。他認為，書籍是一種非連線、非對話式的單向媒介，將思想固定在紙張上，並塑造成書本的篇章。然而，網路化知識則沒有形狀與固定形式，論證能以自然的長度呈現，主題隨時能交錯連結，這樣「糾混」的網路也許更能準確反映這個世界的真實狀況。

《TOO BIG TO KNOW》繼續探討了網際網路時代的科學，認為網路化的科學巨大到無法讓人知曉全貌、永遠針鋒相對，而且沒有定論，如此反而更接近科學家看待科學的方式。頂尖學術期刊如《自然》（Nature）和《科學》（Science）只能接受大約2％的投稿，可是線上期刊如PLOS ONE卻能夠接受大量的投稿，在去年就發表了超過三萬篇論文。只要同儕審查後內容在科學方法上沒有重大瑕疵，PLOS ONE就會接受投稿，他們決定把論文的實際影響力交給科學社群去決定，並且還讓讀者在論文底下留言討論。在科學界，「開放存取運動」（Open Access）的期刊也興起，免費讓讀者下載論文，不需要學術單位的訂閱，讓大型出版社無法以科學家辛勞的成果為獲利工具。

我們需要再做些啥，才能讓網路變成一個更適合知識的架構？《TOO BIG TO KNOW》呼籲建立知識的新架構，儘管身處知識的危機中，但網際網路降低了阻礙，改變了知識的根本架構，也改變了我們面對世界的方式。網際網路提供了我們豐饒的內容，可以利用超連結跳來跳去，不用特別的特許，即公開又沒有定論。網路化的知識，讓我們更接近知識的真相。我們可以利用以下方法，讓網路化的知識造福大眾：一、開放存取；二、提供智慧可以用的攀附之；三、連結所有的東西，傳統媒體難以完整提供出處，可以網際網路卻能夠輕鬆做到；四、不拋棄任何機構化或制度化的知識，網際網路提供我們更輕鬆在傳統媒體上的搜尋和閱讀，也讓學院式知識能夠更有效遠距傳播；五、教導所有的人。

對關心知識的學習和傳播的朋友而言，《TOO BIG TO KNOW》是本必讀好書！網際網路是洪水猛獸，還是恩典福音，端看我們如何駕馭和應用。知識的網路化，鐵定會是無法逆轉歷史潮流。時勢造英雄，我們應該要能夠搭上這個時代的狂潮帶向未來，而非讓歷史把我們給狠狠埋沒！

（作者Gene來自馬來西亞，現居台北。為興趣廣泛的生物學家，研究工作之餘嗜好看看書、寫寫作、踏踏青。目前為Readmoo部落格專欄作家。）

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。