大數據時代,機率思考讓你不犯錯
大數據時代,機率思考讓你不犯錯

本文摘自:《機率思考:大數據時代,不犯錯的決斷武器》,大牌出版

敢與上帝擲骰子的魄力

2004年4月一個週日下午,一名32歲的英國人,帶著他的所有家當,走進拉斯維加斯的廣場賭場飯店(Plaza Hotel & Casino)。所謂的「所有家當」,就是一套換洗衣物,加上一張支票。艾胥里・瑞威爾(Ashley Revell)變賣所有,換得一張135,300美元的支票;就連身上穿的無尾禮服,都是租來的。瑞威爾把支票換成一疊少得可憐的籌碼,走向輪盤賭桌,做了一件驚動四座的事:他把賭注全押在同一格,他賭小白球停下來時,會停在紅色格內。

瑞威爾選擇紅色可能是一時興之所至,但孤注一擲卻不是,而是已經籌畫了好幾個月。他跟朋友討論過這件事,朋友們認為這個點子很棒,不過家人可不這麼想。有些賭場也不歡迎,可能很怕自己淪為賭城傳說的主角:那間就是有人賭上全部家當、結果傾家蕩產的賭場。瑞威爾把籌碼放上賭桌,賭場飯店經理神色嚴肅,問他是否確定自己要這樣做,不過似乎沒有什麼能夠阻擋瑞威爾的決心。在一大群觀眾圍觀下,他緊張地等待荷官把球放進輪盤,一個快手把所有籌碼全都押在紅色。他看著球慢下來,以螺旋滾進輪盤,在各格子間跳進跳出,最後停了下來——落在7號紅色格內。

那一瞬間,瑞威爾的身價倍增為270,600美元。觀眾大聲歡呼,朋友給他擁抱,他老爸則是心有餘悸,直說他是個「頑皮小子」。對於瑞威爾當天的行徑,大多數人可能都會嚴詞批判,說他不明智算是客氣,說他魯莽也不為過,甚至可能說是瘋狂。即使不把135,300美元放在眼裡的億萬富翁,也一定不會這樣下注。任何有點理智的人,都會把賭注分成較小的幾把,最起碼先試試手氣,看看幸運女神今天到底有沒有在家,不是嗎?

不過,事實是:瑞威爾此舉完全是正確的決定。根據或然率定律,想在賭場把身價翻倍,沒有比在輪盤孤注一擲勝率更高的方法。沒錯,這個遊戲並不公平,輪盤的勝率刻意設計成不利於賭客,而且完全合法。沒錯,你有大於50%的機會輸掉賭注。然而,儘管看似詭異,這時的最佳策略,就是大膽地放手一搏;只要稍微膽怯,就會減低成功的機會。瑞威爾在下這把大注之前,自己親身驗證過這點:他前幾天在賭場裡下注幾千美元,卻落得虧損1,000美元。他想要把錢翻倍的最佳希望,就是摒棄分散下注的「常識」,投靠或然率定律。

人性對風險缺乏免疫力

那麼,我們應該遵照瑞威爾的腳步,把家當全部賣掉,前往最近的賭場,放手一搏嗎?當然不是。想要財富翻倍,有很多更好的方法,只是比較無趣而已。不過有一件事倒是可以確定:這些方法全都涉及或然率的某個形式,像是機率、不確定性、風險或是可信度。

我們都知道,除了死亡跟繳稅,人生沒幾件事情可以確定,但是很少人能對機率淡然處之。機率威脅我們對於事件的掌握感;機率暗示誰都可能變成莎士比亞筆下「受命運擺布的傻瓜」。機率讓許多人信仰反覆無常的眾神,有些人則否認機率的主宰力量:愛因斯坦就是其中出名的一個——他拒絕相信上帝會在管理宇宙時丟骰子。然而,「理解機率」就是個自相矛盾的詞:按照定義,隨機不就是超乎理解的意思嗎?這個邏輯正好說明人類智識史上最大謎團形成的原因:可靠的或然率理論顯然很實用,卻為什麼經過那麼長的時間才出現?5,500年前的古埃及,就有人在玩機率遊戲,卻一直到了17世紀,才有大膽的思想家,認真挑戰亞里斯多德的觀點,即「機率超越人類知識的理解範圍」。

機率違反直覺的情況實在太過頻繁,難以有助於於理論的形成。就以巧合來說,一場美式足球比賽裡,兩名球員的生日相差一日之內,機率大約多少?一年有365天,場上有22名球員,所以你可能會覺得機率低於10分之1。然而,根據或然率定律,真正的答案其實是約90%。不相信嗎?挑幾場美式足球比賽,查查球員的生日,你就知道了。即使如此,你也難免覺得事有蹊蹺,畢竟即使身處在人數差不多的群體裡,也很難真的找到有人跟你同一天生日。就連擲銅板和擲骰子這種簡單的問題,似乎也違反常識。抛擲一枚公平的銅板,連續出現幾次正面之後,接下來一定較可能擲出反面嗎?如果你很難理解為什麼答案是否定的,別擔心,有位啟蒙時代的偉大數學家,也從來就沒搞懂這點。

不懂機率,就等著當理盲的傻瓜

除了理解機率事件,或然率定律究竟有何能耐?對於需根據證據申述見解的人,或然率定律也是上好的利器。舉凡確認健康風險、找出可以對治的新藥,到增進我們對宇宙的認識,或然率定律在去蕪存菁的過程中,都能扮演關鍵角色。

有一場以或然率定律為焦點的革命,如今正方興未艾。我們清楚看到,對於知識的追尋,這些定律遠比原先設想的有力。然而,要運用這股力量,需要重新解讀或然率,也因此直到最近都還引發激烈論戰。這場持續數十年的爭議,在科學、科技與醫學因為所謂的「貝氏方法」(Bayesian methods)而改頭換面下,如今已逐漸消弭;然而,截至目前為止,這一切卻鮮為大眾所知。

然而,運用或然率定律的同時,也必須知道其限制為何,以及何時有濫用之虞。研究人員賴以解讀資料而行之有年的標準方法,應用時經常超出使用限制甚多,這已是清楚的事實。這麼做可能導致災難性的後果,學術圈內對此流傳的警告,也數十年未歇。然而,這項逐漸浮現的弊端,同樣鮮為普普大眾所知。

對於機率、風險和不確定性的理解,需求從未像現在這般迫切。面對政治動盪、金融脫序,以及接踵而至的各種風險、威脅跟災禍,我們都渴求確定性。確定性從來不曾存在,儘管這是事實,但我們不應因此接受宿命論,或拒絕接受現實。

雖然我們永遠無法擺脫機率、風險跟不確定性,但我們如今擁有掌握它們、最終勝出的工具。

關鍵字: #數位書選
往下滑看下一篇文章
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
2025.08.13 |

全球製造業正處於前所未有的挑戰中,從勞動力短缺、供應鏈脆弱,到淨零碳排與數位轉型需求的成長,每一項趨勢都正重新定義產業格局。對此,AWS 發布《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》白皮書,深入剖析製造業在全球地緣政治與市場變化下的挑戰與機會,提供台灣製造業適合的落地策略與最佳實踐方法。

《全球地緣新局時代下的製造戰略》白皮書限時下載

擔心無法回本、缺乏知識技術,台灣升級「智慧製造」卡關中

台灣製造業在全球供應鏈中扮演重要角色,但同時面臨地緣政治風險、技術門檻高、人才缺口大等多重挑戰。其中在供應鏈韌性方面,壓力更為顯著。根據英國營運持續協會統計,全球近 8 成企業在過去 12 個月曾遭遇供應鏈中斷事件,凸顯全球供應鏈的脆弱,台灣製造業也難以倖免,特別在國際局勢不確定性與在地原料依賴度高的情況下,會進一步放大成本與交期風險。

生成式 AI 應用快速擴展,預計 2025 年台灣企業導入將進入早期大眾階段,並以半導體產業為先導,逐步擴散至其他領域。DIGITIMES 調查顯示,已有 18.1% 的企業採用生成式 AI,並積極用於改善營運效率與產品良率,然而仍有 31.5% 的企業尚未規劃導入,主因包括成本考量、缺乏知識與技術、產業需求不明確,使企業在大規模部署時保持謹慎態度;資誠聯合會計師事務所發布的《2023 臺灣企業轉型現況及需求調查》也顯示,37% 的企業擔心智慧製造投資報酬率過低,30% 缺乏導入知識與技術,27% 不清楚如何實踐,導致智慧製造推動困難。在電子製造業迫切需要專業人才之際,許多產業面臨預算與數據分析能力不足的窘境。

AWS
圖/ AWS

此外,勞動力老化也是台灣製造業的問題。以國發會數據估算,2030 年台灣 50 歲以上就業人口將達 23.8%,導致技術傳承與產線穩定性受衝擊;同時 2050 年淨零碳排目標,迫使製造業必須進行碳盤查與能源優化;加上雖然 9 成企業已啟動數位化,但多數仍停留在營運系統,生產端 IoT 與 AI 應用不足,數據價值未被充分釋放。上述都恐將成台灣製造業升級的阻礙。

全球製造業大變局,智慧製造成關鍵突破口

根據媒體《DIGITIMES》研究,全球智慧製造市場規模將從 2024 年的 3,212 億美元,快速成長至 2033 年的 1 兆 1,583 億美元,年複合成長率高達 13.7%。在社會和全球趨勢的推動下,不只對台灣的製造業帶來新的壓力和挑戰,同時也催生了產業升級需求。

所幸,隨著智慧製造的 4 大技術日益成熟,替台灣製造業帶來更多可能。目前,IoT 透過連接感測器與生產設備,已實現即時監控與資料收集,並支援預測性維護與生產最佳化。世界製造業基金會報告顯示,IoT 已成企業智慧製造的首要投資項目;此外,智慧製造上,AI 現已被廣泛應用於品質檢測、生產流程優化與預測性維護,企業若結合機器學習、深度學習與生成式 AI,即能以數據驅動決策,提升生產靈活性並降低成本。

同時,隨著「數位雙生」的發展,企業可藉其進行「虛擬試錯」與「情境模擬」,在導入新技術前,先模擬其對現有產線的影響,或預測潛在風險與資源耗損,避免浪費;另外,在 AI 大規模應用下,數據隱私、安全風險成為顧慮。「主權 AI」確保企業在可信的基礎架構中進行數據分析與模型訓練,降低數據外流風險,並支援在地資料中心部署,以滿足低延遲、高安全需求。企業若在產業升級中,將智慧製造的 4 大技術整合,即能在自家領域有效推進。

《全球地緣新局時代下的製造戰略》白皮書限時下載

加速轉型關鍵夥伴登場!AWS 台北區域重磅上線

AWS 作為全球雲端運算領導者,深耕台灣市場多年,成為製造業升級「智慧製造」的鑰匙之一,提供全方位資料策略、生成式 AI 創新、敏捷性等多種解決方案,協助製造業突破瓶頸。

過往製造業資料分散在 IoT 裝置、舊設備、資料湖、雲端資料庫與內部系統中,缺乏統一結構與命名規則,也受到組織文化與部門隔閡影響,導致難以擴展或有效利用。藉由「AWS 工業資料經緯」框架,能支援多來源數據關聯與脈絡化,可用於分析、AI 模型訓練與數位應用程式開發,讓資料運用最大化。藉由 AWS 的高性價比基礎設施與豐富合作夥伴網路,企業可大規模部署生成式 AI 應用。

製造業期待透過生成式 AI 來加速產品開發、提升營運效率、優化供應鏈並強化客戶體驗。AWS 提供完整 AI / ML 服務,支援模型建置、訓練、推論與部署全流程,助企業快速、安全落實 AI 應用。企業可將專有資料導入基礎模型,進行微調與最佳化應用。

同時,為協助製造業在全球市場中維持高度韌性與營運敏捷性,AWS 已於 2025 年初在台灣設立全新 AWS 台北區域,涵蓋三個可用區,將使企業能就地處理與儲存必須留存於台灣的資料,確保資料主權與合規性,同時降低延遲、提升應變速度。AWS 預期將在台北投入數十億美元於營運、基礎設施與客戶支持,幫助製造業數位轉型。

立即下載 ➤《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》
掌握產業趨勢、實戰案例與資安關鍵策略,打造下一階段的製造業競爭優勢!

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
蘋果能再次偉大?
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓