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
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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
一次搞懂工業AI
© 2026 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