職場中的AI並非總是「智慧」- 奧康納

許多僱主通過人工智慧監控員工居家辦公的工作情況，但人工智慧也經常辦蠢事。

新冠疫情迫使僱主認真思考自己有多信任員工。去年，許多公司不得不實施遠程辦公，如果不是疫情，這種規模的遠程辦公是它們無法想象的。許多僱主感到十分驚喜。他們發現可以相信員工居家辦公不偷懶。事實上，研究表明，居家辦公的人非但沒有悠閒度日，反而要比以往投入更多時間。

但其他僱主卻不願放手。看不到員工讓這些僱主感到害怕，他們驚慌失措地購買了監控員工的軟體，其中很多軟體聲稱能夠通過人工智慧(AI)監控違規行為並衡量工作效率。承諾能夠讓居家辦公人員遵守規則的雲系統市場正在蓬勃發展。一些軟體，如Controlio，提供「隱身模式」，令「用戶完全看不到該系統 — 工具欄中沒有圖標，任務管理器里也不顯示進程。」（Controlio告訴我，它還提供一種限制數據收集的「《通用數據保護條例》(GDPR)合規模式」，以及一個警告員工他們正被監控的選項。）

隨著AI迅速但悄然地進入人們的家中，歐盟(EU)近期及時公布了有關如何在一系列不同場景中使用AI的規則草案。擬議規則規定，用於「招聘和選拔人才、決定晉陞和解僱、分配任務、監控或評估工作相關合同關係中的人員」的AI應被列為「高風險」。「高風險」AI系統的提供商將必須履行某些義務，比如提供有關係統如何工作的明確訊息，使用高質量的數據集，並允許人工監督。

布魯塞爾方面將職場中的AI列為有風險是正確的。僱主和員工之間往往存在巨大的權力不平衡，尤其是在沒有集體協商機制的公司。如果你想獲得或保住一份工作，你可能會同意一些本來會讓你感到不適的事情。

工作中發生的事情也會對你的生活產生很大影響，反之亦然。我與一位受AI監控的美國呼叫中心員工交談時，她不懂為什麼算法給她的評價很差，而她的人類主管給她的評價總是很好。她懷疑AI不適應她的口音，但她對此無能為力。AI的評級影響了她的獎金，而獎金在她的月收入中佔據很大一部分。工作與家庭之間模糊的界限是認為在職場使用AI可能會出現問題的另一個原因。例如，國際工會聯合會「全球工會聯盟」(UNI Global Union)發現，被AI網路攝像頭監控的居家辦公的呼叫中心員工數量大幅增加。

這並不是說辦公場所的所有AI都有問題。人類管理者常常做出有偏見的決定。AI也許可以幫助他們更好地僱用多元化員工團隊、根據業績而非偏好來提拔員工。但員工應該有權知道何時使用了AI，知道AI宣稱的運作方式是怎樣的，並能夠對它的判斷提出申訴。在你的工作面臨威脅時，「電腦認為不行」不是個充分理由。

增強透明度也許還有助於阻止所謂AI「神油」的傳播。AI「神油」是比利時勞動法教授瓦萊里奧•德斯特凡諾(Valerio De Stefano)的說法，指的是市場上一些宣稱運用了AI、但其實與AI毫無關係的產品。例如，許多所謂的AI系統聲稱能計算員工的個人「生產效率分數」，但AI外殼底下的真實衡量標準非常基礎，比如一個人的郵件發送頻率（我個人認為，這是真正生產效率的反面指標）。員工不應在常常替代合理管理的偽科學評估中充當小白鼠。

但是最近草擬的歐盟監管規定也許還不能匹配這一挑戰。AI系統提供商有責任在一開始就評估自身的合規性。同時，歐盟成員國要委任一個國家級機構「監督（法規的）應用和實施」，並提供「市場監督」。德斯特凡諾表示：「自我評估不是笑話，沒有人會說它毫無作用，但這在職場上也許還不夠。」他還表示，這些法規不能成為歐盟內部新的監管天花板，因為法國、德國等國家已經採取進一步措施，以遏制某些類型的監控。

歐盟關於如何保護員工免受智慧機器帶來的風險的擔憂是對的。但更重要的是，要保護員工免受愚蠢機器帶來的風險。

原文：金融時報

#科技 #職場

「今年參加了1400場視訊會議，沒有交到一個朋友」

疫情對AI行業所帶來的最大影響，是什麼？
今年最令人興奮的AI新技術、新應用，有哪些？
甚至未來10年、20年，AI發展的方向，又該何去何從？

針對這幾點，前陣子做了個有點意思的 MEET2021 年度對話，也在這裡分享，原文來自「量子位」微信公眾號：
……

站在2020年，如此不平凡一年的歲末，AI業界有太多諸如上述的問題急需回答。

要點
• 疫情帶來最大的影響，就是加快了資料化，加速了線上化和AI化。
• 疫情是巨大的災難，同時也極大推動了AI的進一步落地，這一年可能相當於三年的進程。
• 最讓人振奮的黑科技，是AlphaFold和GPT-3，後者對行業更具有潛在的顛覆力量。
• AI給社會帶來最大的價值，肯定不是黑科技。
• 擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力。
• 大陸的新基建會進一步推動AI新經濟，這會是一個新的時代，一次新的文藝復興。
• AI從業者們需要記得：權力越大，責任越大。

▎疫情加速AI化，一年相當於三年

李根：再次感謝開復老師來幫我們總結這一年，與往年相比，今年最大的不同是什麼？

李開復：今年的工作節奏改變了，我一共參加了1400次線上會議，非常有效率，進行了特別多的開會和演講。但是1400次這樣的會議，沒有讓我交到一個朋友。所以我覺得線上會議雖然帶來了效率，但是還是要回歸面對面的本質交流。

李根：但受疫情影響的這個過程，也是線上化被加速的過程？

李開復：這是疫情帶來的最大的影響——加快了資料化、線上化和AI化。AI最重要的核心就是海量的資料，可以催化更多新的應用。
比如線上會議，我們並不見得那麼容易區分視訊會議中的那個人，是不是真人。所以有時候線上講座或者網路不穩定的時候，我們會選擇錄製，而且錄製一次，也可以用很多次。由此延伸，以後線上上，比如你做推銷，做客服，甚至做電視節目，其實都是可以用虛擬人來替代的。我們現在還無法造出一個讓你分不出來的3D虛擬人，但是在視頻裡完全可以。DeepFake不是一個向善的應用，但是把它的技術應用在建設性、有益的方向，我覺得可以帶來特別多的應用。而且有了資料，各行各業就可以評估哪些工作或者流程，可以進一步數位化。數位化以後，重複性的工作就可以被AI取代了。

此外，除了社交距離縮短，可以發現機器人出現的頻率越來越高。比如，我們去餐館時，會有機器人送餐到客人那裡。很多機器人產品遍佈很廣，無論是倉庫、工廠，甚至我住的公寓裡面，每次最後配送都是機器人了。在美國情況也很相近。美國以前也沒有支付寶，也沒有美團，現在都開始有了。所以總結起來，我覺得新冠疫情是巨大的災難，但與此同時，也極大推動了AI的進一步落地，帶來數位化、IT化，帶來AI化，可能這一年相當於過去的三年。

▎AI最大的經濟價值並非“黑科技”

李根：今年依然有令人興奮的技術進展？

李開復：今年最讓人振奮的技術是DeepMind的AlphaFold，還有OpenAI的GPT-3。其中，我認為可能對行業更有潛在顛覆力量的是GPT-3。不見得說是用它生成小說什麼的，而是用特別大的海量、自然語言資料，訓練一個預訓練模型，這個模型是可以應用到很多新領域，比如說寫詩、做對話，或者是寫小說等等。而且這個新技術一推出，其他公司很快就採用了，比如說搜尋引擎，因為這個技術已經能提高了好幾點的精確度；此外，OCR在提升，客服也在提升，微軟小冰也在繼續提升對話精確度。

所以我覺得這種預訓練語言模型，它可能帶來的就是一次性訓練一個巨大的模型，然後快速產生AI應用。當然，也存在很多的問題：
• 它做一個模型要花1200萬美金，一般的創業公司該怎麼辦？教授學者該怎麼辦？
• 此外，訓練一個模型就要燒掉好多能量，這對於我們節能的未來又怎麼辦？
• 還有，巨頭會不會產生壟斷，只有巨頭公司等才能做這麼巨大的模型。

當然，GPT-3本身還沒有驗證足夠多的商業價值，但毋庸置疑這是一個最大的科技創新。不過我想強調的是，AI給社會帶來最大的價值，或者帶來最大的經濟價值，肯定不是這種黑科技。黑科技會有很多，我們也在繼續投機器人等項目。但是，我覺得今天AI的技術已步入成熟，可以被傳統公司擁抱。比如剛成為AI獨角獸的創新奇智，就可以看到AI給傳統行業，無論是製造、健康、醫療、零售、金融、保險、物流等等，都可以帶來立竿見影的巨大效果。所以今天我在這裡呼籲一下，擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力；越晚擁抱AI，生存的空間可能會被進一步壓縮。

李根：怎麼樣才能大家擁抱AI？

李開復：還是要有資料，說了這麼多打雞血的話，但是務實的來說，是不是今年傳統公司擁抱AI就會帶來價值？大部分是不會的。
因為AI是要吃資料的，所以就要求公司擁有海量的、結構化的、有標注的，達成商業目標的脫敏精確資料，而且最好是只有你有，別人沒有的，那你的機會就來了。

什麼樣的公司有呢？比如說銀行、保險公司天然就有，金融領域的資料必須要符合要求。而有些領域就會難一點，比如說做工業製造等等，需要先把你的工業製造替換成機械臂、替換成無人叉車，可能要放很多的感測器，才能瞭解機器出了什麼問題。所以對有些公司是很容易的，但一些公司卻是很難的。如果今天你有資料，趕快想怎麼去應用；如果你沒有資料，快想想怎麼把資料累積出來。
新基建推動AI新經濟

李根：剛才都在談這一年，而新基建被認為會奠定下一個十年的發展？

李開復：我們回顧中國人工智慧奇跡般地崛起之路，可以發現其中的創業者、移動互聯網、資料，還有大陸優秀高校培養的高科技人才，這些是最重要的。但其實，還有非常英明的政策。這不是一件容易的事。這在很多國家都有討論，例如美國，奧巴馬政府當時大力支持了一個新能源的公司結果沒有做成，受到了很多的垢病。
而中國就有很鮮明的對比，大陸的科技政策整體來說應該是讓民間、業界做他們擅長的事情，用市場經濟來競爭，而政府幫助他們做民間做不了的事情。比如說我們AI的崛起，很大的程度是因為各地有政府引導基金支持，這樣可以選擇性的去做LP，幫助早期的AI產業能夠創立起來。

另外，“新基建”政策的落實也是非常大的利好。新基建除了5G和大資料中心，還有IoT、人工智慧、智慧城市等多方面的落實，利好的政策會進一步的拉動中國經濟進一步地往數位化、智慧化方向轉型升級。所以，當政府把上述的事情做成並且形成一個平臺，讓創業公司以及大公司能用到，我覺得這就是非常明智的。

當然，新基建裡AI涵蓋的範圍有多大，一些新技術是否有機會納入？可能值得進一步探討。比如類似GPT-3等需要大量資源去做訓練，才能進一步推動起來的潛力新技術等。我們發現AI的訓練越來越貴了，已經不是一個教授團隊和創業公司可以承受的。對於這樣存在類似潛在爆發性成長的技術，是否能有機會能從更高的維度推動，值得期待。

李根：您最近也旗幟鮮明提出了“AI新經濟”，所以是時候用這個新概念來定義這個時代了嗎？

李開復：對，雖然很正面的描述，但是時候了，我最近在《紐約時報》寫了一篇專欄文章，裡面談到的就是說剛才講的疫情促進了資料化、IT化、AI化。疫情推動了各行業的數據化，其實一個隱憂就是“工作被資料化”了，可以被外包或者AI取代。當我們有這麼多機器人的時候，它也會取代很多藍領的工作，白領其實也是一樣的，很多後臺、BPO的工作，在做檔處理的，或者是做客服的，這些工作都會被挑戰。有些人會說我們要把技術發展的慢一點，但這些絕對不符合實際，因為沒有技術是會慢下來的。

AI新經濟一方面我們要擁抱這些技術進步，讓它儘快觸達每一個角落。但同時，它所帶來失業的問題，我們需要有一些針對性的應對措施。所以我的文章主要談的就是，怎麼樣能夠快速地讓社會認知，繁複的、無技巧的重複性的工作將會消失，然後如何重新訓練這一批人，幫助他們快找到新的方向，去做更有價值也更擅長的事情。與此同時，大家就能花寶貴的時間在我們更有價值、更熱愛的事情，比如藝術、公益等創意和決策類的工作，或者是多和親友相處，結交認識新朋友等等。

這將發揮人類的光芒，我把他稱為一個新的文藝復興，讓人可以再一次找到意義——人為什麼而存在？

▎全球化依然是必然之路，中國大陸軟體將占世界半壁江山

李根：上一次文藝復興伴隨著第一次全球化開端，但這幾年全球化進程似乎受阻？中國創業者想做80億人的生意，但事實證明很難。

李開復：全球化是必然之路，很多“美國至上”的人說中國是沒有創新的，只有中國人用中國的軟體，但是我們在座的每一位都知道，中國大陸過去10年發生了巨大了改變，這句話在今天是完全錯誤。因為中國的創新從TikTok到華為，到小米，到美團，還有很多創新的公司，包括我們AI四小龍，這些都是美國沒有的。所以我們應該非常的自豪，今天中國的創新至少在IT、AI的領域是有機會彎道超車的。有一些地方美國更強，技術更深，但是我們的商業化做得更快。在這種前提之下，我們自然也必然會走向全球。

我們怎麼樣走向全球呢？這裡我還要比較務實的說一下，其實很多國家的使用習慣和語言文化是有巨大差別的。如果今天要把中國所有好的產品都推到歐美，這其實不現實，因為歐美的使用習慣已經固化了。他們用的那一套無論是To C還是To B都很難去改變，但是我覺得其他的國家和地區，例如從東南亞到“一帶一路”所有的國家和地區，包括了中東、非洲、南美等，這些國家的用戶其實更像我們的年輕用戶。而且，他們使用美國產品的習慣還沒有固化，與此同時，美國公司不太重視這些市場，但是這些國家的經濟，我們認為未來都會起來的。

所以你剛剛說的“走向80億”，我覺得不現實，但是走向60億是可以的，應該是世界GDP的1/4，人口的3/4。我們的創業者是願意走出去的，所以我覺得出海會變得非常重要。我們的軟體出口、技術出口，人工智慧出口，這些一定會發生。在我寫的《AI·新世界》出版的時候我就說過，在10年之內，中國將占世界軟體的半壁江山。當時很多人也認為這是一個非常樂觀的預測，但是現在看來我們正在往這個方向去做，而且當時還沒有看到TikTok這樣的產品。但是我們要謹慎，不是說歐美這些國家還是相當牛，而是TikTok在歐美的成功，不是那麼容易複製的。
“+AI”會在各個行業開花結果

李根：剛才開復老師談到現在技術創業越來越難，您還會投技術公司嗎？

李開復：當然投技術公司，我剛剛講的每一句話，都是我們投資的策略，我講了那麼多對機器人看好，我講了對大語言模型特別看好，還會投的。只是說我們不能夠期待像過去出來那麼多，創新工場在過去的4年，我們的AI領域一共出了7家AI獨角獸；未來4年的小目標，先定個3家AI獨角獸公司吧。

李根：但AI深入傳統行業已是趨勢？最近創新工場還投了“農業”領域的公司，這是以前很難看到的。

李開復：你指的是極飛科技吧？但極飛不能按農業來定義，極飛科技的產品是很高科技的無人機和自動駕駛，場景是把農業工業化。
工業製造和農業生產大有不同，比如你想做智慧製造，用AI來做機器人，或者做一個iPhone，做衣服，做鞋子，場景不同要求是完全不同的。但是農業播種或者施肥等場景較容易標準化。比如棉花田、稻田等，較容易批量化大規模作業。

不但大陸是這樣，國外也是如此。目前，農業市場AI滲透率只有大約5%，我們對極飛本身不但非常認可，而且也認為這是非常好的國際化的產品。因為農業場景比如播種子等，在全球幾乎通用，沒有太多語言的障礙。

李根：可以解決80億人的吃飯問題。
李開復：是。（笑）

李根：剛才談論的都是傳統領域“+AI”的話題，不妨讓我們更發散一些，請您談談以下幾個領域可以如何“+AI”？比如今年最受關注的“線上教育”。

李開復：線上教育中國做的是非常好，互動化很強，而且是孩子真的很喜歡。但是一些課程，尤其是小朋友的，用一些卡通人物AI或許更有效果。我們可以想像，未來會是一些可愛的卡通人物作為孩子的老師，甚至可能有一些同學是虛擬同學。有氛圍，也更高效。
這種情況下，不但你的成本更低，而且小朋友考試分數更高，也提高了學習興趣。所以“＋AI”後的人機互動模式，不僅可以降本提效，還能提升孩子趣味性。

李根：這個領域聽起來對開復老師挑戰不是很大，我們出一個難的，我們說一個雞尾酒如何“+AI”？

李開復：其實雞尾酒肯定是機器調得比人好，因為雞尾酒有不同的成分，機器可以算得更准。但是，我們要考慮的是，如果去酒吧喝酒，可能醉翁之意不在酒，而是要有一個非常善解人意的酒保來跟你聊天。所以我覺得以後酒保跟你聊一聊就可以了，酒還是要機器來做，歸根結底，機器調酒師替代不了人之間的交流和陪伴。

▎找對象也能“+AI”，媒婆AI知道誰最適合你

李根：不知道在酒吧，能不能順便把找對象的問題，用“+AI”的方式解決了？
李開復：這可能會在下一代成真——不過不是我的下一代，我的下一代已經有對象了。你們的下一代找對象，可能會跟今天傳統的方式完全不同。就像今天美團比你更知道你想吃什麼，攜程比你更知道你想去哪裡，今日頭條更知道你想看什麼，未來你的媒婆AI一定知道誰最適合你。

每一個人這一輩子找對象，可能就是周圍認識的人裡面找，無論怎麼算都是幾萬人，最多幾十萬人。但是，以後AI可能會更瞭解你，瞭解你是什麼人，瞭解你會喜歡什麼物件，它幫你推薦的人，一定比你自己找的人，或者朋友幫你推薦的人更靠譜，更合適。也就是說，你選擇的範圍可能不是從幾萬人裡面選一個，可能是在80億人中幫你選。

當然，最後的選擇權在你手裡，今天你靠朋友幫你推薦5個對象你選一個；未來AI幫你推薦的5個對象，會來自於80億人，會更貼近於你的需求。所以你們孩子的未來，一定會更幸福！

▎AI從業者也得有“希波克拉底誓言”

李根：謝謝開復老師，今天時間也差不多了，最後再請您站在明天給一些建議吧？比如站在20年後（2041年）思考，我們該有怎樣的責任和使命？

李開復：對於AI的工作者，我們今天都低估了AI道德帶來的一些影響。我們可能看到網上說隱私問題、公平問題，或者大公司掌握太多資料左右我們思考問題。但隨著大公司對AI資料的掌控，其實這些問題越滾動越嚴重，我們去怎麼處理？我覺得我們一定要做AI的從業者，就像醫療的從業者有一個叫做希波克拉底誓言，作為一生我要把人的生命作為最神聖的事情，我一定要捍衛。

做AI工作者其實不是一個工程師，你要考慮到所做的每一個演算法，你的每一個貢獻都有可能造成因某一個人種或者性別帶來的不公平待遇；可能會帶來某一些人不能夠被公司雇傭；可能會造成某些人終身可能沒法往上爬；可能會造成一些醫療錯判傷害人、會造成無人駕駛撞到人。

所以每個工程師應該有一個神聖的誓言，應該認真的去用各種工具，來確保自己做出來的軟體帶給人類的是進步，而不是帶來各種的這種不好的後果。我覺得要特別認真的看待自己的責任，With great power, comes with great responsibility. 我非常認可 “權力越大，責任越大”這句話。

其實AI的工程師、AI的從業者，你們的權力是巨大的，一定要重視自己的責任。同時，確保以後的用戶得到的是幫助和福利，而不是被傷害。

▎One More Thing

最後的最後，還有一個小小小環節，來一次今年的快問快答。

李根：今年最成功的個人股票投資？
李開復：Zoom。

李根：今年最想推薦的一本書或者電影？
李開復：《皇后的棋局》（The Queen’s Gambit）。

李根：今年最有啟發的一次交流？
李開復：跟尤瓦爾·赫拉利，《未來簡史》作者的一對一交流。

李根：到底米其林靠譜還是黑珍珠靠譜？
李開復：中國黑珍珠靠譜，國外還是要靠米其林。

李根：為什麼從一開始就不看好馬斯克的2020年百萬RoboTaxi？
李開復：馬斯克有一句名言，我認為最貼近他的個性。他說他一切預測都會成真，只是時間上別聽他的。所以我相信他會成功，只是可能會需要5年或者10年。

【美選出乎意料的激烈戰局：比民調更重要的是人心】

2020美國總統大選投票日已經過了三天，贏家仍未確定。
開票過程峰迴路轉，從一開始的德州開藍、夜間的威州、密州翻藍，到昨晚的賓州、喬州拉鋸…拜登與川普激戰到如此地步，倒是選前主流媒體與各家民調普遍沒有預料到的情況。難道如同四年前大選民調翻車的情況再度出現了嗎？

#傳統民調與現實的差距

四年前的美國總統大選，主流媒體與傳統民調組織，多顯示希拉蕊大幅領先，但結果川普打破所有主流輿論和各家民調的分析入主白宮，雖然有「選舉人團」的制度因素助攻，但當時「民調嚴重失真」的問題已經被各界學者專家紛紛提出來檢討，甚至出現「#民調已死」的聲音。

近年來，許多國際媒體與機構的民調確實普遍表現不佳，誤差範圍甚至逐漸擴大。從2012年歐巴馬競選連任、2014年美國期中選舉、2015年英國國會大選、2016年英國脫歐等，結果都與事前民調預測完全相反。

一份由史丹佛大學、哥倫比亞大學與微軟在2016年發布的研究報告〈Disentangling Bias and Variance in Election Polls〉顯示：1998年到2014年間美國各州總統、國會與州長選舉總共4,221份選前民調，將它們與開票結果相比，1,000人的調查平均誤差範圍達正負7％，而不是一般民調宣稱信心標準的正負3％。

根據《報導者》在2016年大選的專題說明，在排除刻意造假的情況下，民調不準確的原因通常包括：
1.抽樣代表性不足、2.民調回覆率過低、3.民調設計不良、4.受訪者不願吐實、5.游離票比例過高。

#害羞川粉的逆襲

而在2016和今年的美國總統大選中，除了上述1-3的工具性因素外，特別常被提出來討論的就是「受訪者不願吐實」這項因素，回歸現實情況，其實就是在談「隱性／害羞的川普支持者」（Shy Trump Voter）這群人。

根據美國政治網路媒體《POLITCO》一篇6月時分析民調可能失準原因的報導當中，就提到 #四年前對於川普潛在支持者分析不足 的問題今年可能依然存在：

川普總統指責民調刻意造假以對抗他的問題雖然並不為真，但民調機構人員確實仍在設法他們四年前遇到的困擾，包括搖擺州調查抽樣較少、而各州內的民調其實高估了拜登的優勢等等，這些恰恰都是2016年曾經發生過的問題：全國民調在很大程度上誤差並不大，但是州範圍的民調太少了，未能收集到準確的數據，特別是來自關鍵搖擺州「#沒有大學學位的白人選民」（被廣泛認為是潛在川普支持者）。

四年前學到教訓的各家民調認為，既然川普的支持者（藍領階級較低收入白人和低教育程度選民）被系統性低估，那就針對這些族群做統計上的加權 (weighting by education and lower-income)。這是美國公共民意研究協會 (American Association for Public Opinion Research）在 2016大選結束後所出產的官方報告當中的結論，也是近年來美國民調機構努力的方向。然而，從大選開票結果與民調的差距來看，上述提到的這些問題今年依然沒有完全解決。

而今年選前號稱美國智庫的「民主研究所」（Democracy Institute）做出幾份民調顯示，有77-78%的川普支持者不會願意向自己周遭的親朋好友承認自己其實支持川普。不過因為該機構被認為缺乏專業嚴謹與公信力，原本並未有多少主流媒體報導這項數據。

然而，由於今年開票到現在與選前主流民調預期民主黨大勝的景況差距太大，部分專家指出，這幾乎是在重演2016年大選民調低估了川普支持率的現象，「因為川普支持者擔心，表達真實意見會引起異樣眼光，比較傾向說謊。」

至此，「隱性／害羞川粉」的理論重新受到各方注意。

#害羞川粉所面臨的社會期許壓力

英國前首相卡麥隆的顧問希爾頓（Steve Hilton）表示：「由於幾乎所有媒體對川普及其支持者都流露出相當的恨意，所以人們比較不想對民調公司承認自己支持川普，而民調公司根本沒考慮到這點。」

另一名準確預測川普4年前當選的民調機構「特拉法爾加」（Trafalgar Group）創辦人卡哈利（Robert Cahaly）則指出：「今年這些『害羞的川普支持者』比之前（2016年）還要多。然而，人們不想表明支持川普，因為只要你戴錯帽子就會被揍，車尾貼上錯的標語就會被騷擾。」

卡哈利認為傳統的民調公司忽略了一個事實，就是：
「#受訪者傾向講出訪問者想聽的話，而不是表達自己的真實想法。」

這提醒了我們關於大家熟知的「#沉默螺旋理論」（Spiral of silence），在傳播過程或參與傳播的過程中，如果發現自己的看法不被主流意見認可，人們就多半不願意公開表達自己的看法，聲音就愈來愈小。

而即便是廣受主流媒體與台灣國內採用、追蹤的兩大權威民調「538」（FiveThirtyeight）與「真清晰政治」（Real Clear Politics），它們的創辦人在這兩天也都對川普支持率失真的原因表達了類似的觀點。

538（FiveThirtyeight）網站主編西爾瓦（Nate Silver）指出，有關川普支持度的民調失準，可能肇因於「#社會期許誤差social desirability bias」，即受訪者回答問題時，傾向以不實意願取代真實意願，以符合社會期許。「真清晰政治」（Real Clear Politics）聯合創始人兼總裁湯姆·貝凡（Tom Bevan）在前天接受福斯新聞（Fox News）訪談時公開指出：「所有專家和預測者都錯得離譜。」

澳洲國立大學講師宋文笛也在選前提出過說明，為何低收入者會基於「社會期許」回答與現實不同的答案：「低教育程度往往代表離美國社會主流的所謂『有文化階層』 (polite society) 的世界觀和價值觀的距離越遠，而所謂『社會期許』往往是後者所定義的。」

這些 #保守川粉 有不少人是美國的經濟、教育與文化層面的社會弱勢，廣泛分佈於中西部的工業區與內陸鄉村。由於教育程度和經濟能力往往成正比，加上工作繁忙、在家時段不固定，也造成這群人比較缺乏時間接受冗長的民調訪談，加上川普有意識地宣傳「主流媒體不可信」的說法，也讓共和黨支持者的拒訪率和訪問失敗率過高，都造成民調方法無論如何改進，都 #測不到這群人的意見。

簡單說，由於社會環境與科學工具有限的因素，導致民主黨的民調容易被高估、共和黨的民調容易被低估，我稱之為「#藍色泡沫」。從上屆到今年的大選，可以看出民主黨的全國民調與某些州的領先程度普遍被高估了5-8%。

#民調產業的未來在哪裡？

很多人在選前開玩笑說，如果這次再不準，「所有的民調公司都要關門了！」如今結果一出，由於各家民調模型、抽樣範圍與加權方式不同，得出來的預測結果也南轅北轍，雖然不能說民調完全不準確（許多民調在個別州與全國範圍的領先差距都在誤差範圍，變化趨勢也大致符合現實），但美國大眾對於民調的信任可能很難回到從前。

注重趨勢預測的產業如金融業對此就感到非常困擾，根據《路透社》報導指出，許多華爾街的資深經理人與分析師對於民調預測連年出錯、毫不可靠的情況感到困惑與憤怒：「我們為什麼還要相信這些民意調查？」更有人形容這是「民調產業的滑鐵盧。」

也有投資者認為，未來傳統的民意測驗方式可能消失，而更多依賴網路搜索相關的大數據來衡量選民的意圖。
原因是現代人很少在家接電話，即便是透過手機，也很少人願意接起不明來電或陌生號碼。

確實，數據分析的專業如果能夠被應用在商業領域的消費者購物調查，沒有理由不能應用在探測大家的公共事務傾向。去年虹安團隊開發的系統每天自動研讀分析爬蟲下來的數十萬筆台灣網路輿情，再加上情緒分析、自然語言處理、模型預測等科學方法，充分掌握了數據趨勢，也因此能夠正確預測台灣總統大選的票數差距達到0.1%。

當然，台灣的選制與選情相對單純，是否能夠將這樣的技術運用在實際上類似於50+1個不同地理與社會環境小國家的美國選舉加總，將會是很大的挑戰。結合大數據探測與傳統民意分析的方法論，也許會是民調產業的下一波改革浪潮。

#民調的背後更重要的是人心

民調的本質是探測與分析的工具，雖然是科學，但終究偵測的是千變萬化的難測人心。
而依賴民調作出解讀和預測的也是人，是人就會犯錯，也不能因此就輕易導出「民調無用」的結論。

雖然民調在上次和這次大選很難探詢到一些特定族群的意見，但我們更該思考：
#是什麼原因讓他們選擇沈默 或回答符合社會主流想像的說法？

選舉是我們實踐民主的過程，但如果我們的民主讓某群人感到害怕、不願意說話，
這實際上是傷害了言論自由，也是傷害了民主。

衷心祝福美國總統大選可以順利落幕，分裂與對立的美國可以重新合眾為一。
(圖片摘自 foxnews.com )
----

📒延伸閱讀：
1.美國大選民調再失準 隱性川普支持者成關鍵
https://udn.com/news/story/121687/4993275
2.美大選民調又失準 專家分析原因：太仰賴電話
https://news.ltn.com.tw/news/world/breakingnews/3343519
3.美國大選｜為何民調又失準？川粉不能說的祕密
https://tw.appledaily.com/international/20201104/STCC3SAYF5DLNGAJMZUJEIOE3E/
4.【外媒綜合】這次美國民調為何失準？凸鎚六個關鍵點
https://money.udn.com/money/story/12937/4990802
5.從美國總統大選看民調「測不準」現象
https://www.twreporter.org/a/presidential-election-polls
6.Trump has a point about the polls, POLITICO
https://www.politico.com/news/2020/06/17/trump-polls-biden-324210