《說書前哨站》橡皮擦計畫2—為什麼千金難買早知道？

你好，我是威融。今天我一樣要介紹橡皮擦計畫，題目是：千金難買早知道？為什麼我會再講一次這本書呢？因為我覺得一本好書有很多個好知識好見解，但這麼多的資訊：

一、需要時間消化，有些內容我第一時間讀不懂，不敢寫😅
二、是要考量篇幅，不宜把所有資訊寫在文章(太長了不好讀

今年只要時間允許，我會將一本書拆解成3-5個小節做討論👥，甚至跨用在不同的單元，希望可以讓你在讀我的專欄時，有機會應用在生活中，並體會本書的物外之趣💑。

好，回到主題，今天我要談的核心問題是：為什麼千金難買早知道？🤔

我講一個自身的例子。我大學重考哪一年，選填的志願是地政系。為什麼我要填地政系呢？是因為我考慮我不想念法律，法律枯燥無味(這我有自知之明，後來我法律確實不怎麼樣)，第二是我覺得房地產在怎麼樣都是市場需求，而且台灣的大學地政系很少，學了獨特性高不易被取代。

然後，這樣的先見之明很快就被現實打破！👊

第一、地政系內容有一半是法律，我的組別課程很多法律，你應該感覺到我不會太好過了(嘆

第二、學校或者說科系上比較保守嚴謹，對於我想法天馬行空的想胡搞瞎搞的人，感覺比較壓抑不舒服，大學有將近一半的時間，我找不到一個適合的角度去理解自己，當然也不知道該如何看世界。

第三、畢業前一年，房市出現反轉，當時教授笑著說：恭喜你，你們將進入失落的房地產20年衰退。2014年我畢業，直到現在，房市的交易量依然低迷，扣除大城市，許多二線城市、鄉村，房價鬆動跌幅是明顯的。(我知道跟之前炒作數倍的價格底價比，還是很高，我也買不起，除了公宅政策未落實，這是土地稅制問題。)

如果我早點知道未來會這樣，我想我很大的機率不會讀地政系吧！

按照這本書的理解，我再做一次決策，結果很可能不會更好。

事實上，人們不但不擅於預測，而且很擅長事後諸葛，為自己的選擇做解釋。🤥

↠↠↠

心理學家丹尼爾跟阿莫斯做了實驗：首先，他們要求受試者，一句簡單的性格特質做預測，那些人會讀研所，他們會選哪一門主修。

受試者的預測結果如下：
1.人文與教育20%
2.社會科學與社工17%
3.商業領域15%
4.體育與生命科學12%
5.工程9%
6.法律9%
7.資訊科學7%
8.圖書館學3%

上面預測結果，我們稱他們為「基本比率」。舉例來說：我們對A學生一無所知，我們已經知道20%的研究生選人文科學，那我們預測A學生選人文科學的機率，應該是「20%」

真的是這樣嗎？丹尼爾與阿莫斯決定增加額外的資訊給受試者，看看他們發生什麼變化？

他們設計了一個當時「典型資訊科學」研究生形象。🤓

描述如下：🗣

阿湯智商很高，卻沒有什麼創造力。他講求秩序跟明確，所有東西都要整齊有條理、擺在適當的位置上。他的寫作乏味枯燥，毫無情感可言，但偶爾會因為一些老掉牙的雙關語或科幻小說的幻想情節，讓人眼睛為之一亮。競爭心強，對別人沒什麼同理心和感情，也不喜歡和人互動。雖然很自我，但有很強的道德感。

結果怎麼樣？

接受到額外資訊的受試者，幾乎都認同阿湯是個「資訊科學」宅宅😅，沒有人在意一開始的資訊「資訊科學7%」的基本比率，大家被文字誤導，開啟誤判。

於是心理學家做了結論：「沒有給予特定的證據，人們會正確運用先驗機率(Prior probability)；但如果給予特定的證據，人們會忽略先驗機率。」

讓人吃驚嗎？

其實，日常生活裡，我們不也是容易特定證據誤導嗎？

我隨意舉三個例子：

1.廢核不廢核爭議？台灣的核能發電實際上只有12%
2.先前搶衛生紙事件？事後證明全球原物料一切正常
3.選舉前電話民調，有的機構會先告訴你某人做了什麼(好)壞政策，再問你支持誰？你就容易回答她要的答案了。

這讓我反思一件事情：我想人不該依靠算命與宗教告訴你未來該如何，因為你無法準備。而我們應該專注學會如何用「已知資訊」去分析現實，做出合理決策，讓未來更有機會有個好的結果，不是嗎？

↠↠↠

有時候我們不是知道的太少，而是我們知道的太多，但沒有分辨正確資訊、衡量權重的能力。這個能力，我覺得是可以：

1.透過閱讀
2.與同伴連線學習
3.每天復盤
4.筆記寫文章 去訓練的。

我一直很強調「手寫」✍️的力量。(雖然我現在打字，但那是我字醜所以就不會附上了😂。)

我印象中有讀過一個數據，手寫的記憶比打字、語音的記憶力，效果好5倍。是5倍喔、不是5%。為什麼呢？

研究人員發現：我們打字快，所以大腦進行的是背誦模式，背誦模式對學習成長是很弱的，我們多年填鴨式教育升上來，應該頗有體誤。而手寫的過程，因為手會痠人很懶，大腦會開啟思考模式，丟掉不要的東西，讓你寫最重要最值得記的東西，結果，你寫過的東西往往還有記憶，但打過的字或聽過的聲音，往往是模糊甚至空白的。

↠↠↠

好，今天我們就先談到這，我預計這本書還會再寫第三篇。

今日提問：能否分享你如何做決策，避免忽略先驗機率造成的錯誤判斷呢？寫下你的想法，與版上的朋友交流心得，互相學習。(留言輸出與大家交流，集合眾人智慧是最好的學習🥰)

感謝你今天的閱讀，我是威融，說書前哨站，我們下次見！