是 呈現 未來 。 但 記得 ， 未來 是 一 種 看法 ， 而 流感 爆發 之類 事情 的 看法 是 由 報告 所 塑造 的 。 在 疾管署 官方 數據 公布 前 兩 週 就 預測出 那些 數據 ， 就 是 使 原本 被 隱藏 的 某 種 未來 變 得 更 外顯 的 例子 。 現在 讓 我們 回到 本 章 一 開頭 喬許 小朋友 的 故事 。 他 知道 自己 未來 將 會 把 流感 傳給 誰 ， 這 裡面 也 包括 針對 人 與 人 之間 直接 傳染 流感 的 精密 估計 ， 以 可能性 為 依據 的 行動 智慧 ， 被 計算成 機率 分數 。 我們 關心 的 不 是 什麼 大 數據 問題 ， 我們 關心 的 是 喬許 ！ 數 年 前 ， 想 解決 這麼 複雜 的 問題 ， 得 找 核子 物理 學位 的 人 來 進行 極 昂貴 又 費事 的 社會 技術 模擬 。 但 那 個 年代 並 沒有 數百萬 人 喜歡 一口氣 公開 他們 的 身體 現況 、 地點 及 計畫 。 用 推特 就 能 即時 察覺 你 朋友 生病 了 繼 保羅 與 德雷茲 的 研究 之後 ， 亞當 ． 薩迪雷克 （ 第一 章 提 過 他 ） 在 二○一二年 春 發表 了 兩 篇 論文 ， 示範 如何 使用 帶有 地理 標籤 的 推訊 ， 即時 察覺 你 的 哪 個 朋友 感冒 了 ， 並 推論出 他 在 哪裡 得 的 、 並 預測 他 傳染給 你 的 機率 。 他 將 保羅 與 德雷茲 的 程式 （ 就 是 可以 區分 是否 生病 推訊 的 程式 ） ， 運用到 真實 世界 中 。 薩迪雷克 查看 了 一千五百萬 則 推訊 ， 其中 大約 四百萬 則 有 地理 標籤 。 推訊 則 是 由 紐約 的 六十三萬多 位 推特 用戶 所 提供 。 這些 推訊 裡 大約 有 一半 （ 二百五十萬 則 ） 是 來自 「 每 月 發表 地標 推訊 超過 一百 次 」 的 用戶 — 所謂 的 地標 愛用 者 。 這些 人 大約 只 有 六千 ， 但 他們 的 朋友數 共計 三萬一千八百七十四 個 。 這 群 人 裡 ， 每 個 人 平均 有 五 個 朋友 。 薩迪雷克 藉由 這 扇 窗 ， 看見 這 六千多 個 地標 愛用 者 身處 何處 、 他們 在 那裡 感覺 如何 、 當時 與 誰 見面 、 見面 為時 多久 。 依據 這些 資訊 ， 薩迪雷克 就 能 用 演算法 預測出 下 個 月 這 六千 人 當中 ， 百分之十八 的 流感 案例 。 這 個 實驗 證明 了 這 個 演算法 的 概念 是 可行 的 。 （ 註 19 ） 如果 他 和 同事 擴大 規模 ， 他們 就 能 比 史 上 任何 流病學家 成功 預測出 一 個 月 內 更多 個人 流感 傳染 案例 。 當然 ， 這 種 做法 有 其 限制 。 薩迪雷克 承認 ， 在 八成 案例 中 ， 當 受 試 者 真的 因 流感 生病 時 ， 得 病 的 因果 關係 並 不 清楚 。 他 也 坦承 ， 他 的 演算法 完全 倚賴 帶原者 在 社群 網站 上 抱怨 身體 不 舒服 並 加上 地標 。 紐約人 發出 生病 推訊 （ 例如 「 分 不清 哪 個 比較 塞 ， 是 這 個 地鐵 車廂 還是 我 的 鼻子 # 病 於 F 線 」 ） 的 比率 極 小 。 在 薩迪雷克 做 這 個 實驗 時 ， 有 在 用 地 標的人 只 占 紐約 人口 中 的 三千分之一 。 楊百翰 大學 及 皮尤 研究 中心 （ Pew Research Cente ） 的 研究 也 顯示 ， 儘管 有 超過 六成 的 人 會 上網 尋找 健康 資訊 ， 卻 只有 大約 百分之十五 會 真的 發表 自己 生病 後 感覺 怎樣 、 得 了 什麼 病 及 藥物 反應 等等 資訊 。 （ 註 20 ） 這 是 人性 ： 我們 不 太 喜歡 分享 自己 生病 的 訊息 。 而且 地標 愛好 者 是 少數 族群 ， 這 群 人 願意 公開 關於 自己 的 一 大 堆 資訊 ， 包括 上 哪 去 、 看到 誰 、 感覺 如何 。 這 種 行為 目前 還 算 少數 。 但 現在 願意 讓 這 類 資訊 公開 的 人數 ， 遠 比 三 年 前 多 ， 比起 十 年 前 更 是 多 上 幾 次 方倍 。 這 解釋 了 為何 喬許 小朋友 的 流感 故事 ， 很 有 可能 發生 。 上述 的 科技 突破 ， 還 不能 戰勝 流感 。 例如 ， 有 百分之三十一 的 流感 ， 是 透過 表面 接觸 傳染 的 （ 接觸到 被 污染 的 表面 ） 。 還 有 ， 這些 科技 突破 ， 也 開啟 一 波 新 的 爭論 。 再 以 前述 的 學校 情境 來 說 ， 假如 你 是 校長 ， 你 對 一 位 有 一成 機率 染上 感冒 的 學童 的 反應 ， 一定 與 那 位 學童 的 家長 非常 不同 。 所有 管理 者 都 想 在 能力 所及 為 他們 負責 的 最 多數 學生 做出 最 好 的 選擇 ， 而 所有 家長 想要 的 是 為 自己 的 孩子 做 最佳 決策 。 這些 動機 有時 是 相符 的 ， 但 常常 是 衝突 的 。 如果 某 天 早上 到校 的 好幾 位 學生 裡 ， 有 著 極 高 的 可能性 會 把 感冒 傳染給 其他 學生 ， 你 會 要求 受 感染 的 孩子 回家 嗎 ？ 你 會 警告 其他 學童 的 家長 嗎 ？ 還是 什麼 都 不 做 ？ 如果 你 是 雇主 ， 你 知道 有 多 位 員工 將要 帶 著 可怕 的 病毒 來 上班 ， 污染 辦公室 ， 造成 整體 員工 生產力 大幅 下降 ， 你 會 先發制人 命令 他們 請 病假 嗎 ？ 如果 你們 公司 沒有 帶 薪 病假 的話 ， 你 會 改變 政策 嗎 ？ 還是 直接 強迫 員工 請 無 薪假 ， 他們 身體 不 舒服 還 想 來 上班 就 大力 懲罰 他們 ？ 如果 生病 的 不 是 你 的 員工 ， 而是 你 的 辦公室 同事 ？ 你 是否 可能 因為 別人 感冒 而 請假 ？ 在 過去 ， 上位者 會 告訴 員工 ： 運用 你 的 最佳 判斷 。 人們 會 生病 ， 有時 人 會 散播 疾病 ， 有時 不會 。 你 去 處理 它 。 在 過去 ， 一 個 人 感冒 的 終極 成本 、 將 感染 的 人數 ， 是 難以 計算 的 。 在 大 數據 的 未來 ， 我們 不能 假裝 無知 了 。 是 的 ， 我們 可以 知道 究竟 某 個 人 感冒 來 上班 會 帶來 多少 成本 。 那 個 數字 會 依據 我們 （ 身為 管理 者 、 員工 、 學生 與 父母 ） 所 採取 行動 而 改變 。 對 某 個 人 來 說 最 有效 的 解決 方案 ， 對 其他 人 不會 是 。 這些 爭論 不會 被 輕易 解決 。 但 因為 我們 能 看到 的 不 只 是 流感 的 未來 ， 而是 喬許 （ 或 以 你我 命名 的 ） 流感 的 未來 ， 至少 我們 能 開始 討論 了 。 當 我們 生病 時 ， 我們 藏起 自己 的 虛弱 ， 誇大 自己 的 強壯 ， 這 是 本能 使然 。 沒 人 想 受到 差別 待遇 ， 沒 人 喜歡 被