問題 既 解決不了 、 又 不會 自動 消失 ， 但 我們 還是 要 試圖 加以 釐清 並且 有所 動作 ， 也 就 是 面對 只有 不 完整 的 資訊 、 能見度 也 非常 差 的 問題 。 有 一 種 我 稱為 「 放手一搏 」 （ dilemma f lipping ） 的 領導 能力 ， 能 讓 領導人 即時 做出 正確 決定 ， 不致 過早 （ 通常 善於 解決 問題 、 或是 真正 有 信念 的 領導人 常 這樣 ） 、 或是 過晚 （ 典型 的 學院派 錯誤 ） 。 領導人 要 成為 大家 的 清晰度 提供 者 ， 而且 在 混雜 的 未來 ， 大眾 會 非常 渴望 獲得 這樣 的 清晰度 。 但是 ， 清晰度 和 確定感 卻 有 很 大 的 差別 。 神經科學家 羅伯 ． 波頓 （ Robert Burton ） 的 研究 指出 ， 人類 的 大腦 渴望 確定感 ， 因此 常 會 誤導 我們 ： __UNDEF__ 雖然 確定感 讓 人 安心 ， 但 這 並 不 是 出自 於 我們 有 意識 的 選擇 、 更 不 是 經過 思考 的 結果 。 確定感 和 類似 的 狀態 「 確定 自己 懂 」 ， 就 像是 愛 和 憤怒 一樣 ， 都 來自 大腦 機制 中 非主觀 意願 可以 控制 的 感受 ， 是 獨立 於 理性 之外 的 大腦 功能 。 現代 科學 已經 對 清晰度 和 確定感 在 大腦 神經 方面 的 差異 具有 相當 的 了解 。 波頓 出色 的 研究 讓 我 想到 ， 社會學 研究 中 有 一 個 所謂 「 驗證性 偏誤 」 （ confirmation bias ） 的 概念 ， 這 個 概念 指 的 就 是 信 者 恆信 ， 意即 ： 人 往往 寧可 相信 自己 既有 的 成見 ， 也 不 願 接受 新 的 看法 。 把 新 的 經驗 歸納進 你 覺得 了 解 的 東西 ， 遠 比 接受 它 是 新 經驗 、 或是 跟 你 經驗 過 的 不同 來得 不 費力 許多 。 現代 認知 科學 和 神經學 稱 其 為 「 我方 偏見 」 （ myside bias ） ， 形容 的 就 是 人云亦云 的 現象 ， 很多 人 看到 社群 網絡 上 其他 人 都 說 某 件 事 為 真 ， 他們 就 跟 著 相信 ， 即使 他 自己 覺得 是 假 的 ， 他 還是 選擇 跟 風 。 很多 人 都 有 「 確定感 」 ， 卻 沒 幾 個 人 有 真正 的 「 清晰度 」 ， 不加 懷疑 的 分門別類 就 是 一 種 確定感 。 清晰度 的 相反面 不 是 迷糊 混亂 ， 而是 自以為是 的 確定感 。 確定感 其實 是 很 糢糊 的 態度 。 我 的 同事 賈梅．卡斯奇歐 認為 ， 以 清晰度 拿來 構思 目的 代表 「 夠 好 了 」 ， 你 不一定 要 追求 精確 ， 或是 該 說 ， 精準 是 不可能 做到 的 。 清晰度 比 確定感 要 再 糢糊 一點 ， 但 卻 不會 產生 問題 。 新 的 數位 清晰 過濾器 會 減少 糢糊感 ， 而且 已經 快要 到 你 身邊 了 。 在 有害 假 訊息 充斥 的 年代 ， 需要 強而有力 的 過濾器 ， 而 這 類型 的 過濾器 早 就 已經 出現 了 ， 可謂 來得 正 逢 其時 。 新 科技 和 媒體 工具 會 促進 更 強健 的 全 光譜 思考力 ， 幫助 大家 更 看清楚 未來 ， 以便 勾勒出 洞見 ， 讓 大家 現在 能 做出 更 好 的 決定 。 現在 的 工具 往往 只 會 讓 我們 不得不 分門別類 。 商業 行銷 和 廣告 把 消費者 分門別類 ， 只 為了 產品 公司 可以 更 輕鬆 的 賣出 產品 ； 社群 媒體 則 把 我們 依 利益 、 興趣 分成 不同 群組 ， 不容 我們 主動 選擇 ， 就 先 分類好 、 篩選 好 。 因此 ， 現在 媒體 的 設計 容易 讓 我們 只 聽到 同 溫層 的 聲音 。 二進位 電腦 所 使用 的 科技 ， 自然 會 讓 所有 東西 到頭來 只 剩下 0 和 1 ， 但是 二元化 的 選擇 ， 日後 將 會 被 全 光譜 選擇 所 取代 。 數位 清晰 過濾器 能 做 什麼 ？ 數位 清晰 過濾器 這 類 新興 產物 可以 從 混亂 的 世局 中 看清 趨勢 、 洞悉 時事 。 這些 新 產物 能 協助 我們 在 一 系列 相 關連 的 可能性 中 做 考慮 ， 避免 過早 分類 ， 並 讓 我們 有 創意 的 運用 以下 幾 種 功能 ：  無遠弗屆 的 感應  看見 「 模式 」  電玩 遊戲式 互動  協助 理解 __UNDEF__ 當 世界 到處 都 用得起 便宜 的 感應器 時 ， 我們 的 身體 和 使用 的 藥物 就 會 永遠 在 線上 。 我們 現在 的 健保 運作 模式 是 「 由 外 往 內 」 ， 也就是說 照護 提供 者 從 外表 依靠 人眼 或 機器 來 觀察 、 檢查 、 測試 ， 但 十 年 後 ， 健康 照護 （ 現在 只是 生病 照護 ） 則 會 從 我們 體 內 啟動 ， 向 外 照護 ， 像 現在 糖尿病 的 照護 就 已經 可以 看到 這樣 的 發展 趨勢 了 。 另一方面 ， 所有 感應器 的 資料 視覺化 ， 則 會 幫 我們 找出 健康 生活 的 隱藏 模式 ， 藉 此 幫 我們 做 正確 的 選擇 。 大 數據 如果 沒有 相對 的 分析 顯示 趨勢 ， 那 一點 價值 也 沒有 。 大 數據 方面 的 創新 ， 一直 以來 都 朝 收集 龐大 資料 的 運算 能力 發展 ， 現在 組織 機構 所 收集 的 資料 其實 遠 超過 他們 的 使用量 ， 有些 數據 因此 有 被 駭 或 濫用 的 風險 ， 造成 人們 對於 大 數據 收集 過程 和 相關 公司 企業 的 不 信任 。 將來 ， 藉由 資料 視覺化 ， 會 讓 我們 得以 進入 複雜 的 數據組 中 ， 而 不 是 一直 仰賴 統計 和 普通 的 曲線 概括 得 到 的 二手 、 甚至 三手 的 解讀 。 視覺化 資料 讓 我們 可以 用 身體 實際 去 體驗 ， 而 不 是 像 以前 只 能 靠 頭腦 去 理解 。 未來 的 運算 ， 會 是 沉浸式 的 、 而且 是 環場式 的 學習 環境 ， 最後 一定 會 包含 觸覺 ： 讓 學習 者 可以 用 觸覺 去 感受到 身邊 的 數據 。 今天 的 虛擬 實境 電玩 算是 目前 最 接近 這 類 體驗 的 科技 ， 而且 現在 的 小朋友 不 到 成年 就 已經 開始 體驗 了 。 當前 我們 稱為 電玩 的 東西 和 說 故事 方式 ， 將來 都 會 進化成 以 非常 多 種 不同 型式 呈現 的 情感 訴求 媒體 ， 藉 此 協助 我們 更 了 解 周 遭 的 世界 （ 第九 章 會 再 深入 談論 這 部分 ） 。 神經學 讓 我們 看 得 到 大腦 運作 的 方式 ， 也 讓 我們 了解 大腦 歸類 經驗 的 方式 。 神經 科學 在 未來 十 年 間 會 變 得 很 實用 ， 進而 幫助 我們 學習 和 執行 清晰 過濾 的 程序 。 這樣 的 發展 靠 的 不單單 只 是 科技 創新 ， 同時 也 要 運用 創意 ， 結合 科技 、 連線 、 以及 數位 原生代 嫻熟 的 新 技能 。 （ 第六 章 會 深入 探索 ） 。 這樣 的 結合 ， 會 創造出 許多 種 不同 的 方法 ， 供 人們 在 假 訊息 、 錯誤 訊息 、 以及 被 別人 當成 武器 的 類別 中 看清 正確 方向 。 我 並 不 是 說 清晰度 和 確定感 之間 只 能 擇 一 ， 像是 非題 一樣 。 在 尋找 清晰度 的 過程 中 ， 跟 未 經 檢視 的 確定感 一樣 ， 都 會 遭遇到 很多 相同 的 認知 偏見 深植 其中 。 比如說 ， 到處 可 見 的 便宜 感應器 ， 能否 測出 正確 的 數值 ？ 這些 感應器 有 什麼 不足 之 處 ？ 被 視覺化 的 數據 ， 雖然 可以 讓 我們 看到 很多 真相 ， 但 會不會 也 藏 了 很多 看 不 到 的 祕密 ？ 學習類 的 電玩 雖然 好玩 ， 但 當中 的 故事 會不會 沒 能 幫助 學習 ？ 最後 ， 要是 有 問題 完全 解釋 不 通 的話 ， 會 怎樣 ？ 其實 ， 在 混雜 的 未來 ， 很多 事情 就算 有 最 好 的 清晰 過濾器 幫助 ， 也 無法 真的 說 得 過去 ， 要是 客觀 事實 不 存在 ， 那 清晰 過濾器 的 設計 和 使用 就 應該 避免 給 人 客觀 的 錯覺 。 對於 荒謬 ， 在 清晰 過濾器 的 呈現 下 會 是 什麼 樣子 ？ 風險 變大 了 ， 而且 在 未來 還 會 越來越 大 。 二○一九年 初 慕尼黑 安全 會議 （ Munich Security Conference ） 會議 的 主題 圍繞 著 「 七○年代 的 北約 ： 危機 中 的 聯盟 」 （ NATO at 70: An Alliance in Crisis ） 討論 。 會議 中 ， 微軟 總裁 暨 首席 法務長 布萊德． 史密斯 （ Brad Smith ） 警告 ： 「 人工 智慧 就 是 一切 。 」 就 像 當年 的 電 的 發現 一樣 ， 改寫 人類 文明 。 史密斯 形容 當前 的 世界 就 像 是 當年 的 「 史普尼克 衛星 時刻 」 ， 他 說 ： 「 給 了 美國 的 科技業 最 艱難 的 挑戰 。 」 在 人工 智慧 方面 ， 現在 中國 和 俄國 都 在 挑戰 美國 ， 他們 是 最 大 的 競爭 者 ； 那些 鬆散 又 靈活 的 恐怖 組織 ， 則 可能 是 比 這些 國家 更 大 的 危機 。 布萊特．史密斯 對於 人工 智慧 一 字 的 定義 比 一般 還 廣 ， 包括 機器 學習 ， 也 就 是 讓 電腦 自行 學習 變 聰明 。 這 方面 我們 已經 可以 看到 徵兆 了 ， 人工 智慧 有 很 大 的 潛能 ，