仿效馬斯克?從找美食隱藏公式開始

近年來,演算法已顛覆許多產業,一大原因就是演算法能從數以千計的點擊、頁面捲動中提煉公式,再以此預測行為。這過程也與逆向工程有明顯的共通處:把一個引人入勝的故事、一首交響樂或一張照片轉為一道配方。

這也因此引起一些令人好奇的提問:演算法為什麼那麼善於辨識模式?我們如果要精進自己的逆向工程能力,能從演算法中學到什麼?

整理●編輯處


▲取自維基百科

且讓我們從基本開始。模式辨識引擎具備四大要素,第一是資料蒐集。第二是拆解例子,從中找出重要變數。在這第二個階段辨識出越多變數,就越有機會精確抓出能夠吸引的要點。第三是偵測相似性。最後一步,是演算法利用分析結果,針對回饋的資料持續修正預測並改進。

舉個簡單的例子,不久前,在以IBM首任執行長湯瑪斯.華生(Thomas J. Watson)為名的機器學習程式「華生」中,該公司程式設計師輸入了兩類資訊,包括研究一般人認為美味的食物及《好胃口》雜誌(Bon Appétit)歷來的完整食譜檔案。依據其偵測出來的模式,從資料當中產生出新菜餚的食譜,結果極為驚人。

如果談到一道菜餚的成功,經常只會聚焦單一因素: 口味。不過,華生的分析顯示,一道菜餚之所以令人無可抗拒,原因在於香氣。華生的第二項洞見:香氣的核心關鍵是種數學組合,你只須分析一份食譜的食材就行。每種食材都帶有特定的化學物質,為其賦予獨特香味。
蒐集傑出例子為何重要?因為成就精湛技能的第一步,就是看出別人的精湛技能。
華生的分析,就是揭露了贏得獎項與各方好評的菜餚當中其實潛藏共同模式:這些食材都具有許多相同的芳香族化合物。藉此也解釋了為何有些食物會受到世人一致的喜愛。

此程序化做法,還可以針對我們希望仿效的作品進行逆向工程:第一步,蒐集例子。

值得注意的是,這些為了偵測模式而設計的電腦程式,採取的第一個行動不是分析,而是蒐集。歷史也告訴我們,頂尖人士早在踏入所屬領域前,就已喜歡蒐集他們欣賞的作品。安迪.沃荷蒐集藝術品;導演昆汀.塔倫提諾花許多時間看電影;海明威去世前,他的藏書超過九千本⋯⋯。
蒐集範例後,接下來該怎麼做?要怎麼找出這些作品充滿吸引力的因素?已故的哈佛商學院教授克雷頓.克里斯汀生投注數十年時間分析尋常的企業主管與破壞性創新家——如馬斯克、網飛的里德.哈斯廷斯及貝佐斯之間的不同。

創業家並不比中階主管聰明,中階主管的風險承受度也不亞於創業家。差別不在於他們的性格,而在於行為。

在其中一組行為中,這兩個群體的落差尤其巨大,而這行為就是「提問」。相較於一般主管,破壞式創新家遠遠比較會在好奇心驅使下採取行動。這是一種招牌特質,是創新心智的領先指標。創辦人會提問,主管則是服從。

創辦人會提出宏觀的問題(我們遇到的真正問題是?)、假設情境(我們要是不再接受現金支付會怎樣?),還有最重要的一點:試圖揭露根本原因(是什麼原因造成顧客出現這樣的行為?)。

另一個找出差異的做法,則是透過不同媒介深入研究同一件作品。如果你一直無法破解某位作者的作品,那麼試試聆聽作者的有聲書,他們的節奏及抑揚頓挫,可以傳達出珍貴的洞見,加重特定的詞語也可揭露其潛在意圖。

不過在某些案例裡,你還是會發現自己不論多努力拆解、多想找出引人共鳴的原因,卻始終得不到結果。所幸還有其他幾種方法能找出範例之間的差異。

這些方法源自另一種不同策略,只有在我們後退一步的情況下,才可明白看出隱藏的結構。這種策略,稱為遠觀。
閱讀完整內容
商業周刊第1784期

本文摘錄自‎

仿效馬斯克?從找美食隱藏公式開始

商業周刊

2021/第1784期