# 演算法無法取代的重量：為何我們不該成為科學教信徒？ > 平台與數據能降低資訊不對稱，但決策仍需仰賴人腦的跳躍性思考。任何宣稱能代勞決策的平台，不是笨蛋就是騙子。在 AI 更強大的今天，這個警告比十年前更值得被聽見。 - Author: Paul Kuo（郭曜郎） - Date: 2017-03-03 - Pillar: 智能與秩序 / Intelligence & Order - Tags: AI 決策, 演算法崇拜, 資訊不對稱, 人性判斷, 科技批判 - Concepts: 判斷權不外包 (https://paulkuo.tw/ideas/judgment-not-outsourced/) - Canonical: https://paulkuo.tw/articles/algorithm-cannot-replace-decisions/ - Site index for LLMs: https://paulkuo.tw/llms.txt --- 有一種想像是這樣的：
▶ 聽摘要
AI 合成語音・作者本人聲線克隆
如果我們能分析所有技術線型，系統就能自動發出買賣訊號。如果我們能分析用戶的年齡與資產，系統就能自動推薦最適合的保險商品。如果我們能蒐集夠多的行為數據，演算法就能預測你下一步會做什麼。 「把決策系統化」：這是過去十幾年來，無數理工背景新創團隊的基本信仰。 但這與其說是邏輯，不如說是宗教。他們是科學教的信徒。 ## 那道填不平的鴻溝 從數據整理到做出決策，不是一條連續的光譜，而是一個帶狀的過程，中間有一道懸崖。 讓我把這個過程拆開來看。數據有三種形態：結構化、半結構化、非結構化。結構化資料就是表格裡的數字：營收、用戶數、轉換率。半結構化是有一定格式但需要解讀的資訊：客戶的回饋郵件、會議紀錄、市場報告。非結構化則是那些飄在空氣中的東西：一個眼神、一句沒說出口的話、一種「感覺這個方向不太對」的直覺。 平台和演算法能完美處理的，基本上只到結構化資料。你給它一張表，它可以幫你排序、篩選、找出異常值、畫出趨勢圖。這很有用，但這離「決策」還遠得很。 因為決策是主觀的思考跳躍：資料給不出最後那一步。 你看了十份市場報告，數據都指向 A 方向。但你在昨天的飯局上聽到一個業界老前輩隨口提了一句話，讓你隱約覺得 B 方向才對。你無法量化那句話的權重，甚至無法向團隊解釋為什麼你「感覺」B 比較好。但你就是在那個瞬間做了決定。 這個瞬間裡發生的事，演算法看不到，也模擬不了。 ## 科學教的信仰結構 我把過度相信演算法能取代人類決策的態度稱為「科學教」，不是要侮辱理性思維，而是因為它的結構跟宗教信仰有著驚人的相似。 宗教信仰的核心是：有一個超越的存在（上帝、命運、因果法則）可以為你消除不確定性。你只要信，就有答案。 科學教的核心是：有一個超越的系統（大數據、AI、演算法）可以為你消除不確定性。你只要餵夠多數據，就有最佳解。 兩者共同的心理動力是一樣的：**逃避決策的痛苦。** 做決定是痛苦的。那種當下的模糊、兩可、不確定，是每個人必須單獨面對的重量。職涯的選擇、投資的判斷、感情的取捨：這些都是非結構性的主觀判斷，帶著人性的溫度、偏頗與獨斷。 科學教信徒以為，演算能縮短從半結構到非結構之間的巨大鴻溝。但鴻溝沒有縮短。只是因為他們「相信」，所以覺得問題消失了。 ## 2017 年的警告，2026 年更該聽 我第一次寫下這些想法是在 2017 年。當時 AI 還沒有 ChatGPT 的光環，大數據是最潮的詞彙，每個創業者都在說「data-driven」。 九年後的今天，AI 的能力確實有了質的飛躍。GPT 能寫文章、Claude 能分析合約、各種 AI 代理能自動執行複雜任務。但核心的問題不但沒有消失，反而變得更尖銳了。 因為當 AI 越來越像「可以做決定的東西」時，人就越容易把決策的責任推給它。 我在經營公司的過程中見過太多這樣的情況。團隊用 AI 做了市場分析，AI 說某個市場機會得分最高，於是就決定往那個方向走。沒有人問：「AI 的評分模型是誰設計的？評分的權重合理嗎？有沒有什麼因素是模型看不到的？」這不是 AI 的錯：它忠實地根據你給它的框架產出結果。問題在於人放棄了思考框架本身是否正確的責任。 這跟我在〈[後程式碼時代的思考：當品味成為人類的關鍵競爭力](/articles/post-code-era-taste/)〉裡談的品味問題是同一件事。AI 可以在你定義的座標系裡找到最佳解，但定義座標系本身：什麼是「好」、什麼值得追求、什麼風險可以承受：這些始終是人的責任。 ## 資訊平台的真實角色 讓我說清楚：我不是反科技。恰恰相反，我每天都在用 AI。 但我很清楚 AI 在我決策過程中的角色：它是「決策輔助工具」，不是「決策依賴系統」。 這個區分非常重要。 決策輔助的意思是：AI 幫我把結構化資料整理好、把半結構化資訊做初步分類、在我設定的框架下提供選項和分析。然後，我承擔最後那個「跳」的責任。 決策依賴的意思是：AI 告訴我該怎麼做，我照做。如果結果不好，是 AI 的錯。 如果有平台宣稱能協助你做更佳的決策與判斷：用這個功能就能買到更會漲的股票、用那個模型就能選到最適合的員工：這種平台，九年前我說它不是笨蛋就是騙子，今天我的判斷沒有改變。 不是因為技術不行。是因為決策的本質就不是一個最佳化問題。它是一個在不完整資訊下、帶著價值判斷做選擇的過程。你可以有更好的資訊，但你無法消除「選擇」這件事本身的重量。 ## 從神學看決策的痛苦 我在神學訓練中學到一個概念，後來發現它對理解決策非常有幫助：**有限性**。 基督教神學有一個核心前提：人是有限的存在。你的知識有限、視野有限、理解有限。這不是缺點，是存在的基本條件。接受有限性，不是放棄追求更好，而是承認「不可能什麼都知道」這個事實，然後在這個事實的基礎上，做出你能做的最負責任的判斷。 科學教的問題恰恰在於它拒絕接受有限性。它假設只要數據夠多、模型夠好，就可以逼近「全知」。但全知是上帝的屬性，不是人的。把這個屬性投射到演算法上，本質上是一種偶像崇拜：用技術的外衣包裝了對確定性的渴望。 我在〈[演算法作為審判者](/articles/algorithm-as-judge/)〉裡進一步探討了這個問題：當我們讓演算法來判斷人的價值、分配人的機會，我們到底在信任什麼？ 決策的痛苦不會因為有了更好的工具就消失。工具可以讓你看到更多、算得更快、模擬更多情境。但最後那個「我決定了」的瞬間，依然是你一個人的事。 ## 善用 AI 的前提 回到實際面。如果你是一個正在使用 AI 輔助決策的經營者，我建議你把這句話貼在螢幕旁邊： **AI 的輸出品質永遠不會超過你輸入的問題品質。** AI 不會告訴你你問錯了問題。它只會忠實地回答你問的問題，不管那個問題有多離譜。所以你的責任不是學會用 AI，而是學會問對的問題。而問對的問題，需要的是對領域的深度理解、對人性的敏感度、以及承認自己可能搞錯的謙遜。 感謝世界上有那麼多人願意相信演算法可以解決一切。他們的存在，讓那些真正理解決策本質的人，擁有了不可複製的競爭優勢。 因為在一個所有人都有相同 AI 工具的世界裡，差異化的來源只剩下一個：**你怎麼用它，以及你敢不敢在 AI 說 A 的時候，因為自己的判斷選擇 B。** 沒有平均律。沒有統一的幸福方程式。決策的重量，就是活著的重量。