字體：小 中 大 |
|
|
|
| 2021/05/10 17:45:07瀏覽117｜回應0｜推薦0 | |
那些年，被數據霸淩的年輕人
科研機構為了向政府機關拿到續命的研發經費，每年往往被迫杜撰出許多不存在的需求，或者天馬行空的亮點，卻總在交差時被罵得狗血淋頭，狼狽不堪，最終灰頭土臉，草草結案。各部門所承諾的KPI就像是被套上的枷鎖，每年年終被狠狠地戴著它羞辱遊街之後，仍搖尾乞憐地跪求小氣財神明年開恩。
年復一年，機構累積了上千個無人問津的垃圾專利，最後居然要開會討論如何以打包的方式，把專利給埋葬掉，祈禱著不再過著穿國王新衣，當數字奴隸和KPI俘虜的日子。
但形勢永遠比人強，在每個夜深人靜的痛哭失聲之後，當太陽再度升起，大夥又不得不用美麗的數據，來包裝長官交辦的不可能任務了。問題是，早已千瘡百孔的團隊，還辦得到嗎？
D部門空有大數據分析能力卻找不到用武之地，而E部門空有應用場域，卻苦無數據分析支持。兩部門各自揹負老闆的空前壓力，在無數次腦力激盪之後，腦震盪之前，終於共同提出一項專案，希望能說服各中小學校購買這套「霸淩監控系統」，一舉拿下科專亮點。
D部門認為，我們衹要能夠收集到學生的健康資料，學生的成績，以及學生的出席狀況，就有辦法偵測出哪位學生有被霸淩的可能。他們的理論是，如果有學生被霸淩了，那麼成績一定會退步，出席情形以及身體狀況都會變得比較差，這時根據收集的大數據加以分析，就可以對導師預警。而一旦老師們開始解決霸淩問題，這三項數據就會開始轉好。
為了要說服各校長們買單，兩部門開始收集真實資料。但是很不幸的，霸淩的事件沒有找到，找到的數據也多與霸淩沾不上邊。為了要達成KPI，只好開始修改甚至於創造數據，只差沒有創造霸淩，讓真實的霸淩事件恰好和數據吻合。
產品原型和虛擬數據很快地就開發完成，他們迫不及待的邀請各校校長蒞臨指導。在座的校長們在看完過了完美無瑕的展示後，紛紛提出實際發生的問題：
「學生被霸淩之後，成績不一定會退步，也有反而會奮發向上。」
「被霸淩的同學也許會更早來學校或更晚離開，身體也可能會被鍛煉得越來越健康。」
「成績不好可能是因為失戀，身體變差可能衹是單純的得到了流行性感冒。」
「以你們工程師的經驗，這些數據可以拿來作為霸淩的推論嗎？」
象牙塔裡的工程師們經過了一連串真實世界的質疑，研發負責人的回答就不是這麼信心滿滿了。
跨部門合作第一年沒有達標，霸淩偵測系統一套也沒賣出去。但是工程師們並不氣餒，彼此勉勵繼續奮戰，不但持續設法收集資料，第二年要開發更好的演算法。
一年容易，又到了邀請校長們見真章的時刻。這回工程師們信心滿滿，放棄了自行開發的演算法，而採用了機器學習的方式。也就是說讓學校自行標註哪些事件是霸淩，然後根據這些被標註的事件，讓機器自動去比對類似的資料，認定其他那些事件也都是霸淩。沒有主觀的判斷，這樣應該就會更準確了。
「剛開始被標註的資料比較少，所以比較不準，」工程師們向校長解釋：「一旦我們收集了夠多標註過的資料。霸淩的預測就會越來越準了。」
「請問要多少筆資料你們才會預測精準呢，」校長們問。
「至少要上百筆霸淩吧，」工程師們答。
「可是全國中小學每年處理霸淩的事件不到800筆，確認的也祇有200筆。如果真要從我們學校得到100筆確認的資料，」校長甲停頓了一下：「你們可以等到20年之後才拿亮點嗎？」
在一片沉默聲中，平日沉默寡言的校長乙緩緩說道：「學校的資料不好收集，也許換個方向，收集你們自己被長官霸淩的數據，一年之內就可以拿到亮點的了!」
(內容虛構，如有雷同，純屬巧合)
|
|
| ( 創作｜小說 ) |
