如果那一天終於來了......侏儸紀公園開幕、全球網路斷線、海裡再也沒有魚......從政治、科技、環境分析19則虛實交錯的奇思異想

 

人們對於未來的恐懼程度，或許會因人而異，小至樂天派的天塌下來有高個子擋著，大至杞人憂天而夜不成眠。本書作者麥克．波頓自述是一位超容易緊張的悲觀主義者，常會對天馬行空的各種假設議題過度憂慮。後來他針對這個困擾找出的獨門妙方法是具體而微地寫下事情發生後的結果會如何，有時這樣反而能讓自己瞭解，其實擔心的問題也沒什麼大不了，而《如果「那一天」終於來了…》這本書，就是他集大成之作。

全書有十九個主題，我覺得大致可以分成三種，第一是完全不感興趣的、其次是有趣看看無妨的、最後則是真的覺得這問題滿值得深入瞭解的。像「英國終於廢除君主制度」、「奧林匹克終於允許禁藥」以及「最後一名奴工終於獲得自由」這三主題，讓我讀來如同嚼蠟。不過「科技大亨終於統治了世界」這個主題，對照當下伊隆．馬斯克在川普上任後的雞犬升天般不可一世，倒是讓人對民主體制的未來冒冷汗。排除哲學形而上的論述，「人類終於永生不死」這篇把千百年來多少帝王將相的宿願一舉實現，等待著我們的卻是意料之外的宇宙級危機。AI詐騙日新月異，完全符合「大家終於可以把別人模仿得微妙微肖」的內容，考慮到這本書是在2020年出版，作者幾乎是神預測人工智慧在未來的潛力。

隨著中共船艦意外切斷台灣的海底電纜後，大家也意識到撐起網路世界的基礎設施原來是那麼的脆弱。而「所有的網路終於斷線」卻告訴讀者，雖然能讓全世界的網路訊號停止運作一段時間，但要完全終止它是不可能的，最大的理由是TCP/IP的網路已經變得太重要，即便遭到破壞，人們也會立即修復。真正有世界末日觀感的主題有「核爆終於毀滅了全人類」、「下一座超級火山終於爆發」，不過和電影《魔鬼終結者》帶給我們的印象相反，即便強權擁有數萬枚核子武器，想要造成全人類滅亡還是難上加難，主因是地球太大而多數的核彈都是中小型彈頭。這也釐清了一個大家常有的迷思，不論飛彈、炸彈或核子彈，要寸草不生地摧毀一個國家，實務上是做不到的。反之一座超級火山的爆發，就足以讓半數以上的人類因氣候異常造成的糧食危機而死亡。

烏俄戰爭、川普當選，2025年的世界局勢最不缺的就是動盪與混亂。我們可以學習本書作者把事情想清楚的思維，將腦海中擔心、恐懼的題目靜下心來推演，結果或許有機會讓我們覺得，啊，不就頂多如此罷了。當然，也可以更正向地，進而找出對應的解方。而書中也提到人們對任何既定的現實會自我適應，面對再嚴峻的環境，隨著時間的流逝，人們會視為正常形成新常態，要特別小心有心人特意利用這種非理性想法來獲得利益。

台灣人的醜陋面

 

等等，別急著大呼小叫，雖然非常政治不正確，但會寫這樣的主題的作者，多少是抱有恨鐵不成鋼的用意。而且本書寫於一九九零年，論及的時空環境在三十年前，許多作者點出的問題已經不那麼嚴重，像是台灣人身份認同、缺乏人權與環保意識、人治而非法治等等，然而依舊有不少台灣人的陋習，有如地縛靈般揮之不去。一方水土養一方人，這是本講台灣文化的書，也是少數願意直言你我習以為常的同胞醜惡面，就先從身份認同說起。

最有資格自稱台灣人的原住民，在三百多年的時間中歷經荷蘭、明鄭、滿清、日治、民國等不同外來政權的統治，變成今日在社經地位處於弱勢的少數族群。實際掌握為何台灣人的話語權，則從國民政府的外省人手中逐漸移轉到福佬人手裡。時日流轉，早期的日本皇民情結和外省中國情結都隨著老一輩的逝去而變得淡薄，而書中沒料到的是，在三十年後的今天，隨著對岸中國國力的崛起搭配著人性利之所趨，大中國情結居然會在部份年青一輩的心中重新開始滋長萌芽，看來這題依舊難解。

接著提到台灣人特有的宗教賄賂心態，的確罪證確鑿令讀者無法否認。排除外來的天主教、基督教和伊斯蘭教。台灣人去任何佛寺、道場參拜時皆有所求，不論是升官發財、平安健康、樂透中大獎，所求之事都是世俗功利。奉上的香火、金紙和貢品，想等價或超值地換來更多好處，講白點就是一種賄賂行為。反映出台灣人對宗教信仰的態度，不是視為用來追求心靈層面平靜、自在的一種途徑，而是藉此強化自身物質層面優勢的一個工具。或許是久入鮑魚之肆大家對此種異樣就不足為奇，但確實很少看到外國人進教堂是去求上帝給明牌發大財。

另外做事輕輕采采不求精緻這點，倒是不能一桿子打翻一船人，畢竟全世界最好的半導體製程是由台灣人研發出來的。所以追根究底應該是給得起香蕉的老闆只能請到猴子，想要追求精緻工藝，免不了要付出更多的心力與成本，在將本求利的資方佔大多數的環境下，要求每個受薪階級把手上的事當志業，為免也太唱高調。不過在一味向錢看的社會氛圍下，確實各行各業都開始出現敬業精神崩壞的現象，前些日子的律師和銀行行員與詐騙集團同流合汙便是一例，軍人被收買為共諜也層出不窮。

書中分析這種笑貧不笑娼的社會文化，一來是源自於一種過客心態，不論是早期皇民思想或大中國思想，台灣對他們而言只是暫住的地方。一但賺夠錢總有一天會回到日本、中國等祖國去。隨著時代的演進，美國、加拿大也成為人們心中賺夠就移民的美麗國度。其次是源自隨著閩客先祖一起帶來台灣的漢文化，其本質上的缺陷。要求人人做聖賢有如空中樓閣的志向，追求著由他人肯定的人生價值。生命的成功與否和世俗的名利成就深刻地綑綁在一起，無法透過內省建立自我價值，做不到反求諸己自問有意義的人生是什麼，正是漢文化日積月累後的粨糟。台灣人的醜陋面從書名就相當尖銳刺眼，然則是一本著重討論台灣社會人文固有缺失的作品，用以三省吾身，甚好甚好。

在梁山公司野蠻成長

 

以我淺見，管理學叢書和親子教養叢書有若干相似之處，其一不是那個身份，看再多也無益；其二是能不能好好扮演那個角色，和有沒有看書無關；其三是照書裡教著做，也不保證能成功。話雖如此，出版產業在這二個領域的新書是層出不窮，間接證明對社會大眾來說，想當個稱職好主管或是好家長，多數人都是抱持焦慮、困惑的心在迷霧中前進。退個百步，看本書倒也不要抱著這麼嚴肅的心態，在梁山公司野蠻成長在講企業經營和職場文化，卻能用改寫水滸傳的方法融入其中，恰似渾然天成。證明作者成君憶不論是文學底蘊還是企管學識都有過人之處，才能信手寫出這樣通俗有料的商戰教本。

一如水滸傳章回，故事從高衙內強取林沖妻子張氏開始，就引出愛情經濟學的價值與交換價值，讓讀者眼睛一亮感受到，這是本以古論今的著作。如同作者附註，他欲如川菜水煮般對中國四大名著進行改寫，以管理學為食材，文學為湯料，讓兩者溶為一體，富有寓教於樂之妙用。林沖在梁山王倫底下運用五步推銷法實實在在的做出一番好成績，五步推銷法是：

一推激清：用自身對成功的熱情，不怕被拒絕，不斷嘗試激發客戶購買的慾望

二推感情：打好客戶關係，先談感情再談生意

三推產品：富感染力地明產品如何解決他的問題，產品不是重點，重點是客戶想藉由產品得到的好處

四推價格：小數報價，讓客戶感覺買的起，被比價時要強調功能差異

五推數量：大數報量，以大包裝、大單位報量，一次成交就有大量

又把武松的三碗不過岡打虎故事改編成一個宣傳在地名酒的商業策略案，帶出地方巨賈西門慶向武松指導，販售產品在行銷策劃時首重整合資源外，其次要打造產品的品牌個性，而品牌個性的兩大重點，一是有鮮明的個性；二是要討人喜歡。做生意要抓住四個重點，就是4P：

Product產品：富有吸引力的產品

Price價格：富有競爭力的價格

Place管道：便於顧客購買的管道

Promotion促銷：有效誘導顧客完成購買的促銷手段

隨著商業環境和現代社會複雜的交互關係，又帶出了2P：

Power政治力量：公權力的影響

Public Relations公共關係：社會大眾的態度

最後成了行銷6P

故事轉進到王倫當家的梁山水泊，帶出許多管理學黑話辭典、職場魔鬼辭典等旁門左道的厚黑信條。像是「把個人的問題放大成大家的問題，大家的問題拖得夠久，就不會再是個問題。」這類混水摸魚的職場謀生術，符合王倫一眾經營梁山時只能小打小鬧格局。在智多星吳用勸誘林沖推翻王倫的情節中，帶出九種不值得追隨的老闆：

事必躬親的老闆

朝令夕改的老闆

喜新厭舊的老闆

剛復自用的老闆

喜歡阿諛奉承的老闆

斤斤計較的老闆

急功近利的老闆

性格多疑的老闆

心胸狹窄的老闆

其實人都有劣根性，天底下也沒有完人，但是老闆的缺點總不能比多過優點，你說是嗎？

在梁山公司野蠻成長還有許多犀利刻薄的職場生存法則就不一一細數，核心思想大至秉持著人性本惡的觀點，施以小謀小略讓上班的日子過得輕鬆自在。讀者如果盡信書地照單全收，肯定會落得東施效顰的下場，畢竟這些所謂的厚黑學，多半也混雜著語不驚人死不休的作者私心，看看能不能引發大眾的關注。話說回來這本書確實很漂亮地改編水滸傳，從頭到尾讀起來像是一本當代商業小說，光是做為茶餘飯後的消遣就值得一讀。

React 思維進化：一次打破常見的觀念誤解，躍升專業前端開發者

 

在估評、挑選網頁應用程式的技術範疇時，無庸置疑的容器化和前後端分離兩項技術已經是軟體開發業界默認的 De facto standard ，而前後端程式分離的概念與實踐更是一舉改變軟體工程師的職務劃分。以 JavaScript 為核心語言的網頁工程師，逐步變成掌握網站與行動應用開發話語權的前端工程師。隨著 Node.js 以其高效能成為網頁後端技術新竉兒，各種超越 JQuery 這個前端 JavaScript 函式庫的挑戰者們，也因為其青出於藍而大放異彩。其中 React 便是獨領風騷的一方之霸。

對於一個從事後端開發的工程師來說，學習 React 技術，目標純粹只是想減少自己對前端技術的知溝，方便未來能與前端工程師同事更容易討論、合作有前後端分離的網站專案。不過事與願違，在完全沒基礎的情況下，嘗試去搞清楚所謂的前端技術是怎麼一回事，很容易用自己瞭解的技術去推論，而有所侷限，反而看不清真相。像我一開始也鬧了個笑話，把 React 誤以為是 Java 語言裡的 Reactive 技術，還因此去研究了 Spring WebFlux。或是後來分不清 React 和 Node.js 的角色與關係，把 React 誤當成是某種 Node.js 上的框架。後面這點倒是不能笑我，畢竟 React 的開發環境太依賴 Node.js 了，幾乎所有的資料都是指導 React 開發者先安裝 Node.js。

正在苦惱如何事半功倍地學習必要的前端基礎時，React思維進化一書如天降甘霖般紓解我的煩憂。全書的目標便是替讀者們建立最正確、基礎的 React 技術觀念。也順道解答了為何 React 這樣的前端技術能將 JQuery 取而代之，而且形同水火，兩者不能並存。實際上就是 React 為了要減輕操作瀏覽器 DOM 的負擔，導入了 Virutal DOM 的設計，壓縮程式運行中所有的元件異動，只在最後階段才同步反映到瀏覽器的 DOM 上。JSX 是方便撰寫 React element 的語法蜜糖，而 React element 卻要經過 Babel 這種語法轉譯器的幫助，才能變成真正可運作的 JavaScript 程式碼。這一切的一切都有太多前情提要的背景知識，也難怪 React 不是非常好上手的程式語言。

不過 React 不好學習有另一個關鍵的原因，如果你在網路上查找 React element 的範例程式碼，肯定會找到兩種風格截然不同的東西，class component 和後來的 function component 。 書裡提出許多論證，讓讀者知道 function component 改進、消除了過去 class component 設計上的缺失。這樣的技術改版是不得不然，但這肯定是個容易讓初學者踩雷的誤區，甚至可能白費時間學到過時的 class component 開發技術。單向資料流的 prop 以及 state ，是確保 Virutal DOM 運作能正確無誤的機制，這也連帶著影響了程式碼的開發範型。從鳥瞰的角度來評論，可以說許多 React 特殊的程式碼設計風格與規範，以及搭配運作的 hooks 函式庫，都是為了達成更有效率的 DOM 更新，React 原始設計團隊，將此負擔轉嫁到工程師上，而不是開發出能簡化程式碼的一體適用執行環境。

不論是線上的 React 前端工程師，或是像我這種想對 React 多點瞭解的後端工程師。React思維進化都是值得成為第一本或是唯一一本的 React 技術指南。在擁有書中講解、介紹的背景知識後，讀者們才能更有自信，具備足夠的底氣去學習更進階的，如 Next.js 等 React 框架。而在全書的薰陶之後，即便看到前端工程師同事丟來的程式碼，相信也能略懂略懂的端詊。

設計聊天機器人

 

自2017年起由AlphaGO興起的人工智慧浪潮，從最初的車牌、人臉辨識，到自動翻譯和對話機器人，各種改變大家行住坐臥的AI服務，已經深深融入到你我的日常生活情境中。其中對話機器人或稱為聊天機器人被許多公司行號用來執行每日的客服事務，或是當做基本的品牌行銷渠道。而設計、開發與維運聊天機器人，卻有著和傳統資訊系統截然不同的流程與思維，這便是這本設計聊天機器人的主題，帶讀者們以產品經理或簡稱PM的觀點，用全方位的角度，好好瞭解聊天機器人到底是什麼？

從市面主流的聊天機器人平台談起，再介紹主要的各種應用情境。先從策略面的角度切入聊天機器人能為企業帶來怎麼樣的創新。接著強調設計機器人時的個性塑造要符合企業、組織的品牌形象，並補充由技術面剖析聊天機器人的系統架構等資訊。談完大方向，內容就落實到實作面的各種技術議題。最核心的當然是達成自然語言理解的人工智慧、其次是對話資訊流與多元互動使用者介面，這些都和一般網頁與應用程式開發有所不同。書中最後幾章手把手帶著讀者，從無到有地規劃、設計一個聊天機器人產品。其中撰寫對話腳本和系統測試相信對絕大多數的開發者來說，都是充滿新奇的一種體驗。

相信絕大多數的消費者對於時下所謂的智能對話機器人並沒有正向的體驗。書中預測的對話經濟風潮，對照的卻是各家大廠陸續退出智能語言服務市場，像是狠狠地打了作者一巴掌。追究原因或許有三，一是由機器學習的監督式分類模型，要處理複雜、充滿例外的自然語言理解課題，仍是力有未逮。二是對話機器人系統的維運，必須不斷地投入心力爬梳對話記錄，用以調校、優化腳本和模型，以維持智能服務的高品質，但大多數的企業、組織仍習慣以建好就結案的思維來建置資訊系統，讓八成以上的智能對話服務變成了雷聲大雨點小。最後，許多應用情境一開始都是出於過度樂觀的猜想，實際問世後不被消費者買單。像是購買流程，對照網頁操作的直觀、迅速，有多少比例的消費者願意花時間和機器人對話，只為了購買一個簡單的商品？

大型語言模型或簡稱LLM的出現，肯定會對聊天機器人相關產業產生天翻地覆的震撼。畢竟藉由生成式AI的協助下，就連非資通本科生也能輕鬆打造出能打敗專營打造對話機器人服務的科技公司。在技術力不再是發展門檻的大環境下，對話式應用能否實際開創出有如APP市場的另一片天？讓家家戶戶都能使用像電影鋼鐵人裡的智能服務賈維斯，或許是指日可待的未來。

刀背藏身：徐皓峰武俠短篇集

 

如果你覺得王家衛執導的一代宗師是寫真派武俠電影的代表作，那你肯定要一睹徐皓峰編導的硬派武俠電影師父。裡面沒有成龍打諢插科的笑料，也沒有徐克電影飛簷走壁的套招武打。有的是有血有肉的角色刻畫，以及符合物理學的比試過招，和民初的時代背景鋪陳。

刀背藏身除了收錄師父的原著外，也包含其它已經被拍成電影作品的倭寇的蹤跡和民國刺客柳白猿，還有短篇的國士和刀背藏身。如同徐皓峰在書中自述，他在執筆撰寫這些小說時，是抱持著它們未來都能被改編成電影劇本的期許。所以不論在角色的安排、對話的台詞以及劇情的節奏，都是限制在可以用兩個小時的影片長度說故事的格局。而且在一連串看過這五個短篇集後，也可以發現文本裡一定會穿插男女歡愛橋段這種增進電影看頭的調味料。

書中結尾徐皓峰講評中國電影產業困境的內容，反而變成本書的另一個亮點。他觀察到好萊塢影視產業的存在，是為了服務在工商社會中已經智竭力乏的普羅大眾得以娛樂。劇本務求邏輯清楚，台詞講究淺顯直白，更有甚者，會安排在畫面中安排解說員的演員，自言自語地獨白說給觀眾聽。而這卻不是電影這門藝術最初、最值得追求的形式，一切都是商業掛帥的緣故。

因此徐皓峰編寫的故事不見得符合邏輯脈絡，角色對話有時也挺曖昧不清。此如他所說，電影總是呈現著人會怎麼活的一種觀點與角度，而人與人相處時，說話總是留三分，言外之意說的才是真實人生。處處留白和可自行腦補的開放式結局，是他為腦力健的觀眾保留的影視佳肴，老派卻充滿浪漫。

科技巨頭的演算法大揭祕：資料科學家必讀的資料科學與機器學習實戰筆記

 

這本科技巨頭的演算法大揭祕基本上是幫讀者整理Netflix、Spotify、Facebook、Airbnb、Uber等知名企業，揭露它們在研發自家搜尋與推薦系統的過程中，有採用的設計與資訊技術。這也是本向大眾展示大數據與機器學習如何落地應用，產生實質商業價值的科普書。對於這些走在資通科技最前沿的大型企業，只要零點幾%的優化，對公司營運帶來的報酬可能就是數十萬美金起跳。因此天馬行空地翻轉手上的巨量資料，不停嘗試導入各種ML模型用來最佳化企業營運的各個層面，已變成它們工程團隊的DNA。他們不吝嗇透過網路文章、研究報告和論文，將九牛一毛的成果，挑選可公開於眾的技術片段，傳播到大眾面前，也藉此宣傳自家企業的技術優勢。多虧此書作者徐歆閔的消化吸收，替讀者將晦澀難懂的原文資料書寫成白話簡潔的科普文章，讓我們可以輕易地一窺各大山頭在數據應用的進展與巧思。

對於從事大數據與推薦系統開發的我而言，這本書是絕對值得收藏精讀的寶典。不過如果以實用角度來看，打個比方，它就像跟你介紹少林寺有七十二絕技、華山派有獨孤九劍、武當派有太極拳。而這些技藝都是知易行難，要花苦功練才能有所成，因此看完書懂些皮毛，讀者依舊學不會/做不出來。所以本書和多數教導實作的電腦書定位截然不同，科技巨頭的演算法大揭祕像是一本點到為止的武林秘笈。它開擴讀者的視野，點出在數據工程與推薦系統開發上，還有那些技能樹上的技術點，可以用心突破或加強的。像是向量運算、分類模型算是數據處理的入門招式，但在雜複的應用情境中依舊是不可或缺的核心項目。

個人認為企業的大數據應用發展過程可約略分成三階段。初步是開始收集、運用巨量資料，懂得利用大數據運算結果來優化資訊系統，擁有數據導向思維。接著是擁抱機器學習，打造以數據養模型的組織文化。充分將迴歸、分群、分類等各種AI模型導入到資訊系統的各個層面，達成無處不學習無處不優化的境地。最終的階段是以機器學習帶動大數據，靈活運用ML技術，甚至用來產生不存在的假資料，來泯除大數據應用的痛點(沒資料)，此時會是見山不是山，大數據與機器學習再也分不清彼此。想當然而，這些科技巨頭早已達第三階段。

在電商平台開發推薦系統，某種程度上不如Netflix、Spotify這些訂閱制影音內容平台般單純。因為對於內容平台而言，只要推薦的內容是使用者真正感興趣的，一定能產生正向回饋，因為在月費制的前題下，消費任一內容對使用者來說是固定成本。電商平台則不然，商品售價、活動優惠、庫存滿足度甚至是競業的動態，都足以影響使用者對推薦內容的觀感與反應。這也是為何在推薦系統的發展大事件中，近來話語權最高的是影音內容平台Netflix(舉辨公開競賽)，而不是電商龍頭Amazon，因為花費鉅資投入打造/購買一套推薦系統，對兩家公司在未來營收的影響上，不會是同一個數量級。對電商來說，一個完善的供應鏈數據平台，其重要性會遠大於擁有許多推薦模型的推薦系統。不論是數據工程、推薦系統甚至是機器學習，這些都是大數據工程師有機會施展拳腳的應用領域。它山之石可以攻錯，科技巨頭的演算法大揭祕便是扮演這樣的角色。