识别“数据陷阱”，发现数据的可疑之处

我们信任数据，认为数据总是客观情况的客观反映。可事实真的如此吗？

当下，人工智能分析处理数据的速度远超人类分析师，并且能够找出人脑难以发现的行为模式和规律，但是也会犯下人脑不会犯的错误。

复旦大曾学开设了一门新的通识课程，邀请学校多个专业的教授对学生每天可能接触到的信息进行“真伪鉴定”，向学生阐述什么是“伪科学”，一经开课便节节爆满。

这门名叫“似是而非”的新课并非复旦大学首创，它的灵感来源于美国华盛顿大学的“拆穿胡扯”（ Calling Bullshit ）公开课。

生物学家Carl Bergstrom和数据科学家Jevin West在他们的新书《拆穿胡扯：数据世界的怀疑艺术》（Calling Bullshit: The Art of Scepticism in a Data-Driven World）中，分享了如何识别科学论文、新闻报道、广告、社交媒体内容中误导人的统计方法。

“数字简直是传播胡扯的完美载体。”两位作者说，“它们看上去很客观，但很容易被人利用。”

识别数据陷阱，已然成为当代生活的刚需。

作者伯格斯特龙和韦斯特认为：

数据胡扯就是全然不顾事实、逻辑连贯性或实际传递的信息，而是利用语言、统计数字、数据图表和其他表现形式，通过分散注意力、震慑或恐吓等方法，达到说服或打动听话人的目的。

数据胡扯的最终目的，是通过有意为之的操作，使本应该客观的数据，为己所用。

我们暴露在胡扯面前的时间和机率可能远远超过我们所认为的，形式也是五花八门。

那么，应如何避开数据陷阱呢？首先，需要人脑干预。

只有人具备给数据分类打标签的能力，因此不能简单地把数据丢给机器算法，寄希望于人工智能解决所有问题而无须人脑干预。

其次是防止数据删失（data censoring），制作进准的数据模型，数据删失是一种选择偏倚，指的是故意或无意将特定数据从最终分析中剔除，这可能会导致不准确和误导性的结果。如果遗漏了关键数据，研究的结论就可能是无效的。看数据集的时候，一定要关注它没有显示的东西。

提防有缺陷的数据，那些充斥着专业的术语、晦涩的技术、专门的设备的论文可能很难评估。与其尝试把这些元素理出个究竟，建议直接分析数据。无论一篇论文的技术性有多强，如果方法或结论不符合常识，它即可能有严重缺陷。

防止陷入“数据陷阱”，需要保持冷静并明智地使用数据。