本文摘自天下文化《進步一點點，人生就會不一樣》未經同意請勿轉載、摘編

洪蘭：「一百年前，我們都是天才。」

「佛林效應」（Flynn effect）的佛林（James R. Flynn）最近過世了。很多人可能不知道他，但是研究智力測驗和美國社會運動的人對他一定不陌生。去年，美國「黑人命也是命」運動時，還有人提起他。

種族是個很敏感的話題，一九六九年加州大學柏克萊教育心理系的簡生發表了一篇論文，主張黑人和白人智商的差異來自基因，引起了暴動。當年在柏克萊讀書的同學應該還記得學生遊行並包圍簡生的家、放火燒他房子的事情。佛林那時已經換到紐西蘭去教書了，但是他直覺的認為這個結論有問題，便去做研究。結果發現簡生犯了一個錯——他假設智力是不變的，因為一百年來，智力測驗的分數都很穩定。其實，每十年，智力測驗會做校正。如果用原始資料來看，智力測驗的分數是每十年增加三分。也就是說，一百年前的人以現在智力測驗的標準來看，他只有七十分，在智障的邊緣；而把今天智力測驗的分數用到一百年前的常模上，我們都是天才，是一百三十分。

佛林知道這不可能是基因的關係，因為基因的改變不會那麼快，我們的祖先也絕對沒有比我們笨。他認為這個差異來自科技的進步，導致教育重視抽象的思考、符號、類比和複雜邏輯的應用，而這些正是智力測驗測量的項目。

他在一九八四年發表了這個研究，但當時並沒有引起太多人的注意。一直到一九九四年，哈佛大學赫恩斯坦和墨雷出了一本《鐘型曲線》（The Bell Curve）的書，認為基因在智力上扮演主要角色，又引起風暴時，大家才注意到佛林的發現，把它稱之為「佛林效應」。

現在大腦科學的研究已經知道，智力是先天和後天的交互作用，族群在智力測驗上的差異不在基因上而在文化上。另外，美國注意力缺失／過動症（ADHD）白人兒童比黑人高了十倍，賓州大學的學者知道這不可能是基因的關係，深入研究後，發現原來白人孩子功課不好，老師會寫條子叫父母帶去給醫生看是不是ADHD；而黑人孩子功課不好，老師會認為黑人本來就笨，功課不好是常態，就不會去寫條子。歧視是個很可怕的。

怪獸，一旦進駐你的腦海中，千軍萬馬趕不走，種族歧視造成的悲劇是這個時代最大的悲劇。

佛林令人敬佩的地方是，他雖然跟簡生和墨雷學術意見不同，但是當他們被攻擊是種族主義者時，他挺身而出，護衛他們。他堅決主張每個人都有表達他意見的自由，假如你不同意我，請你跟我辯論，請用證據來說服我。他的離世我很難過，因為像他這樣的人，現在已經很少了。

我的微軟要的是學力，不是學歷

我在報上又看到，台中有個擁有博士學位的父親因小二女兒數學屢教不會，用衣架把女兒打傷，被法院判罰拘役五十天，緩刑二年。

這種新聞看了令人憤慨，為什麼這些父母親只要一牽涉到孩子的功課和分 數就會失去理性，拿起棍子、鐵條，任何手邊的器具就打呢？難道分數和成績在他們心目中，竟比親生骨肉還重要嗎？

在現在，孩子若沒有好奇心、求知欲會被社會所淘汰，因為凡是可以編碼、 重複性動作的工作會被機器人所取代。我們不應該把孩子訓練成聽話的乖乖牌， 沒有自己思考和判斷的能力，這是危險的。在機器人當道的二十一世紀，幾乎所有的國家都在改變他們的教育政策，訓練學生積極主動、冒險探索、有好的人際關係和學習熱忱……這些機器人沒有的特質，只有我們還在強調分數與評量。

曾有人問比爾．蓋茲：「你沒有從哈佛畢業，所以你只有高中文憑，請問你會怎麼給現代學子忠告？」他回答：「是的，我只有高中文憑，但是我是個終身學習者，我從來沒有放棄任何學習的機會，我的微軟要的是學力，不是學歷。」我真心的期待這個重學歷而不重學力的迷思，能慢慢從台灣除去。

教學要有效，需知大腦記憶的本質：一個訊息要能擠過注意力的瓶頸，進入短期記憶，被處理後，進入長期記憶成為自己的知識，其實不容易。任何一個階段出錯，記憶都會流失。這個父親不了解當他打女兒時，女兒的大腦會因恐懼而關閉所有跟生存無關的訊息管道，她的瞳孔會放大，只看見要打她的手和刑具，心跳加快，血液從全身湧到四肢準備逃命，腦筋一片空白。這是標準的腎上腺素戰／逃的生理反應，老師愈兇，學生愈學不進去。這個父親因為是博士，高學歷，就不會去反省自己的教法對不對、有沒有從孩子熟悉的背景切入、她有沒有聽懂你在說什麼，就直接認為是孩子不好好學懲罰她。

天下沒有教不會的孩子，只有不會教的老師。我在念小學五年級時，要學雞兔同籠，我那時也是老師怎麼教都不會，幸好我的父親很有智慧，他看我聽不懂，便換個方式，叫我這樣想：如果雞跟兔子共十五隻有四十隻腳，你就想像牠們全是雞，把腳都舉起來，這時空中有三十隻腳，剩十隻還站在地上，因為雞已經全坐下來了，所以這十雙腳屬於兔子的，兔子有四隻腳，舉了二隻，還剩二隻腳，除以二，就知道兔子是五隻，那麼雞就是十隻了。他這樣一教，我馬上會。天下沒有笨的小孩，只有不通人性、要打人的家長。

若要孩子學習有效，請不要恐嚇他，請記住西風和太陽比賽的故事，溫暖的太陽會使人脫下厚重的大衣，達到比賽的目的。

盡信數字是危險的

在AI的時代，大家唯數字馬首是瞻，都說數字最客觀、會說真話，其實數字不一定代表事實，要看這些數字是怎麼來的。

例如英國中部地區的嬰兒死亡率比倫敦高很多，這顯然不合理，難道中部的醫生比倫敦的差嗎？原來英國法律，胎兒在十二週內死亡算是流產，二十四週後死亡算是出生後死亡，在十二週和二十四週中間是灰色地帶，中部的醫生慣用死亡而倫敦的醫生用流產，用詞造成了兩者的差異。所以登錄最重要，開頭錯，後面就不必計算了。

統計是很好的趨勢工具，補償人類這方面的不足。但統計也會放大人類信任數字的盲點，所以在統計之前，先要了解自己在算什麼。

經濟學上也有一個「古德哈特定律」（Goodhart’s law），即當一個措施轉身成為目標時，它就不再是一個好的措施。比如，蘇聯曾要老百姓依人口和牲畜比例，上報他們可以生產的數字，報的愈多愈被表揚。很不幸的是，表揚完了，政府就要他們上繳這些數字的產品，達不到時就要罰。無奈何，紡織工廠就縮窄織布機的寬度以達到長度的要求；烏茲別克的農人便把棉花浸水，以達到每天該採的重量；一八六〇年代，美國鋪設跨東西岸的鐵路，這條鐵路修到中西部大草原的歐馬哈後，便轉彎，不走直線，因為它是以鐵軌的里程計價；台灣以前原住民教師的加給是以山的高度來計算，結果南投縣仁愛鄉的合作國小雖然比平靜國小更偏遠，但因學校在半山腰，合作國小老師的薪水便比平靜國小的少。當我們全然憑數字來做決定時，就會有這些問題出現。

這個問題在AI用算則來模擬時更明顯，例如為了要使飛機盡量輕的降落在航空母艦的甲板上，電腦工程師便用算則來訓練它，沒想到算則在重複學習時，發現了系統的漏洞：假如它用力把飛機摔在甲板上，強烈的力道會使系統過度負荷，跳出來的數字便是零，表示完美降落，但事實正好相反。因此只用數字去控制，而不是去了解這個作業時，數字是危險的。

數字有時看起來很公平，但是碰到跟人有關的事情時，一定要考慮數字所代表的意義，因為不管什麼政策，永遠會有對策，有的時候，盡信數字，不如無數字。

先行智庫為你而讀為台灣管理顧問公司，服務內容包含企業內訓、顧問諮詢以及設計思考訓練課程，了解更多企業服務內容：https://kscthinktank.com.tw/custom-training/