是時候再讀《魔球》：人類存在的價值與大數據革命下的觀念衝突

《魔球書封》 source: https://www.anobii.com/en/books/mo-qiu/9789866613456/011d9e91aaeb1b6900

如果窮隊真的沒有希望，為什麼全隊薪資在職棒排名倒數第二的運動家隊，能贏得這麼多場比賽？──伏克爾向棒球委員會提出疑問。

《魔球》一書作者為Michael Lewis，記載美國職棒大聯盟（MLB）奧克蘭運動家隊的真實故事。該隊以小搏大，用數據思維選出一批從未被看好的球員，打出最瘋狂的佳績。他們重新思考了競賽的本質。本書也有一部同名電影《魔球》大家應該不陌生，由布萊德彼特主演。

魔球劇情都是真人真事，發生在2002年MLB奧克蘭運動家隊。運動家隊在該年賽季，拿下了破歷史紀錄的20連勝，不知輸球為何物。更戲劇性的是，他們花了最少的錢，用了最無名的球員，奪下分區龍頭老大。

這本是經典老書了，關於書中細節跟人物性格，大家應已多所討論。本文我只著重在「統計數據」與「新舊觀念衝突」兩部分。透過魔球的精神，反思今天科技時代下「人」或「人才」的價值，我也會表達我對一個大趨勢形成的看法。

｜當數據違反你的直覺，你會怎麼面對？

統計的革命，對當今的我們來說不言可喻。人人明白數據帶來的決策價值。可是就我自己在數據科學領域中，我卻注意到數據卻沒能促成決策的改善。組織的決策經常違反數據，決策者經常不採用數據的洞見。

一個原因便是人們其實沒那麼相信統計數字。這點在書中有類似，90年代休士頓太空人隊 (Houston Astros) 曾向數據公司問及，如果他們把外野往內縮一些，情況會變得如何呢？不意外地分析指出，他們將輸掉更多比賽。但是太空人隊選擇直接將報告列為機密，維持外野內縮的想法，因為多些「全壘打」能刺激票房。

這就是最有趣的地方，面對數字時，人們會因為自己的預判或動機，產生截然不同的反應。主角運動家隊則是另一個鮮明的對比，他們把「賽伯計量學」的精神發揮到極致！

奧克蘭運動家隊Logo source: https://en.wikipedia.org/wiki/Oakland_Athletics

也就是說，比起只憑靠人的經驗（或偏見），他們更借重數字。總經理比利比恩（Billy Bean）、球探部主任庫波塔、研發部主任保羅˙迪波德斯塔 （Paul DePodesta）在球隊中發起革命。

在他們之前，主流棒球運動看重某種男子氣概。一名球員如果很能打全壘打，能盜壘，且身材健美容光煥發，就會更得到球探青睞。當然能長打能盜壘，算是一種合理的迷思，畢竟「感覺」起來很能贏球；至於外型刻板印象，則成了書中各方勢力衝突的核心。

2002年開季前選秀會，運動家球團辦公室就顯現出這種氛圍。眾球探人多口雜，想選這個想選那個，理由大不外乎是某位新秀高中畢業，年輕有潛力；或是外型好看，很能打。

但這看在總經理比恩眼中卻像無稽之談。畢竟他也是身材健美、十項全能的前MLB球員。但他在MLB只獲得極其平庸的表現，被球探捧上天然後重摔挫折。如今球探的各種溢美之詞，聽來非常刺耳。

｜重新衡量球員的價值

而運動家隊的難處也很明顯，就是他們陣中的大將 Jason Isringhausen、Johnny Damon 和 Jason Giambi 即將離隊，他們沒有錢挽留大將，也沒有錢買同等的球員補缺。他們的任務是準確評估何種指標對得分最有幫助，以及量化球員在各方面影響得失分的程度。如此，他們才能拚出一個得失分差夠水準的陣容，贏得跟以前一樣多的比賽。

研發部的迪波德斯塔是關鍵，他是哈佛經濟系高材生，捧著一台電腦卻不怎麼能打球，受到球探輕視。他帶著一堆統計數字以及提高「上壘率」的精神，給出傳統眼中荒腔走板的選擇。他們看中職業圈沒人關注的球員，一次又一次，將珍貴選秀順位讓給那些球探眼中的三流球員。球探們不以為然，要不是重傷球員身材肥胖，要不就是譏笑他們不太能打全壘打。

書中說迪波德斯塔簡直是異端，他把70–80年代詹姆斯派的數據觀點推展到全新境界。那年熱中於棒球數據分析的詹姆斯，就提出上壘率很重要的觀點（當時職業圈完全不在意這點），然迪波德斯塔更指出上壘率的價值「是長打率的三倍」；同時他精準預測團隊得分的公式，裡面居然沒有包含觀眾愛看的盜壘！他的結果比前人更明確，更新穎瘋狂。

他們翻轉了曾經人們以為重要的東西，建立了新的指標，並重新定義了問題：

……。真正的問題，是棒球隊一開始要如何找到明星，以及失去明星後，能否找到新人取而代之？到底該如何評估一個棒球員的可替代性？簡短版的答案是：比經營棒球隊的那些人以為的要容易替代得多。

這數據派的大改革事後看是十分成功的，運動家隊連贏20場破歷史紀錄，單季103勝也比一個賽季2001年多8勝。數據棒球的見解，也讓棒球界關注全新統計指標，今天大家甚至開發出更多新指標，以衡量球員的貢獻。

｜不比AI差勁，人的價值在於產生洞見

不只是勝利本身，魔球的精神也給人很多啟發。首先是研發精神，他們非常在意「問題」本身，像是如果全隊都是同一個人打擊，那最後一整季能得幾分；或如果要一季要贏95場，得分必須比失分高出多少？

其次是行程可執行的洞見──儘管與事實違背，像是數據指出要得分其實來自夠高的上壘機率（而非狂轟全壘打），那他們應該選擇選球能力很強的人，儘管這個特質很沒有「男子氣概」；而且不能硬選愛揮大棒的人，他們沒辦法透過後天學習選球這個技能。

這是我們在這個世界必須學習的：定義問題、驗證假設，形成可執行的洞見。至少從科學和生產力的角度來看是這樣。今天我們特別感覺到人工智慧取代人類的壓力，我想正源自於我們對人類的優點並不那麼自信。可人最有價值的其實就在魔球精神，透過簡約化運作邏輯，並驗證想法可行。

電腦確實擁有很強算力，但他可沒有你這麼會思考、推理和歸納。再聰明的電腦，也沒辦法像迪波德斯塔有洞見，正因迪波德斯塔懂得世界（球場）運作的基本原則，他透過抽象的代數和機率，描述原則與其演變。

抽離掉代數和機率等工具性詞彙，我們最基本的是正確理解事物背後原則，和描述與推演後續變化。即便你不會什麼數學，你總會畫圖或寫字吧？這就是我們具有的表述能力，不要被得學什麼東西或非用什麼工具不可而綁住，關鍵是，我們是否對事情/世界運作的邏輯有所掌握。

我可以說目前的AI，不具備對特定場域或物理世界運作的邏輯。他能說出一些話，畫出一個世界，但AI必定不理解為什麼這些東西該長這樣。沒錯，一旦不能掌握基本物理原則，理解與描述眼前現象，他就沒有創造力，就無法取代你。只不過相反過來，人一旦放棄思考世界，放棄掌握事物運作的原理，就要成為AI底下的廢物人口──既沒有理解力、創造力，腦袋運轉速度還比電腦慢。

｜魔球不是一個球隊的成功，是環境積累成熟的產物

我另外還想指出，一個新概念的形成需要環境配合，也就是「環境先於成果」。以魔球的形成背景來說，數據棒球或「賽伯計量學」要追溯至西元1977年的詹姆斯。詹姆斯熱切在幾年內推廣用數據思考棒球，提出統計觀點，從最初25名讀者，到棒球迷普遍談論他的論述。

然而這一切屬於觀念孵化期，只算是非主流活動。一直要到有商業、技術和資本關照，事情才會進到應用端和改變世界的層級。當然詹姆斯和他同夥創辦 STATS Inc. 自身就是一個契機。他們不滿足於普通數據，反而收集更大量更細節的數據以提供實務見解，例如「打者打出二壘安打」這種紀錄就太過粗糙，他們更要知道擊球的初速、軌跡，還有他們自己規格化分割出來的球場落點。

挺過1990年代的這波，才帶出了一批善於數學與經濟的人，投入科學棒球中，他們看見了職業棒球的荒謬和不效率。魔球孕育自這樣的背景，一個大膽瘋狂的總經理比恩，跟著這批人才合作，才創造了2002年的故事。

所以完全雷同地，我們看待產業發展也不能用急躁的心，反而要看是不是有足夠的先天條件和資源累積，找出成功的條件和約束。每件事都不會憑空出現，也不會只靠砸錢就成功。以AI來說，沒有硬體上下游整合的台灣，輝達就會在研發進程上會大有推遲；沒有數位化跟運算力，就不會有機器學習的應用──現象有其根本。我們需要耐心，也需要挑戰傳統的勇氣。

這大概就是我看完魔球這本老書後，對最新趨勢的看法。歷史不會重複，但是會押韻，應該就是這個道理。

｜魔球精神延續至今

你問魔球是不是成功的，一定是。現在MLB各大球隊幾乎都養著一個數據團隊，數據派的思想也在這幾年占上風。書中提到的數據派管理人員艾普斯坦（Theo Epstein）後來成為芝加哥小熊隊的總經理，他們的方法幫助球隊在2016年拿下睽違108年的冠軍。

運動家制服組看上（但被球探們譏笑肥胖）的尤基里斯（Kevin Youkilis），他日後果真也成為波士頓紅襪隊王朝的主戰成員，當時信奉數據的紅襪隊管理者，跟比恩搶奪尤基里斯，打算以他為中心組建打線。

結論而言，在傳統觀念盛行的棒球領域，新決策思維的成功引發非常強大的張力。魔球的特別在於，面對棒球領域新舊觀念的交替，以非常戲劇性的方式在2002年運動家隊身上開花結果。

魔球的故事，看電影有張力，看書有細節，看歷史有應驗的一個經典故事，雖然是老書/電影了，但我還是一推再推。

《魔球》書籍連結：https://www.books.com.tw/web/sys_serialtext/?item=0010522666&page=4