卡尔·伯格斯特罗姆（右）和杰文·韦斯特

1914年，牛津大学的哲学教授约翰·亚历山大·史密斯曾经告诉他的学生：“你们今天学的所有这些东西，对于未来将毫无用处。但记住这一点：如果你足够努力而聪慧，你应该能辨别一个人是否在胡扯。在我看来，这是教育的主要（如果不是唯一的）目的。”

胡扯，英文是bullshit，在中文里有很多不同的翻译，根据粗俗的程度不同，可以翻译成“狗屎”“狗屁”“胡扯”“扯淡”等。

在这里，我选择了“狗屁”，就是因为够粗俗，而在应对“狗屁”时，粗俗会有一种特殊的力量。

这话是美国华盛顿大学的两位教授卡尔·伯格斯特罗姆（Carl Bergstrom）和杰文·韦斯特（Jevin West）说的。伯格斯特罗姆是生物学家，而韦斯特是信息科学家。几年前，他们就合作在华盛顿大学开设了一门网络课程叫“在大数据时代抵制狗屁”（YouTube上可以免费观看全部课程）。而且，他们重点抵制的，是一种属于新时代的新型狗屁——数据狗屁。

两位教授说，我们都习惯了语言上的狗屁，对于政客和商家假大空的承诺和宣传伎俩，我们多少都有些经验。但随着这个世界变得越来越量化，越来越多罔顾事实和逻辑的狗屁，被包装在数字、表格、图表、统计模型等视觉化形式里，看上去很科学、很权威、很可信的样子。在这个数据崇拜时代，它们几乎无处不在，新闻报道、科学论文，还有Ted的演讲里都可见到。

在这门课里，他们介绍了很多鉴别狗屁的方法，比如可视化数据常见的误导伎俩、变量的操纵、算法内置的傲慢与偏见等。比如一个预测犯罪行为的算法，被发现有针对少数族裔的偏见，很可能是因为他们用来训练算法的数据本身就存在既定的文化偏见。

他们认为，抵制这种狗屁，并不需要统计学的学位，而是一些常识和思考习惯，比如一点点质疑精神。你要知道，数据是可以造假的。即使不造假，数据经过挑选和操纵，也会把我们引向完全不同的结论。算法是人编写的，又经过数据的训练，必然内置了人的偏见。

全球新冠疫情暴发以来，他们的课变得更受欢迎。因为新冠疫情同时触发了一场信息流行病，社交媒体上充斥着谣言、阴谋论、误解以及政治化的科学辩论。为了在这种信息的泥石流里生存，训练一双鉴别“狗屁”的火眼金睛变得更加重要。