一直我都希望可以請得個研究助手，後來我發覺原來這個社會懂得提問的人鳳毛麟角，惟有退而求其次，就算只是找到一個資料搜集員，也心滿意足。
「你覺得我會唔會唔識用Google？Google可以搵得到，就唔叫Research，明唔明呀？」有次我叫一名學師，幫忙找些資料，結果他給我的電郵，是一堆網站連結。「你當自己係Siri？我問，你就上網搵？」
做資料搜集，其實是很花時間的工作。世界上許多有用的資訊，流散在不同的地方；資料搜集的重點，不單在於「搜」，還有「集」。從前做資料搜集，基本功的訓練就是知道資料的出處。久而久之，再鍛煉成個人對資料出處質素的鑑別能力。
懂得做資料搜集，已經是難能可貴的技能。坦白講，現在的教育都是套餐式大規模生產，學生根本不用自己去搜集資料，這門手藝也漸漸失傳。遠的不說，就以記者為例，本來這是一門需要大量做資料搜集的工作，但今天記者行家有多少時間花在維基百科，大家心照。
我不是說網上的資料不盡不實。剛好相反，資料正是俯拾皆是，怎樣整合才是最花心思；整合，也就搜集中的「集」。正如之前所講，有時候，將流散在各處的資料歸納在一處，就已經很了不起。假如有一套分析的方法和框架，可以見到規律和趨勢，那就更加是難能可貴，不可多得。再進一步，就是懂得問「如果」和「為甚麼」。在傳統的社會，那是學者和思想家的使命，不過在這個知識型社會，這些本應是每個人都懂得去問的問題。
《華爾街日報》有篇報道說Google旗下的Deep Mind，去年在人工智能上有大突破：電腦程式懂得學習怎樣去「打機」。
所謂的人工智能，其中一個特點就是學習；搜尋資料和分析處理，電腦程式遠勝過人類。不過就像科幻小說的情節一樣，機器就是不會問存在的意義，也不會想像不存在的可能。所以，我不擔心機器像《復仇者聯盟2》中的Ultron般想取代人類，最令我感到無奈，反而是人的思維越來越見得僵化，滿足代替別人去Google的「人肉Siri」。
利世民
http://www.facebook.com/leesimon.hk