คอขวดของสัญญาณรบกวน: กับดักอันแยบยลของการมีข้อมูลมากขึ้น

• ยิ่งรวบรวมข้อมูลมากขึ้น สัดส่วนของ สัญญาณ ที่มีความหมายเมื่อเทียบกับ สัญญาณรบกวน ที่ไร้ความหมายกลับยิ่งลดลง จนทำให้ความสามารถในการมองภาพรวมของสถานการณ์แย่ลง กลายเป็นปรากฏการณ์ คอขวดของสัญญาณรบกวน
• อ้างอิงจากหนังสือ Antifragile ของ Nassim Taleb ซึ่งชี้ว่าข้อมูลยิ่งสะสมจำนวนมากก็ยิ่งมี พิษ และยิ่งสังเกตถี่ขึ้น อัตราส่วนสัญญาณรบกวนต่อสัญญาณก็จะพุ่งสูงอย่างรวดเร็ว
• สัญญาณนั้น ช้าและต่อเนื่อง ขณะที่สัญญาณรบกวน ไม่หยุดนิ่งและสุ่ม ยิ่งสังเกตบ่อย สัญญาณแทบไม่เปลี่ยน แต่สัญญาณรบกวนกลับสะสมมหาศาล
• ความต่างของอัตราส่วนสัญญาณ/สัญญาณรบกวนตามรอบการสังเกต — รายปี 50:50, รายวัน 5:95, รายชั่วโมง 0.5:99.5
• แก่นสำคัญไม่ใช่การรู้ทุกอย่าง แต่คือ รู้ให้พอแล้วลงมือทันที และจำเป็นต้องเปลี่ยนโดปามีนจากการเก็บข้อมูลให้เป็น โดปามีนจากการลงมือทำ

---

ทำไมข้อมูลที่มากขึ้นไม่ใช่คำตอบ

• Derek Sivers กล่าวว่า "ถ้าข้อมูลที่มากขึ้นคือคำตอบ พวกเราทุกคนก็คงเป็นมหาเศรษฐีที่มีกล้ามท้องสมบูรณ์แบบกันหมดแล้ว"
• โดปามีน ที่ได้จากการสะสมข้อมูลคือยาอันตราย

คำเตือนจาก Nassim Taleb — พิษของข้อมูล

• ในหนังสือ Antifragile ปี 2012 เขาวิจารณ์อย่างเฉียบคมถึงแนวโน้มของมนุษย์ที่พยายามรวบรวมข้อมูลให้มากขึ้นในทุกเรื่อง
• ด้วยความเชื่อมโยงที่เพิ่มขึ้น ข้อมูลจึงอุดมสมบูรณ์ขึ้น แต่ยิ่งจมลึกลงไป สัดส่วนของ ความลวง (spuriousness) ก็ยิ่งเพิ่มขึ้น
• ข้อมูลนั้นมี พิษไม่ใช่แค่เมื่อมีจำนวนมาก แต่แม้ในปริมาณพอประมาณ ยิ่งเปิดดูบ่อย ก็ยิ่งได้สัญญาณรบกวนมากกว่าสัญญาณที่มีคุณค่าอย่างไม่สมดุล
• ผลลัพธ์คือ อัตราส่วนสัญญาณรบกวนต่อสัญญาณ (noise to signal ratio) สูงขึ้น

การแยกสัญญาณออกจากสัญญาณรบกวน

• สัญญาณ (Signal) คือข้อมูลหรือดาต้าที่มีความหมายและเกี่ยวข้องซึ่งเราพยายามตรวจจับ
• สัญญาณรบกวน (Noise) คือสิ่งรบกวนที่ไม่พึงประสงค์ เป็นแบบสุ่ม หรือไม่เกี่ยวข้อง ซึ่งบดบังข้อมูลนั้น
• ข้อโต้แย้งหลักคือ ยิ่งเพิ่มความถี่ในการสังเกตการณ์ (หรือยิ่งบริโภคข้อมูลมากขึ้น) สัดส่วนสัมพัทธ์ของสัญญาณรบกวนก็ยิ่งเพิ่มขึ้นอย่างมาก
• สัญญาณนั้น คงอยู่และเคลื่อนไหวช้า ขณะที่สัญญาณรบกวน ไม่หยุดนิ่งและสุ่ม ต่อให้สังเกตบ่อยขึ้น สัญญาณก็แทบไม่ขยับ แต่สิ่งที่จับได้เพิ่มคือสัญญาณรบกวน

อัตราส่วนสัญญาณ/สัญญาณรบกวนตามรอบการสังเกต

• การสังเกตรายปี: สัญญาณ 50% / สัญญาณรบกวน 50%
• การสังเกตรายวัน: สัญญาณ 5% / สัญญาณรบกวน 95%
• การสังเกตรายชั่วโมง: สัญญาณ 0.5% / สัญญาณรบกวน 99.5%

คอขวดของสัญญาณรบกวน (Noise Bottleneck)

• ยิ่งได้ข้อมูลมากขึ้น ก็ยิ่ง เข้าใจน้อยลงว่าเกิดอะไรขึ้น
• เป็นสภาวะที่คิดว่าตัวเองรู้มากขึ้น แต่ความจริงกลับรู้น้อยลง
• เป็นปัญหาที่รุนแรงอย่างยิ่งในยุคโซเชียลมีเดียที่สัญญาณรบกวนไหลเข้ามาตลอด 24 ชั่วโมงในคราบของสัญญาณ

• ตัวอย่างของคอขวดของสัญญาณรบกวน

  • คนที่ดูข่าววันละ 10 ชั่วโมง แต่กลับเข้าใจโลกน้อยลงกว่าเดิม
  • คนที่ติดตามตัวแปร 50 ตัวเพื่อการตัดสินใจลงทุน แต่ทำผลตอบแทนได้แย่กว่ากองทุนดัชนีแบบเรียบง่าย
  • คนที่ติดตาม 800 โหนด อย่างละเอียดในระบบเพิ่มผลิตภาพส่วนบุคคล แต่กลับทำอะไรไม่เสร็จสักอย่าง

การประยุกต์ใช้ใกล้ตัวสองแบบ

• คอขวดของสัญญาณรบกวนไม่ได้ใช้ได้แค่กับการบริโภคดาต้าหรือการเก็บข้อมูล แต่ยังนำไปใช้ได้อย่างกว้างขวาง

• 1. การประยุกต์ใช้กับครีเอเตอร์ (Creator Application)

  • เป็นเครื่องมือตรวจสอบ เกณฑ์สัญญาณ (signal bar) โดยถามตัวเองว่า ระหว่างคนที่บริโภค 20% ของเนื้อหาที่ฉันแชร์กับคนที่บริโภค 80% ใครจะเข้าใจได้ดีกว่ากัน
  • ผู้นำในครอบครัว บริษัท หรือชุมชน ก็เป็นผู้ถ่ายทอดไอเดียเช่นกัน และต้องพิจารณาว่าผู้ตามจะได้หรือเสีย เมื่อบริโภคไอเดียมากขึ้น
  • พวกเราทุกคนล้วนเป็นครีเอเตอร์ไม่ทางใดก็ทางหนึ่ง

• 2. การประยุกต์ใช้กับงาน (Work Application)

  • ใช้คำถามว่า "ถ้าทำงานเพียง 50% ของตอนนี้ ฉันจะมีรายได้เท่าไรเมื่อเทียบกับปัจจุบัน" เพื่อตรวจสอบ โฟกัส (focus)
  • คนส่วนใหญ่จะทำงานได้อย่างมีประสิทธิภาพสูงมากในเวลานั้น ค้นพบความมีประสิทธิภาพ และโฟกัสกับงานไม่กี่อย่างที่สร้างผลลัพธ์จริง
  • ดังนั้นเราอาจกำลังทำงานมากขึ้น แต่แท้จริงแล้วกลับอยู่ในภาวะคอขวดของสัญญาณรบกวนที่ทำให้มีผลิตภาพน้อยลง
  • ต้องโฟกัสกับงานสำคัญเพียงไม่กี่อย่างจริง ๆ และใช้เครื่องมือที่มีเพื่อปรับปรุงมัน

บทสรุป — รู้ให้พอแล้วลงมือทำ

• คอขวดของสัญญาณรบกวนเป็นกับดักที่ใครก็พลาดตกลงไปได้ ข้อมูลและดาต้าเพิ่มขึ้นเรื่อย ๆ แต่อิทธิพลที่เรามีกลับลดลง
• เป้าหมายไม่ใช่การรู้ทุกอย่าง แต่คือ รู้ให้พอ (enough) แล้วลงมือทำ
• เมื่อหยุดวิ่งหาข้อมูลเพิ่ม และ ลงมือทำด้วยข้อมูลที่มีอยู่แล้ว ชีวิตทั้งชีวิตก็เปลี่ยนได้
• เราควรได้รับโดปามีนจาก การลงมือทำ ไม่ใช่จากการเก็บข้อมูล