媒体一直以来都在报道一些关于我们人类的负面新闻。我们每天都能听到与机器相比,人类是多么不理性、多么低效率的论调。与计算机相比,人类的大脑运转迟缓,而且为各种情感所累。在职场,人类往往败事有余,因为人们总是喜欢把事情复杂化、模糊化,把黑白分明的事变为模糊的灰色,因此拖延了项目的进程。人类需要通过经验来学习,而且学习到的东西无法像计算机算法得出的结果那样精确、严密、连贯。
如今人类在这个世界的地位岌岌可危,甚至到了要为自己的不足找个借口的程度。我们会在喝下午茶的时候,耸耸肩,说出我们的口头禅:“我们只是人类啊。”这句话反映了我们的文化是如何阐释人的:人类存在着许多不足之处。
这在工程界被称为人为因素。在诸如航空、供应链管理和制药等领域,所谓人为因素其实等同于“犯错的能力”。一个名为“人为因素研究”的新兴学术领域正在迅猛发展,主要研究如何优化和改正人类在人机交互活动中所犯的错误,以及机器该如何应对人类经常会犯的错误。例如,谷歌就把“人为因素研究”的成果应用于无人驾驶汽车上,试图解读人类驾驶员反复无常的驾驶习惯。然而,众所周知的是,人类的行为缺少规律,这使计算机无法完成完美驾驶的任务。
雪上加霜的是,一些记者和未来论者一直宣称:人类所做的大部分工作将很快被交由机器人处理。工人和客服人员将会是第一批被机器人替代的人,然后这一情况会扩展到整个劳动力市场:餐厅服务员、药剂师、医师、律师、会计师,甚至照顾老人的陪护人员。在记者和学者们看来,现在的问题不是这种情况会不会发生,而是一旦发生,我们人类该如何自处?
他们得出的解决方法似乎很简单,那就是如果人类还想在社会上做一个有用的人,想要拥有一份工作,那么人类就要向身边无处不在的算法妥协,甚至臣服于它们。每天我们都会听说某位有常青藤教育背景的经济学家找到了一个可以点石成金的解决方案,为某一行业开启了靠事实而不是靠人类直觉和经验解决问题的分析模式。
我们身边充斥着各种来自亚马逊、谷歌或者其他应用程序和新兴公司的大数据评分。招聘网站 Glassdoor 根据就业机会、薪资水平和晋升机会等指标,将“数据科学家”评选为 2016 年美国排名第一的工作。我们狂热地认为,人们掌握的数据越多,就能获得更多的真知灼见。假如我们通过参考 100 个人的数据,学到了 X,那么是不是如果我们整合了数千人的数据,我们所学的东西就会呈指数增长呢?以此类推,整合了数亿人的数据会如何呢?数十亿呢?最近,脸书的首席执行官马克·扎克伯格捕捉到了人们对大数据的狂热。他向投资人提出,他想让脸书通过机器学习,创造出“世界上所有需要知道的知识的最清晰的模型”。
学生们也捕捉到了这一信息。在美国最负盛名的大学里,英语和历史等人文学科曾是最受欢迎的专业。但现在,人们对工程和自然科学的热衷程度远超于人文学科。 20 世纪 60 年代以来,美国大学人文学科的学位数量减少了一半,学校对人文学科的资助也大幅下降——2011 年,人文学科得到的经费甚至连理工科的 0.5% 都不到。在社会科学内部,像社会网络分析、心理测量学这样的定量研究占据了主导地位,而像社会学、人类学这样的定性研究已被视为过时的学科了。 2015 年的一次市民大会中,美国共和党总统候选人杰布·布什(Jeb Bush)说,心理学等专业的学生只能去福乐鸡(Chick-fil-A)这样的汉堡店打工。同年,日本教育部长责令日本大学取消社会学科和人文学科,或者将这些学科转变为“能更好满足社会需求”的学科。也就是说,在官方看来,文学、历史、哲学、艺术、心理学和人类学等探求文化的人文学科,已经不再能满足社会的需求了;基于人性来理解不同的人和他们的世界,已经毫无用处了。既然大数据可以让人们获得浩如烟海的信息,那么人类主导的社会探索还有什么价值呢?既然算法可以“阅读”所有书籍,并对相关内容进行客观分析,
那么人们读几本好书又有什么价值呢?戏剧、绘画、历史研究、舞蹈、陶艺以及其他无法剥离其独特性和具体背景,无法转化为大量具体信息的文化知识,它们的存在价值何在呢?
我之所以写这本书,就是想传达一个观点:它们的存在确有其价值。如果我们对这种人文思考所孕育的文化知识置之不理,那么们的未来将会面临巨大的风险。当我们只关注硬数据和自然科学,企图把人类行为量化成最细小的单位(夸克)或部分,我们其实是在削弱自身对所有无法如此分割、简化的知识的敏感度;我们就会失去书籍、音乐、艺术,这些可以让我们从复杂的社会背景中认识自我的渠道。
这绝不是什么高深莫测、仅限于象牙塔中的深奥话题。实际上,我在每天的咨询工作中都会目睹这一现象所导致的种种后果:我看到大公司的高层缺少领导力,他们受困于自己的世界里,忽略了客户和职员身为人的一面,错误地把大量的报告和模型当成真实的生活;他们的每一天被细切成微小的片段,所以他们觉得自己没有时间去吸收真实世界的混杂数据,于是他们在还没有理解实际问题的情况下,就想得出结论并解决问题。其结果就是,这些高层管理者往往倾向于雇用那些有工程学背景,或者接受过 MBA 培训的初级管理者,让他们作为自己的士卒,战斗在数据的战场上。这些人只关注硬数据,而看不到那些现实存在的、令人震惊的问题和缺陷。所以许多初级管理者会在如今的商业世界遭遇玻璃天花板现象。他们就是所谓的简化论者,缺少识别出最令人振奋的、最基础的模型所需的敏感度。这些初级管理者只做“正确”的事:他们对整个系统了如指掌,在所有测验中都取得了好成绩;他们就读于最好的学校,门门功课成绩优异;他们的整个教育过程都在训练他们如何简化问题,然后解决问题。所以时至今日,他们已经丧失了跻身高级管理层所需的知识。
如果想在事业上取得成功,与 STEM教育相比,人文科学和社会科学的教育即便不是更为重要的,至少也是同等重要的。当然,想用硬数据来证明这一观点并不容易。那么且让我把这一和数据相关的问题放在一定的背景下来说明吧。 2008 年,《华尔街日报(博客,微博)》刊登了由调研公司 PayScale 所做的有关全球薪资情况的大型调研报告。这项报告表明,单纯有STEM 教育背景的学生通常一毕业就可以找到薪酬较高的工作。麻省理工学院和加州理工学院的毕业生在工作初期的薪酬中位值排名中占据前两名,约为 72 000 美元。而这些毕业生到了职业中期的时候,其薪酬中位值分别排到第 3 和第 6 的位置。这项研究涵盖了美国全境的所有大学毕业生。其实,取中位值的测量方法对 STEM 毕业生更有利,因为人文学科的毕业生所从事的职业非常广泛,涵盖众多领域。如果你看全国最高薪酬人群,即处于职业中期第 90 百分位及以上的人群,你会发现情况大有不同。麻省理工学院毕业生的薪酬排名退至第 11 位,排在 10 所以人文学科闻名的学院和大学之后。而耶鲁大学和达特茅斯学院的毕业生在高薪值收入中位值排名中名列前茅——薪酬可超过 30 万美元。所有以 STEM 为主的学院中,只有卡内基 – 梅隆大学出现在了这个排名中。
同样的情况也出现在专业区分上。总体来说,计算机工程和化学工程专业的毕业生在收入方面排名靠前。职业中期,较高薪的前 20个专业中很难看到人文学科。但是,同样地,如果看全国薪酬最高的第 90 百分位,情况会突然发生逆转——政治学、哲学、戏剧和历史专业占据了靠前的位置,这些专业往往隶属于像科尔盖特大学、巴克内尔大学及联合学院这样的纯文科院校。
从这些数据中我们可以得出的结论是, STEM 教育背景通常可以使学生在毕业初期获得一份体面的工作和较好的收入,但是那些有权势的人,即掌控大局、打破玻璃天花板、改变世界的人,往往拥有的是文科教育背景。如果你听惯了硅谷人士、政治家甚至一些教育部门领导的言辞,你可能会感觉这一说法非常不可思议。但是如果你在一家全球性企业或有国际影响力的机构工作过,就会明白这一说法很有道理。我从事咨询工作近 20 年,客户遍布全球,他们都是首席执行官和管理人员。我可以明确地告诉你,最成功的领导者都是充满好奇心、接受过广博教育的人。他们既可以欣赏小说,也可以阅读电子图表(精彩书摘)。
《意会:算法时代的人文力量》
书号: 9787521722598
作者:[丹麦]克里斯蒂安·马兹比尔格 著
定价:59.00元
装帧:假精装
出版时间:2020年12月
作者简介:
[丹麦]克里斯蒂安·马兹比尔格
ReD 联合顾问公司的创始人,他是将人文与社会科学工具应用于企业界的重要先驱,专注于发掘人类行为的研究方法,并为《财富》杂志500强企业的高级主管提供策略建议。曾与人合著The Moment of Clarity。也译为《清晰的瞬间 》。
内容简介:
算法能为我们解决所有的问题吗?
是否数据越多,我们制定出的战略就越好?
在人工智能时代,人的作用是什么?
在大众都在使用算法的当下,我们如何胜出?
本书的作者克里斯蒂安•马兹比尔格提出,人们的想法、喜好和对产品的选择很大程度上受他们所处的环境与文化的影响。所以,企业家真正需要花时间去做的,是去了解目标客户群体的行为和其所处的世界。
在这本具有里程碑意义的书中,马兹比尔格提出了用人文学科的知识来解决商业问题的5条原则。并以福特汽车公司CEO、金融大鳄乔治•索罗斯等人为例,来阐释人文学科的知识是如何助力他们的发展的。
当每个人都会使用算法时,人类的力量就是决胜的关键。让我们打破算法的魔咒,寻找人类在人工智能时代的竞争优势。相信每一位阅读本书的企业家、管理者和个人都能有所感悟。
编辑推荐:
1. 作者多年为世界500强公司提供咨询的经验之作,干活满满。
2. 算法时代的反思之作,内容新颖独特。
3. 提炼人文学科 5大原则,为读者提供理解世界、解决商业难题的建议,相信每个读者都能有所收获。
目录:
序 言 V
前 言 IX
第一章 感知这个世界
什么是意会? 007
第二章 硅谷是一种心态
颠覆性创新背后的假设 029
大数据背后的假设 030
无摩擦技术背后的假设 033
第三章 原则一:要注重文化,而非个体
林肯车的芬芳 042
如何做玉米粉蒸肉 050
文化参与和技能的不同掌握阶段 055
第四章 原则二:要掌握厚数据,而不仅是薄数据
三个外汇交易商的故事 063
四种知识类型 068
知识整合与模式识别 073
回归文字经济学 076
纪律与行动 077
从大气层到平流层 080
实践智慧的力量 082
第五章 原则三:要大草原,而不是动物园
胡塞尔、海德格尔和杏仁鸡尾酒的故事 089
逃离动物园 091
变老是怎样的感受? 095
海德格尔和情绪 100
人们是如何体验烹饪的? 101
同理心的三个层级 106
六个意会应用 108
第六章 原则四:要创造,而不是制造
关于领悟的故事 117
赐予 & 意志 121
设计思维:谎话连篇的龙卷风 124
马丁解决问题的方法 131
洞察的瞬间:咔嚓 146
第七章 原则五:要仰望北极星,而不是依赖 GPS
希拉·汉:和教室里的每个人融为一体 156
玛格丽特·维斯塔格:了解规定背后的东西 160
克里斯·沃斯:理解那个敌对的世界 164
成为鉴赏家 169
意会的炼金术 172
关 心 175
有意义的差异 179
第八章 人的作用是什么?
看护工作的未来 185
兰德尔与下午三点时的解决方案 186
打破魔咒 190
最新评论