爆裂:未来社会的9大生存原则

陆家嘴追梦实录2021-04-03 10:58:18

Whiplash:How to Survive Our Faster Future

伊藤穰一(Joi Ito)是日本IT界殿堂级人物,麻省理工学院媒体实验室总监。他是PureTech Healt的董事会主席,同时也是包括索尼,纽约时报在内的七家公司的董事会成员。他创立过许多互联网公司,包括PSINet Japan, Digital Garage 和 InfoseekJapan等。他还是Formlabs,Twitter,Kickstarter等公司的早期投资者。

 

麻省理工学院媒体实验室(MIT Media Lab)是国际上最重要的跨学科研究学术阵地之一,致力于技术,多媒体,科学,艺术和设计的融合。MediaLab由尼古拉斯·尼葛洛庞帝创立,隶属于MIT的建筑学院。这个实验室里诞生了非常多超前的设计、发明,如研究仿鱼类行为的氦气飞艇、悬浮于空中的立体影像、会交谈的计算机、被程序化的乐高积木,媒体实验室每年有大约300个研发项目,包括电子墨水技术、LEGO Mindstorms、MPEG-4音频格式、全息数字3D打印、CityCar(由DenokInn商业化叫Hiriko)、G-Speak手势电脑操作系统、风靡全球的儿童图形编程软件Scratch等

 

推荐序一 如何在快速变革的时代不被抛在脑后



随着科技革命和通信革命的发生,世界已经进入数字时代,变革快速出现,而人类的思维却总是处于脱节状态。面对这个充满不对称性、复杂性、不确定性的崭新系统,人类的思维需要更新迭代。本书基于此提出了现代世界生存的九大原则,以帮助个体和组织应对充满挑战和不确定性的未来。 这9个原则分别是:涌现优于权威、拉力优于推力、指南针优于地图、风险优于安全、违抗优于服从、实践优于理论、多样性优于能力、韧性优于力量以及系统优于个体。

 

在不久的未来,简单的、重复性的工作将被人工智能取代,现在社会中50%以上的工作会消失。这不是危言耸听,而是已经在逐步发生的事实

 

伊藤穰一认为,传统的教育是单向、自上而下的知识传递模式,是接受别人教授的知识的过程。而一个人只有将学习和自己的兴趣、个人关系以及可能追求的机会联系起来时,才会学得最好。人们必须培养兴趣驱动式、自主式和终身式学习的能力,否则将永远在快速变化的世界中处于劣势。

 

推荐序二 未来的应对

 

当机器可以逐步取代人,更多更好地完成原本必须由人才能完成的事情,诸如组装产品、开车、分析文档、写作、诊断疾病和交易证券的时候,大家不禁要问,未来人类的出路在哪里

 

在《爆裂》一书中,伊藤穰一以历史上一些大发明家对一些重大发明(包括他们自己的发明)的误判作为讲述的起点,介绍了他对未来的三点认识,即不对称性、复杂性和不确定性。

 

所谓不对称性,是指由于技术的进步今天少数人可以颠覆一个大机构。

所谓复杂性,则是指今天的知识体系非常复杂,是跨学科的,而不是单一维度的,是综合的,而不是单纯的。今天有一个时髦的词——跨界,其实在某种程度上反映出了知识体系复杂性的特点。

所谓不确定性,则是指没有人能够预测未来。

 

好的投资人都是重反应而轻预测,就是这个原因。对未来的预测不仅困难,而且必要性不大。

 

那么面对这样一个未来,人类应该怎么办呢?伊藤穰一从9个角度谈了他的破局方法。

 

第一,涌现优于权威,意思是说新的事物(比如新技术)比过去的权威更重要。

第二,拉力优于推力。所谓推力,就是用各种方式推销给你东西,而所谓拉力就是自己有需求而主动获取

第三,指南针优于地图。在能够预测的年代,我们看到地图就能找到路径,但是在未来,很难画出一份准确而具有时效性的地图,因此使用指南针找准方向,要比按图索骥有意义得多

第四,风险优于安全。在未来,没有什么是绝对安全的。

第五,违抗优于服从。叛逆和对叛逆的宽容,才是硅谷成功的第一要素

第六,实践优于理论。他所谓的“实践优于理论”,意味着由于节奏快、变化成为新常态,等待和计划的成本要比先实践后随机应对更高。

第七,多样性优于能力。简单地讲,就是通才比专才重要

第八,韧性优于力量。如果我们承认未来的不确定性,以及局部失败的必然性,我们就需要一个能抵御灾难性故障的系统,而韧性能够帮助度过意想不到的风暴,使得一个机构真正变得更加活跃、强健和有活力。

最后一点:系统优于个体。这其实是系统论的观点。真正具有竞争优势的是一个系统,而非一个特别强大的个体;是一套能够保证不断成功的制度,而不是一个天才个人的行为。

 

推荐序三 重新定义常识

 

在互联网时代,一种“新体制”正在解决一些过去的“旧体制”解决不了的问题。

 

简单说来,旧体制做事的方法是“命令与控制”:领导做出决策,下级贯彻执行,而新体制的做事方法,叫作“涌现”。

 

“涌现”是个非常地道的科学名词,说的是超级复杂系统的一个关键性质。比如说蚂蚁。每一只蚂蚁个体并没有什么智慧,做的事都很简单,几乎全是生物本能反应,可是当有了蚁群,它却能做出一些极其精巧复杂、充满智慧的事情。人的大脑中有上千亿个神经元,单个神经元的功能都是比较简单的,就好像是一个电子元件,可是所有这些神经元加在一起,却能让人产生智慧和意识。这就是涌现。

 

如果涌现是个如此厉害和普遍的力量,为什么非得等到互联网普及的今天,才又开始被人重视起来了呢?这是因为实现涌现是有条件的。早在70年以前,经济学家罗纳德·科斯(Ronald Coase)就问过这个问题:既然市场这么好,为什么企业内部不实行市场式的自由合作,非得搞命令与控制这一套管理呢?答案是交易成本太高。把一群陌生人组织起来进行有效合作是需要成本的,因为交易成本太高,涌现并不经常发生。

 

然而,互联网大大降低了交易成本。互联网虽只是一项技术,但是这项技术可能会导致翻天覆地的变化。

 

用伊藤穰一的话说,这就是“系统”的力量,你预测未来不能光考虑技术本身,还得考虑技术与环境的互动。

 

用这个眼光再看互联网时代,对于我们很多默认的常识,就得重新考虑了。比如说,我们以前总说一个成功的团队要上下一心、“团结如一人”,当下仍然适用吗?不一定。再比如说,“不打无准备之仗”,这句话还对吗?黑天鹅事件本质上就是不可预测、没办法提前准备的。还有,“谋定而后动”,这句话现在也不一定对。

 

互联网科技对世界的改变,绝不仅仅是生活和娱乐的升级,更可能是整个生产方式和社会组织管理的根本变革。

 

伊藤穰一提醒我们的终极问题是:到底什么样的体制,才是创新体制?答案是涌现体制。如果害怕风险和混乱,干什么事都要等待准允,你就不可能真的是在创新。

 

序言


1895年12月28日,巴黎大咖啡馆(Grand Café)门外人头攒动,人们正在等待一场神秘的展览开幕。这场展览的发起人许诺,观众只需花1法郎便可亲眼见证人类历史上首批“活照片”。在19世纪末,这可无法阻挡巴黎人的热情。此时,工业革命改变了人们的日常生活,各种新奇事物和快速变化纷纷出现。如果有个巴黎人认为每一个晚上都可能发生意想不到的事情,他一定会被理解,因为事实经常如此。

 

观看首批“活照片”的观众最终被引领着迈下数级黑暗、狭窄的台阶,来到咖啡馆的地下室,坐在摆放整齐的折叠椅上。而在房间中央凸起的平台上站着一名男子,他正在摆弄一个小木箱。短暂的尴尬之后,这台装置突然发出一道光,照亮了一块由亚麻布制成的屏幕,妇女的模糊身影从工厂的阴影中显现出来……之后,影像奇怪地闪动起来,似乎活了过来。屏幕上的妇女开始三三两两地从工厂中陆续走出。这段极为粗糙的镜头在今天看起来很可笑,但在那天晚上,巴黎中部的大咖啡馆的地下室内,观众们惊呆了,他们为此而鼓掌,开始大笑,还有人坐在那里目瞪口呆。50秒钟过后,这段影像便宣告结束。人类历史上首次进行电影放映的奥古斯特·卢米埃尔(Auguste Lumière)和路易·卢米埃尔(Louis Lumière)兄弟最多只能往他们的发明——电影中放入17米长的胶片。

 

对于那些首次看到将光线转化为移动影像,首次在绷紧的屏幕上看到裙子随风飘摆的人们而言,他们感觉如何?后来,最早一批放映员中有人回忆说:“你只有身临其境体会那些刺激无比的放映,才能了解当时的观众究竟有多兴奋。每放映一幕,都会伴随热烈的掌声。放映6幕后,我打开了灯光,发现观众们浑身发抖,还有人哭了出来。”

 

一个月内,卢米埃尔兄弟将节目单增加了一倍,拍摄了其他数十部人们口中所说的50秒的新“影像”……在随后的春天里在整个欧洲大陆和美国展示自己的作品。然而,卢米埃尔兄弟被人们记住并不是因为他们发明了电影,更多是因为一部名为《火车进站》(L’Arrivée d’un Train)的影片,或者更准确地说,是因为这部电影首次放映时所引发的骚乱……《火车进站》描述的是一列正在进站的火车。然而,并没有人向第一批观众发出警告。拥挤成一团的观众们以为这列火车将会驶出屏幕,把他们撞得血肉横飞。于是,观众们跌跌撞撞,发疯似的冲向出口。灯光亮了起来,一大群人挤在狭窄的楼梯上。这场悲剧的惨痛程度取决于你相信谁的讲述,有一些现代学者也质疑过这起骚乱的真实性。无论其真实性几何,这个故事很快成为电影传说,也成为批评家马丁·洛勃丁格(Martin Loiperdinger)口中的“电影创始神话”。这个城市故事明显发挥了重要作用:它或许最准确地表达了亲历“不可能发生的事情”发生时的那种纯粹、神秘的奇怪感觉。简单的事实不足以描述这种轰动,我们必须虚构一个神话来讲述事实。科技已经超越了我们的理解能力,而这也并非最后一次

 

人们或许有理由认为,拥有全球知名度和迅速增长的片源库的卢米埃尔兄弟将会变得极其富有,并不断推动这一全新媒介发展变化。然而,到1900年,他们便结束了。奥古斯特·卢米埃尔宣称:“电影是没有未来的发明。”卢米埃尔兄弟开始投身于彩色摄影这一可靠的技术。这则声明让人诧异的地方并不在于两位前途光明的企业家做出了重大的误判,而是这个在现在看来是误判的决定在当时绝对称得上是一个聪明的决定。19世纪与20世纪相交之际,卢米埃尔兄弟身处一个拥挤无比的领域,他们的电影引发了无数的效仿者。当时,早期的电影就像当时其他轰动一时的事物一样,新鲜劲儿一过,电影不过就是街头娱乐。人们创造了电影技术,但并非电影这种媒介。

 

未能意识到这一发明有重大意义的人并非只有卢米埃尔兄弟。一些极负盛名的发明家、工程师、工艺师都没有意识到自己工作成果的潜力。事实上,历史告诉我们,那些最接近技术核心的人最不可能预料到这些技术的最终应用。1844年5月,塞缪尔·莫尔斯(SamuelMorse)发明了全球首个商业通信系统。站在美国国会大厦的地下室内,他向38英里外巴尔的摩的一座火车站发出了一封电报。这封电报的内容由《圣经·旧约》而来:“上帝创造了何等奇迹!”短短几年时间,每一座美国大城市都实现了即时通信。而在10年内,第一条跨大西洋电缆铺设完毕。数千年来,信息的传递速度从未快过马匹,无论信使是国王还是国王的厨师。现在,信息的传递拥有了某种宇宙力量的速度。他或其他任何人如何得知它会给世界带来什么呢?莫尔斯不知道。他去世时仍然相信,通信业的下一个大发展将会是能够同时传输多条信息的电报线,而非电话。当亚历山大·格雷厄姆·贝尔(Alexander Graham Bell)首次展出他的这一发明时,莫尔斯将电话贬斥为“电子玩具”。几十年过后,托马斯·爱迪生(Thomas Edison)也没有表现出拥有更加深刻的洞见。他将首台被他称为“会说话的机器”的留声机推向市场,这成了记录商人口述信件的设备。他称之为“爱迪电话”。此后许多年,他都坚持认为,应该不会有什么客户用它来播放音乐。一位自学成才的工程师埃尔德里奇·里夫斯·约翰逊(Eldridge Reeves Johnson)意识到了留声机的潜力,它能够将音乐带入千家万户的客厅以及酒吧。他于1901年创办了维克多唱片公司(Victor Records),并邀请著名歌唱家恩里科·卡鲁索(Enrico Caruso)加入。爱迪生发明了留声机,但约翰逊做的事情更加伟大,他开创了唱片产业。

 

就像是来到城市中的人猿泰山,人类总是无法理解自身所创造出来的事物的重大意义。19世纪末,工厂所使用的蒸汽发动机总是被安置在涡轮机的大型中轴旁。当经济学家保罗·戴维(Paul David)研究首批电气化工厂时,他发现,工厂的规划者总是把电机堆置在厂房中央,新建的工厂也是如此,这么做毫无必要。这样一来,本该提高生产力的创新似乎丝毫不起作用。直至30年后,工厂经理才开始探索灵活布置电机的可能性,并根据工作流程重新布置工厂,生产力由此提高了一倍,有时甚至可以提高两倍。

 

我们目前所处的时代同样不可避免地会有失败的预测。1977年,全球最大、最成功的电脑公司之一——数字设备公司的总经理肯·奥尔森(Ken Olson)曾对人说,人们没有任何理由在家中放置一台电脑。他在整个20世纪80年代一直持有这种看法,即便在微软公司和苹果公司已经证明他错了之后的很长一段时间里也是如此。30年后,微软公司前首席执行官史蒂夫·鲍尔默(Steve Ballmer)在接受《今日美国》(USA Today)采访时表示,苹果手机根本没有任何机会获得巨大的市场份额。这些逸事令人感到好笑且难以置信,但同时,它们也的确有些道理。讲述它们不是要嘲笑那些早已逝世多年的美国发明家,而是要证明,我们所有人都容易误判技术“茶叶”的形状,占据统治地位的主流思想体系会让我们变得狭隘。尽管已经发生了巨变……然而我们的头脑依然与那个认为汽车只不过是一时时髦、火只是帮助人们取暖并在洞穴墙壁上投射有趣影子的工具的大脑没有什么区别。

 

本书秉承着这样一个信念:任何一个人类发展时期,都拥有一整套得到公认的假想与信念体系……想象一下,你的观点、你的政治信念、你的所有关于这个世界以及自身所处位置的看法都是房子里面的家具。长期以来,你一直都在有意识地获取这些家具,扔掉一些,保留一些,而且随着新需求的出现还会再添置新的家具。本书探讨的则是其他一些东西,即支撑你的观点的托梁、铆钉和横梁。换句话说,本书并不是要讲述你已知的东西,而是要讲述你不知道自己已经掌握的东西以及为何要质疑这些有疑问的假设。

 

法国哲学家米歇尔·福柯(MichelFoucault)相信,这一由信仰、偏见、行为模式和风俗习惯所组成的矩阵构成了引导我们思考、做决定的一系列规则。他称之为“知识模型”……每个人的思维习惯都不相同,却根深蒂固。尽管本书讲述的是一些复杂的内容——密码学、遗传学、人工智能等,但它有一个简单的前提,即技术发展的速度超过了人类理解能力的提升速度。现在,我们要迎头赶上

 

我们有幸(或者不幸)生活在这个有趣的时代:中学生能用基因编辑技术创造新的生命形态,人工智能的发展促使决策者思考大范围的、永久性的失业问题。也难怪我们的思维习惯存在不足,它们是在煤炭、钢铁以及简单繁荣时代形成的。强者并不一定会生存下来,并非所有风险都一定要降低,公司也不再是适合我们有限资源的最优组织单位。数字时代让这些假设都成了陈旧的过去时,它们比毫无用处还要糟糕,甚至会产生反作用。

 

人们当前所拥有的认知工具集不足以使他们理解从通信到战争等一切快速变革所带来的深远意义。我们的目的是为大家提供一些新的工具

 

这并不容易做到。我们无法告诉你们应该想什么,因为当前人类与科技在信仰体系方面处于脱节状态。本书旨在帮助人们解决这一脱节状态,提出九大原则,让我们的思维与现代世界对接。这些原则也可以帮助个体和组织应对充满挑战和不确定的未来。

 

人们可以单独理解每项原则,但它们作为整体的力量远远大于每个部分相加之和。因为从根本上来说,这一新操作系统的基础是构成网络时代核心(机器最核心的代码)的两个必不可少的事实。第一个便是摩尔定律。一切数字化的东西都会以指数级速度变得越来越快,越来越便宜,越来越小。第二个就是互联网。

 

当科技革命和通信革命同时发生时,就会释放出足以令创新本质发生变化的爆炸性力量,试想一下,查尔斯·达尔文(Charles Darwin)23岁时在英国皇家海军“小猎犬”号战舰担任植物学家期间通过观察搜集到的标本,开始酝酿自然选择理论。此后,他花了30多年时间搜集数据以支撑自己的观点……今天的遗传学家能够从一个冰芯标本中提取足够的DNA(脱氧核糖核酸),描绘出整个新石器时代的生态系统,在全球学者的参与下修正自己的结论,所有这一切只需要一个暑假便可完成。这并不仅仅是程度上的改变,而是对现状的颠覆。

 

那么,接下来会发生什么?这是我们这个时代多年来一直令人困惑的问题。我们很难回答。核裂变代表着人类最激动人心的成就,同时也给人类这个物种的生存带来了最严峻的挑战。

 

当你读到本书时,虚拟现实头盔厂商奥克勒斯(Oculus)应该已经发布了消费版的虚拟现实头戴显示器Oculus Rift。我们如何使用这种虚拟现实头盔?开发者已经开始研发视频游戏,以充分利用虚拟现实头盔所带来的极强的真实感。总值达1 000亿美元的色情行业不会落后;医生可以利用虚拟现实设备远程实施手术,或者为那些无法亲自到医院的病人进行身体检查;你还可以探访火星和南极洲,不需花钱便可欣赏丹佛公寓外的景色。但事实上,我们并不知道,人类将如何使用这一科技的第二代或第十代产品。进步来自最不可能的方面。

 

事实是,技术本身并没有特殊的意义。哈伯的另外一项研究成果——齐克隆B只不过是一种气体而已,这种有利用价值的杀虫剂同样在大屠杀期间被用于杀害数百万人。19核裂变是普通的原子反应。互联网只不过是发布信息、重新组合信息的渠道。对于人类社会来说,科学技术的真正用途通常会出乎我们的意料。

 

人类不断向前进步,技术的发展速度经常超出我们的理解范围。基因工程是否会治愈癌症,还是将成为廉价的大规模杀伤性武器?没有人知道答案。正如摩尔定律所展示的那样,技术是根据指数定律发展的。我们的大脑,或者至少可以说是在机构、公司、政府和其他组织中工作的智慧总和,在其之后缓慢发展,努力理解上帝或人类创造了何等奇迹。

 

科幻小说作家威廉·吉布森(William Gibson)曾经说过:“未来已来,只是尚未流行。”

 

回到卢米埃尔兄弟以及他们那振奋人心、跌宕起伏的在活动影像方面的尝试上。在将近10年的时间里,事情的发展与当时的情况是一致的……1903年,作为催眠师、通灵师,热衷电影这一新媒介的英国人乔治·阿尔伯特·史密斯(GeorgeAlbert Smith)当时正在拍摄两名衣着整洁的儿童照看一只受伤的小猫的画面。史密斯做出了一些细节上的改变。他将镜头推近,直至镜头中只剩下了小猫和女孩的手。在此之前,传统的观点认为,这样的构图可能会让观影人群陷入本体论的困境:女孩怎么了?她是否被切成了两半?史密斯冒着风险,将这一镜头编辑到最终的影片中。观众们的反响很积极,如此一来,史密斯便发明了特写镜头。让我们仔细思考一下。在经历了8年时光、数百名电影拍摄人员、数千部电影之后,才终于有人不再把(电影)新技术当作二维空间的把戏。这一简单的创新助推电影产业出现了一个试验和进步的阶段。然而,又过了12年才出现了一部能够被当代观众视为电影的电影,即D. W.格里菲斯(D. W. Griffiths)的《一个国家的诞生》(Birth of a Nation)。原因并非缺乏技术,技术最终只是工具而已。技术除非被人类的思想所驱动,否则就是无用、静止之物。

 

在地球漫长的历史长河中,变革一直乏力。生命早在40亿年前便已经出现,过了28亿年才出现性别差异,又过了7亿年才出现第一个拥有大脑的生物。第一个两栖动物蠕动到陆地上则是在此3.5亿年之后。从这个意义上说,复杂生命体是最近才出现在这个星球上的。如果可以把地球的历史压缩到一年当中,那么居住在陆地上的动物是直至12月1日才出现的,恐龙的灭绝也是圣诞节后的事情。原始人开始直立行走大约是在新年前夜晚上11点50分,有记录的历史则是在午夜12点之前几纳秒才开始的。

 

现在,让我们假设最后10分钟为一年,即行为举止上更加贴近现代人类的时期。直到12月之前,没有任何变化发生。苏美尔人开始在12月的第一周熔化铜,第一种有记录的语言大约出现在12月中旬,基督教的传播大约始于12月23日。但对大多数人而言,生存依然艰难、野蛮和短暂。直至12月31日黎明,终于开始出现变化的迹象,工业时代的大规模生产开始出现。就在这天早上,大陆开始铺设火车铁轨,人类的移动速度终于开始超过马匹。这一天接下来的时间充满了令人激动的活动:下午2点左右,抗生素的出现使得婴儿的成活率和人类的预期寿命得到了极大的提高,两者自人类物种于1月从非洲大陆向外迁徙开始就基本没有什么变化。下午,飞机开始绕地球飞行。晚饭时,富有的公司开始购买大型计算机。

 

人类花了这一年中的364天才达到10亿人口的规模。到12月31日晚上7点,地球上的总人口达到30亿,人类才打开了第一瓶香槟酒的瓶塞。在午夜之前,地球上的总人口翻了一番,按照这个速度(大约每80分钟增长10亿人口),我们将在新年第一天凌晨2点达到地球的容纳能力极限。

 

而直到最近(按地质分期来算,距今只有蜂鸟一次心跳的时间),旅行速度、人口增长、我们所拥有的信息数量才开始升级。简言之,我们进入了指数时代。

 

2009年《哈佛商业评论》(Harvard Business Review)一篇颇具影响力的文章中所称的“大变革”直到新年前夜晚上10点才伴随着上文提到的两项革命出现:互联网和集成电路芯片。这两者宣告了网络时代的到来,与此前所发生的相比,是与工业时代有别的更加根本的突破。 越发明显的是,网络时代的首要条件并不是快速的变化,而是持续的变化。在几代人的时间里,如果继续用上面的时间类比,这是指晚上10点以后,稳定的时间段变得越来越短,新范式的颠覆性变化出现得越来越快。

 

变革不会以你的意志为转移,无论你是否已经准备好。20世纪末,变革的速度已经超过了人类。这就是指数时代,它已经为我们所处的时代创造了三个定义条件。

 

不对称性

 

在模拟时代,粗糙的牛顿物理学统治着人类活动领域。

 

不对称性这个简单的事实。关键是,你不能再假定成本与收益成正比。更大的可能是,真正的现实恰恰与这一假设相反。今天,对现状最大的威胁来自最细微的地方——初创公司、流氓、离经叛道者、独立实验室。似乎这一现实还不足以令人气馁,我们必须与新的竞争者不断周旋,而我们所面对的问题也变得越来越复杂。

 

复杂性

 

复杂性,或者说是科学家通常所说的复杂系统,没什么新鲜的。事实上,复杂系统早于现代人在30多亿年前就出现了。

 

经济学具备了复杂系统的所有典型特征

 

复杂系统的数量或水平受4个因素的影响:异质性、网络、相关性、适应性。

 

不确定性

 

让我们再回到那个价值数百万美元,不,数十亿美元的问题上来:下一步是什么?没有人知道。

 

过去数百年,人类在预测未来方面表现糟糕。事实上,专家和未来学家的表现最为糟糕,甚至不如随机选择

 

在人类历史的大部分时间段内,人类的成功与准确预测的能力直接相关。

 

事实上,我们已经进入一个新的时代,承认无知要比耗尽资源(通过各种附属委员会、智库和销售预测机构)预测未来更具战略优势。

 

原则一:涌现优于权威 Emergenceover authority

 

此前,我们对于知识的产生和传播有着十分单一的理解:它来自上帝,透露给不同的牧师、先知、神父、政教合一的领袖,并以教义(或世俗领域的政策)的形式传达给古代的中层管理人士,最后传播到无条件顺从的普罗大众。


随着这一认知系统逐渐退出历史舞台,一个新的系统“涌现”。新系统并没有要取代权威。我们不打算自我监管,或者成群结队进入无法无天的公社。实际上,发生改变的是人们看待信息的基本态度,是多数人向少数人传达愿望和指令方面的价值导向以及扮演的角色。互联网在其中发挥了关键作用,为大众提供了一个通道,使他们的声音能够被倾听,也推动他们参与讨论、思考和协作,而这些此前都属于政治的专业范畴。

 

互联网催生了一种新的政治现象,一种类似于蜜蜂或者其他群体生物的集体智慧,这一集体智慧的能力远大于该集体中任何个体的能力。

 

科普作家史蒂文·约翰逊(Steven Johnson)曾在其著作《涌现》中向大众读者介绍过这些观点。他把新观念的演变比喻为一种单细胞生物——黏菌。当食物短缺时,它们会聚集在一起,组成超级有机体。没有大脑的黏菌怎么知道这样做呢?其实,它们就像土堆中的蚂蚁一样,遵从一系列简单的规则,无论走到哪里都会留下信息素。如果足够多的个体留下带有“我饿了”信息的信息素,这一信息便会散播至所有蚂蚁那里,它们便会聚集在最近的朽木上。

 

人的思想观念也是如此。黏菌一生中大部分时间都独立生存,永不停歇地在周边寻找食物。但当黏菌聚集在一起,强大的集体信号便会引发完全不同的信息,这是个体黏菌不会设计,甚至永远不会明白的信息。

 

当大量细微的事物通过简单的选择行为,如向左还是向右、攻击还是忽视、买入还是卖出等,表现出远超个体能力的特性时,“涌现”便会发生。蚁群是最典型的例子。这一元组织拥有比个体强大得多的能力和智慧

 

人类的大脑是另外一个蕴含“涌现”理论的令人震惊的例子。组成人类基因组的2万个不同基因中,大约有1/3出现在大脑中,并且掌管着数百亿个神经细胞的生死。每一个神经细胞尽管相对复杂,但自身没有意识,或者说不够聪明。然而,当这些神经细胞相互连接时,便会形成一个令人惊讶的网络,该网络不仅比神经细胞总和更强大,而且能够意识到自己在思考。

 

自然界还有其他表现集体认识过程的例子。鱼群、鸟群、蝗虫都显现出了“涌现”的特质。

 

“涌现”也并不只是自然现象。从整座城市的规模来看,人类就像是蚂蚁,匆匆忙忙地奔来走去,做出小小的决定,不会想到会给公民社会带来什么影响。这事实上也是城市具有如此魔力的原因所在。

 

人类创造出的最显而易见的“涌现”系统便是经济,它清楚地表现出了任何个人都无法掌控的特点。

 

然而,从权威到“涌现”的转变正在改变许多机构的未来。在前一种系统内,机构就像轮船一样,少数几个高高在上的人决定行驶的航线是否明智;而在后一种系统内,许多决定并不是这样产生的,而是从大量员工或股东中间“涌现”出来的。

 

从《不列颠百科全书》到维基百科的出现便是这一转型阶段的绝佳例证,前者的作者是权威的专家团队,后者的作者则是出于公益目的自发写作的读者群体。2005年,《自然》(Nature)杂志发表的一项研究表明,二者在质量方面相差无几。

 

近20年来,我们一直用“根本性变化”形容互联网的发展,将其称作“彻底的”、“革命性的”新媒介。这并不是夸大其辞。然而,网络的发展,将在“人类如何思考”这一最深层次领域对我们产生影响,其结构由一个充满节点和神经元的“涌现”系统组成,不服从任何明显的线性命令,我们不应该对此感到吃惊。

 

几乎每一种文化的核心都会讲述地球和大部分物种是如何产生的,它们认为最初这个世界上只有上帝,或者古希腊时代的大地女神,或中国古代神话中的盘古。这一核心认知假设塑造了我们构造世界的方式。我们相信,蚁群会接收蚁后的指令,某些组织会负责应对我们周遭世界的复杂性。我们将这一根本性误解写入我们的社会组织——每一个部落都有自己的首领,每一家公司都有自己的首席执行官。直到最近我们才开始明白下面这个解释:蚁后并不比最低级的工蚁拥有更多的能力。这颠覆了数个世纪以来人们心中的认知,持续不断地创造我们周围多样化的、差异化的生命形式的物种形成背后并没有权威的支配力量。“涌现优于权威”的原则优先于其他原则,因为它是其他原则赖以存在的基石。

 

“以前,科学是通过把小组研究人员锁在实验室中直至他们实现微小突破来实现进步。未来,科学不会再以这种模式取得进展,合成生物学现在的研究方式已经不是这种模式了。”15出现在开源软件和维基百科时代的合成生物学,正在成为学生、教授以及大量自称“生物黑客”的平民科学家之间进行激进合作的练习场。“涌现”已经闯入实验室。

 

“涌现”对于权威的胜利意味着知识生产和传播的结构性转变,专业和知识开始从互联网等分散式的网络中涌现。“涌现”时代已经取代了权威时代。

 

在传统的体系中,从制造业到政府部门,大多数决定都由顶层做出。尽管雇员们或许被鼓励提出产品和项目建议,但处于权威地位的经理和其他人会咨询专家,再决定采纳哪些建议,这个过程通常很缓慢。想要突破官僚体系的重重包围,会受到保守派的阻挠。“涌现”系统假定系统内的每一个人都拥有独特的、让整个组织受益的聪明才智。

 

随着新工具逐渐普及,创新成本呈现直线下降趋势,使这一转变成为可能。由权威向“涌现”的转变中,另外一个重要因素便是免费和便宜的在线教育和社区教育的普及。

 

所有这些进步都正在创造一个现实的系统,让世界各地的人们都有能力去学习、设计、开发和参与创造性的叛逆行为。与只能推动渐进式改革的权威体系不同的是,“涌现”系统会促进非线性创新,对塑造网络时代特性的快速变革做出快速反应。

 

一名伟大科学家最难得的品质之一便是愿意让自己看上去有些愚蠢,尽管这一点并未得到普遍认可。1995年秋天,汤姆·奈特(Tom Knight)还是麻省理工学院一名高级研究人员,他发明了推动计算机发展的几项关键技术,还创办了一家上市公司。然而,9月的一天,在一节生物入门课上,他发现自己周围都是大二的学生。奈特笑着说:“我想他们一定想要知道,这个奇怪的老头到底是谁。但生物学的知识,我必须从头学起。

 

原则二:拉力优于推力Pull Over Push

 

2011年3月11日下午临近3点时就发生了这样的地质运动,并由此爆发了强度达里氏9.0级的地震……日本福岛第一核电站距离地震震中仅110英里……通常意义上的大地震持续时间不过40秒左右,但日本这次全国皆知的“311大地震”持续时间长达6分钟……和震区附近大多数建筑一样,最初的强震之后,核电站已经断电。一组柴油发电机自动开始运行,但这也意味着,当时的福岛已经失去了安全保障。最初的地震过后,稻垣(Inagaki)和其他工作人员立即关闭了反应堆,但燃料铀仍会持续数天高温。冷却水泵需要靠电力运作,它能使冷水持续流经燃料棒。一旦冷却水泵停止运转,水便会立刻沸腾,然后会以惊人的速度导致堆芯熔毁……下午3点,距第一次大地震已过去15分钟,发生堆芯熔毁的可能性似乎很小。在这样一个已经习惯了因板块构造引发强烈地质运动的国家,福岛的建筑设计均考虑到了抵御地震及其引发的海啸的因素。福岛核电厂的6个反应堆均高于海平面30英尺,前面还设有33英尺高的防波堤……下午3点25分,海啸飞行观察员报告第一波大浪正在靠近福岛。共有7波大浪冲向福岛,第一波猛地冲向防波堤,海水淹没了涡轮机、发电机和6个反应堆中4个反应堆的所有接线……第一次地震后,本来持续不断的警报声也消失了,控制室里一片寂静。没有电,燃料棒无法冷却,堆芯熔毁已不可避免

 

东京电力公司(TEPCO,简称东电)一直以来都坚信海啸浪高绝不可能超过20英尺。日本绝大多数防波堤、防洪堤和其他海啸防护设施都是在1960年智利瓦尔迪维亚大地震(这是地震观测史上记录的最大规模地震,矩震级为9.5级)后开始建造的。瓦尔迪维亚地震引发的海啸在22小时内横扫了太平洋海域,袭击了日本。据报道,当时的海浪高达14英尺,死亡人数超过150人。这些预防措施遵循了一种不容置疑的工业时代逻辑。

 

这些预防措施遵循了一种不容置疑的工业时代逻辑。地震引发如此强烈的海啸实属罕见,我们有可能为所谓的“黑天鹅事件”(指事件非常罕见,误使人们认为他们的家人永远不会罹患绝症,市场会永远欣欣向荣,政权永远不会被颠覆)制订计划吗?事实上,如果你转变观察视角就会发现,日本为应对海啸所做的准备将他们的观念局限在了近代历史上。过去400年间,这一地区从来没有遭遇过震级大于8.5级的地震。2010年日本地震频发地图中,甚至都没有突出标注该区域。

 

然而,一名地质学家从公用事业管理角度出发提出了一套不同的参考标准。2009年,日本活动断层和地震中心主任冈村幸信(Yukinobu Okamura)曾告诉东电,福岛沿岸的俯冲带正是869年贞观大地震的发生地,贞观大地震是一次灾难性的地质构造事件。贞观大地震引发的海啸浪高远高于东电的预测,而且这样的大地震每500——800年就会发生一次。4冈村告诉东电,由于贞观大地震已过去1100多年,福岛附近的海岸线早就该遭遇大海啸了。

 

官员们无视这种警告。海啸发生后的几周内,稻垣和他的团队在核电站现场付出了巨大努力。尽管如此,到3月12日,还是有3个机组发生了堆芯熔毁,大量放射性物质进入空气和海洋,造成了自切尔诺贝利核事故以来最严重的核灾难

 

日本政府已尽其所能,但似乎已对局势失去控制。但就像东电没能就科学家们认为迟早要来的地震做好预防工作一样,政府如果仅凭自己的经验和想法处理危机,恐怕也将以失败告终

 

福岛事件的管理方式以及由此造成的灾难性后果,恰好为我们提供了两种不同决策方式的案例研究。

 

采取指挥与控制方式的结果就是决策制定者将资源(测量方面的经验和放射物污染方面的分析)“推”到他们认为最有用的地方。即使在最好的时机,指挥与控制的管理方式也存在效率低下的弊端,这样的管理方式在核危机关头更会导致致命的后果。在过去的几百年中,这是我们能想出的最好的方式。然而,在网络时代,情况并非如此。人力资源的最佳利用方式是在最需要他们的时候将其“拉”进一个项目。时机是关键,“涌现”战略是投入大量的人力物力解决问题,而“拉力”战略则是在最需要的紧急关头投入最需要的人力物力,此战略进一步优化了“涌现”战略。这对于东电的高管来说是完全陌生的。“拉力”战略需要透明度和进出机构的双向信息流,而东电的公司文化则强调高度的封闭性。一个由世界各地公民组成的关怀组织将就“拉力”的力量给他们上一堂示范课。

 

地震来袭时,伊藤穰一正在波士顿一家酒店的床上努力克服时差……伊藤穰一打开电视,很快了解了此次地震灾难的规模。伊藤穰一想到的第一件事便是联系他的妻子。所幸,他家住在东京郊外,那片地区受地震和海啸的波及较小,只有极少的财产损失和人员伤亡。然而,伊藤穰一的其他家庭成员则生活在离福岛核电厂不远的沿海地区。当晚狂风呼啸,次日清晨大雨滂沱,伊藤穰一还是没能联系上他的妻子,而媒体实验室还有13场面试在等着他。面试的闲暇时刻,他试图通过邮件、在线聊天和Skype网络电话联系朋友和家人。所幸,那天结束时,两件大事让他放下心来:一是他的所有亲人都安然无恙;二是此趟波士顿之行很顺利。他当时是实验室主任的主要候选人。然而,他并没有太多时间思考自己的职业前景。所有身处异乡有幸避开了这场大地震的日本人,都怀有一种幸存者的内疚感……无论他们身在何地,能否提供一些力所能及的援助。伊藤穰一的朋友们非常聪明,大家立马将问题集中在两个方面:辐射物到底泄漏了多少,这些辐射物会影响哪些地区……伊藤穰一和他的朋友们开始着手筹备他们自己的计划……几天内,在线聊天平台的那些志愿者和顾问组成了一个团队,这个团队最终成为Safecast的核心成员。他们的当务之急就是购买尽可能多的盖革计数器(Geiger counter)……海啸发生24小时后,盖革计数器销售一空——某种程度上是因为加利福尼亚和华盛顿的美国人担心放射物会扩散至美国西海岸。如果想要获得足够的盖革计数器,以便准确读取受影响区域的辐射水平,只能自己制造……团队成员于2011年4月中旬到达福岛,一周后便开始测量放射物。他们很快意识到,从街道的这一侧到另一侧,计数器上的读数可能会发生显著变化,但大范围区域内的读数平均下来便可得到有效数据。大约6个月后,该团队得知疏散的民众被送到的地方比他们撤离的地方污染更为严重。政府的数据大多由直升机采集,但似乎志愿者采集到的数据更为准确……团队已经开始着手搜集信息,他们需要用某种方式向大众传达这些信息……马尔切利诺在俄勒冈州波特兰市有一家网络和手机公司,该公司已建成一个汇总辐射物数据的地图网站。莲花便签(Lotus Notes)的创始人、微软前首席软件设计师雷·奥齐(Ray Ozzie)自愿利用专业知识协助团队进行数据分析;奥齐还建议将盖革计数器与汽车绑定,和手动采集数据相比,这样更快速有效。邦纳、弗兰肯和东京创客空间组织的团队开始着手设计、制作一种新型盖革计数器“bGeigie”,这种盖革计数器有便当盒般大小,内置GPS接收器……所有关键人物都已到位。Kickstarter网站赞助了近3.7万美元,里德·霍夫曼(Reid Hoffman)、数字车库、“约翰·S.和詹姆斯·L.奈特基金会”(JohnS. and James L. Knight)也提供了资金援助,Safecast就这样开始部署盖革计数器的工作,并开始从日本的“公民科学家”手中搜集数据……截至2016年3月,该项目共搜集了超过5000万个数据点,用户可在知识共享(Creative Commons CCo)公共领域平台上获取所有数据,该团队将所有数据与大众分享。这个数据库不仅帮助世界各地的研究者了解福岛放射物的扩散情况,还可帮助他们了解不同区域正常的辐射水平。

 

Safecast为更有效地组织知识资本和物质资本指明了方向。“拉力”战略是通过网络将需要的资源吸引过来,而不是将材料和信息集中存储起来。对公司的总经理来说,“拉力”战略意味着减少成本,增强应对多变环境的灵活性。最重要的是,这能鼓励他重新思考以前所做的工作,以促进创新。

 

正如“涌现优于权威”一样,“拉力”战略利用创新带来的低成本,使得沟通交流、原型设计、资金筹集和新的学习方法成为可能。

 

应该说,所谓的“推力–拉力”战略源自物流和供应链管理领域。此概念在硬件领域潜力巨大,因为“拉力”战略可以从表面上改变整个行业的供应链。该战略背后的逻辑是,在“需求”出现之前,根本就不应该存在“供给”。

 

正如丹尼尔·平克(Daniel Pink)在TEDGlobal(技术、娱乐、设计大会的子会议)《动机之谜》这一演讲中提到的,这便是失败的微软百科全书与成功的维基百科之间的关键差别。前者为专业团队设计、价格不菲、以“推力”战略为基础的系列知识产品,后者为业余团队设计、以“拉力”战略为基础的平台。很显然,维基百科比微软百科全书更成功。

 

美国在线早期的模式侧重“推力”战略。它试图为用户提供全方位服务,但同时控制他们访问网络的渠道。由于其产品通常和互联网标准不兼容,因此有效地将用户封锁在一个“密闭花园”里……像暴雪娱乐(Blizzard Entertainment)这样的在线游戏公司早就采用了“拉力”战略,而且很快把它变成了自己的优势。暴雪娱乐将游戏玩家和游戏迷社区视为其组织的一部分。事实上,许多游戏玩家已成为暴雪娱乐的正式员工。玩家的想法已被纳入游戏的开发和设计中。游戏开发人员还经常与玩家分享游戏研发的内部运作,甚至允许玩家使用受版权保护的内容来创建视频或其他衍生商品。在这些系统中,我们很难看到公司和客户之间存在明显的界限。

 

“拉力”战略不仅适用于各组成部分和人力,对金融资本也同样有效。Kickstarter允许人们以一种比传统筹资更灵活、更迅速的方式筹得他们所想要的。众筹表明,亚马逊网络服务背后的成功逻辑同样适用于资金筹集。通常人们会把众筹与研发新产品等不太可靠的想法联系起来,但Experiment.com(一个在线众筹、融资平台)表明,同样的系统也可以用来为严肃的科研项目筹资

 

除众筹外,众包也为独立创作者提供了经济实惠的方案,让他们可以拓展资源。初创公司和个人可以不雇用工程师、设计师、程序员团队,而是借助全球自由职业者和志愿者社群所提供的专业知识填补空缺。这当然也与“涌现”系统有关,因为没有任何规则存在于真空中,它们相互补充、相互沟通。

 

Safecast项目表明,在软件和硬件开放的环境下,有奉献精神的志愿者团队能在快速变化的环境中构建比政府提供的官方工具更准确、更有用的工具。这些工具能为受灾地区的民众提供准确的数据,使他们能够照顾自己和邻居,同时也能鼓励他们为帮助自己和全世界人民创建数据。

 

一个强大的关系网包括弱连接和强连接。1973年,马克·格兰诺维特(Mark Granovetter)博士发表了论文《弱连接的力量》(TheStrength of Weak Ties),该论文影响深远。他在文中指出,弱连接——连接点头之交和朋友的朋友——在连接社区和创造陌生人之间的信任和联系方面有巨大的潜力。因此,具有广泛弱连接的人有更多机会从他们的人际关系网络中获取资源。我们的点头之交是我们获取新想法和资讯的最大来源。虽然我们从弱连接中获取灵感,但我们的强连接会对我们的表现产生很大的影响。

 

在竞争激烈的环境中解决复杂问题的团队,队员的连接强度是他们能否成功的重要预测指标。

 

Safecast的故事说明了这种思维创新。Safecast并不是那群有责任心的公民的产物,而是那个团队的广泛而松散的人际关系网络的产物。Safecast迅速发展成为一个重大的公民科学倡议。很多参与者都是各自领域的专家,他们的工作没有额外的奖励,只有为公众的健康和安全奉献的满足感

 

约翰·西利·布朗第一次和我谈论“拉力”时,我重新审视了我的思维。正如我们在本章中提到的,世界在不断变化,我们不能再储存资源和信息,不能再掌控一切,计划一切,将信息和指令从权力中心推向边缘,因为现在边缘区域才是创新蓬勃发展的地方。资源将被“拉”到需要的地方:世界将从“资源储存”向“资源流动”转变。

 

附言:偶然的幸运并非侥幸

 

我很赞同社会学家马克·格兰诺维特关于“弱连接力量”的论述:那些正常圈子之外的连接往往能带来最大的价值。然而,偶然的幸运并非侥幸,而是一些条件的综合产物。首先,必须创建一个人际网络并拥有广泛弱连接的环境;其次,善于觉察;再次,吸引和鼓励互动。

 

在我们的生活中,觉察模式和专注–执行模式之间自由切换的能力是拥有偶然幸运的关键技能,但关键是将那些“幸运”的事转化为切实的机会。

 

原则三:指南针优于地图Compasses Over Maps


地图意味着掌握详细的地形信息以及最佳路径;相比而言,指南针是更加灵活的工具,需要使用者发挥创造性和自主性找到自己的道路。一个人决定放弃地图而选择指南针,是因为他认识到在日新月异的世界中,一份详细的地图可能会将你引入密林深处,带来不必要的高成本;而好用的指南针却总能带你去你想去的地方。

 

然而,这并不是说你在起程时完全不知道要去哪里,而是指,尽管通向目标的道路是曲折的,但比起在既定的线路上前进,你会更快地抵达终点。选择指南针而不是地图,可以让你探索其他线路,更加充分、有效地利用绕道的机会,发现意想不到的宝藏。

 

媒体实验室一直将“指南针优于地图”视为其指导原则之一。实验室把重点放在“无定向研究”,即在不同学科间的空白处着力。比如,内里·奥克斯曼的“丝绸亭”项目,即用6 000多只蚕的吐丝包裹成的复杂圆顶结构,最初是为了探索数字制造和生物制造之间的边界……严密的计算机数控下的框架和覆盖其上的丝滑的有机蚕丝之间经常发生意想不到的,有时甚至是混乱的相互作用,创造出一个混合结构。在《大都会》(Metropolis)杂志的一篇特稿中,纽约艺术与设计博物馆馆长把该项目称作2013年最重要的艺术项目之一。

 

针对这个项目,详细的“地图”很可能无法应对蚕的复杂行为,因为蚕对诸如光线变化和拥挤程度等环境条件有特殊的要求,这样才能维持它的生命周期。如果没有像指南针一样提供“正确的方向”,项目最后可能只剩下一团蚕丝和细线,而不会成为享誉世界的艺术设计作品。

 

衍生阅读:丝绸亭 The Silk Pavilion。用6000 多只蚕的吐丝包裹成的复杂圆顶结构“丝绸亭”(the silkpavilion)研究了数字制造与生物制造在产品和建筑尺度这一层面上的关系。主要结构由26块丝线构成的多边形平板组成,丝线的位置由数控机床进行定位安装。项目的灵感来自蚕用蚕丝制成蚕茧的能力(所用蚕丝的长度大约在1km左右)。 整个展馆的几何形态由一种算法进行控制,这种算法可以使得一条单一连续的丝线覆盖每一个平板单元并且产生不同程度的密度差异。整体的密度差异被蚕所感知,使其作为一种生物打印机创造出第二层级的结构体系。

 

“指南针优于地图”战略不仅可以让创新者在探索新理念的同时不偏离目标,帮助学习者从全局角度出发理解遇到的难题,也可以让个人和企业快速应对不断变化的设想和环境。

 

附言:思考神话而非任务

 

我认为即便在企业界,互联网时代之前的传统、自上而下的领导方式也不再适应公司的发展。

 

我们在本章讨论了方向的重要性,即拥有一个“指南针”,以及在不断变化的复杂世界中尝试用“地图”进行描述和规划存在的陷阱。

 

媒体实验室以及所有类似的组织都可以用“指南针”去“领导”,将其凝聚在同一个目标下。搞明白所有细节或预见几百个聪明、好奇、独立的同事的所有想法和遇到的挑战,这是不可能的。必须坦然认识到自己无法控制一切,我们无法预见甚至知道发生的所有情况,但我们还能做到充满自信和勇气

 

相比规则甚至战略,成功的关键在于文化。不管我们谈论道德标准、世界观还是情商和品位,我们设定这些指南针都是通过我们创造的文化,以及我们如何用事实、邮件、会议、博客文章、规则甚至是音乐来交流这种文化。这更像是一个神秘的系统,而非某种使命宣言或口号。

 

原则四:风险优于安全Risk Over Safety


朱莉娅·胡(Julia Hu)本不该与苹果商店有任何瓜葛,但她忽然发现361家苹果商店中都有自己的身影……几年前,刚从斯坦福大学毕业的胡女士想到了一个点子——创建一个苹果应用程序,利用手环来监测用户的睡眠,并在清晨轻轻唤醒他们。几周之后,该应用程序通过分析搜集来的生物学特征信息,变身为一个虚拟睡眠教练,为众多工作过度和睡眠不足者提供建议。

 

与其他成千上万名软件企业家一样,胡可能只需雇用一两名程序员就可以启动。然而,苹果商店与普通的应用商店有很大的不同。即使是手环这样的产品,也需要近500万美元使其进入足够多的零售终端,才能实现赢利。到2009年年底,胡筹集到了不足100万美元种子基金,仅能制造出样品而非产品。她不得不寄希望于更多的风险投资人,希望他们支持她进入这个高风险、低利润的智能手机附件市场。

 

然后,她遇到了PCH国际公司创始人、首席执行官利亚姆·凯西(Liam Casey)。凯西所在的公司手头有很多资金。那一年,他这家私人公司的收入即将达到4.1亿美元。然而,凯西并没有为胡提供资金,因为从他的角度来看,胡并不需要资金。

 

他为胡提供了更好的东西,即使用他公司的供应链。

 

事实证明,供应链是大型机构和小型机构间竞争的关键。正如我们将看到的,小型机构正逐步取胜。凯西就像是一个指挥大师,只不过他的交响乐团是由全球成千上万个每周7天、每天24小时机器不停运转的工厂组成的,这些工厂生产从台式机内的电路板到包装纸箱等一切东西。和胡一样,凯西也是一个个体创业者。

 

1996年,凯西来到了深圳,这是一个蓬勃发展的中国制造业重镇。他在这里开设了一家贸易公司。他说,多年来自己所做的便是将西方公司与中国工厂对接。到2003年,这门生意做不下去了。

 

“当我来到这里时,中国是一个制造廉价产品的好地方。很快,这里就成了制造好产品的廉价地方。然后,又变成了这些产品的唯一产地。”

 

凯西不断积累知识并创建了一个数据库,如什么样的工厂能够制造什么样的芯片,需要多长时间,从哪个机场运输原材料等。这些数据在他的总部基地巨大的屏幕上显示出来。

 

这个数据库使得他能够为客户(包括一些全球规模最大的公司)提供任何产品的外包生产服务。当然,也包括设计、包装、仓储、物流派送等。在这个过程中,凯西摆脱了传统商业中较大的风险因素之一——库存。随着销量的增长,他可以增加生产。如果销售缓慢,他便相应地调整全球网络。

 

这是没有资本的资本主义,它对《财富》500强公司的影响不容忽视。原因在于,当你需要的只是一个创意时,任何人都能参与其中,像朱莉娅·胡一样。凯西说:“我们拿到了她的设计,对大规模生产进行了修改,找到原材料,确保产品的尺寸能够以最经济、最高效的方式运输,然后再帮助她设计包装。”当日本的地震会影响到产品上市日期时,该怎么办?凯西的供应链会自我修复,就像肥沃的湿地苔藓一样。“我们找到另外一些供应商,在两天之内供应零件,一点儿都没有耽搁。”最后,胡和凯西甚至在品牌推广和市场营销方面也进行了合作。他们把这个智能手机手环称为“云雀”(Lark)。3凯西仅用6个月时间,便把它从一个原始的创意变成了最终成品,这实在是让人大吃一惊。

 

消费类电子产业每年的产值大约在1万亿美元。在这个世界中,大型组织就像霸王龙一样大跨步前进,挤垮(如起诉)或吃掉(如收购)小型组织。凯西和所谓的实时供应链所做的便是让这一产业更像软件业,由个人和小公司提供源源不断的创新想法。

 

那么,当硬件业变得更像软件业时,会发生什么呢?规则将会发生改变。当把一款产品推向市场的成本,或者把一个创意推向大众的成本有可能让一家机构陷入破产时,优先考虑安全而非风险是合情合理的选择。然而,非常戏剧性的是现在的情况已经不是这样了。互联网将之完全颠倒过来。

 

新的规则应该是拥抱风险。本章将让你清醒地认识到,我们的集体思维已经严重落后于科技发展的现状。

 

我们并不是说,每个人都应该参与极限运动让自己的人寿保险变得无效,而是说我们都应该理解已经发生而且每天都在以更快速度发生的巨大改变。

 

抓住这个有时令人困惑、令人害怕的新世界所提供的机会,需要决策者快速行动,摆脱传统的命令–控制型管理模式。一家公司曾就是否向伊藤穰一的一个项目投资60万美元进行可行性研究。即使这项可行性研究需要耗资300万美元,也没有让这家公司眨一下眼睛。这家公司僵化的程序以及未能拥抱风险的做法,导致其用价值300万美元的“理论”换回了价值60万美元的“事实”。

 

就像重实践而轻理论一样,“风险优于安全”的原则或许听起来不太负责任,但这是发掘低成本创新潜力的必要因素。

 

实施“风险优于安全”的战略,并不意味着要让你看不到风险所在,而是要让你明白,随着创新成本的下降,风险的性质也在改变。

 

遵循“风险优于安全”战略的投资者也必须改变其对失败投资的看法。当你的风险投资多于安全投资时,你必须愿意从那些不成功的投资中抽身。

 

即使是脸谱网和谷歌这样成熟的公司也都曾利用风险让自己保持灵活性和弹性,并随着环境的改变而改变战略和主打产品。

 

“随着时间的推移,(大多数)公司逐渐衰败,原因在于它们总是倾向于沿用与此前大致相同的做法,只做出很微小的改变。人们总是想做自己知道不会失败的事情,这很正常。但渐进的改良一定会随着时间的推移而过时,尤其是在科技领域,这个行业的改变绝不会是渐进的。”

 

“山寨”字面上的意思是“游击堡垒”,但现在已经成为制造廉价仿制品牌的代名词。大约5年前,改变便已经出现。首先是山寨产品的质量不断提高。然后,更令人惊讶的事情发生了,那就是山寨产品开始对原版产品进行改良,它们开始创新。由于不受专利和严格的法规限制,山寨产品制造商开始生产具有稀奇古怪功能的产品,如带有高清投影功能的手机。为什么不这样运作呢?利用凯西的超级快速、灵活的供应链,聪明的企业家可以小规模生产出不同种类产品的试用品,然后评估需求,再大规模生产销路好的产品。安德鲁·黄对《连线》杂志的记者说:“它们对硬件所做的事情就跟网络所做的复制、混成和刻录一样。”措手不及的大型消费类电子产品公司慌乱应战,争相追赶:带有双SIM卡(用户身份识别卡)卡槽的LG手机?内置假钞识别器的三星手机?这两种功能实际上都是山寨产品的创新。当然,当三星推出这一功能时,山寨厂商已开始转而开发更多其他功能和创新。大公司往往需要数月的时间才能对市场需求做出响应,它们赶不上山寨厂商的速度。与山寨厂商不同,大公司往往需要数月的时间才能对市场需求做出响应,它们赶不上山寨厂商的速度。

 

7000万年前,做一只恐龙是最好的,体形庞大、皮厚、牙尖、冷血,而且长寿。在很长一段时间里,做恐龙都是最好的。然后,突然间,一些古生物学者认为可能就是几个小时的工夫,这一切就改变了。9庞大的身躯需要消耗大量的卡路里,需要庞大的空间。因此,恐龙灭绝了。你知道哪个物种存在得更久吗?答案是青蛙。

 

附言:低买高卖

 

你必须了解风险,承担风险,但同时也要低买高卖。了解风险能够使你更准确地评估风险,因为风险一直都在。

 

除了“低买高卖”之外,风险投资的另一个重要经验是,当创新成本变得很低时,努力提高成功率要比减少损失更为重要。


原则五:违抗优于服从Disobedience Over Compliance

 

1926年,美国杜邦公司化学部主管查尔斯·M. A.斯泰恩说服该公司执行委员会资助“纯粹科学或基础研究工作”。这在现在看来十分合理,但在企业研发时代之前却并非如此。事实上,这个想法非常激进。

 

他有4个很好的理由解释杜邦为什么应该雇用科学家从事基础科学研究: 1.科学的威望会带来“广告效应”。 2.从事开创性研究能提升士气,并能创造机会招募拥有博士学位的化学家。 3.能够用新的科学知识交换其他机构的研究成果。 4.最后,也是最重要的,纯粹的研究有可能会应用于现实。1

 

斯泰恩于1930年6月升职,而后哈佛大学毕业的有机化学家埃尔默·博尔顿接管了化学部。与斯泰恩不同,博尔顿认为,只有产出商业结果的研究才有价值。

 

最早在杜邦研究实验室工作的科学家之一是哈佛大学的华莱士·休姆·卡罗瑟斯,他是一名年轻的有机化学家。卡罗瑟斯在杜邦专注于研究聚合物,他的实验室最终成功合成了氯丁橡胶和第一个真正的合成纤维,我们暂且称之为“纤维66”

 

尽管博尔顿强调应用研究,但卡罗瑟斯仍继续专注于自己的兴趣。20世纪30年代初,博尔顿坚持让卡罗瑟斯将研究重点转移到合成纤维,卡罗瑟斯开始利用之前在斯泰恩自由管理下积累的大量有关聚合物的知识进行研究。1935年,在历经多年对聚酰胺、酰胺和酯的不同组合试验并多次受挫后,他终于能够交出答卷:“这就是你们想要的合成纺织纤维。”此后,纤维技术迅速发展,并于1937年提交了专利申请。可悲的是,卡罗瑟斯几周后自杀身亡,杜邦研究实验室的实验也很快宣告结束。然而,他的发明,即杜邦公司所称的尼龙,却保持了快速发展的势头。到1941年12月,尼龙袜已占据30%的美国市场,是有史以来最成功的消费品之一。

 

“违抗”通常要比“服从”获益更多,尤其在解决问题等关键领域。创新需要创造力,而创造力需要摆脱束缚,这让那些出于善意的(和不那么善意的)管理者备感挫折。

 

20世纪20年代初,3M[1]公司研究员迪克·德鲁(Dick Drew)将其研究重心从砂纸转移到新型胶带。此前,砂纸一直是公司的主打产品。他的新研究方向和他的日常工作——寻找将研磨剂粘到纸上的更好方法——没有太大区别。但对于公司总裁威廉·麦克奈特(William McKnight)来说,这已偏离太多。他要求德鲁立刻中止现在的研究,回到原来的工作岗位。 德鲁答应了,但仍坚持研发一种更好的遮蔽胶带。1925年,德鲁研制出了首款带有压敏黏合剂的胶带。不久之后,他发明了透明胶带(人们所熟知的苏格兰胶带),从此彻底改变了3M公司的经营轨迹,从一家生产砂纸和金刚砂的美国本地制造商转变成为多元化经营企业,而且仍在继续从事一些令人意想不到的研究,例如意外发明了便利贴

 

探索、质疑、违抗,这种对待工作和学习的方法帮助推动了互联网的诞生和发展,也改变了从制造业到安全产业等各行各业的发展轨迹。互联网的先驱们最初创业时都没有商业计划书,也没有获得别人的认同,他们只是做他们要做的和想做的。

 

直到现在,硅谷依然占据特殊地位,是灵敏、充满生机、无限制创新的中心。

 

使实验室每个人的创新产出最大化,人们通常要“遗忘”以前被灌输的思想,比如必须知道什么是“正确”答案,被要求做什么,以及为求“通过”必须要遵守什么。

 

附言:有良知的违抗

 

“没有人是靠别人告诉他怎么做而赢得诺贝尔奖的。”我接着解释,没有公民的不服从,就不会有美国民权运动;没有甘地及其追随者的“非暴力不合作”,印度就不会实现独立;新英格兰地区所称赞的波士顿茶党也是违抗的产物。

 

有益于社会的抗争和无益于社会的抗争之间有一条模糊的界限,有时只有在回顾事情时才会变得清晰。我不是鼓励人们违法或仅仅是为了抗争而抗争,但我们有时应当对照第一原则,思考法条和规则是否公平,我们是否该质疑它们。

 

社会和学术机构一般倾向于遵守规则,远离混乱。这个过程扼杀了“叛逆精神”,同时也扼杀了创造力、灵活性和富有成效的改变,长此以往就会影响社会的健康和可持续性。

 

原则六:实践优于理论Practice Over Theory


“实践”优于“理论”意味着,人们要意识到,在节奏快变成新常态的未来,等待和计划的成本要比先实践后随机应对更高。在过去的慢节奏时代,在做所有事情时,尤其是需要投资的事情,规划是避免失败带来经济灾难和社会不良影响的关键一步。然而,在互联网时代,有的公司却欢迎甚至鼓励失败。商界一般都把新尝试带来的“失败”看作一次廉价的学习机会。

 

在何种情况运用“实践”优于“理论”这条原则取决于你所在的行业。基础设施和其他资金密集型项目很少会让你重复尝试或冒较大的风险。这与诸如软件、市场营销等相对更高端更精细的领域形成鲜明对比,后者的成本结构有根本性的新变化,需要有相应的应对方法。

 

当我们讨论学习时(与之相对的是教育),我们真正讨论的是取代传统、单向、自上而下的知识传递模式,代之以一个主动的互联系统,教人们如何去学习。教育是别人教授你知识的过程,而学习是你自己教授自己知识的过程。

 

未来,我们会和增强我们智能和体能的人工智能以及机器人一起发展并持续互联。为什么要让这样的教育系统继续运转?这样的系统努力把人类编程为为工厂取得成功的人肉机器人,而非在后工业前、人工智能时代取得成功。为什么不让人类充分释放懒散、感性和有创造力的本性,并结合未来的人工智能以及机器人,一起创造未来的劳动力?

 

附言:当理论失灵

 

理论本身是有诱惑力的,也是危险的。“实践”必须贯穿“理论”,就像“理论”必须贯穿“实践”一样。在快速变化的世界中,这一点前所未有的重要。未来的科学发现一定会检验我们最看重的主张。当证据表明我们只不过是围绕恒星运转的一个星球时,我们要确保自己不是下一个梵蒂冈罗马教廷。

 

原则七:多样性优于能力Diversity Over Ability

 

2011年秋季,《自然——结构与分子生物学》杂志刊发的一篇文章表明,经过10多年来的不断努力,研究人员最终成功破解了类似艾滋病病毒的逆转录病毒所使用的蛋白酶结构。人们普遍认为,这一成就是一项突破。为这一发现做出贡献的国际团队名单中,一个名叫“蛋白质折叠游戏(Foldit)虚无之客小组”的团队被列入其中。该小组是一个电子游戏玩家团体。“蛋白质折叠游戏”是华盛顿大学一群科学家和游戏设计者开发出来的一项新奇试验,有些玩家还在上中学,而且很少有人拥有科学背景,特别是微生物学背景。数小时内,成千上万的玩家彼此竞争(并且相互合作)。三周过后,他们在微生物学家和计算机未能取得成功的领域获得了成功。该款游戏的共同开发者之一戴维·贝克(David Baker)当时表示:“游戏玩家解决了长期困扰科学界的问题,这还是第一次听到。”

 

衍生阅读Foldit(来自知乎),Foldit游戏有着诡异却又诱人的画面,玩家的任务就是折叠蛋白质,寻找它最稳定的状态。它本身就是一个应用在科学研究的游戏。这个游戏主要内容就是由玩家进行设计、折叠蛋白质,而科学家们则可以研究玩家们设计的蛋白质,看看能不能用在新药里。科学家们一直研究爱滋病的逆转录酶,已有十五年之久,这种蛋白质酶是爱滋病毒在活体细胞中复制和繁殖自己的重要关键,但在游戏中逆转录酶的结构在十天内玩家们破解。Foldit 是结合众包分布式计算所得的成果。


蛋白质折叠游戏和本章谈论的其他成就可能将会给我们应对疾病的方式带来革命性变化。但与此同时,它们也呈现出了另一种情形:人们意识到,传统的管理实践经常会在“谁最适合做哪项任务”上大错特错。至少在纳米生物技术领域,将人才与任务匹配的最佳方式并非是让学历最高的人承担最困难的任务,而是要观察成千上万民众的行为,并确定谁最具备完成该项任务所需的潜质。

 

特勒耶注意到,他和Eterna小组的其他同事能够“筛选掉数十万擅长解决困难题的人”。换句话说,他们能够以十分高效的方式找到合适的人完成相应的任务,这并非基于某人的简历,也不是基于“自我选择”的魔力,而是基于游戏生成的成千上万数据点实现的。Eterna颠覆了人们对劳动力的最佳分配方式是命令——控制式管理这一资本主义核心假设的认知。Eterna依赖的是以往被低估的特性——多样性。的确,在互联网出现之前,人们通常认为这很难实现。

 

“业余爱好者、兼职者的努力突然有了市场,聪明的公司发现了利用潜在大众人才的方式。劳动力并不一定是免费的,但成本要比传统的雇员低得多。这并不是外包,而是众包。”

 

美国国家航空航天局(NASA)、乐高集团(LEGO Group)和三星等公司将公众的贡献融入商业运营的核心之中。在这一过程中,它们重新确定了传统上将生产者与消费者严格区分开来的边界。

 

美国礼来制药公司于2000年创办了InnoCentive,InnoCentive将大公司、商业研发实验室以及医学研究倡议遇到的难题公布在网络公告站上。来自大约200个国家近40万的专业人员和业余科学家经常访问该网站,其中有超过一半的人居住在美国以外的国家。每个人都可以发布自己的解决方案。如果该方案切实可行,发布者就将得到奖励,奖金通常在1万美元——4万美元。InnoCentive公司表示,大约有85%的问题最终得以解决。鉴于挑战的难度系数,这样的成功率已经算是高的了。解决难题的人中超过60%拥有硕士或博士学位,而更令人惊讶的是,将近40%的人并没有这些学位。事实上,解决最多难题的人类似:加拿大一名杂务工,他为了照顾父母而退学,中断了攻读粒子物理学的博士学位。

 

自我复制是高能力的天性,同此前的专家一样,新的专家团队也是在相同的顶尖学校、机构和公司接受训练。这两组同样能力超群的专家团队会用相同的方法去解决问题,产生同样的偏差、盲点和无意识倾向。《差异:多元化如何仿造出更好的组织、公司、学校和社会》(The Difference:How the Power of Diversity Creates Better Groups, Firms, School, and Sociaties)一书的作者斯科特·E.佩奇说:“能力很重要,但其边际效应会递减。”

 

附言:差异化带来的不同

 

无论是对雇主还是雇员、管理人员还是工作人员,多样性都将带来全面的好处。拥有不同知识背景员工的机构似乎在解决问题时会更有优势。

 

原则八:韧性优于力量 ResilienceOver Strength

 

“韧性优于力量”原则的经典例证便是芦苇和橡树的故事。飓风肆虐时,钢铁般结实的橡树被连根拔起,而柔软、极具韧性的芦苇弯下了腰,待飓风过去后又迅速生长。在对抗的过程中,橡树已经注定失败了。

 

通常而言,大公司就像橡树,自身变得强大以抵御失败。它们储备资源,实施层级管理、僵化的发展模式和五年计划,旨在使自身免于混乱。换句话说,它们认为相比风险,安全更重要;相比拉力,推力更重要;相比涌现,权威更重要;相比违抗,服从更重要;相比指南针,地图更重要;相比系统,个体更重要。然而,在互联网时代成长起来的软件公司采取了不同的方式。

 

常枞张其口而示老子曰:吾舌存乎?老子曰:然。”“吾齿存乎?老子曰:亡。常枞曰:子知之乎?老子曰:夫舌之存也,岂非以其柔耶?齿之亡也,岂非以其刚耶?常枞曰:嘻!是已,天下之事尽矣!何以复语子哉?

 

视频网站YouTube是践行该方式的绝佳例子。在其最早的迭代中,YouTube还是一个叫作“收看约会”(Tune in Hook Up)的视频约会网站。它失败了,但它的原始文件在互联网档案馆(Archive.org)上被保存了下来,最早抓取的YouTube网站信息包括菜单选择“我是男性/女性,寻求18——99岁的男性/女性”。

 

然而,YouTube的创始人已经意识到互联网需要的不是另一个约会网站,而是一个分享视频内容的网站。从某种程度上来说,2004年发生的两件大事启发了他们。一个是珍妮特·杰克逊(Janet Jackson)在“超级碗”(Super Bowl)上的“走光”事件;另一个是印度洋海啸。

 

从传统角度看,YouTube的起家并没有强大的基础。它只有三个成员,其中一个在网站上线之前就回校了,没有承担任何管理责任。他们没有商业计划书、没有专利权、没有外部资本,但这恰恰使他们在原有想法失败时,能够自由地变换业务领域。

 

有足够韧性的机构不仅能顺利从失败中恢复过来,而且还得益于免疫系统效应。正如健康的免疫系统通过发展对抗病原体的新预防措施以应对感染一样,一个有韧性的组织会从错误中学习并适应新环境。这种方法帮助塑造了今天的互联网。

 

假以时日,注重韧性优于力量策略还能帮助机构开发更加活跃、强健、有活力的系统,该系统更能抵御灾难性故障。因为它们不在预测未来上浪费资源,不在不必要的手续和程序上浪费过多的时间或精力,它们能确立机构健康发展的基线,帮助它们度过意想不到的风暴。

 

当抵御失败的成本超过屈从于失败时,敢于承认这一点;保持韧性,即便公司处于蓬勃发展中。

 

第一次世界大战后,法国人偏执地认为德国人会手持枪支入侵自己的国家,这一点可以理解。因此,1930——1939年,法国在与德国450英里长的边界上修建了一系列大规模防御工事——马其诺防线(Maginot Line),它宣称是滴水不漏的完美防御。正如任何一个孩子都会向你讲述的那样,德国人只是耸耸肩,绕到了防线后面。讽刺的是,马其诺防线确确实实没有被攻破。直到今天,它仍是一道不可穿越的栅栏。该防线的失败在于设计师没有想到如何以允许你继续战斗的方式输掉战斗,这恰恰是你能找到的关于“韧性”的完整定义。

 

附言:容忍混乱,或者接受意料之外的事

 

韧性并不一定意味着你能预料到失败,意味着你知道你无法预料下一步,却在情境感知下工作。


 原则九:系统优于个体 SystemsOver Objects


直到最近,科学研究大脑的方法还和研究肾的方法一样。换句话说,研究者将这个器官视为“个体”,将整个研究的核心放在专攻它的解剖结构、细胞组成以及其在体内发挥的功能。博伊登并未遵循这种学术传统。他在媒体实验室中的研究小组叫作合成神经生物学小组,倾向于将大脑看成是动词而不是名词,它不是单独的器官,而是重叠系统的中心,要在决定其功能的刺激因素不断变化的背景下去理解它。

 

大脑是我们最神秘的器官,我们孜孜不倦地研究和探索,然而收效甚微。但在过去十几年中,相关研究已经有了长足进步,这很大程度得益于36岁的博伊登的一些突破性研究所发挥的关键作用。


人类的大脑平均有1 000亿个神经元。如果用人口类比神经元,一平方毫米大脑组织(想象一下一粒罂粟籽大小)就能容纳美国加利福尼亚州伯班克市的人口。这还没有把周边将要变成神经元的1万亿个神经胶质细胞计算在内,它们就像为印地赛车手服务的维修站机械师。

 

让神经科学家感到惊叹也困惑的并不是大脑中细胞的数量,而是存在于细胞和细胞之间的东西。无法追溯哪些特定的神经元生成爱,也找不到导致不同形式愤怒的确切的大脑区域。意识是“涌现”原则的终极表现。

 

单一神经元和其他神经元之间有数以百万亿计的连接,也称为突触。这些连接等同于数千个银河系一样的星系中的众多恒星,这一点解释了为什么大脑的复杂程度堪比宇宙,它是人类认知中一片广大而未知的前沿领域。

 

这些连接产生的计算能力足以让任何一个人重拾自尊。你的大脑能存储2.5千万亿字节的数据量,这意味着只需10个人以及他们携带的脑灰质,就可以超过1995年所生产的全部硬盘的存储量。尽管人类成功制造了超级计算机,具有和大脑一样的22亿倍每秒百万浮点运算速度,但数量仅有4台,每台都占满了整个仓库,所耗能量可供一万个家庭使用。而大脑仅耗费点亮一盏电灯泡的能量。所以,揭秘大脑不是一个“难题”,这是历史的困局,没有先例或可供参考的样本。

 

博伊登结识了一名医学专业学生卡尔·戴瑟罗斯。两人进行了长时间的头脑风暴,寻找触发特定神经元的方式。这些方式和现阶段脑科学研究方法不同,实际是内嵌于生命体的大脑中。他们想到一个方法,使用磁珠打开个体神经元内的离子通道。但博伊登很快找到了另一种实现相同目的却完全不同的途径,用一种叫作视蛋白的对光敏感蛋白质,“通过对光的反应将离子打入神经元或从中抽出”。

 

此前,神经科学家只是观察发生在大脑中的一切,观察大面积的神经元细胞对某种刺激做出反应,并试图推测其中的因果关系。但有了戴瑟罗斯和同事称为“光遗传学”的新技术后,研究者可以刺激单个神经回路,并观察其反应。这是一项十分重要的突破,

 

光遗传学给大脑研究带来了革命性变化。自光遗传学出现以来,博伊登和其他研究者已经改进了相关技术,通过基因改造使神经元识别不同颜色的光。几年前,博伊登和一组研究人员使用这项技术治愈了老鼠的失明。虽然不可能准确描述失明的老鼠在植入对光敏感的细胞后到底“看到”了什么,但研究者判定这些老鼠同不失明的老鼠一样能通过出口被亮色标注的六臂迷宫,而且要比那些没有接受治疗的失明老鼠容易得多。其效果在10个月的研究期间治疗一直有效。

 

此外,光遗传学也帮助带动了其他技术的进一步发展,如神经记录和神经影像技术。随着新的视蛋白在微生物和藻类中被发现,光遗传学应用的可能性大大增加



“系统优于个体”原则让人认识到,负责任的创新不只需要速度和效率,同时也要持续关注新技术带来的整体影响,以及理解人、社区和环境之间的关系。

 

前几代人的创新主要受涉及个人利益或企业利益的问题驱动,比如“这个东西能给我带来什么?我如何用它去赚钱?”然而,创新者不用考虑生态、社会和互联网的影响而去开发新产品和新技术的时代已经过去。未来,驱动创新必须考虑到创新潜在的系统影响。我们运用这个策略,可以保证未来的创新对我们生存的多种自然系统有积极影响,或至少是不好不坏的影响。

 

“系统优于个体”为我们阐释了这样一个原则:干预每一项科学和技术的创新必须考虑到其对全球网络的整体影响。

 

共同设计的本质便是激发用户寻找解决方法的能力,这一解决方法根植于他们所在的系统中,并对系统有所回应。

 

这种方式的优势之一是能打造出高度有韧性的系统,当其用户需要变化时可以快速响应。

 

谷歌在介绍其无人驾驶汽车时,强调汽车本身只是一个“个体”,驾驶它的人工智能是“系统”,只不过无缝衔接地融入了其他所接触的系统。基于“个体”的方法设计无人驾驶汽车,得到的至多是昂贵的玩具,或被设计成能使车企利润最大化的货运汽车。然而,谷歌利用基于“系统”的方法,则是旨在为人们的生活带来真正的变化。

 

总结


围棋相比于国际象棋规则更加简单,它只有两个规则,同时也更加复杂,从数量级来说,围棋可能的步数甚至超过宇宙中的原子数量。直到最近,围棋的这些特点——接近于无限的可能性、更多依靠直觉而非逻辑,使得编程一台电脑让其能够下围棋成了数学领域一个“艰难的问题”,这其实是“不可能”的委婉说法。这个问题也无法用与解决国际象棋表面上相似问题的方法加以解决。IBM的一个计算机科学家团队花了12年时间研制出了深蓝(Deep Blue),这台电脑拥有击败国际象棋大师的能力。深蓝于1997年取得了成功,它在6局对弈中战胜了加里·卡斯帕罗夫(Garry Kasparov)。深蓝拥有每秒钟分析2亿个棋位的能力,它依靠的是“暴力”(brute force)算法,能够评估每一步棋未来20步的每一个可能后果。 每秒钟计算2亿个棋位,这听起来像是一个很庞大的数字,但深蓝却无法挑战能力适中的围棋八段棋手。那360颗黑白棋子所蕴含的可能性之多会令人头晕目眩。全新的游戏理论和数学领域被创造出来,以使我们微弱的大脑甚至能够思考这些问题。对于深蓝这样的使用暴力算法的机器智能,下围棋将需要比我们所处宇宙的1000兆年预期寿命更长的运算处理时间。

 

2006年,一位名叫雷米·库隆(Rémi Coulom)的法国计算机科学家发表了一篇论文,暗示将发起新一轮的冲击。在20世纪50年代,研究人员已经开发出一种搜索算法为核爆炸的效果建模,它是以蒙特卡洛大赌场命名的。因无法探索每种可能的结果,蒙特卡洛搜索了全体的一个统计学样本。库隆进一步改善了这种算法,使得这种软件能够识别出一些棋步应该获得比其他棋步更多的关注。其中一些是能够带来更多可能性的节点。库隆对他的蒙特卡洛树搜索算法进行编程,以确定采用哪种顺序下出的棋步获胜概率最大,然后再关注在这一特别节点引发的结果。这使得该软件能够学习成功的游戏模式,而人类棋手通过无数小时的下棋将这些模式潜意识地内化于心。

 

在接下来的几年内,库隆编写的程序“疯狂的石头”(CrazyStone)开始在其他软件产品中取得压倒性胜利令人印象深刻。

 

2016年1月刊发一篇轰动性文章之前的事情。这篇文章称,谷歌的人工智能项目——深度思维(DeepMind)已经加入到这场竞赛中来。深度思维开发的程序被称作是“阿尔法狗”,它首先从围棋过往比赛的浩瀚棋谱中学习,而后又通过创新形式的增强学习,不断自我对弈,直至变得越来越强大。

 

“阿尔法狗”也即将迎来它的“卡斯帕罗夫时刻”。《自然》杂志披露,2016年3月,它将与李世石(LeeSedol)对弈,后者是公认的在围棋界目前最伟大的大师。并非所有人都对机器无情地入侵人类生活的方方面面欢呼雀跃。在《自然》杂志发表上述文章的那一天,马克·扎克伯格发布了一条帖文宣称,Facebook(脸谱网)也有自己的人工智能,能够在围棋比赛中击败人类。“你为什么就不能放过这一古老的游戏,让它不受任何虚拟玩家的干涉呢?我们真的所有一切都需要人工智能吗?”

 

围棋欧洲冠军樊麾是在两名观众的面前完成与“阿尔法狗”的5局对弈的:一名裁判和一名来自《自然》杂志的编辑。李世石是在首尔四季酒店内,面对来自全球各地的电视镜头开始第一局对弈的,它们来观看我们拯救自身存在缺陷、不可预料的人性的最后、最大的希望。李世石下出了一系列冒险、非传统的棋步,他或许希望这些棋步会让一台阅读过大量棋谱的机器猝不及防。但“阿尔法狗”并没有眨眼,逐步掌控了棋局直至最终获胜,抵挡了李世石的进攻行为。在击败李世石一局之后,深度思维团队已经完成了掌握这门一直被认为是人类思考过程真实写照的游戏。突然之间,在整个系列赛中获胜的希望近在咫尺了。

 

在第二局比赛中,李世石表现出刚建立起的对阿尔法狗的尊重,他下棋很谨慎、毫无漏洞。他的身上也散发出了一股平静却坚定不移的信心。随着比赛进入中盘,“阿尔法狗”做出了不同寻常的举动:它下令让代它落子的人将一颗黑子落在了棋盘右侧的空盘中。这在其他情况下或许说得通,但在当时的棋盘上,“阿尔法狗”似乎在放弃棋盘下部的较量。这历史性的一手棋是人类不可能下出来的,根据阿尔法狗的计算,人类下这一步的概率是万分之一。这一手棋在观战者中间立即造成了震动和困惑。李世石脸色变得苍白,起身离席15分钟才返回。英语解说员也沉默了下来,直至其中一位带有很大保留地说:“这是十分出人意料的一步棋。”

 

“这是‘非人类’的一步棋。我从没见过任何人下过这样的一步棋。”正如梅茨后来所说,10围棋2 500年的知识集合和认知不会让任何人在系列赛中的第二局下出黑棋第37手,除了樊麾。他说:“漂亮。”他又数次重复了这个词语。这已经不仅仅是“手筋”——一步能够让对手卸下提防的妙招。这是兼具美感和战略才华的杰作,或许甚至可以说是妙手。

 

当天结束,头条新闻并不是阿尔法狗赢得第二场比赛,而是它的这一手展示出了如此深刻的人类特性——即兴创作、创造性,甚至是某种优雅和魅力。我们由此得知,这部机器拥有灵魂。

 

在人机大战决出胜负几周后,谷歌深度思维背后的人工智能研究员之一——杰米斯·哈萨比斯(Demis Hassabis)在麻省理工学院发表了一次演讲,谈到了这场比赛以及他的团队是如何开发“阿尔法狗”的。

 

关键是将深度学习——一种模式识别,类似于人类大脑(或谷歌)在看过多幅图像之后能够识别出一只猫或一辆消防车——与“学习”聪明地结合在一起,它由此可以从统计数据上猜测出可能会发生什么,或者在围棋比赛中,考虑到过往所有比赛,一名人类棋手可能会在特定的棋势内下出哪一步。这便是一名围棋棋手最基本的模式:从他学习到的历史棋谱的模式中猜测下一步如何走。然后,他们再添加上一种强化学习,让计算机尝试新的东西。就像大脑通过得到多巴胺的奖励进行学习一样,当它做出成功的举动后,便会强化“这是正确的”的神经通路。强化学习可以让一台计算机做出尝试,奖励成功的实验,并由此强化这些战略。

 

第37手并不是系列赛中最后的戏剧性时刻。在第二局对弈之后,李世石也做了功课,根据蒙特卡洛树搜索算法的已知弱点制定了战略。李世石开局便制造“劫争”,即一方提掉另一方的子,迫使其反击或放弃主动权。像李世石这般水平的棋手采取如此进攻性的开局,大多数对手都会被击溃。然而,“阿尔法狗”似乎毫不费力地化解了每一次完美的攻击。在第176手之后,李世石投子认负,他输掉了整个比赛,也输掉了比赛的100万美元奖金。在比赛之后举行的新闻发布会上,李世石看上去似乎是肩膀承载着代表整个人类物种的压力,他向全球观众致歉。他说,人类必须应对心理博弈,同时又要应对棋盘上的比赛。他不无悲伤地说:“我无法克服压力。”

 

不足为奇的是,第四局比赛在严峻的背景下开战。已经如此轻而易举地将处于创造性巅峰的李世石击败,“阿尔法狗”似乎注定会在最后两盘中横扫获胜。第四局比赛的前半段没有显示出任何不同于此猜测的迹象。然而,李世石做出了出人意料、重大的举动,他在中腹祭出了“挖”的妙招。全球数百万人突然明白,“阿尔法狗”对这一招束手无策,完全不知道如何应对。它下出了几招笨棋之后认输。评论员称,李世石下出了大师级的妙招——可能是他独有的妙手。最终,阿尔法狗获得了5局比赛中的4局胜利。

 

人们或许认为,一台计算机击败了围棋历史上的传奇冠军可能会减少人类对围棋的兴趣,或者让围棋变得不再那么有趣。事实上,在线观看比赛视频的人数超过观看超级碗比赛的人数。围棋棋盘的销量也大幅增长。很明显,“阿尔法狗”并未让围棋变得不再有趣,反而为这项运动、围棋选手和学者界注入了一股创造力和能量。

 

未来不一定会出现类似于终结者的智能,由它们来决定人类是不好的存在,必须消灭。未来社会将是人类和机器合作,相互启迪,让集体智能不断扩大。

 

未来学家、经常进行巡回演讲的雷·库兹韦尔(RayKurzweil)在他2005年著作《奇点临近》(TheSingularity Is Near)中普及了指数式改变的概念。库兹韦尔预测,到2029年,计算机将拥有同人类一样的阅读能力,奇点——机器变得比人更聪明的时刻,将于2045年到来。根据奇点理论,到那时,我们将会亲眼见证“智能爆炸”,机器将能够快速设计出更加智能的机器,

 

库兹韦尔认为,我们会进入极乐超人类主义阶段,人类和机器之间的界限将难以区分,畅游在地球上的超级智能将解决人类面临的所有问题。贝宝创始人之一、特斯拉汽车(Tesla Motors)发明人埃隆·马斯克(Elon Musk)等人则认为,机器肯定会把人类视作感染地球的转移性癌症,进而将现代人类消灭。

 

我们则支持另外一种更加宽泛的观点:人工智能可能是好的,也可能是坏的。或许与未来世纪可能发生的威胁或好的成果相比,它根本不重要。我们并不能更多地理解新技术最终的用途将带来什么影响。

 

由于人工智能被用作从Siri到特斯拉汽车等所有一切事物的标签,我们认为这一问题解决类的人工智能是“狭义的”或“专业化的”人工智能,以区别于通用人工智能(AGI,artificial general intelligence)。在我们达到通用人工智能之前,仍需要在机器学习和其他领域实现数十项进步,但“阿尔法狗”已经实现了其中几项进步。然而,尽管“阿尔法狗”很聪明,也很有创造力,但它只能在围棋上击败你。在“阿尔法狗”对去夜店或参加竞选感兴趣之前,仍然需要实现很多的技术突破。事实上,我们或许永远也不会拥有能去夜店或参加竞选的机器。然而,或许不需要太长时间,“阿尔法狗”便可以决定假释、设定保释金额、开飞机或教我们的孩子。

 

随着人工智能的不断进步,机器或许将成为我们的身体、家庭或交通工具、市场、法院系统、创新工程和政治不可或缺的一部分。我们作为社会整体已经比作为个体更加智慧了。我们已经是集体智慧的一部分。随着机器不断融入我们的网络和社会,它们将成为我们自身智慧的延伸,带领我们进入到更加广阔的智慧中去。

 

我们还必须自我发问,人类和机器如何共同合作,我们如何确保人们会感觉生活在他们身边的人工智能拥有与他们相同的价值观,并反映出他们的道德,即便它们在不断进化。一种前景被看好的做法是如媒体实验室可扩展合作研究小组负责人伊亚德·拉万所说的“众机回圈”(societyin the loop)式的机器学习,即通过社会规范来训练和控制人工智能,这或许将产生一种人类和机器协同进化的体系。

 

这些事件将在未来几十年内逐一展开,或许会比本书中讨论的其他事物更能够影响整个世界。无论发生什么,奇点主义者们在一件事情上是正确的:以指数速度发展的并不仅仅是技术,改变自身也在以指数速度发生。改变是技术带来的产物,同样也是其他发展带来的产物。在过去25年间,我们已经从一个由简单体系占据统治地位的世界进入到被复杂体系所困扰和阻碍的世界。在序言部分,我们已经解释了这一转变的背后因素。它们分别是复杂性、不对称以及不确不可预见性。

 

我们的确要表达一个观点:创新并不是学习如何利用社交媒体产生潜在客户。根据全球网络化来修正企业也不仅仅要为管理团队购买昂贵的电话会议设备。相反,我们认为,这需要一种更加深刻、更加基础的变革:一种全新的思考模式——一种堪比四足动物学习用两只后腿站立的认知革命。

 

现在,大多数学术领域内的进步似乎都以“瞬间”的速度发生,许多发现都以令人眼花缭乱的速度建立在彼此之上。6年后,优步(Uber)的估值达到了625亿美元,超过了赫兹租车和其他所有大型汽车租赁公司的总和。然而,与大多数市场价值超过多数岛屿国家的公司相比,优步似乎只依靠很少的员工,大约只有1 000名雇员。这与沃尔玛在宾夕法尼亚州利哈伊谷的配送中心的雇员人数相当。这一切都证明了互联网和摩尔定律结合在一起之后所发生的事情。下一步会怎样?你不知道?猜猜看。其他人也不知道。没有人能够预测未来。

 

世界正处在根本结构性变革中。我们必须具备这样一种能力,即下意识地适应和发现因为不适应我们的旧习惯而被忽视的事情。我们正在经历整个世界发生大变革的阶段,在我们的有生之年,世界可能因为人工智能而发生天翻地覆的改变。


Copyright © 云南橡胶材料价格联盟@2017