[[322374]]

我們來看看人類認(rèn)知能力的全部特征。我們先將Fleishman的21種能力整合成兩組，每組各五種能力。與其中一組能力相關(guān)的工作已經(jīng)或即將被機(jī)器接管，另一組中人類處于支配地位。注意，盡管一些未來學(xué)家聲稱計(jì)算機(jī)將完全取代人類，但仍然有一個(gè)充滿挑戰(zhàn)的世界等待你征服。

你的長處是什么?

機(jī)器智能的長處：

• 理解與表達(dá)
• 感知細(xì)節(jié)和模式
• 數(shù)字處理
• 記憶
• 記錄和整理

人類思維的長處：

• 想象
• 創(chuàng)造
• 演繹推理
• 歸納推理

構(gòu)建問題解決方案

注：以上對Fleishman的21種能力做了合并簡化，并省略了原作中的“空間定向”和“可視化”。

這份名單不是很嚴(yán)格，我們畢竟不是心理學(xué)家，只是用它來闡明我們對領(lǐng)導(dǎo)者未來腦力工作要求的展望。

假設(shè)你幾十年前成立了一家創(chuàng)業(yè)公司，找了一個(gè)能力上與自己互補(bǔ)的合作者，這樣可以保證這個(gè)雙人團(tuán)隊(duì)擁有所需的全部思維能力?？赡苣銈兤渲幸蝗松瞄L左欄中的技能，另一人擅長右欄中的技能。

注意，這兩組能力不一定與“左腦”思維和“右腦”思維的概念相關(guān)。我們認(rèn)為，擁有左欄技能的合伙人從今天起可以逐漸退休了，因?yàn)閹缀跛械娜祟愇磥韮r(jià)值將由擁有右欄技能的合伙人創(chuàng)造出來。

巨大的變化即將到來。領(lǐng)導(dǎo)者如此，工人也不例外。如今，許多坐在屏幕前做數(shù)字和文字處理的白領(lǐng)工作者，很快會(huì)發(fā)現(xiàn)手上的工作全部移交給了聰明的算法。

在發(fā)達(dá)經(jīng)濟(jì)體中，服務(wù)業(yè)創(chuàng)造了大約80%的就業(yè)機(jī)會(huì)，其中大多數(shù)職位都需要左欄中的技能：聽、說、讀、寫，感知細(xì)節(jié)，以及安排任務(wù)步驟等。機(jī)器很快就會(huì)接管所有這些任務(wù)。

牛津大學(xué)的Carl Benedikt Frey和Michael Osborne在2013年的一篇論文中指出，目前美國47%的職業(yè)崗位距離被機(jī)器替代僅有一步之遙。

會(huì)計(jì)師、律師助理、技術(shù)文檔作者、專利律師和放射科醫(yī)師都有可能步電話總機(jī)接線員的后塵。那些一直依靠在左欄技能上表現(xiàn)卓越而得以立足的領(lǐng)導(dǎo)者也是如此。僅在美國，失業(yè)人數(shù)就可能增加到數(shù)千萬人。是否會(huì)有新的職業(yè)類型出現(xiàn)來收拾這個(gè)攤子還有待觀察。

因此，計(jì)算機(jī)技術(shù)的演變要求我們重新審視人類應(yīng)當(dāng)發(fā)展哪些有價(jià)值的認(rèn)知能力。

我們曾經(jīng)認(rèn)為人類的智慧是獨(dú)一無二的，如今，更加聰明的機(jī)器將要接管一些我們并不認(rèn)為是機(jī)械式的工作。在物流配送、在線廣告和某些醫(yī)療診斷等復(fù)雜工作中，機(jī)器已經(jīng)是更好的決策者了。在這類工作中，人們用一輩子積攢的經(jīng)驗(yàn)可能都比不上機(jī)器(除非你是杰出專家)。

與通常的機(jī)構(gòu)變革不同，重新分配工作職能的過程會(huì)非常迅速。機(jī)器在計(jì)算速度、復(fù)雜問題求解以及結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)處理方面都跨越了更高的門檻。隨之而來的變化將會(huì)以互聯(lián)網(wǎng)的速度出現(xiàn)，這比公司和大學(xué)對人員再培訓(xùn)的速度快得多。

因此，你面臨的挑戰(zhàn)是重塑一個(gè)智慧型領(lǐng)導(dǎo)者的模型。面對著高智能的機(jī)器，你應(yīng)該如何構(gòu)建人機(jī)協(xié)作的模式，讓自己仍然擁有力量強(qiáng)大的智慧?

在研究這一變化之前，我們先看看左欄中列舉的各種能力。它們屬于機(jī)器新進(jìn)入的認(rèn)知領(lǐng)域：理解與表達(dá)，感知細(xì)節(jié)和模式，數(shù)字處理，記憶，記錄和整理。

機(jī)器逐漸展現(xiàn)出了超越人類局限的思維能力，我們不能再信奉過去的成功公式。我們必須確定如何構(gòu)建人機(jī)智能，從而在戰(zhàn)術(shù)和戰(zhàn)略方面都激發(fā)出高水平的創(chuàng)造力，引領(lǐng)企業(yè)高效發(fā)展。

01 理解與表達(dá)

當(dāng)颶風(fēng)、地震或洪水襲擊美國時(shí)，聯(lián)邦、州和地方各級應(yīng)急機(jī)構(gòu)立刻會(huì)采取行動(dòng)。多數(shù)情況下，在整個(gè)危機(jī)持續(xù)期間，工作人員會(huì)在數(shù)小時(shí)之內(nèi)提交關(guān)于進(jìn)度、問題和反饋的“事后報(bào)告”。一張又一張價(jià)值無限的深度報(bào)告向領(lǐng)導(dǎo)者涌來。

當(dāng)然，在危機(jī)期間沒有人能夠真正坐下來研究所有的報(bào)告。但是，需要有人全面掌握危機(jī)事態(tài)和優(yōu)先事項(xiàng)。即使在危機(jī)結(jié)束后，全面理解危機(jī)的細(xì)節(jié)并從中發(fā)現(xiàn)關(guān)鍵點(diǎn)，也需要一個(gè)高效能的大腦。

自然語言處理技術(shù)讓領(lǐng)導(dǎo)者不再需要正襟危坐、逐字逐句閱讀文本中的信息，這給他們的世界帶來了什么變化?機(jī)器可以閱讀報(bào)告并迅速將問題定位到程序混亂、人員短缺、設(shè)備缺口或物流瓶頸，讓領(lǐng)導(dǎo)者的快速理解能力相形見絀，這又會(huì)導(dǎo)致什么變化?

在各種復(fù)雜、混亂和不斷變化的情況下，機(jī)器都可以比領(lǐng)導(dǎo)者更快地準(zhǔn)確找到解決問題的關(guān)鍵點(diǎn)。

對于機(jī)器來說，問題復(fù)雜度和信息流的不間斷性都不是處理時(shí)的障礙。數(shù)據(jù)科學(xué)家用類似危機(jī)中發(fā)現(xiàn)的模式訓(xùn)練計(jì)算機(jī)，之后，計(jì)算機(jī)就會(huì)閱讀每一份新存檔的報(bào)告并發(fā)出相應(yīng)的警報(bào)。在實(shí)時(shí)總結(jié)復(fù)雜事件中的關(guān)鍵事實(shí)的時(shí)候，機(jī)器會(huì)忽略瑣碎和無關(guān)的事情。

另外，機(jī)器的這種能力也可以幫助領(lǐng)導(dǎo)人應(yīng)對其他突發(fā)狀況，無論是金融危機(jī)爆發(fā)還是全球流感蔓延。

Healthmap.org網(wǎng)站不斷地從社交媒體上抓取15種語言的非結(jié)構(gòu)化文本。機(jī)器從中查找討論疾病的文字，一旦發(fā)現(xiàn)了比如“發(fā)燒”或“蕁麻疹”這種相關(guān)的詞語，就在地圖上標(biāo)記出對應(yīng)的位置，指示出現(xiàn)了疑似疫情。

它們的一些程序邏輯對人類來說非常簡單：忽略無關(guān)的短語，比如“紅的像龍蝦”和“幽居病”。但是依靠這些簡單的排序和過濾規(guī)則，機(jī)器能及時(shí)地提供自己的見解。它們把人類難以企及的復(fù)雜性踩個(gè)粉碎，以每小時(shí)一次的頻率刷新疫情分布圖。

口語和書面的理解與表達(dá)這一人類的關(guān)鍵技能正在往機(jī)器上轉(zhuǎn)移，趨勢不可逆轉(zhuǎn)?？梢钥隙ǖ氖?，機(jī)器在理解和表達(dá)語言中的微妙差別時(shí)遇到了很大的困難，更不用說隱喻、典故和情感了。至少在近期，機(jī)器不可能成為一個(gè)鼓勵(lì)學(xué)生熱愛文學(xué)的教育者。

但是如果僅限于日常表達(dá)，機(jī)器可以在一系列工作中表現(xiàn)得更好：技術(shù)支持中響應(yīng)全文查詢請求，為提起訴訟查詢歷史案例，分析專利和評估侵權(quán)行為。

理解和使用語言一直被認(rèn)為是將人類與動(dòng)物區(qū)分開的一種能力。令人驚訝的是，如今它已不再能區(qū)分人和機(jī)器。

如果你是一個(gè)擁有優(yōu)秀的理解能力和表達(dá)能力的領(lǐng)導(dǎo)者，可能會(huì)因此感受到威脅。這對你來說意味著什么?把處理和生成語言文字的任務(wù)分配給機(jī)器，就是由于機(jī)器可以用更低的成本達(dá)到更高的準(zhǔn)確度，并且能承擔(dān)更大規(guī)模的任務(wù)。

人們依靠機(jī)器提供的這些功能解放了自己。你擺脫了閱讀臨時(shí)、瑣碎和無關(guān)的文字之后，可以專注于重要事情和開始行動(dòng)。你還有更多的時(shí)間可以投入到關(guān)鍵任務(wù)上，比如向別人闡述你的發(fā)現(xiàn)是什么，它為什么很重要，以及它如何推動(dòng)你完成必要的事情。

你仍然需要在更高的層面上交流，更集中于勸說、談判、積極傾聽和充滿激情地描繪愿景等任務(wù)。

02 感知細(xì)節(jié)和模式

機(jī)器感知細(xì)節(jié)和模式的能力突飛猛進(jìn)。Ditto實(shí)驗(yàn)室提供了一個(gè)很好的例子。伊利諾伊大學(xué)芝加哥分校(University of Illinois at Chicago)在醫(yī)療衛(wèi)生工作中使用了Ditto的硬件設(shè)備和計(jì)算機(jī)視覺處理程序。 

該校的健康研究和政策研究所將Twitter和Instagram上的照片輸入到圖像識(shí)別程序中，用來追蹤吸煙行為的變化趨勢。與調(diào)查問卷的方式不同，研究人員從包含人們?nèi)粘Ｉ盍?xí)慣的照片里收集數(shù)據(jù)。

他們在照片中發(fā)現(xiàn)了一種顯著的模式。年輕人買來細(xì)雪茄(小雪茄)，把它切開，將煙草與大麻混合，然后用煙葉卷起來。

這一信息幫助健康教育工作者認(rèn)識(shí)到了年輕人對尼古丁上癮的新途徑，即用煙葉來包裹。研究人員在闡述新發(fā)現(xiàn)的時(shí)候，他們知道該如何調(diào)整勸誡吸煙的口號(hào)和衡量這些口號(hào)對提高社會(huì)公益的有效性。

另一個(gè)例子來自默克公司，它在人類疫苗制造上是全球醫(yī)療衛(wèi)生領(lǐng)域中的佼佼者。疫苗生產(chǎn)包括許多步驟：培養(yǎng)酵母菌，攪拌，發(fā)酵，提純等。生產(chǎn)過程的變數(shù)很大，一旦有什么差錯(cuò)，整個(gè)批次的疫苗就必須扔掉。公司分析每一個(gè)生產(chǎn)步驟的技術(shù)，以尋找可以使產(chǎn)量達(dá)到最高的方式。

生產(chǎn)部門首席信息官M(fèi)ichele D'Alessandro表示，疫苗生產(chǎn)是類似于啤酒釀造的生物過程，生產(chǎn)經(jīng)理擁有生產(chǎn)線上的大量數(shù)據(jù)。

這實(shí)際上是數(shù)千個(gè)傳感器收集了10年的數(shù)據(jù)，其來源包括車間生產(chǎn)過程和工廠設(shè)備維修，以及每分鐘測量一次的氣壓、溫度等建筑環(huán)境參數(shù)。生產(chǎn)經(jīng)理可以單獨(dú)地檢查各個(gè)數(shù)據(jù)集。但沒有人可以立即對整個(gè)生產(chǎn)過程做出評估，因?yàn)檩^早的生產(chǎn)步驟會(huì)對后來步驟的成功有影響。

這意味著，在疫苗生產(chǎn)的漫長過程中，沒有人可以準(zhǔn)確指出造成某些批次產(chǎn)量低的失敗步驟。由于沒有辦法識(shí)別出模式，因此常常將整個(gè)批次的疫苗丟棄。

現(xiàn)在，這種狀況被新的機(jī)器智能化工作改變了。生產(chǎn)團(tuán)隊(duì)用數(shù)據(jù)科學(xué)做了大規(guī)模分析，一共整合與分析了5TB的數(shù)據(jù)，耗費(fèi)了150億次計(jì)算，做了550萬余次批次比較。然后他們用一個(gè)“熱圖”來展示與高產(chǎn)和低產(chǎn)相關(guān)的數(shù)據(jù)簇。專家們可以查看熱圖，提出修改建議，修正預(yù)測模型，然后進(jìn)行更多的分析。

D'Alessandro說：“這樣做的美妙之處是，我們可以集中所有的數(shù)據(jù)，在單一的環(huán)境中分析復(fù)雜的信息。”

結(jié)果如何?他們發(fā)現(xiàn)了造成疫苗減產(chǎn)的具體特征和生產(chǎn)環(huán)節(jié)。原先被懷疑的對象往往是無辜的，比如原材料。其他的因素才是罪魁禍?zhǔn)祝绨l(fā)酵元素。大幅度增加產(chǎn)量，提高生產(chǎn)效率和速度，這些成果來自用廣闊的視野審視問題和尋找模式。

“我們現(xiàn)在已經(jīng)反過來把研究成果帶來的改進(jìn)融入商業(yè)化過程中。” D'Alessandro說。一旦這些改變都得以實(shí)現(xiàn)，公司每年都將在疫苗生產(chǎn)過程中節(jié)約大量的成本，并給更多的生命提供保護(hù)。

“這個(gè)實(shí)驗(yàn)引發(fā)了一個(gè)假設(shè)：如果我們能收集到整個(gè)生產(chǎn)工廠的所有數(shù)據(jù)，”她補(bǔ)充道，“不需要從腦海里的明確問題出發(fā)，就可以讓人們在數(shù)據(jù)中尋找模式，并且會(huì)發(fā)現(xiàn)一些有趣的結(jié)果。”

D'Alessandro不能透露默克的改進(jìn)細(xì)節(jié)，但她表示公司很快就擴(kuò)大了愿景。2016年12月，它在新加坡建成了其首個(gè)全廠分析系統(tǒng)。單個(gè)儀表板顯示了生產(chǎn)、片劑制造、包裝、質(zhì)量、倉儲(chǔ)、運(yùn)輸?shù)雀鱾€(gè)環(huán)節(jié)實(shí)時(shí)流入的數(shù)據(jù)。公司不想總在問題突然發(fā)生后再亡羊補(bǔ)牢，而希望從逐漸清晰的模式中預(yù)測即將發(fā)生的事情。

“工廠里實(shí)施的是主動(dòng)型生產(chǎn)智能化，而不是被動(dòng)型的。”她說，“我們需要隨時(shí)可以查看數(shù)據(jù)，而不是等到有問題的時(shí)候再處理。這是與過去的主要區(qū)別。”

有時(shí)候，感知能力用于從歷史數(shù)據(jù)中識(shí)別出已知的故障模式。有些時(shí)候，它用于發(fā)現(xiàn)未知的模式。復(fù)雜系統(tǒng)給人的挑戰(zhàn)是在噪聲中尋找有意義的信號(hào)。

對于人類來說，信號(hào)往往要么很難分辨，要么進(jìn)行了偽裝，要么處理起來太耗費(fèi)時(shí)間，但這正是機(jī)器學(xué)習(xí)大放異彩的地方。計(jì)算機(jī)勤勤懇懇地檢查各種細(xì)節(jié)，不忽視任何一個(gè)字節(jié)。

機(jī)器學(xué)習(xí)有兩種類型。向計(jì)算機(jī)展示難以理解的復(fù)雜數(shù)據(jù)，讓它用算法從其中尋找模式。這被稱為“非監(jiān)督學(xué)習(xí)”。

針對已知的復(fù)雜模式，不斷地給計(jì)算機(jī)展示真實(shí)例子，例如心臟影像，它將會(huì)掌握這些模型，并可以鑒別新的案例。這叫作“監(jiān)督學(xué)習(xí)”。算法依據(jù)數(shù)據(jù)中存在或缺少某些特征來解釋它看到的東西，并且它甚至比明察秋毫的人看到的信息還要多。

想象一下，是否能將機(jī)器智能用于欺詐檢測。伯尼·麥道夫(Bernie Madoff)通過精心策劃一個(gè)簡單的龐氏騙局，制造了當(dāng)代比較大的金融詐騙案。作為一個(gè)世界級的騙子，他精通詐騙手段，但這里他使用了一種古老而傳奇的方法。

盡管對于全球金融體系來說，雖然他的計(jì)謀就像草堆中隱藏的一根繡花針，但仍然是可以被察覺的。如果有人把歷史上所有的龐氏騙局案件的數(shù)據(jù)用于訓(xùn)練機(jī)器，然后用該算法檢查世界各地的金融交易，那會(huì)怎么樣?

機(jī)器從細(xì)節(jié)和噪聲中識(shí)別模式的能力遠(yuǎn)勝于人類。人們?nèi)菀自诩姺笔忞s的細(xì)節(jié)中迷失方向，但是無論詐騙者把會(huì)計(jì)報(bào)告編造得多么巧妙，無論他的舉止、微笑和擁抱多么令人信任，機(jī)器都不會(huì)被騙局的表象所欺騙。

當(dāng)機(jī)器時(shí)時(shí)刻刻監(jiān)控著世界上的龐氏騙局，就不可能有下一個(gè)麥道夫再行騙這么長的時(shí)間，也不可能從投資老手身上拿走那么多錢(麥道夫案件中詐騙金額為200億美元)。

當(dāng)你把模式識(shí)別的任務(wù)托付給機(jī)器時(shí)，你肯定不希望盲目信任它。機(jī)器和人一樣，也有弱點(diǎn)。你需要密切關(guān)注機(jī)器的工作方式，才可以充分信任它的工作成果。隨著機(jī)器不斷地取得成功，它變得越來越可以信賴。

機(jī)器提高人們模式識(shí)別效率的一種手段是最小化偏差。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者丹尼爾·卡尼曼(Daniel Kahneman)解釋說，人們經(jīng)常會(huì)陷入“屬性替代”的偏見。當(dāng)遇到復(fù)雜的問題時(shí)，人們習(xí)慣于用更簡單的經(jīng)驗(yàn)法則來替換它，從而加速分析。

這種做法非常普遍，甚至在經(jīng)驗(yàn)法則與實(shí)際問題有不小的出入時(shí)也如此，所以我們經(jīng)常依據(jù)完全錯(cuò)誤的模式做決定。

如果你習(xí)慣于在自己精通的領(lǐng)域里“知道”答案，你會(huì)逐漸發(fā)現(xiàn)自己的立足根基越來越不穩(wěn)。我們很難虛心地承認(rèn)機(jī)器在模式識(shí)別上的優(yōu)勢。

但隨著時(shí)間的推移，當(dāng)看到機(jī)器經(jīng)常得出截然不同的結(jié)論時(shí)，你不得不開始懷疑自己的判斷。解放思想的時(shí)候到了。當(dāng)然，機(jī)器也會(huì)有偏見，因?yàn)閿?shù)據(jù)科學(xué)家在寫算法的時(shí)候可能會(huì)帶入自己的偏見，但機(jī)器本身只會(huì)無差別地處理1和0的序列。

澄清一點(diǎn)，計(jì)算機(jī)并不知道模式的“成因”。它們沒有人類刨根問底的好奇心，不會(huì)去問：“原因A究竟是怎么導(dǎo)致結(jié)果B的?”它們會(huì)學(xué)習(xí)、推斷，擁有精準(zhǔn)的記憶力，但不了解原因和結(jié)果之間的關(guān)系。因此，理解商業(yè)系統(tǒng)的因果關(guān)聯(lián)和制定發(fā)展戰(zhàn)略依然是人類負(fù)責(zé)的工作。

盡管如此，人們?nèi)匀灰柽@種司空見慣的做法：在騙子用奇聞逸事和花言巧語哄騙之下，人們輕易地就相信了他們的說法。(想一想麥道夫案件。)

03 數(shù)字處理

領(lǐng)導(dǎo)者越來越希望由機(jī)器來負(fù)責(zé)的第三種能力是數(shù)字處理，不僅僅是電子表格中的數(shù)字，還包括需要大量計(jì)算才能得到的數(shù)值。這聽起來很容易理解，但我們先用一個(gè)故事來講述這個(gè)重要趨勢。

美國聯(lián)邦航空管理局(FAA)希望可以提前幾周甚至幾個(gè)月以更高的準(zhǔn)確度預(yù)測航班的延誤。聽起來這似乎不大可能，但實(shí)際上航班延誤是由一連串的因素造成的，在復(fù)雜的航班調(diào)度系統(tǒng)里，這些因素早在起飛之前很久就露出了苗頭。

從技術(shù)經(jīng)理Kevin Hatton那里了解到，F(xiàn)AA一直依賴一個(gè)簡單模型來預(yù)測飛機(jī)到達(dá)時(shí)機(jī)場的繁忙程度，即通過實(shí)際起飛時(shí)間進(jìn)行預(yù)測。如果著陸時(shí)機(jī)場太繁忙，交通管制員會(huì)推遲航班起飛時(shí)間。

問題在哪?“如果預(yù)測算法輸入了錯(cuò)誤的起飛時(shí)間，”Hatton說,“由此制定的系統(tǒng)響應(yīng)方案就可能是錯(cuò)誤的。”

起飛時(shí)間不會(huì)精確地輸入系統(tǒng)中。在一個(gè)長期使用的模型中，如果飛機(jī)不能準(zhǔn)時(shí)出發(fā)，計(jì)算機(jī)會(huì)簡單地把出發(fā)時(shí)間推后五分鐘，隨后繼續(xù)延誤的話，就再加五分鐘，一直這么加下去。“這很粗略，與現(xiàn)實(shí)情況差別很大。”Hatton說。

今天，F(xiàn)AA正在推進(jìn)一個(gè)更宏大的藍(lán)圖，希望實(shí)現(xiàn)管控更大的空域、更多的航線，甚至無人駕駛飛機(jī)的愿望。為了安全地管理日益增長的空中交通流量，F(xiàn)AA需要從完全依賴于預(yù)先排定飛行計(jì)劃表的方式，轉(zhuǎn)變到使用衛(wèi)星導(dǎo)航來管理開放空間。這個(gè)新系統(tǒng)將給空中交通管制帶來革命性的變化。

顯而易見的是，人們無法僅靠自己用簡單模型來解決空中大量飛機(jī)飛行的復(fù)雜問題。在航班延誤的問題上，F(xiàn)AA使用了更快的處理器、并行計(jì)算技術(shù)和基于云計(jì)算的先進(jìn)統(tǒng)計(jì)技術(shù)來處理大量的數(shù)字計(jì)算。為了揭示背后的復(fù)雜規(guī)律，F(xiàn)AA使用了貝葉斯信念網(wǎng)絡(luò)(BBN)。

貝葉斯信念網(wǎng)絡(luò)看起來像是一件由關(guān)節(jié)和連接器連接起來的拼插玩具的結(jié)構(gòu)圖。其中關(guān)節(jié)代表影響系統(tǒng)的因素，比如FAA案例中的天氣。因素之間相互作用的強(qiáng)度由連接器表示。整體網(wǎng)絡(luò)結(jié)構(gòu)展示了導(dǎo)致延誤的各個(gè)因素及其與其他因素之間的關(guān)聯(lián)。

數(shù)據(jù)科學(xué)家運(yùn)行模型時(shí)，用方程來計(jì)算每個(gè)因素對其他因素影響的概率。“混沌理論認(rèn)為，初始狀態(tài)的微小變換會(huì)對隨后的一系列事件產(chǎn)生巨大的影響，”Hatton說，“我們的模型追蹤了所有的事件鏈。”

影響航班延誤的因素包括飛機(jī)清洗、行李裝載，以及機(jī)組人員問題、航班密集和惡劣天氣。因素之間可能直接或間接地相互關(guān)聯(lián)，這一點(diǎn)在計(jì)算中得到了反映。

FAA項(xiàng)目團(tuán)隊(duì)綜合了包含四種不同算法的機(jī)器學(xué)習(xí)計(jì)算結(jié)果和專家意見，最終確定了BBN中的所有概率。(沒錯(cuò)，專家仍然很重要。)理解關(guān)系網(wǎng)絡(luò)非常費(fèi)腦筋。即使有人對全系統(tǒng)范圍內(nèi)的各種關(guān)聯(lián)有很好的“感覺”，也不可能掌握它們造成的全部影響。

“BBN的美妙之處在于它不需要人們?nèi)ニ伎紝?dǎo)致延誤的原因。機(jī)器學(xué)習(xí)算法能推斷出有哪些因素相互關(guān)聯(lián)，”Hatton說，“它可以識(shí)別我們沒有注意到，甚至沒有意識(shí)到的模式，只要它有足夠的計(jì)算能力去完成所有的學(xué)習(xí)。”

估算一下計(jì)算的規(guī)模。假設(shè)每個(gè)因素只有兩個(gè)狀態(tài)(例如開和關(guān))，要計(jì)算航班延誤的概率，需要考慮的因素組合的數(shù)目達(dá)到了2的n次冪，其中n是模型中變量的個(gè)數(shù)。這個(gè)案例中的模型含有47個(gè)變量，那么概率的可能取值數(shù)多達(dá)大約140萬億個(gè)。

使用機(jī)器的力量來做數(shù)字處理是大勢所趨。對于盼望由數(shù)據(jù)來驅(qū)動(dòng)答案的領(lǐng)導(dǎo)者來說，這更是當(dāng)務(wù)之急。錯(cuò)綜復(fù)雜的情況讓人們不可能運(yùn)用經(jīng)驗(yàn)法則迅速獲得優(yōu)于機(jī)器的答案。

在FAA，項(xiàng)目團(tuán)隊(duì)把他們的計(jì)算資源全部投入五年來積累的5200萬次飛行的數(shù)據(jù)樣本中。這些樣本包含525萬行數(shù)據(jù)。由于數(shù)據(jù)不干凈，實(shí)際計(jì)算比預(yù)期的更加困難。之所以需要貝葉斯信念網(wǎng)絡(luò)，是因?yàn)樗梢栽诟鞣N復(fù)雜情形中估計(jì)缺失的值。

機(jī)器不斷地學(xué)習(xí)，比最有經(jīng)驗(yàn)的領(lǐng)導(dǎo)者更快速地推動(dòng)著進(jìn)步，這不是通過經(jīng)驗(yàn)、直覺、專家顧問或者其他的方式，而是得益于近期機(jī)器智能的巨大進(jìn)展。它在探求真相時(shí)不會(huì)有先入為主的想法，這是它的一個(gè)優(yōu)勢。

Hatton說：“從原因出發(fā)時(shí)，你只會(huì)在直覺上注意到可能導(dǎo)致延誤的事情，而忽視了所有其他的因素，比如與飛機(jī)老化或者芝加哥雷雨天氣等顯而易見的原因無關(guān)的其他因素。”

在航班延誤問題上，貝葉斯信念網(wǎng)絡(luò)擊敗了從前使用的比較先進(jìn)但更簡單的統(tǒng)計(jì)模型。從離起飛還有很長時(shí)間的日子，到即將起飛的時(shí)刻，它可以在很大的時(shí)間跨度內(nèi)預(yù)測航班的延誤概率。即便是無法獲得全面的空中交通流量管理數(shù)據(jù)，BBN也能在缺少數(shù)據(jù)的情況下做出更好的預(yù)測。

04 記憶

第四種需要領(lǐng)導(dǎo)者重新思考的人機(jī)協(xié)作方面的能力是記憶力。如今機(jī)器的性能毋庸置疑，但它們在檢索未標(biāo)記和未整理的數(shù)據(jù)時(shí)，沒有我們想象中的那么好。它們還需要我們提供搜索的上下文，否則很難獲得有用的信息。

機(jī)器的發(fā)展之路依然漫長。然而許多記憶力出類拔萃的優(yōu)秀領(lǐng)導(dǎo)者還沒有意識(shí)到即將到來的變革范圍。

隨著我們開始事無巨細(xì)地記錄下全部內(nèi)容和上下文，機(jī)器的記憶方式越來越像人類。它們將提供更加全面的決策支持，不斷幫助我們減少不確定性和無法計(jì)量的風(fēng)險(xiǎn)。這意味著你做決策時(shí)將更少地依賴自己的記憶力，更多地依靠機(jī)器總結(jié)的事實(shí)和經(jīng)驗(yàn)，它們描繪出了一幅復(fù)雜現(xiàn)實(shí)狀況的整體圖景。

如果你可以像機(jī)器一樣無差錯(cuò)地訪問整個(gè)機(jī)構(gòu)的集體記憶，然后即時(shí)做出決策，那會(huì)怎么樣?我們在體育比賽中看到了這類決策的應(yīng)用。如今球隊(duì)收集了更多的數(shù)據(jù)，教練們在做計(jì)劃時(shí)認(rèn)真參考了機(jī)器根據(jù)多年累積的球員、比賽和球員表現(xiàn)的數(shù)據(jù)所做出的預(yù)測。

想象一下你正在進(jìn)行一場棒球比賽，在第九局下半場，進(jìn)攻方已經(jīng)滿壘，己方的投手面對著對方的新?lián)羟蚴?。哪種投球組合最有可能使擊球手造成雙殺從而結(jié)束比賽?機(jī)器能回憶起一切細(xì)節(jié)。

運(yùn)動(dòng)領(lǐng)域的可穿戴技術(shù)也為利用機(jī)器和細(xì)節(jié)數(shù)據(jù)來幫助球員提高水平指明了方向。機(jī)器可以檢測出逃過了優(yōu)秀教練眼睛的細(xì)微動(dòng)作。當(dāng)擊球手擊出的球直飛向球場的一角，左外野手的反應(yīng)有多快?他的反應(yīng)時(shí)間比去年下降了嗎?投了90個(gè)球之后，他的投球姿勢看起來如何?他的移動(dòng)范圍、蹬地動(dòng)作和出手方式是否顯示出疲勞狀態(tài)?

新的視頻技術(shù)可以跟蹤球員的運(yùn)動(dòng)、方向、速度、距離等數(shù)據(jù)，有了機(jī)器智能，教練可以給球員制定個(gè)性化的訓(xùn)練計(jì)劃，幫他保持在巔峰狀態(tài)。

機(jī)器的記憶力讓許多領(lǐng)導(dǎo)者處于尷尬的境地。當(dāng)然，一個(gè)記憶力超群的領(lǐng)導(dǎo)者在即時(shí)快速分析中總是比機(jī)器更有優(yōu)勢。這一優(yōu)勢仍然非常寶貴。一旦需要事先決斷，你就無法打敗機(jī)器。這也解釋了為什么提出問題將成為領(lǐng)導(dǎo)者更重要的技能，而不是在現(xiàn)成的答案庫中尋找一個(gè)解決方案。

05 記錄和整理

第五種需要領(lǐng)導(dǎo)者重新考慮的人機(jī)協(xié)作方面的能力是信息記錄和整理，尤其是按照規(guī)則收集和分類、排序信息。比如說在電子表格中填寫文字和數(shù)字這種簡單的任務(wù)。如今，機(jī)器學(xué)習(xí)很擅長這類工作，基本上已經(jīng)取代了人工勞動(dòng)，并且還會(huì)繼續(xù)在更多任務(wù)中把人類拋在身后。

再舉一個(gè)來自麻省理工學(xué)院的創(chuàng)業(yè)公司的優(yōu)秀案例——Ditto實(shí)驗(yàn)室的鄰居Affectiva公司。Affectiva通過處理視頻和靜態(tài)圖像來跟蹤人們對服務(wù)和產(chǎn)品的情緒反應(yīng)。專家們先讓機(jī)器學(xué)習(xí)辨認(rèn)與15種核心情感相關(guān)的面部表情。

他們使用20世紀(jì)70年代開發(fā)的人工分類系統(tǒng)，將數(shù)十萬張照片中諸如驚訝、厭惡、注意、困惑和憤怒等面部表情進(jìn)行編碼。面部肌肉的收縮和位置揭示出了不同的情緒。

然后，數(shù)據(jù)科學(xué)家將圖像的像素?cái)?shù)據(jù)輸入到算法中，讓它根據(jù)抬眉、皺眉、微笑和抿嘴等要素來區(qū)分情緒。計(jì)算機(jī)能輕易地察覺到嘴部、鼻子和眼睛周圍的肌肉變化。

事實(shí)證明，面部表情的模式在全世界都是一樣的(至少Affectiva所使用的照片所在的75個(gè)國家如此)。情感顯露在程度上會(huì)有不同，但類型上并無不同。

有了Affectiva創(chuàng)造情感編碼算法，機(jī)器可以自己來評估情緒反應(yīng)，預(yù)測病毒式營銷的目標(biāo)能否實(shí)現(xiàn)，并優(yōu)化產(chǎn)品的改進(jìn)，盡可能地吸引受眾。這樣Affectiva能夠向公司提供客戶對產(chǎn)品的熱情度等新型信息。

換句話說，廣告商可以衡量人們對其廣告的最基本反應(yīng)。電影制片人可以衡量影片不同鏡頭下觀眾的情緒變化。當(dāng)制片人推出預(yù)告片時(shí)，Affectiva可以記錄觀眾的反應(yīng)，通過分析數(shù)據(jù)，找出最能打動(dòng)觀眾的鏡頭，然后向制片人提出深度見解：如何剪輯影片能使觀眾更好地沉浸在情節(jié)中。

Affectiva的技術(shù)能應(yīng)用到多大的范圍?視頻游戲公司Flying Mollusk Studio將Affectiva的技術(shù)植入視頻游戲Nevermind中。游戲里，玩家在精神病院的病房工作，幫助病人從被壓抑的記憶中恢復(fù)。通過網(wǎng)絡(luò)攝像頭，游戲可以感知玩家的害怕程度并對難度做出相應(yīng)調(diào)整。

我們看到在新的應(yīng)用中機(jī)器收集和整理數(shù)據(jù)的能力遠(yuǎn)遠(yuǎn)超越了原有的界限。這種技術(shù)的應(yīng)用范圍將擴(kuò)展到市場營銷和娛樂業(yè)之外，從根本上改變教育、健康和機(jī)器人技術(shù)。

在整理信息時(shí)，機(jī)器不必像大多數(shù)人那樣按照特定的“規(guī)則”來將信息分類。相反，它們按信息和數(shù)據(jù)中發(fā)現(xiàn)的模式的相符程度來做匹配，不僅速度快，而且完成了人類無法做到的事。