算法時代，人的力量

劉書博

新技術對人的沖擊

上個世紀尾聲，IBM研發的深藍計算機（Deep Blue）擊敗了國際象棋冠軍Gary Kasparov，令世人對“人工智能”（AI）刮目相看；2016年，谷歌開發的人工智能機器人阿爾法狗（AlphaGo）又擊敗了圍棋世界冠軍李世石。這時候，人們開始重新思考：除了是人類的工具，計算機算法技術還能夠扮演什么樣的角色？

作為推動力量，大數據算法技術不僅帶來了互聯網行業和獨角獸公司的快速崛起，而且塑造和改變著各個行業。比如，在傳播和市場營銷領域，算法推送技術可以讓傳播者有針對性地為用戶推薦新聞和信息產品，進而精準滿足受眾需求，提高用戶粘性。今日頭條、抖音等軟件，均通過精準算法推送獲得用戶黏性。在工業制造領域，富士康早在2016年就引入四萬臺人工智能機器人，據說能夠取代六萬位工人。在組織運營和管理方面，計算機算法也被看作是提升工作效率的重要手段。有報道稱，亞馬遜公司研發應用了一套人工智能系統，通過它公司可以確定物流倉儲部門每位員工的工作效率，進而統計出員工的“摸魚”時間，然后自動生成解雇的指令。

算法技術也在改變著人們的日常生活和對世界的理解認知。算法應用日漸普及，不僅能夠影響著用戶的消費決策、民意大選，還能幫助警察逮捕嫌疑犯。不久前，英國伯明翰地方警局開始研發一套名為“國家數據分析方案”的系統，旨在通過對居民個人數據資料的分析，預測公民的“犯罪指數”，引導警方提前干預。算法甚至能指導我們吃什么食物、讀什么書、選什么對象結婚。馬克·扎克伯格說，除了進一步提升全球互聯性，臉書（Facebook）將致力于“理解世界”這一全新使命。在他看來，“理解”這個詞意味著：“每天，人們會將數十億的內容和聯系上傳到臉書的Graph（臉書的算法搜索機制），通過這種方式，人們在構建一種關于這個世界所有需要知道的知識的最清晰的模型。”

以上現實讓我們感到，和工業革命中誕生的技術相比，計算機編程技術、人工智能、大數據分析等，這些高歌猛進的“算法”新技術不僅推動了生產力和效率的提升，而且變得更加“智慧”、正在喧賓奪主。諸多領域中人類的決策正讓步于人工智能，人類的活動要被算法所管理，甚至可以說，人類社會中，人失去了主動權，反而處處要被算法所治理。

就像圍棋世界冠軍柯潔說：“在我看來，它（指AlphaGo）就是圍棋上帝，能夠打敗一切。對于AlphaGo的自我進步來講，人類太多余了。”不少人相信，新技術一定能夠更好解釋一切復雜和快速變革的全局，算法能夠理解世界的方方面面。

但是，真的如此嗎？人的力量是否必然就會被新技術顛覆？未來的商業和社會中，算法可以完全替代人的作用、進而接過人的管理判斷職能嗎？

潛藏的算法危險

一些精英們似乎認同算法技術對人的替代作用。他們認為，技術更新迭代已經到了一個從量變到質變的時期：質變之前，AI等技術工具依然是人類的超級助手，而質變之后，新技術在某種意義上已經具備了一種自由行動者的模糊身影。而正是后一種自由行動的可能性，讓人們開始對技術感到擔心。

于是在2017年，埃隆·馬斯克（Elon Musk）代表一百多位人工智能專家表態：人們應該停止人工智能開發，因為繼續開發人工智可能會帶來人類的滅亡……因為我們不知道會開發到什么程度。我們不知道人工智能是不是有自主意識，甚至它們可以隱藏自己的想法，直到有一天人類突然發現事態失控，再想去拔插頭，卻拔不了了。

然而在現實中，即便有馬斯克和再多的專家提醒和警示，只要人工智能對人的服務能力還在快速上漲，它飛速發展的趨勢就不會停止。資本的目的就是賺錢，這家不開發，還有更多其他家趨之若鶩、繼續開發人工智能。相比于受限于生物局限性的人腦，電腦在某些方面（記憶儲存、運算速度等）有不可比擬的優勢，而且還在不斷進步，這像是一種脫軌而出的力量，對人類投來冷冷的眼光。如同電影《黑客帝國》（The Matrix）描述的局面：所有人都生活在一個巨大的、他們認為很美好的世界里。世界的控制者母體Matrix不只是一個人工智能的無機生命，而且是一個碳基生命和硅基生命的結合體。這種情況下，被母體控制的人作為個體就像是小白鼠，人的生命的唯一價值是作為器官的供應者奉獻給高級的碳基生命。

在現實中，越來越多的技術被應用到“提升效率”這一個控制母體（比如資本、組織）的單一目標，而并非關注人的全面發展，于是算法越先進，人的自由自主空間越狹隘，就像《外賣騎手，困在系統里》一文中描述的瘋狂外賣小哥，人淪為了算法時代的炮灰、組織效率和資本的工具。這是算法只為資本利潤服務所產生的“算法剝削”。

而且，人們只看到算法對效率的提升，但是數據分析系統的算法是否“公平”則很難自證。2015年，美國芝加哥法院使用的犯罪風險評估算法就被證明對黑人造成了系統性歧視：黑人更有可能被這個系統錯誤地標記為具有高犯罪風險，從而被法官判處更長的刑期。另外，數百萬人由于該算法無法獲得保險、貸款和租房等服務，如同被算法“囚禁”。

另外一個算法潛在的危險是人類倫理層面的。阿爾法狗的投資人堅恩·托林（Jaan Tallinn）說，我們需要重新定義AI研究的目標，不停留于單純的智能開發上，而是要開發出能充分與人類情感價值觀相融合的超級智慧。類似的，馬斯克的新公司Neuralink致力于實現“人機融合”，就是把人的大腦與機器進行連接。馬斯克解釋說：“既然之前我對有關人工智能所發出的警告收效甚微，那么我們何不自己來決定它的發展，讓它走向對人類有利的一面？” 馬斯克認為人機一體是“走向有利一面”的唯一可能。

但是，這樣的一種融入的姿態，帶來了人工智能另一種危機，因為它將威脅“人類共同體”。 比如，上流社會憑借經濟資源，可以通過技術干預方式對子女的外貌、體能、智能、健康等各個方面進行挑選塑造。然而絕大多數人承擔不起這些新技術產品。社會上，老百姓和頂級富豪，前者占人口比例的99%，后者只有1%，但是所擁有的的財富卻天壤之別，這本來是社會性經濟層面的不平等，兩者在自然生命上并無不等。而馬斯克所要達到的人機融合，會造成這樣的后果：因社會生活中的不平等，導致自然生命的平等也被破除。

人類共同體建立在“存在于相同中”之上，當1%的富豪用經濟資源進一步獲得與99%的人在生物層面不再“相同”之后，那么是否就意味著，未來世界不是人工智能統治人類，而是馬斯克式的超級人造人統治一切，不平等在生物層面進一步固化。 如果這樣的話，不遠將來，沒有經濟資源購買生物資源的人會快速貶值為多余的“無用階級”。原本人類共同體在生老病死面前是公平的，這個公平被技術破除后，人類共同體的基礎也就蕩然無存。

最后，互聯網平臺開發智能推薦系統往往是根據用戶使用痕跡進行關聯推薦，算法越智能，越能使用戶被“安排”進所謂的“信息繭房”，即陷入為其量身定制的信息之中。久而久之，用戶處于信息“自我禁錮”困境，從而失去了解更大范圍事物的機會。這樣就可能導致人們視野日趨偏狹，思想日趨封閉、僵化，甚至極化。

以上這些與算法相關的潛在的倫理道德危險性，是我們必須要有所警覺的，是人的力量要有所干預的。大數據社會需要考慮算法治理。

算法不是萬能的

在快速變化的環境中，心神不寧的人們想擺脫現實的不確定性，于是向科學的力量求助，并認為AI、大數據分析、算法新技術一定能夠更好地解釋一切復雜和快速變革的全局。很多人對于技術的倚重不僅來自技術帶來的效率提升，而且更加來自 “技術崇拜”——用近乎虔誠的態度對待技術。甚至有一種激進的思維希望用算法理解世界的方方面面，并且認為科學知識優于其他類型知識。

此思維代表的是“唯科學主義”意識形態（scientism）——對算法技術的癡迷。持有此意識形態的人認為，算法是智慧與經驗的替代品。在他們看來，無論是在醫療、教育、政府，還是在我們個人生活領域，人工智能與大數據分析技術都可以給出最優答案。

但是，算法并非全知全能，如果太過信賴技術，人的判斷力還會被削弱。就像是我們專心盯著GPS，聽從它發出的每一條指令，反而失去了對頭上閃耀的星星的感知力。對于組織的決策者來說，只有具體的數據分析結果，依然無法胸有成竹；只有抽象的數據，而沒有對現實的感知，就難以從數據中獲得還原真實全貌的能力。數據沒有了具體的語境背景和色彩，所呈現的只是這個世界的抽象表征，而不是世界本身。如果管理者、決策者總是被一層層抽取到的數據所包圍，他們的想象力和直覺就會枯竭。就像是只吃各種維生素和工業提純后的營養液，導致味覺退化。人的獨特能力是不能夠被機器和技術替代的。

算法技術本身不能給出有關真實性的全部答案。因為大數據背后的假設關注的是相關性，而不是因果關系，所以大數據可以提供信息，但是無法給出解釋；大數據可以構建事物在統計上的顯著關系，卻不能解釋為何會出現這樣的現象。經濟學家蒂姆·哈福德說：“大數據并沒有解決困擾了統計學家和科學家幾百年的問題——關于洞察力的問題，也就是如何推斷到底發生了什么，并找出如何干預或優化一個系統的方式。”

谷歌的“流感趨勢檢索”案例呈現出了以上問題。2008年，谷歌的研究人員提出了一個用搜索詞條預測疾病大規模暴發的想法。經過篩選與流感相關的檢索，并對這些檢索進行追蹤，研究人員想當然地認為他們可以比美國疾病控制與預防中心（CDC）更早預測出流感的暴發。他們所采用的技術被命名為“臨近預報”（now-casting）。這似乎是一次算法技術上的成功——谷歌的檢索可以比美國疾病控制與預防中心提早兩周預測出流感暴發。然而之后不久，谷歌的流感趨勢預測就不靈驗了——它并沒有預測出2009年的H1N1流感大暴發，而且高估了2012-2013年的流感疫情。問題在于，谷歌的算法對于任何與流感季節相關的檢索都會產生反應，但這些檢索的背后不一定與真正的流感暴發有關。比如，像“高中籃球”和“雞湯”這樣的檢索都會引發谷歌算法的流感警報。這是因為大數據并不關注解釋，而只是反映經驗主義者的思維。

大數據想要從等式中去除偏見，充分采用演繹思維，摒棄歸納的探究方式。它的邏輯是，在數據充分的情況下，數字就可以指向結論，根本不需要理論。但是，就如同谷歌流感趨勢的例子所展示的，我們還需要進行更深入的分析，以探討數據的相關性，并確定因果關系。大數據無法擺脫對傳統研究方法的依賴，因為數據的意義仍然來自人對數據的解讀。

如果像谷歌這樣處理數據的話，大數據永遠不能做到保持中立，不偏不倚。類似的，我們經常用所謂的“技術”手段來了解真實情況，但是卻如隔靴搔癢。比如，公司管理者想要通過客戶的“痛點”或“未被滿足的需求”來幫助客戶、消費者或員工。這些說法背后是一種居高臨下的態度，拿著技術工具的放大鏡俯視別人，將他人的經歷抽象化、將人流動的想法和細微的個性差異解剖、放大分析，本質上是一種簡化。

科學知識不斷發展，但是來自科學技術的信息卻導致我們對其他形式的信息與求知方式置若罔聞。而往往是那些能夠接受各種形式的信息的人最終勝出。如果一個人只是相信科學知識和技術，那ta就會都被限制在了自己構建的“技術牢籠”：有的人被困在桌上堆滿了數字表格的會議室里，還有的人被困在充斥著空洞的縮略語的戰略會議中。無論是被困于哪種“技術牢籠”，ta都難以在復雜的環境下領會真正真實的生活。

比如，在一家制藥公司，ERP系統可以告訴管理者有多少銷售人員完成了季度目標，但是不能讓管理者明白究竟是什么塑造了一位成功的銷售人員；在一家時裝公司，最新的市場細分模型能展示出不同的奢侈品消費者是怎樣消費的，但是不能揭示出他們在消費時追求的是一種什么樣的體驗和心情；一家銷售養老保險的公司要理解變老的感受，才能夠走進老年人消費者的心里，贏得他們的好感和信任。而一個人變老的感受，是算法量化模型可以描述清楚的嗎？

人的獨特認知能力

所以，要尋找因果關系和現象形成的過程機制，依然需要人的投入、思考和歸納。只有人們自己可以從對具體經驗和復雜現實的體察中總結提煉出捕捉整體真實性的理論框架。要把握這個VUCA時代的機會，企業高管不能迷信技術算法，更要隨時掌握政治、科技、文化社會領域的新知識，并且理解不同方面信息是如何相互交織、共同塑造的。

比如，食品生產業務不僅是由定制市場進入戰略、資本投入、產品市場定位構成。做好這個生意，還需要管理者理解人與食物的關系：如何消費和分享食物、美食聚餐對于人們的文化意義等。企業的發展戰略也不僅是不同周期的計劃目標和財務報表，也是與文化、人、情感相關。要真正了解生活在社會和組織環境中的人，學習者需要平視人，做人所做，見人所見，才能思人所想，獲得同樣的人的視角與思維方式。此外，要了解一種文化和人行為的社會背景，你還要去了解這樣文化的歷史、傳承和習俗，從而獲得人行為背后的復雜動機與經歷的影響。

所有這些，都不是技術崇拜者和唯科學主義者迷信的統計學“大數據”和算法能夠領悟的，而是需要真實場景的“厚數據”（thick data）。

對于“厚數據”的關注，體現在金融大鱷索羅斯的投資方法論中。因在童年時期經歷了世界范圍的戰爭，看到了人類的不理智，索羅斯對歷史的非線性發展異常敏感。他意識到，宏大的政治事件，往往是由那些看似微不足道的人物事件引發的。理性的貨幣政策與條約的表象之下，是人們的憤怒、受傷的自我和地盤之爭。

索羅斯基金管理公司所具有的人文思維文化要求投資人必須探尋數據背后的文化。索羅斯的投資伙伴羅伯特·約翰遜所遵循的獨特流程是：“多數時候，數據并不是數字，它們無法在表格中量化。數據是經歷，是報紙上的文章，是人們的反應，是對話，是描述性數據。”

索羅斯和同事們的決策過程并不是在辦公室中反復擺弄各種模型分析數據，而是來到真實的“田野”進行調研，是從與真實的不同的人進行的互動中獲得了真實的感受，而不是通過機械的經濟學基礎理論和大數據分析去感知市場動向。

投資和商業決策都需要數據來支持，但如果只是把數據理解為單純的數字，你可能就會錯過更本質的信息。像索羅斯這些投資者的天賦，就是能夠在如海洋般浩瀚的數據、印象、事實、經驗、觀點和觀測中找出規律，并把這些規律整合成一種洞察力。這需要與相關數據進行直接、幾乎是感官上的接觸，需要對什么與什么相匹配，什么源于什么，什么導致什么有一種敏銳的感知能力和整體思維能力。

類似的，英國歷史學家哲學家以賽亞·伯林發現，就如同索羅斯這樣的大金融家能夠同時整合多種復雜要素一樣，偉大的政治領袖也具有一套可以被稱為“完全平凡、經驗主義和準美學式”的個人技能。這些技能的特點，是以經驗、對他人的理解和對環境的敏感為基礎的現實參與。“整合那些千變萬化、多姿多彩、稍縱即逝的，像一只只蝴蝶一樣難以捕捉、分類的信息”。

這是一種了不起的能力，是算法和人工智能不能夠替代人類的原因，因為人類有洞見。溫斯頓·丘吉爾說：真正的才華，體現在人們對未知、危險和矛盾的信息的判斷之中。

所以，那些認為只要數據夠多，算法夠先進，就可以無所不能的判斷是站不住腳的。這和“唯科學論”和“拜科學教”的迷信一樣，本質上是一種認知惰性和對未知領域的恐懼。

結語

社會學家馬克斯·韋伯總結了社會“現代性”的三個特征：量化可計算的（calculative）、程序化（procedure）、反思性（reflexivity）。進入工業社會后，人們發現自己被束縛在“理性的牢籠（Iron Cage）”中，就像是如今被束縛在各種“技術牢籠”中一樣，其中重要原因就是人們總是關注現代性的前兩個特征，卻總是忘記了反思——對整體的反思能力。人們對世界全局的整體性把握，正是人所特有的能力，這是算法無法替代的。算法也因此不能主宰人類社會。

現實中，當人們視算法及其提供的解決方法超過其他一切時，我們就難以看到人類智慧所表現出的機敏與精細。當人們將技術凌駕于人類之上時，就不再把數據與其他資源整合在一起，那么就會失去可持續發展的效率，因為它源自整體的思維，而不是優化的方式。

在商業競爭的快速變化環境中，管理決策者需要跳出“技術崇拜”和“唯科學主義”的限制，需要靈活自如地綜合運用所有四種知識：客觀知識、主觀知識、共享知識、感官知識。有點類似管理學者明茨伯格提出的對管理的定義——管理既是科學，也是藝術，更是門手藝，這四種知識沒有孰優孰劣。

客觀知識：是自然科學的基礎，例如“2+2=4”、“這塊磚重3磅”、“水是由兩個氧原子和一個氫原子構成的”。但這種類型的知識沒有真正的視角，這就是哲學家托馬斯·內格爾將其描述為“無源之見”的原因。客觀知識可以被反復檢驗，并得到相同的結果。細胞、原子和小行星都可以用客觀知識進行觀察、測量，因為其結果是可復制的、普遍成立的，并與現實觀測相一致。

主觀知識：即個人的觀點與感受。主觀知識反映的是我們內在的世界。人們會把自己確信無疑的事情看作是知識。當我們說“我脖子疼”或“我餓了”時，大家就會尊重我們對自己身體的判斷。當某個人正經歷某種感官體驗時，這種感受就是他的最真實的知識。

共享知識：與客觀知識不同，這種知識是無法像原子和距離那樣被測量的。同時，與主觀知識不同，這類知識具有公共性和文化性。換言之，第三種知識是共享的人類經歷。

感官知識：這種知識讓我們利用一種關于世界的淺層次意識來決定如何行動。經驗豐富的消防員通過“第六感”感受火焰的移動；專業救護人員在沒有看到心臟驟停跡象前，已經伸手去拿除顫器。這些都是“技藝”層面的感官知識在發揮作用。

同時掌握四種知識，而不是僅僅盯著技術算法等客觀知識，可以幫助人從特定的情境中抽取更多的關鍵信息，回歸世界的真實。所以，我們既需要頂尖的電腦工程師和軟件開發人員來推動算法進步，也需要才華橫溢的詩人、藝術家、哲學家和人類學家來幫助我們獲得整體洞見和靈感。我們需要綜合方方面面的精彩見解，而不是試圖作為單個的個體或文化達到最優狀態。演算法可以提供最優路徑，但是只有人——藝術家、思考者、數學家、企業家、政治家——具有洞察力和同理心的人，才能構建和解釋意義、定義人類社會的目的。

算法時代，人的力量就體現于此，讓我們看到它，使用它。