|
五局世纪人机大战终于结束了，最终比分4:1，继5个月前战胜欧洲围棋冠军樊麾后，AlphaGo再次完胜人类顶尖棋手李世石九段，这个数字必将牢牢镌刻在人类的历史上。 重新定义围棋 人工智能真的重新定义了围棋。 2016年3月12日，在AlphaGo与韩国李世石九段举世瞩目的世纪人机围棋大战第三轮结束，AlphaGo以3：0的绝对优势提前拿下整场战役的胜利后，人工智能已经在目前最复杂的对抗游戏中完胜人类最顶级选手。AlphaGo挑战人类这件事，也很快变成了人类挑战AlphaGo。 直到第四轮，在败局已定的情况下，李世石甩出了神之一手终于逆转战胜AlphaGo，让全世界看见一个人类可以有的全部自尊、不屈和冷静。 第五局，AlphaGO执黑再胜李世石，世纪大战完美收官。 这几天我也看到很多人在问，这几局棋为什么有这么重要的意义？更有很多人不以为然，生活照旧过，钱照旧赚，似乎不觉得这事情有多了不起。 这让我想到一个故事。曾经，大竹英雄在一次讲棋的时候，一位业余初段的棋手问他：“经常说职业棋手的计算很快，到底能有多快呢？一秒钟能算多少步，一共能算多远？” 大竹英雄大概说道：“计算的深度与具体棋型有关。至于计算的速度，看这个局部，白1，黑2以下一直到白17彻底做活，这就像一道基本的实战死活的题目，对于职业高手来说，这是一秒钟就可以得出结论的，也就是说，扫视一眼就可以一下子反映出所有的17步棋。” 这就是围棋界的一句行话：“把计算力练成条件反射。” 可想而知，一个人要达到这样的标准，除了不世出的天赋，还有从七八岁开始多少个日夜刻苦的努力和不断的学习，都还不一定能实现。就算是成为了职业棋手，从初段到九段一层层淘汰下来，就算是顶尖的棋手也要熬至少十年，要拿下世界冠军，就更是难上加难，这一路上炮灰遍地，输了一步就只能埋没在历史的烟尘和瓦砾中。 我从小有一搭没一搭地学了一会棋，就因为太清楚这样的差距，所以从小对于围棋界赫赫有名的传奇人物，无论是本因坊秀策、吴清源、藤泽秀行、李昌镐、聂卫平、常昊，等等，在内心混杂着一种羡慕又淡然的尊敬，这尊敬里是一个孩子对他注定终生都无法触及的境界的一种眺望和凝视。 所以有人奇怪说电脑早已经打败了国际象棋，打败围棋是必然的事情，为什么你们这次如此惶恐。我说不一样，围棋不是器，是道，打败围棋所引起的震撼，不仅仅是因为电脑用全新的深度学习解决了天量的计算任务，能够用近似于人的方法去思考棋局，而是因为在这天量的计算背后，是人类几千年的风流、思想与骄傲，每一个伟大的棋手都是一个思想家，每一盘棋也足够隐喻不同的人生与纷争，如今竟被一台机器给颠覆了。 这台机器不惧怕任何挑战，棋手因为算不清楚不敢应战的地方，它可以眼睛不眨就冲进去辗转腾挪；它在开局不久就下了一大堆大家以为是业余五段水平的棋，正当大家准备嘲笑的时候，它已经赢了；每一局它都能走出载入史册的妙手，一堆棋手大呼这简直是李昌镐和吴清源的风格。 短短五个月，大家对这台机器的棋力评估从最开始的职业初段，已经到了近乎深不可测，谁也不知道它到底还有多少潜能没有被激发出来。眼下明明是人类教会了AlphaGo下棋，但它为什么会下棋，竟没人知道，但大家都不得不承认它对围棋的理解已经超出了人类。 这是我觉得真正可怕的地方，不是什么人类的计算不如机器，而是人类以往的计算能力限制了我们的理性，更限制了我们的经验，我们以为是理所应当的判断，或许并不是最好的答案，我们以为的俗手和昏招，也许只是胜利之路上必经的一步。就好像我们看着一个空空荡荡的房间，我们以为一无所有，但机器却能告诉我们这里还有细菌和PM2.5。 所以AlphaGo在围棋上的贡献，就是人类终于在茫茫天地之间有了一个参照物，可以看看人类凭借自己有限的理性对围棋的理解究竟到了什么地步，如果推而广之，或许在每个方面，人类都可以凭借人工智能，找到这样的一个参照物。 重新定义管理 当你想到这些事情的时候，真正细思极恐之处在于，我完全可以用这个观念去审视人类的一切已知，比如管理这件事。 人类以前对管理这件事的判断，会不会都是基于有限的理性和经验做出的？人类以为管理很艺术的那一部分，或者根本就是我们计算能力根本达不到，所以神秘化了的一部分？而人类所以为的不同的管理风格，是否也是在有限理性情况下加上一点个人喜好制造的伪命题？ 人类对于管理这件事情的理解，可能是远远不如围棋的，假如哪天我们真的发明了一个类似AlphaGo的参照物。 所以这就是为什么我一直呼吁，管理领域要注意技术的进展，尽管很多人对此不以为然。技术的进步，必定会拓宽人类理性的边界，发展到一定程度，人类反过来要向技术学习，就好像如今很多职业棋手都反过来学习AlphaGo的棋路。 故而，在技术的加持下，我们会越来越多地发现我们原来凭借有限理性所做的很多认识根本就是错误的，或者是不具备普适性的，比如我们以为胡萝卜加大棒可以激励人，就是简单从理性人假设的角度推测的结果，但真实的人的行为比理性人假设要复杂太多，那么究竟胡萝卜和大棒谁的激励更有效，大棒会产生什么副作用反而影响激励的效果，怎样的组合是效果最好的，原来的这套金科玉律一般的方法在一系列问题的拷问下显得如此无力。 因此，算法、大数据、深度学习，这些改变了围棋的东西也一样会拓宽人类的理性，进而改变管理，比如我们用机器学习和自然语言处理就可以通过几个问题发现候选人的性格特征和能力素质，比如我们用建模就可以轻松搞定以前让人头疼不已的workforce planning和组织流程设计，比如我们对沟通行为数据进行测量和分析就能了解组织的真实架构和会议、培训的效率高低。而这些我相信都仅仅是开始，我们还可以走得更长更远，会有更多场景等待技术去改变。 在技术的见证下，一切以往的权威学说都终究会与各种新颖大胆的假设和猜想一同放在聚光灯下，接受同等的检验和公正的对决，谁胜谁负，尚是未知之数。 所以，我们无论当下在这个领域内拥有什么样的地位和影响力，都随时要做好准备，重新学习管理学。因为有时候我们距离经验越近，距离真理反而越远，曾经让我们走向胜利的东西，有一天也会让我们走向失败，别忘了，AlphaGo根本不管什么定式和常型，它简单明了，只管赢棋。 我看到有位网友对此给出了很幽默的形容：“你使出一招破剑式，剑意飘忽，在场的人都惊呆了。对面一扫描，从你的初始动作和动态势能分析出你即将掠过的方位，一巴掌胡在你脸上。” 人的位置 在第四局比赛中，李世石执白棋终于战胜了AlphaGo，很多人会说，机器也不过如此，人类还是最可靠的。 我并不否认李世石的伟大，可是摆在眼前的事实是：第一，在这局棋之前，这场比赛的结果就已经注定了，这场比赛并不能挽回结果；第二，这一局里AlphaGo出了明显的bug，导致发挥失常，但机器可以修复bug并不断进化，最终必然会解决这一问题；第三，AlphaGo可以量产，而李世石和柯洁都仅此一个。 事实似乎很悲观，但从另一面来看，我们还是能发现两个可以让我们很乐观的情况：第一，昨天几乎所有的职业棋手都发现了AlphaGo的问题，因此，任何一个基本熟悉棋理的人类，只要和AlphaGo配合，就能战胜李世石这样不世出的高手；第二，人类通过与机器的对弈，能让自己变得更强。 这也是我认为为什么如今做管理的人都需要懂一点技术的另一个原因，因为依靠技术，我们既能在价值创造中所向披靡，也能让自己更逼近真理。同时，也是最重要的，是技术所创造的参照物让我们在这个世界面前，学会谦卑和宽容，学会欣赏和共赢。这样的人类，比从前只以为“人有多大胆，地有多大产”的人类，要可爱太多了。 毕竟，这么美好的东西，如果没有人类作为见证者，在机器那边永远只是一堆代码和算法，那该是多么无趣。 所以，就算是AlphaGo下得再好，我还是喜欢听曹大元、古力、柯洁他们的讲解，而不是看着机器冷冰冰地在棋盘上落子，连个BGM也不带。（本文完） 转载请注明出处： 春暖花开（CCH_chunnuanhuakai） 春 / 暖 / 花 / 开 管理践行者陈春花的自媒体 管理思想、商业评论、著作连载、人生感悟 |
|
|
来自： LJ大道行思 > 《职业经理人的条件》
