Redian新闻
>
这些旧认知,该变了!

这些旧认知,该变了!

其他

内容来源2022年11月22日,由机械工业出版社、南京大学商学院、领教工坊联合主办的“2022纪念彼得·德鲁克中国管理论坛”第二场《技术与管理》。

分享嘉宾:段永朝,杭师大阿里巴巴商学院特聘教授,信息社会50人论坛执行主席,苇草智酷创始合伙人。

注:笔记侠作为合作方,经主办方审阅授权发布。


见习笔记达人 | 琳茹
轮值主编 | 智勇 责编&值班编辑 | 青羊
 7107 篇深度好文:6290 字 | 17 分钟阅读

商业思维

笔记君邀您阅读前,先思考:


  • 数字世界,汹涌而来。你有没有想过数字世界里的基本问题是什么?和算法有关系吗?我们要怎么解决?

  • 伴随数字世界而来的第四次工业革命,是什么样子?它能从哪些方面彻底改变人类的生活?


(本期音频由倒映有声AI主播播报)

今天,非常高兴参加2022纪念彼得·德鲁克中国管理论坛。


虽然彼得·德鲁克去世有十多年了,但在今天这个数字时代,我们也需要用彼得·德鲁克的思想,看待数字世界的底层问题。


彼得·德鲁克的思想精髓是什么?我认为是他对人的关注。在这个数字技术日新月异的时代,我们更需要把注意力,集中在数字世界和人的关系上。


、这些年碰到的“黑科技”


科技一:AlphaGo


这些年,我们碰到很多“黑科技”,比如大家耳熟能详的AlphaGo(阿尔法围棋),2016年席卷整个围棋界,后来它又进化到了AlphaGo Zero。


但今天的AlphaGo,已经不下棋了,它进了生物领域,做生物的DNA折叠,叫AlphaFold。


科技二:GPT-3


两年前,一个叫OpenAI的人工智能公司,它给出了一个自然语言处理的算法,叫GPT-3。


它跟我们过去理解的算法都不一样,这个算法很惊人,参数量巨大,到了亿这个级别,有1750亿个参数。


这么多参数驱动一个强有力深度学习的算法,可想而知它将来在整个文本处理、图像处理、语音处理等方面,会有惊人的成就。


所以,有人预测在GPT-3这种大模型学习算法的推动下,将来写文章、写报道、写小说、写诗等,对机器人来讲都不在话下。


科技三:生物和量子计算领域


最近这些年,生物领域和量子计算领域也出现了惊人的进步。进一步的产业化、商业化,在可预见的未来,会给产业界带来非常重大的科技革命。


科技四:数字人


元宇宙的概念出来后,数字人的概念可以说是相当火热的一个落地场景。


不管是做主播,还是在新闻节目中报道,或者在综艺节目里扮演主持人,甚至在一些产业、一些企业的应用场景中,扮演一个智能客服,数字人也许会成为未来数字企业的标配。



二、对数字世界的深入思考


这些年的“黑科技”给我们传递了一个非常强烈的信息:未来已经来了,或者叫未来决定现在。


到底是谁的未来?是少数人的未来,还是绝大多数人的福音,它到底是怎么决定的?


这个问题的提出,是我受到德鲁克思想的启发。德鲁克认为技术是为人服务的,如果这里面没有了人,技术就可能变成一种异化的、奴役的力量。以人为本或者博雅艺术,是德鲁克思想的精髓。顺着思路,可以提出三个问题进一步思考。


这三个问题,其实我们在日常生活中或者现在的科技进步中,都已经感受到了。


问题一:人工智能的可解释


人工智能的可解释问题,是过去五年人工智能界自己意识到的重大问题。


人工智能产品,有很强悍的能力,很优异的表现,但它没有办法去解释。换句话说,它不能给出自己如何做以及为什么这么做的理由。


大家都知道人工智能的本领高强,但没有办法对这些人工智能的算法给出一些符合人类伦理原则,符合人类思维逻辑或者处事规则的合理解释,这是一个非常大的问题。


《深度学习理论原理》这本书,是三个年轻的科学家在过去两年的一个学习成果。可以看出,西方学者们都试图用“第一推动力”、“第一性原理”来解释深度学习,他们正在做这方面的努力,但人工智能的可解释问题,显然不是一蹴而就的,这是一个需要思考的问题。


问题二:如何理解“代码即法律,一切皆计算”


这个已经成了今天企业界、产业界和学术界共同热议的问题。


首先,这句话什么意思?


它的意思是说,将来可以把任何想象到的工作场景、生活场景、生产场景都转换成代码,甚至不只是生产环节,还包括质量监督、行为监测、行政执法,都纳入到代码算法的轨道上去。


第一句“代码即法律”,或者法律即代码、法律代码化,甚至法律代码化后可以获得对法律的重新诠释。所以第二句话叫“一切皆计算”。


这两句话有出处:第一个“代码即法律”,出自美国福特汉姆大学法学院的教授雷登伯格,他在20年前提出这种思想,说“代码即法律”,数字世界的人必须意识到这样一个现象已经出现,甚至必须意识到,这种未来就摆在面前。


“代码即法律”对我们的威胁,或者说影响在于,它突破了我们过去的认知。


过去我们认为,知识谱系一方面有自然的规律,另一方面掺杂了很多人对秩序的想象或者愿望。


如果把它代码化后,就会面临一个风险,这些代码可能掺杂了代码开发者、运营者或者是代码投资者的价值观。


在这个意义上,这种被凝结到代码中的伦理、规则、道德、法律、价值观将会强制的成为全体人遵存的行为规则,这是很大的问题。



第二个“一切皆计算”,出自图灵,计算机的创始人、计算机的鼻祖也是人工智能的鼻祖。丘奇是图灵的数学老师,另外一位多伊奇是一个物理学家,这三位放一起有了现在的“丘奇-图灵-多伊奇命题”。


学术界有一个“CTD原理”,或者叫“CTD命题”。命题,不是定理。换句话说,命题是未经证明的,你可以把它理解成一种猜想。


这个猜想内容是,所有人们可想象的现实计算过程,都可以用图灵机(当代计算机的逻辑原型)来实现。


这个命题给了很多工程师底气,为什么?因为命题如果被证实了,我们就可以把所有想象到的计算过程,都放在计算机里实现,并且认为这是合理的、合法的、正当的。


未来世界的建构逻辑,建立在近乎猜想的命题基础上,从此开始了它所向披靡的建设过程,掀起了一股又一股的建设热浪。


但大家有没有意识到,它仅仅只是一个猜想,仅仅表达了一种愿望,我们可以把所有的计算过程,放在图灵机里去实现。


但“可以”,代表“应当”吗?我们应当这么做吗?


这个问题,在今天我们享受着大量的数字成果的过程中被大大地忽略了,这是第二个需要思考的问题。


问题三:“黑灯工厂”的出现意味着什么


这些年,数字化带来了生产领域,制造领域的飞速变化,也传出了这样的声音。很多工厂为了大幅度降低成本,提高效率来适应这个飞速变化的时代,引进了大量的机器人、机械手臂、人工智能的算法装置、传感器等。


以至于,在过去的五年间,从欧洲、德国提出的工业4.0,到美国提出的数字孪生,以及中国提出的工业互联网,他们的底层逻辑都是:希望在未来能够建设一个虚实相间、虚实交融的数字世界。


在这个数字世界建设的过程中,势必会出现这样一个阶段——大量工厂变成“黑灯工厂”,即这些车间里,装配流水线上不再有工人,而是变成了一个个的机械手臂。


最近也有一些大集团成倍裁员的消息,他们的底气就来自“黑灯工厂”的出现。


“黑灯工厂”的出现意味着什么?一方面,它的劳动生产率会大幅度的提高,但另一方面,它会带来大规模的失业潮。


换句话说,机器再一次跟人争夺劳动岗位,机器再一次进入了过去属于人的领地。


一方面是技术进步的必然,但另一方面,人类对这个问题并没有完全准备好,我们并没有完全重新去思考劳动的含义,劳动对人意味着什么?



三、第四次工业革命的不同


1.速度与效率革命


我们在面对数字世界,所谓第四次工业革命到来的时候,需要思考一个深层次的问题,跟前三次工业革命做一个区分。


前三次工业革命,大家都认为从蒸汽机开始,到电力时代,到信息化、自动化时代,过去200年,人类经历了生产方式的巨大转型。


当传统的工业时代遭遇数字时代,进入第四次工业革命后,它已经发生了本质变化。


这个变化在哪里?


前三次只在速度和效率层面上提升,而第四次绝不仅仅停留在速度和效率层面。


我们知道,工业4.0或者工业互联网依然在速度和效率层面进一步提高了,可我们感觉到的速度和效率问题,已经不是第一位问题了。


那第一位问题到底是什么?是人的问题。


2.警惕经济学思想退化


前三次工业革命产生的经济学是传统经济学,所以最近也有一些学者认为在后工业时代、在数字工业时代,需要警惕经济学思想退化的问题。


美国一位经济史学家罗斯托,早年有一本著作,叫《经济增长理论史:从大卫·休谟至今》。


这本书里,他用很大的篇幅回顾了300年前,英国工业革命之后,经济学兴起的萌芽以及后来成为亚当·斯密经济学的一些主要思想基础,最后经过大卫·李嘉图到马克思,建立了现代的政治经济学的基本体系。


但罗斯托发现,在马克思后,西方经济学思想其实是一种退化的过程,退化有两个表征。


表征一,越来越数学化。


经济选择越来越跟数学挂钩,越来越讲究用数学计算来反映经济现实。这一点大家看的非常清楚。


表征二,经济学越来越收缩到一个专门的学问。


经济越来越强调增长和均衡,换句话说,马克思之后的经济学变成了宏观的、微观的“两分法”、关注市场、关注价格信号、关注交易、关注资源的匹配均衡以及关注福利、关注税收等等这些问题的专门学问。


在这里,人的问题被悄悄的掩盖起来。人的问题被掩盖后,特别在过去几十年来,伴随着信息技术和知识经济、数字经济的兴起,带来了很大的后遗症。


3.涓滴经济学


这个后遗症就是在80年代兴起的里根经济学、撒切尔经济学、自由市场主义经济学。


这种经济学的价值主张,通俗来说,叫涓滴经济学。下面这张图做了形象诠释。



只要你通过这种市场的自由交易,总可以实现财富的均衡分配。第一层,第二层,第三层总可以通过所谓财富的涓滴效应,达到财富公平,但这个过程在现实中是严重不符的。


现实中,财富的涓滴效应并没有发生。有人做过统计,100年前,在福特工厂中,如果一线工人的工资是100美元,那么CEO的工资大概是1000美元,十倍左右。


但在今天任何一个全球化的跨国公司、大集团中,恐怕一线工人的工资跟他的顶层CEO,董事会的董事长的工资差额,已经达到了几百倍之多。


这说明了财富的分配,已经严重扭曲到了令人瞠目结舌的地步。


如果仅仅把数字经济理解成一种速度的增长,一种增长模式的转变,或者一种效率的提升,这对数字世界关于人的价值实现是不符的。


4.普遍基本收入问题


为什么这些年来不管是欧洲还是北美,很多年轻学者们都在探讨普遍基本收入问题。


普遍基本收入这种理念,越来越成为数字世界里物质生产,或者物质消费,生活娱乐的重要支撑部分。


普遍基本收入说的是,通过绝对地给予一个人基本收入,以保障这个人的基本人权。换句话说,财富要在一定程度上满足人们的基本需要。数字经济已经面临了这样的挑战,它能不能满足所有人共享财富生产成果的普遍愿望?


5.从区块链看一瓶啤酒的新故事


先看传统的商业社会,啤酒是怎么消费的。



在传统的商业社会里,比方说啤酒十块钱,我们去店里拿手机扫码,这十块钱就到这个店家手里,你就可以把啤酒拿回去消费。


注意这十块钱的商业逻辑,一个月后,店家跟他的批发商结一次账,批发商三个月后,要跟生产厂结账。


你会发现,虽然你用的是手机支付,二维码数字支付,但支付逻辑,或底层商业逻辑并没有变化,跟100年前,200年前,300年前都是一样的,没有变化的是账期。


无论今天数字化发达到何种地步,我们看到的底层支付逻辑并没有发生根本性的变化,这就是问题所在。这说明了今天的数字世界,依然行走在传统工业经济思维的延长线上,这在未来一定是个问题。



我们想用真正的数字技术,改造数字世界的方方面面,还是要从底层开始突破。


所以我们要想象,区块链、元宇宙或者人工智能这些技术,真正用在数字世界的生产过程之后,能带来什么样的变化?

 

比方说,我们想象未来10年、20年以后,元宇宙、人工智能、区块链、数字货币已经非常成熟了,它们改造了生产过程、消费过程、交易过程。


这个啤酒还是十块钱,消费的过程没变,比如扫码支付,变化的是后面的过程。



这十块钱的啤酒消费后,钱并不是马上到小老板的手机里,而是分解成了很多块。比如它分解成了50个、100个小的支付项目:


瓶子盖两毛钱,它就到了这个瓶子盖的生产厂家手里;

啤酒瓶五毛钱,它就到了啤酒瓶的生产厂家手里;


这瓶啤酒上连接和分摊的电费是一分钱,它就会到电网公司那里;


这瓶啤酒上还有银行贷款利息的一笔钱,它会自动交给银行;


这瓶啤酒的诞生少不了生产线上装配工人的劳动,这笔钱也会自动进入劳动者的口袋里。


这意味着,一瓶啤酒在消费的刹那,这瓶啤酒上所凝结的物料、成本、劳动等所有碎片化的计量项目,都直接到达它该去的终点站,不需要经过所谓的资金逆向归集的过程。


这十块钱不需要在一个月后再给批发商,三个月后再给生产厂。


这个过程在过去实现不了,我们没有手段来做财富分配上的拆解。


但今天的数字技术,既然有这样的手段,就应该在第一时间拆解。不要等到资金不断逆向归集到老板口袋里,由老板再给员工发工资,再给生产厂家交付材料费用,再给银行交付贷款利息,通通不需要。


通过这个例子看到,数字世界一个非常重要、深刻的逻辑变化是从串联到并联。


什么是串联?


过去每个人的工资怎么发?工资是由这个月考核个人上个月的工作成果,按月发,或者是按工作量计件发工资。


可是发工资的过程,已经严重滞后于产品的生产和销售过程了。换句话说,分配个人劳动报酬,基本上跟生产、消费过程隔是绝和滞后的,这是过去我们缺乏合适的分配手段带来的。


今天有了数字技术后,这种串联的“先生产,后消费,再分配”的过程,就有可能转化成平行的并联过程——边生产,边消费,边分配。



换个角度设想,劳动者的收入也是碎片化,你每分钟都可以收到一个微小的支付量,手机“叮咚”响一下收了两毛钱,你的劳动成果随时随地被消费掉的刹那,就可以得到相应的报酬。


再举个例子,如果你是自由职业者,或者作家、新闻记者、摄影师等等。你的作品被人每欣赏一次都会给你付0.01元,每欣赏一次,每使用一次,都会为你付0.01元。


这叫微支付,这在过去是无法实现的。但今天在数字化手段面前,解决这个问题,在技术上不存在任何障碍。


数字世界,其实面临着更加深刻的变化,并不是我们过去想象中的那种单一的提高效率,加快速度。


四、小结:数字世界的3个基本问题


问题一:破除对技术的中立性


技术不再像过去那样中立了。我们有一个“菜刀理论”,意思是菜刀不杀人,人杀人,我们把问题归之于技术背后的人。


但今天的技术是智能化技术,智能化技术意味着它可以编程,可以代码化,可以写入价值观,写入伦理算法,然后变成算法伦理。所以技术丧失中立性。


这是现在数字世界面临的一个非常重大的挑战。


问题二:“效率和公平”的关系


传统的经济社会强调效率,认为公平只需要兼顾。有一句口号叫“效率优先,兼顾公平”。


过去我们也认为,共同富裕必须依赖物质的极大丰富,只有物质极大丰富后,稀缺不是问题后,才可能共同富裕。


这个认知在数字世界面前需要纠正。效率和公平问题是可以平行的、兼顾的,因为在技术上,已经有了同时解决效率和公平问题的手段。


问题三:人和机器的再分工


智能机器已经不仅仅是工具了。智能机器正在创造一个新的世界,将来在生产领域里,人可能要大幅度退出生产一线。


大量的生产岗位交给机器人,交给智能算法。无人工厂,无人农场,会是常态。


换句话说,人将会大幅度从劳动生产一线撤离。撤离后,人要做什么?做决策判断,做指导训练,做艺术创作。


整个数字世界的基本逻辑,由过去的创新逻辑变成了“边生产,边消费,边分配”的过程,这就是我总结的数字世界的三个基本问题。



数字世界还有一个底层挑战,就是需要我们想象“后天”。


我们不能凭借着工业时代的惯性向前冲,必须静下心来想想数字世界建成后的一个“后天”:我们需要面对什么画面?人和机器、人和世界、实体世界和数字世界之间结成了一种什么关系?


马克思的《共产党宣言》中有句话非常贴切,叫“一切坚固的东西,都烟消云散了。


这句话是鼓励我们,要多去打破思想的束缚,多去超越工业时代传统经济学思想、管理学思想对人头脑的束缚,多去想象“后天”。


想象“后天”是一件非做不可的事。我们只有认真地去想象,才能知道我们今天、明天,应该为“后天”做哪些准备。


这些想象也要跟彼得·德鲁克的思想串联,彼得·德鲁克在工业资本主义的早期和成熟期,就非常敏锐地洞悉到了人的需要。他认为所有的经济发展和社会发展,最终目的都是为了人的发展。


今天的数字世界依然如此,我们需要把眼光更多地关注到人身上,才能理解在数字世界里,我们将会面临什么样的宏伟蓝图,以及什么样的艰巨挑战。


*文章为作者独立观点,不代表笔记侠立场。


分享、点赞、在看,3连3连!

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
美国“人肉”网站刷新华人隐私权认知,律师称合法突发!禁令升级!澳邮政宣布暂停海运邮件,大量华人慌了!恢复时间未知,华超或将缺货?老照片:80年代的纽约民主党人应该变得更温和的十条理由安全常识——研究称这些超加工食品吃太多或导致认知受损娄岩一周诗词四首突发情况!海内外同胞们注意了!纽约华人女子突然莫名收到补税通知,才发现居然欠账6000多美元...科技部等八部门印发科技人才评价改革通知,这些院校是试点!陈傻子:分别了150天,再分别30天,与亲爱的朋友们又见面了!推动社会进步的不是公知,而是无数网民,无数自媒体作者!为什么你的认知那么高却还那么穷?千万别再掉入“高认知穷人”陷阱!张学良的“双十二”:不但改变了中国,世界都改变了生活的幸福度上任数月,艾博年逆龄“大变脸”?狂减40斤,穿衣风格都变了!澳整型专家揭秘:他悄悄做了这些努力...多地通知,这些人可以不做全员核酸来返哈须知,哈尔滨疾控中心最新发布 ↘2023年,被疫情颠覆的认知,现在知道还不晚冲!黑五羊毛提前知,免费领$30美金亚马逊卡!妈妈们买买买最便宜的时刻到了!必看!关于毛主席遗体的处置意见读了庄子的《秋水》,就知道什么样的认知,就是什么样的命运后来我们依旧认真生活,只是很少执着了都说“投资是赚认知的钱”,但什么是认知?感染高峰到来,重读加缪《鼠疫》:关于疫情的认知,我们了解的还是太少了交叉多学科推动大脑机制认知,类脑智能研究呈交互螺旋式发展态势,未来商业化发展值得期待徐井宏:没有正确的认知,就没有正确的行动华人要觉醒(1) 改变思维,提高认知,拒绝极左参选人的忽悠,拒绝地域歧视回国机票跌破千元!中国驻悉尼总领馆发回国新通知,入境措施有变!直飞机票价格狂跌!为迎接中国旅客,澳机场拼了!回国直飞票价狂跌破千!中国驻悉尼总领馆发回国新通知,入境措施有变!为迎接中国旅客,澳机场拼了!艾博年采访再提中国...家里这些旧东西脏了不要扔!简单一步多用10年,跟新的差不多研究:多吃这些果蔬多喝茶,或能减缓认知衰退认知,比勤奋更重要浅聊上海百年风情史冲!双11黑五大促提前知,湾区妈妈们买买买最便宜的时刻到了!还有免费领!必看!是时候了!疫情放开后最苦的这群人,该被看到了!研究:蛋糕、薯条、汉堡……这些超加工食品会致认知下降!重磅!香港发布紧急通知,全体留学生彻底沸腾了!
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。