領(lǐng)教導言

現(xiàn)在的商業(yè)環(huán)境開始變得越來越復雜 ——VUCA（volatile, uncertain, complex和ambiguous的首字母縮寫，即易變、不確定、復雜、模糊），領(lǐng)導者對于決策變得越來越困難，工業(yè)化時代那種以命令和控制為主的領(lǐng)導方式已經(jīng)無法滿足需要。在面對VUCA這種商業(yè)環(huán)境下，企業(yè)領(lǐng)導者也要升級自己的領(lǐng)導力。

2016年3月，谷歌開發(fā)的阿爾法狗（AlphaGo）戰(zhàn)勝了圍棋世界冠軍李世石或許可以給到一些啟發(fā)，因為AlphaGo就是在面臨VUCA的環(huán)境下取勝的?？偨Y(jié)下來，AlphaGo采用以下5個原則來展開競爭，這也是谷歌目前在管理上正在做的：

自組織：招聘最優(yōu)秀的人才，給他們自由（和最大可能的授權(quán)）

簡單規(guī)則：對多元化群體（由自組織員工組成）提供泛泛的指導

通才甚于專才

欣賞多元化

快速大量試錯

——許曉磊

2016年3月是人工智能大獲全勝的時刻，谷歌的阿爾法狗戰(zhàn)勝了圍棋世界冠軍李世石。人工智能是如何完成這個看似不可能完成的任務(wù)的？答案就是它采用了谷歌等公司在管理員工時采用的5個原則。

那是人工智能大獲全勝的時刻：2016年3月，全球有2.8億人見證了圍棋世界冠軍李世石與谷歌（Google）旗下人工智能企業(yè)DeepMind開發(fā)的阿爾法狗（AlphaGo）之間的歷史之戰(zhàn)。這次比賽在韓國舉行，向全球直播，最終李世石以1：4敗給了阿爾法狗。

人們一向認為，在棋類游戲中，圍棋是人工智能的最大挑戰(zhàn)者，因為圍棋需要巨大的搜索空間，而且棋子位置和走向很難判斷。直覺，也就是從整個棋局判斷比賽形勢的能力，才是贏棋的關(guān)鍵。

人工智能比埃隆?馬斯克（Elon Musk）等行業(yè)大佬的預測提前10年完成了這項看似不可能完成的任務(wù)。它是如何做到的？答案就是它采用了谷歌及其他硅谷技術(shù)公司在管理員工時所使用的方法。

接下來，本文將介紹谷歌和阿爾法狗為大幅度提高創(chuàng)新能力而采用的5個原則。在這個VUCA（volatile, uncertain, complex, ambiguous的首字母縮寫，即易變、不確定、復雜、模糊）時代，所有公司都可以用這些原則展開競爭。

自組織智能體

阿爾法狗和谷歌都采用了自組織智能體。在人工智能技術(shù)中，智能體自己學習，而不是依賴那些根據(jù)圍棋大師的經(jīng)驗事先編寫好的指令。

谷歌管理員工的方式也體現(xiàn)了這一原則：“招聘最優(yōu)秀的人才，給他們自由。”在谷歌，管理者被要求盡量向下級授權(quán)，授權(quán)程度之大讓他們自己都開始感覺有些不自在。

另外，谷歌還有一條20%工作時間的規(guī)定，即員工應(yīng)當花20%的時間來做他們認為對谷歌最有益的事。這也體現(xiàn)了上述理念。

采用簡單規(guī)則

阿爾法狗采用兩套簡單規(guī)則：

1.評價棋子走位并降低搜索廣度的策略網(wǎng)絡(luò)（policy network）；

2.預測某一走位的獲勝概率并降低搜索深度的價值網(wǎng)絡(luò)（value network）。

這些規(guī)則可以降低阿爾法狗需要處理的輸入信息，從而提升計算速度。

谷歌也采用簡單規(guī)則對多元化群體（由自組織員工組成）提供泛泛的指導。

◆谷歌如何決定是否要在某一管理者下面增加一個層級？

那就是至少有7名員工。

◆辦公空間方面有什么規(guī)則？

保持開放，最大程度地增加互動交流。

◆職業(yè)道德方面的規(guī)則呢？

“不做惡?！?/p>

◆如何配置公司資金？

現(xiàn)有產(chǎn)品占70%，新產(chǎn)品占20%，“登月”項目占10%。這些簡單規(guī)則不僅為員工自組織活動提供了一個大致的評判標準，同時也有助于提升決策速度。

通用智能而非狹義智能

與僅用于有限目的的狹義人工智能不同，阿爾法狗是通用人工智能（artificial general intelligence, AGI）—可在多種類型任務(wù)環(huán)境下操作的單一系統(tǒng)。

狹義人工智能的問題在于一旦碰到原先程序中沒有涉及的情況就會死機，例如智慧家庭中所使用的人工智能。而像阿爾法狗這樣的通用人工智能算法在穩(wěn)定性和適應(yīng)性方面都更勝一籌。

谷歌同樣也是喜歡通才甚于專才：

重視專業(yè)技能而忽視一般智能的做法是錯誤的。世界上所有行業(yè)、所有工作都在發(fā)生巨變。在這種動態(tài)環(huán)境下招聘專才可能會適得其反。專才在解決問題時帶有天生的偏見，而通才則無此類偏見，他們可以考察各種可能的解決方案，選出最佳方案。

多元化輸入

輸入的多元化提升了阿爾法狗的表現(xiàn)。開發(fā)者先用優(yōu)秀業(yè)余棋手間10萬次對弈對它進行訓練，然后用3,000萬次與自己的對弈進行自我訓練。

谷歌也欣賞多元化，而不是千篇一律。它認為：

組織內(nèi)部的同質(zhì)化會帶來失敗，而觀點的多元化則是防止短視行為的最佳方法。背景不同的人觀察世界的方法也各不相同，而這種視角差異所產(chǎn)生的洞見是無法傳授的。

大量試錯

阿爾法狗的學習方法是通過試錯不斷地進行實驗。它采用的不是暴力算法，而是強化學習法：

不斷地與環(huán)境互動，并在此過程中學習。為了不斷提升阿爾法狗的獲勝率，屢戰(zhàn)屢敗是必經(jīng)的過程。為實現(xiàn)徹底創(chuàng)新，失敗是必不可少的輸入。

谷歌每年會進行2萬次快速實驗，評估實驗結(jié)果，然后周而復始，以便實現(xiàn)漸進式提升。這一過程中的失敗不會受到懲罰。

埃里克?施密特（Eric Schmidt）在評價Google Wave這個即時交流平臺的失敗時說：“我們的政策就是不斷地嘗試。我們歡迎失敗。在我們公司，啃硬骨頭絕對不會有問題。即便沒有成功，我們也可以吸取教訓，然后用在新項目上。”

這些幫助阿爾法狗打敗李世石的原則，也幫助谷歌創(chuàng)造了一種能孕育徹底創(chuàng)新的文化。正是因為順應(yīng)了自然法則，這些原則對所有組織具有普適性。

改變領(lǐng)導力，適應(yīng)多變的商業(yè)環(huán)境

然而，在面臨VUCA形勢時，這些原則同樣會使很多傳統(tǒng)公司陷入癱瘓。現(xiàn)在，領(lǐng)導要面對太多紛繁復雜、相互糾纏的因素，在很短的時間內(nèi)應(yīng)對太多的不確定性，做出有效決策。

現(xiàn)在的商界日益復雜，工業(yè)化時代那種以命令和控制為主的領(lǐng)導方式已經(jīng)無法滿足需要。為了在像圍棋這種復雜的游戲中取勝，人工智能必須從暴力計算升級到更加快速靈活的方法。

同理，企業(yè)領(lǐng)導者也需要升級自己的游戲規(guī)則，以便成功應(yīng)對當前復雜的商業(yè)環(huán)境。

即使是最優(yōu)秀的人工智能，也無法根據(jù)以往對弈過程分析中得到的專家知識指揮當前的落子方式。同樣，即使是最優(yōu)秀的領(lǐng)導者，也無法看透一個決策和部署的最終結(jié)果。

現(xiàn)在的競爭已經(jīng)變得過于復雜，致使決策變得更加困難。自組織、簡單規(guī)則、通用方法、多元輸入以及大量試錯等原則有助于駕馭這種復雜性，從而大幅度提升徹底創(chuàng)新的能力。

請大家記住，那些創(chuàng)造新的產(chǎn)品品類或者重塑行業(yè)動態(tài)的徹底創(chuàng)新，通常都來自實驗過程中出現(xiàn)的數(shù)量眾多的副產(chǎn)品，是一種意外之喜。