为什么聘请“最优秀的”人才能产生最少的创造性成果

在威斯康星大学麦迪逊分校的数学研究生院学习期间,我参加了David Griffeath的逻辑课程。这堂课很有趣。格里菲斯为问题带来了乐趣和开放。令我高兴的是,大约十年之后,我在交通模型会议上遇到了他。在关于交通堵塞的计算模型的演示中,他的手上升了。我想知道Griffeath–数学逻辑学家–不得不说交通拥堵。他并没有让人失望。他的声音甚至没有一丝兴奋,他说:‘如果你正在模拟交通堵塞,你应该只跟踪非汽车。’集体反应遵循熟悉的模式,当有人意外,但但曾经说过,明显的想法:一个困惑的沉默,让路到满屋的点头和微笑。没有什么需要说的.Griffeath做了一个精彩的观察。在交通拥堵期间,道路上的大部分空间都装满了汽车。对每辆车进行建模会占用大量内存。跟踪空白空间将使用更少的内存–实际上几乎没有。此外,非汽车的动态可能更适合分析。这个故事的版本经常出现在学术会议,研究实验室或政策会议,设计小组和战略头脑风暴会议中。它们有三个共同特征。首先,问题很复杂:它们涉及难以解释,工程,进化或预测的高维背景。其次,突破性的想法不会出现通过魔法,它们也不是用整块布料重新构建的。他们采用现有的想法,见解,伎俩或规则,并以一种新颖的方式应用它,或者他们结合了想法–就像Apple的触摸屏技术的突破性重新定位一样。在Griffeath的案例中,他运用了信息理论的概念:最小描述长度。说‘ No-L’需要更少的单词而不是列出‘ ABCDEFGHIJKMNOPQRSTUVWXYZ’。我应该补充一点,这些新想法通常会产生适度的收益。但是,总的来说,它们可以产生很大的影响。通过一系列小步骤和巨大的飞跃,进步同样发生。第三,这些想法在群体环境中产生。一个人展示了她对问题的看法,描述了寻找解决方案或识别的方法这是一个棘手的问题,第二个人提出建议或知道解决方法。已故的计算机科学家约翰·霍兰德常常问:‘你是否认为这是一个马尔可夫过程,有一组状态和这些状态之间的过渡?’该查询将迫使演示者定义状态。这种简单的行为通常会导致洞察力。团队的迅速增长–大多数学术研究现在都在团队中完成,大多数投资甚至是大多数歌曲创作(至少对于好歌而言)–追踪我们世界日益复杂的情况。我们过去常常修建从A到B的道路。现在我们建设具有环境,社会,经济和政治影响的交通基础设施。现代问题的复杂性往往使任何一个人无法完全理解他们。例如,导致肥胖水平上升的因素包括交通系统和基础设施,媒体,方便食品,不断变化的社会规范,人类生物学和心理因素。举一个例子,设计航空母舰需要了解核工程,海军建筑,冶金,流体动力学,信息系统,军事协议,现代战争的运作,并且鉴于建设时间长,能够预测武器系统的趋势。复杂问题的多维或分层特征也破坏了精英管理的原则:“最佳人”的理念。应该被录用。没有最好的人。在组建一个肿瘤研究团队,一家生物技术公司,如吉利德或基因泰克不会构建多项选择测试并聘请最佳得分手,或根据某些表现标准雇用简历得分最高的人。相反,他们会寻求多样性。他们将建立一个团队,带来各种知识库,工具和分析技能。那个团队更有可能不包括数学家(尽管不是Griffeath等逻辑学家)。数学家可能会研究动力系统和微分方程。精英管理中的信徒可能会认为团队应该是多样化的,但后来认为任何一个类别都应该适用精英原则。因此,团队应该包括‘ best’数学家,‘最佳’肿瘤科医生,以及‘ best’池内的生物统计学家。那这个位置也有类似的缺陷。即使有知识领域,也没有适用于个人的测试或标准会产生最好的团队。这些领域中的每一个都具有如此深度和广度,不存在任何测试。考虑神经科学领域。去年发表了超过50,000篇论文,涉及各种技术,探究领域和分析水平,从分子和突触到神经元网络。考虑到这种复杂性,任何将神经科学家的集合从最好到最差排列的尝试都必须失败,就好像他们是50米蝶泳中的竞争对手一样。可能是真的是,鉴于特定任务和特定团队的组成,一个科学家比另一个科学家更有可能做出贡献。最佳招聘取决于具体情况。的Optim这些主张的证据可以从组合不同想法的论文和专利倾向于具有高影响力的方式看出。它也可以在所谓的随机决策森林的结构中找到,这是一种最先进的机器学习算法。随机森林由决策树的集合组成。如果对图片进行分类,每棵树都会投票:是狐狸还是狗的图片?加权多数规则。随机森林可以服务于许多目的。他们可以识别银行欺诈和疾病,推荐吊扇并预测在线约会行为。当建造森林时,你不会选择最好的树,因为他们倾向于做类似的分类。你想要多样性。程序员通过在不同数据上训练每棵树来实现这种多样性,这种技术是已知的作为装袋。他们还提升森林‘认知’通过对最困难的案件进行树木培训–当前森林出错的那些。这确保了更多的多样性和准确的森林。但是,精英的谬论仍然存在。公司,非营利组织,政府,大学甚至幼儿园测试,评分和雇用“最佳&rsquo”。这一切都保证不会创造出最好的团队。按共同标准对人进行排名会产生同质性。当偏见蔓延时,会产生看起来像做出决定的人。那不可能带来突破。作为X的首席执行官Astro Teller,“moonshoot工厂”’在Google公司的母公司Alphabet表示:‘拥有不同心理观点的人是什么’重要的。如果你想探索你没有探索过的东西,那些看起来像你一样的人并且像你一样思考并不是最好的方式。’我们必须看到森林.Scott E Pageis是密歇根大学安娜堡分校复杂系统,政治科学和经济学的Leonid Hurwicz学院教授,​​以及Santa Fe学院的外部教员。他的最新着作是“多元化奖金:知识经济中的优秀团队如何获得回报”(2017)。本文最初发表于“爱”,并在知识共享下重新发表。(图片来自Flickr用户CIAT)获取政府时事通讯的优秀信息—日为您的联邦使命和事业提供重要的创意资源

Tags:

Add a Comment

电子邮件地址不会被公开。 必填项已用*标注