为什么雇用“最好的”人会产生最不创意的结果

在威斯康星大学麦迪逊分校的数学研究生院期间,我从David Griffeath学习了逻辑课程。课很有趣。格里菲斯(Griffeath)为问题带来了嬉戏和开放性。

在威斯康星大学麦迪逊分校的数学研究生院期间,我从David Griffeath学习了逻辑课程。课很有趣。格里菲斯(Griffeath)为问题带来了嬉戏和开放性。令我高兴的是,大约十年后,我在交通模型会议上遇到了他。在有关交通拥堵的计算模型的演讲中,他的手抬高了。我想知道关于交通堵塞的木格 – 数学逻辑学家 – 一位数学逻辑学家。他没有失望。他说,即使没有刺激的刺激,他说:“如果您要建模交通拥堵,就应该跟踪非卡车。”

当有人丢下意外情况时,集体回应遵循了熟悉的模式,但曾经说过,一个明显的想法:令人困惑的沉默,让位于空间的点头和微笑。不需要说什么。

格里菲斯(Griffeath)进行了出色的观察。在交通拥堵期间,道路上的大多数空间都充满了汽车。建模每辆车会占用大量内存。追踪空格的跟踪将使用更少的内存 – 实际上几乎没有。此外,非驾驶员的动力学可能更适合分析。

这个故事的版本通常在学术会议,研究实验室或政策会议,设计组内以及战略性的集思广益会议上进行。他们具有三个特征。首先,问题很复杂:它们涉及难以解释,工程,发展或预测的高维环境。其次,突破性的想法不是由魔术引起的,也没有从整个布上重新建造。他们采用了现有的想法,洞察力,欺骗或规则,并以新颖的方式应用它,或者结合了想法 – 例如苹果对触摸屏技术的突破性重新应用。在格里菲斯(Griffeath)的情况下,他应用了信息理论中的概念:最小描述长度。列出“ abcdefghijkmnopqrstuvwxyz”所说的“不l”所需的单词更少。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,它们会产生很大的影响。通过一系列小步骤与巨型飞跃一样,进步也是如此。一个人介绍了她对问题的看法,描述了一种找到解决方案或识别粘性点的方法,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·荷兰(John Holland)通常问:“您是否认为这是马尔可夫的过程,并在这些州之间进行了一系列状态和过渡?”该查询会迫使演示者定义国家。这种简单的举动通常会导致洞察力。

团队的新兴 – 现在大多数学术研究都在团队中进行,大多数投资甚至大多数歌曲创作(至少对于好歌)都可以追踪我们世界上日益增长的复杂性。我们曾经修建从A到B的道路。现在,我们建立了具有环境,社会,经济和政治影响的运输基础设施。现代问题的复杂性通常无法完全理解任何人。例如,导致肥胖水平上升的因素包括运输系统和基础设施,媒体,便利食品,不断变化的社会规范,人类生物学和心理因素。以另一个例子为例,设计航空母舰需要了解核工程,海军建筑,冶金学,流体动力学,信息系统,军事协议,现代战争的行动以及鉴于较长的建筑时间,可以预测武器系统趋势的能力。

复杂问题的多维或分层特征也破坏了精英阶层的原则:应该雇用“最好的人”的想法。没有最好的人。在组建肿瘤学研究团队时,诸如Gilead或Genentech之类的生物技术公司不会构建多项选择测试并聘请最高得分手,或者雇用根据某些绩效标准,恢复得分最高的人。相反,他们会寻求多样性。他们将建立一个团队,这些团队带来各种知识基础,工具和分析技能。该团队很可能不包括数学家(尽管不是诸如木格之类的逻辑学家)。数学家可能会研究动态系统和微分方程。

信徒在精英管理中可能会赋予团队应该是多样化的,但随后认为精英原则应适用于每个类别。因此,团队应包括“最佳”数学家,“最佳”肿瘤学家和来自池中的“最佳”生物统计学家。该位置遭受了类似的缺陷。即使有一个知识领域,也没有适用于个人的测试或标准也会产生最好的团队。这些域中的每个域都具有如此深度和广度,因此不存在测试。考虑神经科学领域。去年发表了超过50,000篇论文,其中涵盖了各种技术,探究域和分析水平,从分子和突触通过神经元网络启动。鉴于这种复杂性,任何试图将一系列神经科学家从最佳到最糟糕的尝试进行排名,好像他们是50米蝴蝶中的竞争对手一样,都必须失败。可能是正确的是,鉴于特定的任务和特定团队的组成,一个科学家比另一个团队更有可能做出贡献。最佳招聘取决于上下文。最佳团队将会多样化。

可以看出,这种说法的证据可以看出,结合多种思想的论文和专利倾向于将其列为高影响力。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合奏组成。如果对图片进行分类,则每棵树都会投票:那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。

建造森林时,您不会选择最好的树木,因为它们倾向于进行类似的分类。你想要多样性。程序员通过在不同的数据上训练每棵树,这是一种称为行李的技术来实现这一多样性。它们还通过在最难的情况下训练树木来“认知”森林 – 当前森林的案例是错误的。这样可以确保更加多样性和准确的森林。公司,非营利组织,政府,大学甚至学龄前儿童测试,评分和雇用“最佳”。这几乎可以保证不会创建最好的团队。按照共同的标准对人进行排名会产生同质性。当偏见蔓延时,它会导致看起来像做出决定的人。这不太可能导致突破。正如Google母公司Alphabet的“ Moonshoot Factory” X首席执行官Astro Teller所说:‘拥有不同心理观点的人是重要的。如果您想探索您没有探索的东西,那么让看起来像您的人看起来像您一样,就像您不是最好的方法。’我们必须看到森林。

Scott E页面

这篇文章最初发表在Aeon,并在Creative Commons下重新出版。

原创文章,作者:新鲜事,如若转载,请注明出处:http://www.dsonekey.com/3444.html

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息