重申“人的因素”的存在价值

克里斯蒂安•马兹比尔格

媒体一直以来都在报道有关我们人类的一些负面新闻。每天我们耳边都充斥着人和机器相比是如何的不可理喻，多么的效率低下的论调。作为对手，硅动力计算机果断聪慧，人脑与之相比相形见绌，迟缓并为各种情感所累。在职场，人往往败事有余，拖延项目进程，喜欢把事情复杂化、模糊化，把黑白分明的事变为模糊的灰色。人类需要从经验中学习。我们的学习体验无法做到像计算机那样精确、严密而连贯。

如今人类在这个世界的立足点岌岌可危，甚至到了要为自己的不足找个借口的程度。我们会在休息室或者愉快地喝一杯的时候，耸耸肩说出我们的口头禅“我们只是人啊”。其实这句话反映了我们的文化是如何阐释人的：人类存在许多不足之处。

这在工程界被称为人的因素。在诸如航空、供应链管理和药学领域，所谓人的因素其实等同于具有犯错的能力。有一个名为“人的因素研究”的学术领域迅猛发展，主要研究人机交互活动（HCI）中，如何优化和改正人所犯的错误，探讨机器该如何应对人类会犯的典型错误。例如，谷歌就把这项研究利用在无人驾驶汽车上，试图解读人类驾驶员的反复无常的驾驶习惯。然而，众所周知，人类的行为缺少规律，这使计算机无从下手，无法完成完美驾驶的任务。

雪上加霜的是，一些记者和未来论者一直在说人类所做的大部分工作很快就会转移到机器人手中。最初，工厂和服务部门的员工会被替代，然后，这一情况会扩展到整个劳动力市场：餐馆服务员、药剂师、诊断医师、律师、会计师—甚至照顾老人的护理人员。在记者和学者们看来，问题不是这种情况会不会发生，而是一旦发生，我们人类该如何自处？

解决方法似乎一目了然，那就是如果人类还想在社会上做一个有用的人，想要拥有一份工作，那么我们就要向身边无处不在的运算程序妥协，甚至臣服于它们。每天我们都会听说在某位有常青藤教育背景的经济学家帮助下，找到了某个可以点石成金的魔球（Moneyball）解决方案，为某一行业开启了清晰的、靠事实而不是靠人类直觉和经验说话的分析模式。我们耳边充斥着各种来自亚马逊、谷歌或者其他应用程序和新兴公司的大数据评分。招聘网站看准网（Glassdoor）认为2016年美国排名第一的工作是“数据科学家”，因为他们有众多的就业机会、高薪资和晋升机会。我们狂热地认为数据越多越会获得更多的真知灼见。假如我们参考了一百人的数据，学到了X, 那么是不是如果整合了数千人的数据，我们所学的东西就会成积数增长呢？以此类推，数亿人会如何呢？数十亿呢？最近，脸书的首席执行官抓住了我们对大数据狂热的时机，向投资人提出，他想让脸书的机器学习系统创造出“最清楚的世界万物范例”。

学生们也捕捉到了这一讯息。美国最负盛名的大学里，对文科专业，如英语和历史，趋之若鹜的时代已经过去。现在人们对工程和自然科学的热衷程度远超于人文学科。20世纪60年代以来，人文学科授予学位数减少了一半。对人文学科的资助也大幅下降。到2011年，甚至连科学和工程研究发展资助的百分之一都不到。在社会科学内部，像社会网络分析和心理测量这样的可量化的专业较受欢迎，而社会学和人类学这样只可做定性分析的专业已经过时、无人问津了。2015年市民大会中，美国共和党总统候选人杰布•布什说，心理学专业的学生只能去福来鸡这样的汉堡店打工。同年，日本教育部长责令日本大学取消社会学和人文学科，或者让这些学科向“能更好满足社会需求”转换。

探求文化的人文学科如文学、历史、哲学、艺术、心理学和人类学不再能满足“社会需求”。在官方看来，基于人文角度来理解不同的人和他们的世界是一种无用之事。既然大数据可以让人们获得浩如烟海的信息，那么以人为主导的社会探求又有什么价值呢？既然运算程序可以阅读所有书籍并提供相关内容的客观分析，那么我们又何必亲自去读几本好书呢？既然戏剧、绘画、历史研究、舞蹈、政治论文、陶艺以及文化知识无法剥离其独特性，脱离其背景，无法转化为大量的具体的信息存储，那么它们的存在价值何在呢？

我之所以写这本书就是要急于传达一个观点：它们的存在确有其价值。

我们对人文思考所蕴育的文化知识置之不理，会使我们的未来堪忧。当我们只关注硬数据和自然科学的方法，企图把人类行为量化成最细小的单位（夸克）或部分，我们其实是在销蚀我们对所有无法如此分割、简化的知识的敏感度。我们事实上放弃了书籍、音乐、艺术这些可以让我们从复杂的社会背景中认知自我的渠道。

这决不是什么高深莫测、仅限于象牙塔中讨论的议题。实际上，我在每天的咨询工作中都会目睹这一现象所产生的种种后果。我看到大公司高层缺少文化领导力，我目睹太多高层领导受困于自己的世界观。他们忽略了客户和职员身为人的一面，而是把错误地把大量的报告和模式图当作真实的生活；他们的每一天被细切成微小的片段，于是认为自己没有时间去吸收真实世界的混杂数据，而是一头扎进解决问题的进程中，并且在还没有搞清真正的问题是什么时就做出结论。

其结果就是，那些有工程学背景或者接受过MBA培训的人会被雇用为初级管理者，如同士卒一般，战斗在数据的战场上。他们只关注硬数据，而看不到那些现实存在的、令人震惊的问题和缺陷。所以许多低级管理者会在商业世界遭遇到天花板现象。他们就是所谓的简化论者，缺少识别出最令人振奋的、最基础的模型所需的敏感度。这些管理者只做“正确的”事：他们对整个系统了如指掌，所有测验都胜券在握；他们去最好的学校，门门功课成绩优异；他们的整个教育进程都在训练他们如何简化问题，解决问题。时至今日，他们已经丧失了跻身领导高层所需的智力深度和广度。

如果要在事业上取得成功，人文和社会科学的培养与STEM(科学、技术、工程、数学的首字母缩写)教育相比，即便不是更为重要，至少也同等重要。当然想要用硬数据来证明这一观点并不是很容易。那么且让我把这一和数据相关的问题放在一定背景下说明吧。2008年，华尔街日报刊登了由薪金标准（PayScale）调研公司所做的有关全球补偿贸易的大型调研报告。这项报告验证了单纯有STEM教育背景的学生通常一毕业就可以找到较好薪酬的工作。工作初期的薪酬中位值为72 000美元，麻省理工和加州理工的毕业生在这一阶段独占鳌头。而到了事业中期的时候，同样对比最好薪酬中位值，这两个学校的毕业生分别排到第3和第6的位置。

这项研究涵盖了美国全境所有大学毕业生。所以无论是对工作初期或中期而言，取中位值的测量方法都是有利于STEM毕业生的。这是因为文科毕业生在全国所从事的职业惊人的广泛，涵盖众多领域。但是如果看全国最高薪酬人群—即工作中期第90百分位或以上人群—你会发现情况大有不同。麻省理工毕业生排名退至第11位，排在十所以文科闻名的学院和大学之后。而耶鲁大学和达特茅斯学院这类大学在高薪值收入中位值排名中名列前茅—可超过300 000美元。所有以STEM为主的学院中，工作中期第90百分位薪酬榜上只出现了卡内基梅隆大学的身影。

同样的情况也出现在专业区分上。总体来说，就薪酬而言，计算机工程和化学工程拔得头筹。工作中期，较高薪专业前20名中很难看到人文专业。但是，同样地，如果看全国薪酬最高的第90百分位，情况会突然发生逆转。政治学、哲学、戏剧和历史专业凸显。而且他们往往毕业于像科尔盖特大学，巴克内尔大学以及联合学院这样的纯文科院校。

从这些数据我们可以得出的结论是，大多数的STEM教育背景可以使学生在毕业初期获得较好的收入和一份体面的工作，但是有影响力的高收入者—职场的主导者，可以突破晋升瓶颈的，可以改变世界的人—都倾向于有文科学历。如果你听惯了来自硅谷、政治家甚至一些教育部门领导的言辞，你可能会感觉这一说法非常不可理解。但是如果你在全球企业或国际某一有影响力的机构待一段时间，就会明白这一说法很有道理。我从事咨询工作近20年，客户遍布全球。他们都是最高执行官和管理层。我可以明确地告诉你，最成功的领导者都是有好奇心、接受广博教育的人。他们即可以欣赏小说也可以读电子图表。

难道我们真的相信寻求一家全球性保险公司的未来出路，判定某项拟议立法的政治和社会内涵，要完全仰仗线性决策树或电子图表上面的数据吗？2007年2月，雷曼兄弟公司拿出了一打摆放整齐的资产负债表，宣布了其市场总值达到近600亿美元，创造了历史新高。可还不到一年，他们的股票就跌落了93%，公司开始申请破产。那一系列的数值数据掩盖了更为复杂的事实真相，这直接导致了该公司的破产。2003年和2004年间，雷曼兄弟投行收购了五家抵押放贷公司，其中包括两家次级抵押贷款公司，它们甚至在没有任何真实授信文件的情况下可以发放贷款。当时正值房地产繁荣时期，房地产的利益是前所未见的，于是越来越多的人设法获得没有任何成本的资金，而对其偿还能力的谨慎考查却越来越少。此外，这些坏账还被打包隐藏在及其复杂的金融产品CDO（债权抵押证券）之中。如果任何领导者或高管愿意走出办公室去街上观察一下实际情况的话，就会很容易发现现实情况到底如何。次贷市场的大多数借款人会违约，无法偿还贷款。这是不可避免的事实。遗憾的是，那些金融领导者们，几乎无人觉得，哪怕是为了我们这些在2008年9月把退休积蓄都投入到股票市场的人，他们也值得花些时间走出去，从现实世界的数据中寻求一些线索。我们一旦停止思考，处于危险之境的不只是我们的智力，还有我们的生意，我们的教育，我们的政府以及我们一生的积蓄。

不只是我一个人对此深表担忧。许多非常出众的领导者都公开呼吁要培养更多有文科教育背景的思考者来应对我们的未来。洛克希德马丁公司退休的董事会主席和CEO诺曼•奥古斯丁2001年在为华尔街日报写的评论中呼吁，要加强我们中小学的人文基础教育。他说：“历史学习不仅仅告诉我们有关一个国家或者文明的故事，它还能培养出有批判意识的思考者。他们能吸收、分析并整合信息，阐述自己的发现。这是被许多学科和专业所广泛需求的技能。”

A•G•雷富礼，保洁公司前CEO曾就在当今复杂的管理环境下如何取得商业成功给出过一句箴言：去修一个文科学位。“学习艺术、科学、人文知识、社会科学和语言”，他在赫芬顿邮报中写到“可以提高思维的灵巧度，这可以让一个人处于一种开放状态，接受新的想法。这就是能在持续变化的环境中取得成功的资本。”如志向高远的职业棒球联盟投手需要灵活有力的手臂，还要有冷静的头脑完成有效投球一样，有前途的管理者也需要接受广博的教育来有效应对模糊不清、琢磨不定的情况。学习广博的文科课程可以让学生培养概念性的、创造的、批判的思维技能，这是训练有素的思维的基础要素。

他们和其他处于商业、政策、企业领域前沿的领导人一起发出警醒之声，呼唤受过良好教育的劳动力。就在不久前，金融、媒体或政策部门的领导者具有人文知识背景是悉数平常的事：运通公司现任CEO肯•切诺特认为, 他在历史方面的精深研究是他领导工作和管理智慧的试金石；IBM公司前任CEO 山姆•帕米沙诺曾在约翰斯•霍普金斯大学主修历史；美国前财长汉克•保尔森在达特茅斯大学学习英语；曾于1999年至2005年出任惠普公司CEO的卡莉•菲奥莉娜认为她本科所学的中世纪历史是她了解高科技世界的坚实基础；迪斯尼公司的麦克尔•艾斯纳没有学习商业和金融课程，而是主修了英语和戏剧专业；著名的投资人卡尔•伊坎在普林斯顿大学所写的哲学毕业论文题目是《论恰当地阐述经验主义意义标准的问题》；美国联邦储蓄保险公司前主席本科在堪萨斯大学也主修哲学；黑石私募公司的董事长兼CEO在耶鲁大学所选的是一门跨学科专业。他对该专业的描述是“心理学、社会学、人类学、生物学，实际就是对人的研究。”

然而，现在越来越多的人将其与立即可用的数据分析学位或者针对最新计算机编程技术开设的在线速成课程相比较，认为这些人文学科与现实无关。这种文化的转变造成的结果就是我们再也体会不到诗歌、雕塑、小说和音乐的价值所在。我们一旦低估了人文学科的贡献，就会丧失探求不同于我们所处世界的其它世界的机会。当我拜读托马斯•曼的《魔山》这样的伟大小说之时，我会真实地感受到一战期间和之后的欧洲大陆遭受的惨重破坏；当我看到像捕猎独角兽这样的中世纪挂毯，就会理解文艺复兴之初，对法国人而言，什么是有意义的事。当我参观了京都龙安寺禅意花园，其中的各个石头的摆放方式和质地让我明白了日本人的世界观和审美观的基础为何。

无论你学的是中国建筑、墨西哥历史还是伊斯兰苏非派哲学，其中所用的这种思考方式都可以训练我们的大脑去整合各类数据，训练我们的大脑不是为了证明某种狭隘假设的错与对去探求，而是单纯地去探求，去感同身受地参与到某个世界的特殊性之中。我认为想要了解任何一群人，这种文化参与都是一种基本训练。例如，如果你在药厂工作，若是不了解糖尿病患者的世界就肯定无法在糖尿病药物开发上有所突破；如果你从事汽车制造业，就要了解中国西部司机的生活是什么样的，否则你生产的汽车所突出的特色就无法触及到全球最大的汽车市场；如果你在公共部门工作，你需要掌握社会科学的工具来辩证地思考官僚机构的文化。

我们所有人文学科的经历教会我们如何去想像其它的世界，而且远远不止于此。当我们能够充分想像其它的世界——通过我们所掌握的文化知识和对我们所有经历的文化阐释——我们就必然会形成一种更为敏锐的视角来反观我们自己的世界。我们就可以看到什么时候一些模型或金融革新行为脱离了现实；我们会辨认出那些经受过科学事实和现实存在的洗礼，经得起现实情况和未来可能的考验的模式。这些模式可以让我们获得洞察，并最终帮助我们形成真正的视角。这些视角，与困在数据的樊笼相比，从长远角度来看，会对我们大有裨益，无论是对我们的收入还是人生而言。

这种充满活力的文化参与是我所谓的感知实践的基础。这些年中，学者们用感知一词来描述不同的概念。我在《意会：算法时代的人文力量》一书中仅以此词来描述一种古老的文化探求实践，而这一实践过程的基础就是一系列处于被遗忘之边缘的价值。在感知过程中，我们用人类智慧培养出一种对有意义差异——即对他人和我们自己而言重要的是什么——的敏感。

《意会：算法时代的人文力量》所介绍的感知实践会带领我们踏上一段以20世纪哲学原理为基础的、智慧的冒险之旅。我们会看到构成人文研究之基础的理论和方法论，会讨论各种不同的方法，应用这些理论，帮助我们从非线性的数据中寻找到意义。我们会审视真实的获得创造性洞察力的经验，肃清一些围绕在创新和突破性想法周围的、带给我们误导的观点。我们还会讲述一些感知实践的大师级人物，进而了解为什么只有人类智慧才能够培养出一种看待问题的视角。

我们的文明从未像今天一样深受人工智能、机器学习和认知计算所承诺的种种的诱惑。我们的世界中存在的交错重叠的政治、金融、社会、科技和环境体系从未像今天一样如此地密不可分。我们必须提醒自己—提醒我们的文化——为什么人的因素是感知这个世界的最终要因素。就从现在开始吧。

（本文为《意会：算法时代的人文力量》一书序言，作者克里斯蒂安•马兹比尔格为ReD联合顾问公司创始人）

责任编辑：徐芸茜 主编：程凯

查看更多华夏时报文章，参与华夏时报微信互动（微信搜索「华夏时报」或「chinatimes」）