媒體一直以來都在報道一些關于我們人類的負面新聞。我們每天都能聽到與機器相比，人類是多么不理性、多么低效率的論調。與計算機相比，人類的大腦運轉遲緩，而且為各種情感所累。在職場，人類往往敗事有余，因為人們總是喜歡把事情復雜化、模糊化，把黑白分明的事變為模糊的灰色，因此拖延了項目的進程。人類需要通過經驗來學習，而且學習到的東西無法像計算機算法得出的結果那樣精確、嚴密、連貫。
如今人類在這個世界的地位岌岌可危，甚至到了要為自己的不足找個借口的程度。我們會在喝下午茶的時候，聳聳肩，說出我們的口頭禪：“我們只是人類啊。”這句話反映了我們的文化是如何闡釋人的：人類存在著許多不足之處。
這在工程界被稱為人為因素。在諸如航空、供應鏈管理和制藥等領域，所謂人為因素其實等同于“犯錯的能力”。一個名為“人為因素研究”的新興學術領域正在迅猛發展，主要研究如何優化和改正人類在人機交互活動中所犯的錯誤，以及機器該如何應對人類經常會犯的錯誤。例如，谷歌就把“人為因素研究”的成果應用于無人駕駛汽車上，試圖解讀人類駕駛員反復無常的駕駛習慣。然而，眾所周知的是，人類的行為缺少規律，這使計算機無法完成完美駕駛的任務。
雪上加霜的是，一些記者和未來論者一直宣稱：人類所做的大部分工作將很快被交由機器人處理。工人和客服人員將會是第一批被機器人替代的人，然后這一情況會擴展到整個勞動力市場：餐廳服務員、藥劑師、醫師、律師、會計師，甚至照顧老人的陪護人員。在記者和學者們看來，現在的問題不是這種情況會不會發生，而是一旦發生，我們人類該如何自處？
他們得出的解決方法似乎很簡單，那就是如果人類還想在社會上做一個有用的人，想要擁有一份工作，那么人類就要向身邊無處不在的算法妥協，甚至臣服于它們。每天我們都會聽說某位有常青藤教育背景的經濟學家找到了一個可以點石成金的解決方案，為某一行業開啟了靠事實而不是靠人類直覺和經驗解決問題的分析模式。
我們身邊充斥著各種來自亞馬遜、谷歌或者其他應用程序和新興公司的大數據評分。招聘網站 Glassdoor 根據就業機會、薪資水平和晉升機會等指標，將“數據科學家”評選為 2016 年美國排名第一的工作。我們狂熱地認為，人們掌握的數據越多，就能獲得更多的真知灼見。假如我們通過參考 100 個人的數據，學到了 X，那么是不是如果我們整合了數千人的數據，我們所學的東西就會呈指數增長呢？以此類推，整合了數億人的數據會如何呢？數十億呢？最近，臉書的首席執行官馬克·扎克伯格捕捉到了人們對大數據的狂熱。他向投資人提出，他想讓臉書通過機器學習，創造出“世界上所有需要知道的知識的最清晰的模型”。
學生們也捕捉到了這一信息。在美國最負盛名的大學里，英語和歷史等人文學科曾是最受歡迎的專業。但現在，人們對工程和自然科學的熱衷程度遠超于人文學科。 20 世紀 60 年代以來，美國大學人文學科的學位數量減少了一半，學校對人文學科的資助也大幅下降——2011 年，人文學科得到的經費甚至連理工科的 0.5% 都不到。在社會科學內部，像社會網絡分析、心理測量學這樣的定量研究占據了主導地位，而像社會學、人類學這樣的定性研究已被視為過時的學科了。 2015 年的一次市民大會中，美國共和黨總統候選人杰布·布什（Jeb Bush）說，心理學等專業的學生只能去福樂雞（Chick-fil-A）這樣的漢堡店打工。同年，日本教育部長責令日本大學取消社會學科和人文學科，或者將這些學科轉變為“能更好滿足社會需求”的學科。也就是說，在官方看來，文學、歷史、哲學、藝術、心理學和人類學等探求文化的人文學科，已經不再能滿足社會的需求了；基于人性來理解不同的人和他們的世界，已經毫無用處了。既然大數據可以讓人們獲得浩如煙海的信息，那么人類主導的社會探索還有什么價值呢？既然算法可以“閱讀”所有書籍，并對相關內容進行客觀分析，
那么人們讀幾本好書又有什么價值呢？戲劇、繪畫、歷史研究、舞蹈、陶藝以及其他無法剝離其獨特性和具體背景，無法轉化為大量具體信息的文化知識，它們的存在價值何在呢？
我之所以寫這本書，就是想傳達一個觀點：它們的存在確有其價值。如果我們對這種人文思考所孕育的文化知識置之不理，那么們的未來將會面臨巨大的風險。當我們只關注硬數據和自然科學，企圖把人類行為量化成最細小的單位（夸克）或部分，我們其實是在削弱自身對所有無法如此分割、簡化的知識的敏感度；我們就會失去書籍、音樂、藝術，這些可以讓我們從復雜的社會背景中認識自我的渠道。
這絕不是什么高深莫測、僅限于象牙塔中的深奧話題。實際上，我在每天的咨詢工作中都會目睹這一現象所導致的種種后果：我看到大公司的高層缺少領導力，他們受困于自己的世界里，忽略了客戶和職員身為人的一面，錯誤地把大量的報告和模型當成真實的生活；他們的每一天被細切成微小的片段，所以他們覺得自己沒有時間去吸收真實世界的混雜數據，于是他們在還沒有理解實際問題的情況下，就想得出結論并解決問題。其結果就是，這些高層管理者往往傾向于雇用那些有工程學背景，或者接受過 MBA 培訓的初級管理者，讓他們作為自己的士卒，戰斗在數據的戰場上。這些人只關注硬數據，而看不到那些現實存在的、令人震驚的問題和缺陷。所以許多初級管理者會在如今的商業世界遭遇玻璃天花板現象。他們就是所謂的簡化論者，缺少識別出最令人振奮的、最基礎的模型所需的敏感度。這些初級管理者只做“正確”的事：他們對整個系統了如指掌，在所有測驗中都取得了好成績；他們就讀于最好的學校，門門功課成績優異；他們的整個教育過程都在訓練他們如何簡化問題，然后解決問題。所以時至今日，他們已經喪失了躋身高級管理層所需的知識。
如果想在事業上取得成功，與 STEM教育相比，人文科學和社會科學的教育即便不是更為重要的，至少也是同等重要的。當然，想用硬數據來證明這一觀點并不容易。那么且讓我把這一和數據相關的問題放在一定的背景下來說明吧。 2008 年，《華爾街日報(博客,微博)》刊登了由調研公司 PayScale 所做的有關全球薪資情況的大型調研報告。這項報告表明，單純有STEM 教育背景的學生通常一畢業就可以找到薪酬較高的工作。麻省理工學院和加州理工學院的畢業生在工作初期的薪酬中位值排名中占據前兩名，約為 72 000 美元。而這些畢業生到了職業中期的時候，其薪酬中位值分別排到第 3 和第 6 的位置。這項研究涵蓋了美國全境的所有大學畢業生。其實，取中位值的測量方法對 STEM 畢業生更有利，因為人文學科的畢業生所從事的職業非常廣泛，涵蓋眾多領域。如果你看全國最高薪酬人群，即處于職業中期第 90 百分位及以上的人群，你會發現情況大有不同。麻省理工學院畢業生的薪酬排名退至第 11 位，排在 10 所以人文學科聞名的學院和大學之后。而耶魯大學和達特茅斯學院的畢業生在高薪值收入中位值排名中名列前茅——薪酬可超過 30 萬美元。所有以 STEM 為主的學院中，只有卡內基 – 梅隆大學出現在了這個排名中。
同樣的情況也出現在專業區分上。總體來說，計算機工程和化學工程專業的畢業生在收入方面排名靠前。職業中期，較高薪的前 20個專業中很難看到人文學科。但是，同樣地，如果看全國薪酬最高的第 90 百分位，情況會突然發生逆轉——政治學、哲學、戲劇和歷史專業占據了靠前的位置，這些專業往往隸屬于像科爾蓋特大學、巴克內爾大學及聯合學院這樣的純文科院校。
從這些數據中我們可以得出的結論是， STEM 教育背景通常可以使學生在畢業初期獲得一份體面的工作和較好的收入，但是那些有權勢的人，即掌控大局、打破玻璃天花板、改變世界的人，往往擁有的是文科教育背景。如果你聽慣了硅谷人士、政治家甚至一些教育部門領導的言辭，你可能會感覺這一說法非常不可思議。但是如果你在一家全球性企業或有國際影響力的機構工作過，就會明白這一說法很有道理。我從事咨詢工作近 20 年，客戶遍布全球，他們都是首席執行官和管理人員。我可以明確地告訴你，最成功的領導者都是充滿好奇心、接受過廣博教育的人。他們既可以欣賞小說，也可以閱讀電子圖表（精彩書摘）。
《意會：算法時代的人文力量》
書號： 9787521722598
作者：[丹麥]克里斯蒂安·馬茲比爾格 著
定價：59.00元
裝幀：假精裝
出版時間：2020年12月
作者簡介：
[丹麥]克里斯蒂安·馬茲比爾格
ReD 聯合顧問公司的創始人，他是將人文與社會科學工具應用于企業界的重要先驅，專注于發掘人類行為的研究方法，并為《財富》雜志500強企業的高級主管提供策略建議。曾與人合著The Moment of Clarity。也譯為《清晰的瞬間 》。
內容簡介：
算法能為我們解決所有的問題嗎？
是否數據越多，我們制定出的戰略就越好？
在人工智能時代，人的作用是什么？
在大眾都在使用算法的當下，我們如何勝出？
本書的作者克里斯蒂安•馬茲比爾格提出，人們的想法、喜好和對產品的選擇很大程度上受他們所處的環境與文化的影響。所以，企業家真正需要花時間去做的，是去了解目標客戶群體的行為和其所處的世界。
在這本具有里程碑意義的書中，馬茲比爾格提出了用人文學科的知識來解決商業問題的5條原則。并以福特汽車公司CEO、金融大鱷喬治•索羅斯等人為例，來闡釋人文學科的知識是如何助力他們的發展的。
當每個人都會使用算法時，人類的力量就是決勝的關鍵。讓我們打破算法的魔咒，尋找人類在人工智能時代的競爭優勢。相信每一位閱讀本書的企業家、管理者和個人都能有所感悟。
編輯推薦：
1. 作者多年為世界500強公司提供咨詢的經驗之作，干活滿滿。
2. 算法時代的反思之作，內容新穎獨特。
3. 提煉人文學科 5大原則，為讀者提供理解世界、解決商業難題的建議，相信每個讀者都能有所收獲。
目錄：
序 言 V
前 言 IX
第一章 感知這個世界
什么是意會？ 007
第二章 硅谷是一種心態
顛覆性創新背后的假設 029
大數據背后的假設 030
無摩擦技術背后的假設 033
第三章 原則一：要注重文化，而非個體
林肯車的芬芳 042
如何做玉米粉蒸肉 050
文化參與和技能的不同掌握階段 055
第四章 原則二：要掌握厚數據，而不僅是薄數據
三個外匯交易商的故事 063
四種知識類型 068
知識整合與模式識別 073
回歸文字經濟學 076
紀律與行動 077
從大氣層到平流層 080
實踐智慧的力量 082
第五章 原則三：要大草原，而不是動物園
胡塞爾、海德格爾和杏仁雞尾酒的故事 089
逃離動物園 091
變老是怎樣的感受？ 095
海德格爾和情緒 100
人們是如何體驗烹飪的？ 101
同理心的三個層級 106
六個意會應用 108
第六章 原則四：要創造，而不是制造
關于領悟的故事 117
賜予 & 意志 121
設計思維：謊話連篇的龍卷風 124
馬丁解決問題的方法 131
洞察的瞬間：咔嚓 146
第七章 原則五：要仰望北極星，而不是依賴 GPS
希拉·漢：和教室里的每個人融為一體 156
瑪格麗特·維斯塔格：了解規定背后的東西 160
克里斯·沃斯：理解那個敵對的世界 164
成為鑒賞家 169
意會的煉金術 172
關 心 175
有意義的差異 179
第八章 人的作用是什么？
看護工作的未來 185
蘭德爾與下午三點時的解決方案 186
打破魔咒 190
最新評論