介绍

那些拥有人工智能（人工智能）的组织和那些没有人工智能的组织之间似乎存在着危险的鸿沟。为什么 Google 可以识别你的脸，理解你的讲话，并且显然知道你对新浓缩咖啡机的秘密渴望，而你的组织却需要几个月的时间才能在你的状态报告中添加几个字段？

这个问题的简单答案是，解决方案根本不在于简单，而在于接受和尊重复杂性。谷歌等组织并没有接受简单的“快速修复”解决方案的最新主张，而是通过将网络置于其工作的核心来接受复杂性。数据、计算机和人工神经元网络可以对复杂系统进行建模。任何希望在未来证明自己并保持竞争力的组织都必须毫不拖延地采用这种“网络模式”。

本文的第一部分让领导者深入了解复杂性以及网络在信息时代的迅速发展中所起的关键作用。
第二部分对可供所有组织使用的“网络化工具集”进行了高级概述。

世界不是平的

很容易理解为什么人们过去相信世界是平的。由于无法获得卫星图像或数学，他们不得不依靠自己眼睛的证据，他们的眼睛告诉他们（尽管有奇怪的山丘和山谷）地球是平的。

你自己的眼睛会导致你产生类似的误解，因为从根本上说，我们的大脑喜欢用直线和盒子而不是曲线和圆圈来思考。

直线很简单，很容易预测它们的去向。你知道你在哪里有一条很好的旧直线，但曲线和循环更复杂。它们是“非线性的”，谁知道，曲线会变得疯狂并变成指数，在这种情况下，它们会像火箭一样突然向上（或向下）射击。

但我们现在有了卫星和数学，事实证明世界不是平坦的，它是一个美丽的蓝绿色球体，漂浮在太空中。如果我们接受这种复杂的非线性，那么世界就会变得更加微妙、复杂和有趣。

尽管如此，我们对线条的热爱依然根深蒂固，原因很容易理解：线条是一种强大的预测工具，而且它们对线条的效率非常高。但它们也是刚性和不灵活的。虽然它们在齿轮、时钟和蒸汽机中运行良好，但在云中的大数据上运行机器学习算法时却并非如此。希望成功过渡到信息时代的组织必须学会发现其业务中的界限，并在必要时愿意超越这些界限。总的来说，我们当前的基础设施并不能很好地完成这项任务，这不仅仅是因为应用程序和数据库本身过于僵化和不灵活。最大的问题在于试图将这些单独的部分连接成一个实体而造成的复杂和不和谐的混乱。

我们需要一个新的协调工具集，使我们能够超越将组织信息划分为单独的孤岛的界限，看到不那么明显但更具启发性的曲线和圆圈，将其连接到一个统一的系统中。一个跨越信息边界并具有系统性观点的工具集可以让我们接受我们组织固有的和丰富的复杂性。

时间循环

此外，复杂性还有另一个维度。信息不仅是相互联系的，而且还在不断变化，随着一件事的变化，它通常会对与之相连的事物产生连锁反应。值得承认的是，我们倾向于线性地考虑因果关系。换句话说，我们倾向于认为一件事会影响另一件事，而另一件事又会影响另一件事。就像一排多米诺骨牌，你打倒了第一张，一连串的因果关系在这条线上产生涟漪。 A导致B导致C。

再一次，现实比这更微妙和复杂。因果关系也可以包含圆圈。 A导致B导致C导致A。这些时间循环被称为反馈循环。如果你想象一对夫妇在谈话中，其中一方稍微提高声音，导致另一方提高声音，导致第一个合作伙伴提高他们的声音，在你知道之前，这对夫妇正在发生一场全面的争吵，盘子在飞，你有完整的灾难。飓风、蜂群、快闪派对都是非线性双向因果关系的表现。

很难夸大这些反馈循环的重要性。热力学第二定律指出，在孤立系统中，无序度会随时间增加。事情往往会变得更加混乱（任何有小孩的人都会证明这一点），这给了我们一个箭头，显示了时间流动的方向——时间正朝着一个大混乱的方向流动。

然而，反馈回路（如麦克斯韦妖）允许记录信息。这很重要，因为现在我们拥有物理系统和信息。反馈回路的复杂分层网络（如植物、动物和您自己）可以从过去中学习，以便对未来的预测影响当前的行动。这似乎逆转了“时间之箭”，熵倒退了；孤立系统内的阶数增加。在一个一切都变得更加混乱的宇宙中，植物、语言和机器人吸尘器逆流而上，就好像混乱正在自我组织和清理。

（一个重要的旁注是，不存在真正孤立的系统，在本地系统中创建的秩序将作为无序输出到更广泛的环境中。第二定律仍然成立，作为一个面临全球性的社会变暖，我们才刚刚开始意识到这一点的影响。）

反馈回路有两种类型：平衡反馈回路和强化反馈回路。

平衡反馈回路使系统保持原样。想想你家中的恒温器，它会根据当前温度与所需目标温度的接近程度来关闭或打开热水。血糖调节、供需和碳循环都是平衡反馈循环的例子。平衡反馈循环是维持可持续系统的关键。

另一方面，强化反馈循环就像变化的引擎，它们会导致系统内的增长和衰退。细菌生长、复利和这对夫妇不断升级的争论都是加强反馈循环的例子。加强反馈循环是推动增长的关键。不加控制的强化反馈循环会导致指数级的变化，对于我们的线性思维大脑来说，有时看起来就像一条在瞬间从水平变为垂直的线。

所有组织都通过反馈循环团结在一起并向前推进，他们经营的更广泛的市场也是如此。拥抱复杂性的心态使我们能够看到这些反馈循环并欣赏它们深层的反熵（即自组织）能力。组织现在需要一个新的支持工具集来模拟这些反馈循环，利用它们的力量来最大化新的机会并避免内部衰退。

我们还可以使用反馈回路来了解社会的变化，而现代组织需要认识到目前人类社会中存在的一个基本的强化反馈回路：它介于复杂性和变化率之间。

我们的世界变得越来越网络化，技术越来越复杂，事物变化的速度越来越快，这反过来意味着技术变得越来越复杂，这反过来……嗯，我想你明白了。

每个人都意识到技术变革的步伐正在加快。明智的组织应该承认复杂性变化的反馈循环，并为其不可避免的后果分配适当和成比例的资源。坦率地说，如果组织外部的变化速度和适应能力大大超过内部的变化速度和适应能力，那么你的组织就会面临风险。

阶段过渡

平衡反馈回路（例如您家中的恒温器）创建了一个稳定的平台，我们可以在该平台上“照常营业”；但有时，一个强大的强化反馈回路（如复杂性改变回路）会压倒使系统保持平衡的平衡回路。换句话说，系统迅速转变为新常态。一个很好的例子是水越来越冷，突然变成一块冰，或者毛毛虫变成蝴蝶。这些突然的变化称为相变。

相同的原则可以应用于平衡人类文明的反馈回路，尽管阶段之间的界限更加主观和模糊，因为系统要复杂得多。迄今为止，我们的文明经历了两个大的阶段转变：农业的兴起和工业革命。我们似乎正在接近（或者我们已经在其中）下一个阶段过渡，我们将从工业化、机械化社会转变为网络化、技术社会。

对组织有什么影响？在炒作和喧嚣的背后，是否有一个指导性的北极星让组织导航到技术转型的另一端？

要开始回答这个问题，让我们回到直线和曲线。工业社会的一个决定性特征是它以直线为基础。如果工业是一个形状，那它就是一个长方形的盒子。我们可以说“工业思维”是“盒子式思维”。这种线性思维反映在我们创造的环境中，以及我们看待世界和与世界互动的方式中。这方面的证据就在我们身边，就在我们眼前。

自启蒙运动以来，我们一直使用科学、力学和分析来分解事物，并孤立地了解每个部分的复杂性。如果您忽略连接并仅在密封的实验室条件下检查单个零件，您将拥有更大的控制力。您可以开发精确的线性方程，其中已知的输入产生已知的输出，并描述一切如何非常准确和可靠地工作。分析是一种极其强大的工具，使我们能够构建工业时代的高效机器和科学。这是我们现在所立足的根本基础，而且在我们前进的过程中，它必然对我们的进步至关重要。

然而，分析也是对现实的简化、线性化的简化。没有任何事物存在于美妙的孤立中，因为实际上一切都是相互联系的。随着我们进入信息时代，一些公司，如谷歌、亚马逊和 Facebook 已经开始探索如何连接这些点，检查各个部分之间的关系。这些公司正在整合大量数据集并使用强大的非线性机器学习算法 (AI)。他们已经开始在长方形的盒子之外思考，他们正在清理——从字面上看。

说你的组织需要开始跳出框框思考并不是什么有用的建议，它只不过是一个“蓬松”的陈词滥调。组织需要的是一些硬性、快速的实用指导。我们需要了解发生这种技术相变的基本轴，然后我们需要利用这种理解来构建一套具体的工具。

了解技术阶段过渡

似乎推动技术阶段转变的三个主要力量是：

数据：包含更多种类的数据，以越来越多的速度到达
云：通过互联网提供远程数据存储和处理服务的网络计算设施
人工智能：能够执行通常需要人类智能的任务的计算机系统

这三个要素紧密相连，它们反馈回路的综合力量可能在互联网上得到了最好的表达，并在即将崛起的巨大互联网平台中体现出来。

许多组织从远处看亚马逊、谷歌和 Facebook，只关注这些公司正在生产的令人兴奋的新人工智能，但人工智能对他们如此有效的原因是他们已经投资并花费时间积累大量数据来自网络——而人工智能需要大量数据。人工智能就像数据的冰山一角，因为每个切割算法的背后都是大量经过高度处理的数据。不幸的是，对于许多组织来说，成为一个数据丰富的互联网平台并不是一个现实的选择。然而，大多数组织所拥有的是他们在过去 10 到 100 年中仔细收集和整理的所有内部数据。因此，游戏的名称是将所有这些信息连接在一起；将各个部分组合成一个整体，同时将数据留在原处。结果将足以训练您的 AI 的数据，并且模型将与您组织的利基和使命高度相关。对于银行来说，这可能是欺诈检测、医院疾病识别、制造商供应链优化等。甚至不可能预测所有潜在的应用程序，因为组织数据的连接总和应该远远大于其部分。

这种变化的感觉随风而逝，大多数大型组织正在将其物理基础设施的一部分转移到云中，构建数据湖，并投资于数据科学项目。不幸的是，除了迁移到云（只是将更多的权力转移给互联网巨头）之外，许多组织的情况并不顺利。问题在于，组织数据目前是支离破碎的、分散的并隐藏在众多不同的系统中，使数据集成成为一场噩梦。数据湖被复杂性所淹没，它们开始变成沼泽，让人工智能依赖于它所依赖的数据。然而，如果我们停下来后退一步，我们就可以开始看到森林，而不仅仅是树木。

人工智能最近的成功是人工神经网络（由人工神经元之间的连接组成）的结果。
云也是一个网络：连接计算机的网络。
最后，数据也可以联网（想想 Facebook 及其所有关于我们社交网络中连接的数据）。

我们可以通过检查各部分之间的联系来接受复杂性，而这正是网络允许我们做的事情。令人难以置信但令人兴奋的可能性是，我们可以将所有三个独立的网络（数据、云和人工智能）结合到一个统一的网络中。这改变了一切，因为现在所有组织都有可能建立自己的内部网络并开始接受其丰富的复杂性。

网络形状就像一个统一的技术相变理论。云、数据和人工智能可以合并，因为它们实际上是一个更广泛的“网络化”过程的互锁部分。这就是我们一直在寻找的北极星！如果说工业时代是盒形的，那么技术时代就是网络形的，因此技术阶段的转变就是走出盒子进入网络。

在数据结构中独一无二的是，这些网络还能够对循环进行建模，这意味着我们可以使用它们来映射反馈循环，并且永远不会忘记它们的重要性。这些反馈循环就像强大的“清理混乱引擎”；并利用它们使组织能够引导一个最终会产生一个井井有条的内部系统的过程。反馈循环可用于将组织的“数据集成问题”转变为独特的“数据集成机会”，并推动内部“网络化”的自我强化过程。

在许多方面，向网络形态的转变是技术阶段的转变，并且将这种网络形态内部化允许任何组织拥有自己的空间并成为信息时代的关键参与者。

互联网巨头在这场博弈中遥遥领先，但博弈才刚刚开始，现在其他一些组织，例如一些政府、投资银行、零售商和制药公司也开始参与网络化。本文试图通过展示我们如何使用网络形状作为我们的指导北极星来阐明这一努力并将其整合在一起。更务实的是，我们可以创建一个网络化工具集，让所有组织都可以跳出框框思考，好消息是，本文的下一部分将为您提供有关如何做到这一点的广泛概述。

原文：https://experiencestack.co/embrace-complexity-part-1-39483f10a47f

本文：https://jiagoushi.pro/node/2069