复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

导语

当我们多了一个复杂性科学的动态发展视角来看问题时,就又多了一把重要评价标尺,我们结合其他分析框架综合评估分析,就更有助于提升做出全面、准确判断的概率。

来源:公众号“成甲”

本文是作者参加混沌大学创新营线下课程后的笔记

敏感的大象 VS 愚蠢的预测

前一段时间,长春长生的毒疫苗新闻一下子刺痛了大众的神经。一时之间,民愤激昂,大家纷纷指责疫苗厂家是为赚黑心钱到无底线的商家。

不过,我们今天不是要聊毒疫苗的事件,毕竟不管怎么说,长春长生都难辞其咎。

我感兴趣的是,这次“毒疫苗”事件和我们过去说的“卖假药”不太一样:他不是用没有药效的维生素冒充“真药”;相反,他们确实进行了疫苗生产,只不过生产出了“毒疫苗”。

你不觉得奇怪吗?一个公司既然都花了成本生产药物了,为什么还要生产毒疫苗呢?这不是自己给自己找麻烦吗?

在国家药品监督管理局(国家药监局)的通告中提到,导致这次事故的原因之一是长春长生“随意变更工艺参数和设备”。这就奇怪了,他们为什么要变更工艺参数和设备呢?是要偷工减料、降低生产成本才这么做吗?

这个“偷工减料”的答案当然是我们最容易想到的道德审判。至于真相如何,目前我们从公开的信息中似乎无从得知。

不过,北京师范大学的张江老师最近在混沌大学创新院的一节课上讲授了复杂性科学的思维方式,这让我有了新的启发:影响疫苗效果的,除了工艺等,剂量也非常重要。

复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

需要说明的是,张江老师并不是疫苗生产专家,我对疫苗就更是外行了。不过,我大概理解张江老师的逻辑。

让我举一个不太恰当的例子--可能技术上完全不正确,但逻辑上道理相同。

假设你在制作疫苗的时候,按照技术规程要求:1000升病毒灭活需要加入1升的灭活剂。那么现在工厂为满足市场需求,扩大生产,引入了1万升体积的生产设备,请问这时候你需要加入多少灭活剂呢?

你可能会觉得,这不就是一道小学数学题吗?谁都知道,1000升要用1升灭活剂,那1万升就用10升灭活剂好了。要让我来生产疫苗,绝不会偷工减料,正所谓“炮制虽繁必不敢省人工,品位虽贵必不敢减物力”,我一定用真材实料,为客户负责……

打住,打住…… 

编者按:生物规模缩放过程中,有些要素是呈现出线性变化关系,有些则是非线性关系,疫苗发挥作用实际过程较为复杂,上述例子仅为思想实验。

当你在为自己的正直、童叟无欺的品质所骄傲的时候,你可能已经犯了致命的错误而不自知。

为什么呢?先让我们看人类历史上,另一起非常相似的案例。(详见:生命大小、城市规模、公司寿命,背后竟然遵循同一套规模法则

1962年,人们做过这样一个实验:他们想要给大象注射一种致幻药物LSD。不过,人们并不知道应该给大象注射多少剂量合理。

这时,他们发现,大象的体重约是猫的3000倍,而猫的LSD安全剂量是已知的。那就简单了,只要按照猫的安全剂量乘以3000,这不就是大象的致幻剂使用剂量吗?

你看,这个推理的过程和刚刚我们假设的疫苗生产的过程是不是非常相似?

结果是,当试剂注射5分钟后,大象轰然倒下,一小时四十分后,这头大象直接死亡。

……

人们悲痛地总结道:大象对LSD试剂极为敏感。

真的是大象太敏感吗?其实并非如此。后来人们才知道,大象之所以会死,不是因为大象敏感,而是因为我们错误地估计了事态的变化尺度。事实上,LSD的安全剂量不能按照动物的体重等比例增加——虽然线性等比例计算是我们最习惯的思考方式。

这就好比你给小孩子用药,如果简单地按照体重大小给小孩增减用药剂量,也是极其危险的。同样,疫苗生产中抗原最终的浓度与灭活剂的浓度,很可能也不是简单的等比增加关系,如果我们凭直觉调整,就很可能会好心办坏事。

虽然我们大脑习惯于对未来的发展做线性外推,可是对于一个复杂系统而言,它的变化趋势却往往是非线性的。

趋势发展的背后

成本也在增加

我们几乎每天都会做一件事情:为了做出决定,需要评估事态未来的发展变化情况。

那我们是如何推断未来的呢?通常情况下,我们都是根据现在事情的发展势头来估计未来的变化:如果今年公司业绩出色,营业额继续增长,那我们就会估计公司明年业绩也会大概率继续增长。

一般而言,这么做似乎很有效。但是,如果我们习惯于这样判断,那么迟早有一天,我们会突然发现,为什么昨天看起来还势头良好的企业,怎么一夜之间就会发生大逆转?诺基亚如此,乐视亦如此。

何故?

这是因为人们有一个误区,以为预测趋势就是看事情发展的方向。

NO。

其实评估事态发展的趋势,其关键往往不在表面的宏观方向,而是推动事情发展的微观力量,他们的变化速率和方向。

例如,同时有A、B、C三家公司,到年终总结的时候,大家发现:每个公司的业务规模都在增加,公司年收入也在增加。所以,三家公司的员工都对未来充满信心。真的是这样吗?

如果你把这三家公司的规模和人均利润之间的关系做一个比较,总结成一张图,就会看到看似趋势都是在增长的三家公司,其实发展状况是截然不同的。

复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

A公司,它的规模在增加,总收入在增加,人均利润也随之增加。

B公司,虽然规模在增加,总收入在增加,但人均利润却没变化。

C公司,虽然规模在增加,总收入在增加,但人均利润却在下降。

现在,你更看好哪家公司?

所以,问题不是公司的业绩是否在增长,而是它的人均效益是在增加还是减少。很多时候,公司业绩在增长,规模在增加,一切看起来都是公司历史上最好的时候。可是,正如克里斯坦森在《创新者的窘境》中提到的:企业最成功、繁荣的时候,反而可能是最危险的时候。

可是,为什么同样是企业,有的机构就会随着人员规模增长,收益大幅增长,有的却在人员扩张的时候,收益大幅下滑?不是说人多力量大吗?为什么还会存在企业人越多,收益反而越低的的问题呢?

当然,这个问题在管理学领域,已经有无数的文章在讨论。今天,让我们从【如何用复杂系统思维动态预测未来】这个角度重新看待这个问题。

我们先从一个问题讨论起:为什么一个公司的规模总是有边界的,不会无休止地扩张呢?

其实,人类大规模协作的历史已经很悠久了。但是,很长一段时间内,人们并没有清晰地弄明白:一个协作组织内人员数量的增加,会给组织带来什么变化?

直到上个世纪,一个叫科斯的年轻美国经济学家,才充满好奇地研究这样的问题:为什么没有出现一个巨无霸公司,承揽世界上所有的商贸业务?为什么一个组织的规模总会有一个大小的边界?在探寻这个问题的过程中,他发现了一个重要的现象,那就是在一个组织内,信息的组织和流通是不免费的。

比如,你一个人工作的时候,想明白了问题直接干就可以了。可是,当你还有2个同事的时候:

(1)你不仅要自己想清楚,还要和同事说清楚。

(2)这时,同事可能和你意见不一致,你们需要彼此沟通。

(3)等你以为大家终于沟通清楚了,可以干活了。

(4)结果,同事做完工作给你一看,我晕,怎么和刚才说的根本不一样?

(5)于是,还要再次沟通,返工修改……

……(以上步骤循环次数无上限)

相信很多人都有过这样的经历,这就是人员增加时带来的信息成本和沟通组织成本。

也就是说:当公司人员增加的时候,公司内部发现信息、沟通想法、协调任务、保障执行、达成共识等成本也在大幅增加。

复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

科斯把这些为促成合作而发生的成本称为:“交易成本”。

由此我们可以知道,当公司内部的人员越多,交易成本就会越高,直到有一天扩大规模带来的交易成本已经超过了由此带来的好处时,企业的规模就无力扩张了——这就塑造了企业的边界。

今天这个道理说起来很简单,可是在当年算得上石破天惊——科斯凭借着这个发现,获得了诺贝尔经济学奖。

不过,现在让我们回过头,用复杂性科学和网络通讯的原理来解释,或许这个问题更好理解。那就是:当一个公司人员增加的时候,其实是在这个网络系统内增加了新的节点。而当系统中的节点数量增加时,系统内部各节点之间的链接数量也是指数级增长的。

这就意味着,网络中的所有节点要全部通讯一次时,需要的通讯成本也在指数级增加。

也就是说,公司每多招聘1人,支付的可不仅仅是他的薪资成本,还有每天和他沟通协调带来的交易成本。

因此,企业员工成本的正确算法是:

员工成本=人员薪资+附加的沟通组织成本

当然,我们可以通过优化沟通方式,彼此磨合熟悉来降低这种沟通成本。但是,这种优化的效果在一定时期内是有限的。因此,在实践中,人们慢慢总结出一些经验方法来对抗内部交易成本的增加。

最典型的例子要数亚马逊公司的“2个披萨法则”。这个法则说的是,如果一个项目的人员在加班点餐时,两个披萨已经不足以喂饱这个项目团队了,那就说明这个团队的人员太多了,必须分流以提高项目组的灵活性。因为他们在实践中发现,人数一旦超过2个披萨的规模,沟通带来的成本就抵消了人员增加的好处了。

现在你明白,为什么企业越大越难管理了吧。

不过,硬币都有两面。尽管企业规模越大,公司内部的沟通成本就越高。可是我们仍然会发现,世界上还是存在很多体量庞大的公司,他们看起来还能在规模增大的同时快速发展着,这又是为什么呢?

边际收益

这就涉及到我们分析复杂系统动态发展的另一个因素:边际收益。

在网络规模快速扩张的时候,虽然网络内部的沟通、协调的成本在增加,但是,成本只是影响收益的一个维度。如果我们的产出速度能够比成本增加的速度更快,那组织就仍然可以快速发展——这就是我们前面提到的“事态发展的速率”。

换句话说,在预测事态的发展变化时,我们要考察推动事态发展的基础力量是什么?它的投入产出比是如何变化的--即每多一份投入,边际收益是增加还是减少?这是分析判断发展态势的一个重要因素。

查理·芒格曾经在一次演讲中提到,判断一个企业是否值得投资,有一个因素很重要,那就是看他能否有“规模优势”。如果一个企业拥有规模优势,则说明他规模越大,收益越高。

那如何分析呢?其实就是看为新业务投入资源后,带来的边际收益如何变化。芒格举了一个储油罐的例子。

在芒格看来,投资大型储油罐业务是非常划算的事情。因为储油罐在规模扩张时,增加成本主要来自需要更多的钢材。不过,钢材的用量是随着储油罐表面积的增加在增加,可是收获的储油空间却是随着体积的增大而增大。

换句话说,你可以用表面积(平方)的成本,获得体积(立方)的收益。这就是一个非常好的商业模式——边际成本<边际收益

享誉全球的复杂系统性科学研究中心圣塔菲研究所前所长杰弗里·韦斯特(Geoffrey West)写过一本书叫Scale,中文版翻译为《规模》。书中提到另一个规模越大收益越高的复杂系统,那就是城市。

对于一个城市而言,随着人口的增加,投入的是基础设施建设成本在增加,但是比起这些成本的增加,城市收获的产业发展规模、专利增长规模、GDP规模等收益增长更快。(事实上,有人测算出二者之间的幂律关系是1.15。)

因此,尽管人们一方面在抱怨大城市房价高,交通拥堵,但还是有越来越多人加入大城市,其中重要的一个原因就是,尽管这些代价在增加,但是总的收益增加更快——人们有更快的成长渠道,事业有更多的发展机会。

因此,我们在判断事物发展态势的时候,核心要看的是推动事态发展的核心动力投入产出比如何变化

为什么一个庞大的网络在节点增加时,有可能收益也指数级增加呢?这是因为网络节点数量越多,也意味着节点的多样性越多,而不同类型的节点之间可能产生互补,互相促进,乃至互相碰撞产生全新机会的概率是越来越高的,这就使得庞大的网络有可能产生额外的收益。

理解这个道理,对我们分析事物发展的走势有重要的帮助。

比如,我们完全可以用复杂网络的动态发展视角分析城市发展的潜力。前面我们说到,一个城市人口越多、规模越大,其经济、科技发展速度往往越快。因此我们完全可以以这个标准为出发点,去看看国内有哪些城市有较大的发展潜力。

所以,我用城市人口规模、高校分布数量和政府管理制度等维度分析把中国的主要城市分析了一遍后,很明显地发现,在北上广深这样的大城市之外,重庆和成都这样的人口基数大、高等院校数量较多的城市,很可能在未来也有快速发展的潜力。

当然,我们这个观点只是从一个维度分析城市发展,并不代表就是一定正确的结论,毕竟,对一个城市而言,还有很多其他因素会影响城市发展速度。但是,这并不重要,重要的是当我们多了一个复杂性科学的动态发展视角来看问题时,就又多了一把重要评价标尺,我们结合其他分析框架综合评估分析,就更有助于提升做出全面、准确判断的概率。

总结

今天这篇文章讨论了这么多内容,其实我核心想说的就是一件事:大多数人习惯静态地分析事物的利弊,但其实,对我们而言更重要的是:用非线性的思维动态地判断未来的发展变化。

人类在漫长的进化过程中,形成了习惯于用眼前的、短期的、线性外推的方式做出预测和判断的决策机制。这种决策机制,对我们过去生活的农耕、狩猎环境,乃至到万物联系没那么紧密的工业时代,都比较适用。

可是到了今天,事物之间联系越来越紧密,5G时代乃至6G、7G时代的到来,会让万物互联更加紧密,整个社会的各种要素会被一个巨大的网络紧密地连接起来——我们生活的网络系统复杂度会指数级增加,这也意味着,我们将会见到越来越多出乎我们意料的非线性变化

过去我们难以想象一个刚成立几年时间的公司就可以做到几百亿美元的规模,而在今天,这样的企业已经屡见不鲜。可以预见,未来我们还会见到更让我们咋舌的现象,这一切都是因为复杂系统的非线性变化。

如果我们想要在未来更加复杂的网络中,做出更合理的预测判断,就需要打破传统的线性思考的习惯,从不同的角度分析判断系统的动态变化趋势,尤其是用复杂性网络的角度来理解事物发展的态势。

当然,我们这篇短文只能挂一漏万地讨论如何用复杂性科学视角理解事物发展的动态变化。前面提到的网络规模的成本增加、网络规模增加时边际收益的变化,也只是宏观笼统的分析,对具体问题,还要具体分析,运用多层次、多维度的多元思维模型分析综合判断,才能真正提高决策质量。

但不管怎么说,未来的时代,必须多学习一些复杂性科学的知识未雨绸,因为——

当你看到拐点时,已来不及。

编辑:王怡蔺

推荐阅读

疫苗生产车间也有规模效应?!

Geoffrey West 重磅演讲实录

城市规模、公司寿命,竟然遵循同一套规模法则!

张江:线上讲座解读新书《规模》

加入集智,一起复杂!

成都活动预告

为了挖掘在AI与社会研究交叉领域有想法的研究者,促进思维碰撞,腾讯研究院S-Tech工作室与集智俱乐部共同打造了“AI&Society”的系列学术沙龙活动。

邀请——

  • 电子科技大学教授,成都新经济发展研究院执行院长周涛

  • 电子科技大学教授,阿里巴巴复杂科学研究中心副主任吕琳媛

  • 电子科技大学与麻省理工学院联合培养博士生高见

作为 AI&Society 沙龙第十三期的嘉宾,在成都带来一场精彩的主题演讲,并与学界业界多位大咖进行对谈。

11月22日,成都站见!(扫码即可报名)

复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

集智俱乐部QQ群|877391004

商务合作及投稿转载|swarma@swarma.org

搜索公众号:集智俱乐部

加入“没有围墙的研究所”

复杂性科学思维:当你看到拐点时,已来不及-集智俱乐部

让苹果砸得更猛烈些吧!

原文始发于微信公众号( 集智俱乐部 ):集智