首页 » 人机平台:商业未来行动路线图 » 人机平台:商业未来行动路线图全文在线阅读

《人机平台:商业未来行动路线图》10 大众与专家的较量

关灯直达底部

我不禁微笑着想,天才是在多么偏僻的角落里产出了杰作!反复无常的缪斯女神们,通常连宫殿都拒绝踏入,对墨香四溢的书房和富丽堂皇的客厅里那些崇拜者们都吝于露出一丝微笑。可她们却常常光顾怎样的残屋破洞,将其芳心交与那些衣衫褴褛的信徒!

华盛顿·欧文(Washington Irving),1824年

当事情变得真正复杂时,不要听专家的。相反,要找外人帮忙。

这是创新学者卡里姆·拉哈尼(Karim Lakhani)、凯文·布德罗(Kevin Boudreau)及其同事进行的一项精彩研究并从中得出的结论。他们想找一种更快的方式对大量人类白细胞进行基因组测序,而白细胞则是身体对细菌、病毒和其他抗原的主要防御手段。

一鸣惊人的新手

这项工作显然很重要,因为我们想更好地了解免疫系统的功能原理。但它也难得出奇,究其原因,白细胞需要产生大量的武器来抵御人体的许多抗原,而所有这些抗原又在不断发展。身体本身有聪明的解决方案,它让抗体和其他武器经由每个白细胞内的基因进行编码,但是,这些基因本身由一长串基因片段组成,有时会产生突变。活跃片段的精确排序因细胞而异,这意味着不同细胞会产生不同武器。这些武器很多,据估计,一个人类白细胞有大约100个相关的基因片段,它们可以组合或重新组合,产生1030 种可能的分子武器。这大约是地球上沙粒的万亿倍。

通常,研究人员的一项重要任务就是注释白细胞的基因,即按顺序正确地识别其每个组成片段。你可能会想象让电脑执行这项工作。然而,它可以用许多不同的方式来处理,而事先也不清楚哪种方法将产生最好的结果,即最快和最准确的结果。由美国国立卫生研究院(US National Institutes of Health)开发的MegaBLAST算法十分流行,它可以在约4.5小时内注释100万个序列,准确率为72%。贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center)的拉米·阿尔瑙特(Ramy Arnaout)博士建立了idAb算法,极大地改进了这方面的性能,在不到48分钟内以77%的准确率完成了等量的注释。

为了看看还能做多少改进,拉哈尼、布德罗和他们的同事们设计了一个两步骤的工作流程,并广邀大众参与。首先,他们将基因片段注释从特定的免疫遗传学问题转化为一般算法问题。这样做之后,就不再需要关于遗传学、生物学等领域的知识,也使问题向更多的参与者开放。

然后,研究人员在专攻计算密集型问题的在线平台Topcoder上面发布了这项“通适的”挑战。在该项研究于2013年进行的时候,Topcoder社区大约有40万名遍布世界各地的软件开发人员,他们之所以加入平台,或多或少是因为喜欢迎接艰难挑战。对于这些潜在的问题解决者,研究团队给出了参赛方案的评估方法,它是一种结合了速度和准确性的评分,同时提供了一“捆”工作数据。这些数据分为两组,一组是面向所有问题解决者的公开数据,另一组是让他们接入Topcoder网站的私人数据。问题解决者无法看到或下载这些数据,但是他们可以用自己的算法对之进行运算并获得一个评分。此外还有第三组私人数据,它用于生成比赛的最终得分。

这场Topcoder比赛进行了14天。在此期间,有122人(或小组)至少提交了一次算法结果以获得评分,许多人还做了不止一次,最终提交的方案有654份。参与者是一个高度多样化的群体,他们来自69个不同的国家,年龄从18到44岁,很多人没什么工作经验,至少用常规衡量方式是如此,大约有一半还是学生。正如研究小组所说,“没有一位学者或工业计算生物学家,只有5个人称自己来自研发或生命科学领域。”

他们的解决方案会很好吗?当然不会全部都好。大多数人都不如MegaBLAST或idAb算得准确,尽管几乎所有人都比这两者做得更快。但是,有30个方案比MegaBLAST更准确,其中16个比idAb更准确。实际上,芸芸大众之中,有8人提交的方案达到了80%的准确率,而研究人员估计这已达所给数据集的理论上限。[1] 在那组至少与idAb准确度相当的方案中,平均的运算时间是89秒,比基准快了30倍,其中最快的三份只用了16秒,或者说,它们比赛前的最好基准快了几乎180倍。

此外,比赛期间提供的总奖金是6 000美元。

专家有何不妥?

以上结果是例外还是常态?我们向大众竞赛型研究的先驱卡里姆·拉哈尼提出了这个问题,除了我们刚刚描述的研究之外,他还主持了许多其他项目。他告诉我们说:

过去5年间,我们依靠大众来解决了700多项挑战,服务对象包括美国航空航天局、医学院、公司等,不一而足。我们失败过一次,当时大众没有出手,或者说没有针对问题开展工作。[2] 在所有其他情况下,我们要么与现有内部解决方案旗鼓相当,要么大胜而归。

这是一个非常难以置信的发现,不是吗?像美国国立卫生研究院和贝思以色列女执事医疗中心这样的公司和组织毕竟花了大量的时间、金钱和努力,建立了用于创新和解决问题的资源基础,即研发实验室、科技人员、工程部门等。这些资源实际上是核心中的核心。那么,为什么在处理本应整合这些资源来处理的问题时,大众能如此轻易地胜出?

是不是核心里面的专家实际上没那么好?别忘了我们在第1章提供的大量证据,即领域专家和所有人一样,都会受制于一些偏见,使工作质量降低。这可能是随着人们在其领域取得一定成就,偏见盲点也被放大,过度自信和过度认可偏见就有大量记录。人们真正考虑的只有支持自己想法的信息,从而导致更糟糕的结果。

许多“专家”实际上可能根本不是专家,他们一直在自欺欺人,以为自己真的能力强,工作质量高。当今世界很复杂,变化快,技术又高深,很难分辨真正的专家。

肯定有一些“不够专家”的知名专家,但我们认为,他们不是大众经常优于核心的主要原因。我们相信,当今绝大多数的科学家、工程师、技术人员,以及其他在组织内部工作的人,实际上都能胜任工作,都有兴趣做好这些工作。那么,是什么原因使大众几乎每次都在挫败他们?

严重错配

组织有很多美德,但它们往往陷入自己的套路。它们做适得其反的事,使其在创新、研发和几乎所有其他领域的表现更糟。组织性功能障碍是真实的存在,而不仅是无数迪尔伯特(Dilbert)漫画的主题,它们使核心无法做到本应做到的那么好。

然而,与单纯的功能障碍相比,更大的原因要微妙得多。核心往往错误匹配了其所面临的各种挑战和机遇,而人群则因为足够大而几乎从未错配。但是,为什么核心如此频繁地错位、错配呢?设立研发实验室或工程部门的全部要点,不就是将手头及未来工作所需的资源整合到一起吗?这可不像遗传学实验室误请一批冶金学家,然后当团队无法揭开DNA奥秘时不断被“惊呆”。为什么错位如此频繁呢?

有一些事情似乎正在发生。首先是几乎所有学科都在不断创造重要的新知识,而知识进入核心的速度很慢。例如,人类基因组在2003年被完全排序,这一成就对医学、生物技术、制药和其他行业有巨大影响。随着测序技术的普及,成本呈指数式下降,[3] 农业、畜牧业等行业也受到影响。对于所有这些领域的组织核心的创新者、研究人员和问题解决者而言,如果他们没有努力学习,更新技能,那就很容易不敌大众,尤其是不敌那些年轻和接受最新教育的大众成员。例如,最前沿的基因编辑工具与5年前的完全不同,原因是自2012年出现的CRISPR,它是一种源自链球菌之类细菌的工具包,在DNA分子非常长的双螺旋上,它可以用前所未有的准确度来发现、切割和替换任何所需的基因片段。

如第2章所述,我们看到了人工智能和机器学习近来的快速变化;由于石油及天然气的压裂和太阳能发电成本的急剧下降,[4] 能源生产正在变革;其他许多领域也是如此。当这种快速的进步发生时,相关行业内组织核心的知识很容易老化。与此同时,大众中的某处很可能至少有一些帮助实现最新进展的人,或者有他们的学生,因此相当熟悉。总之,核心会变得陈旧,但大众真的不会。

边缘奇效

大众经常挫败核心的另一个原因可能更重要。它是指许多(如果不是大多数)的问题、机会和项目受益于不同人、不同团队的观点,或者说,受益于多种不同的背景、教育、解决问题的方法、知识和技术工具包、性别等。这绝对就是大众的定义,要在核心内部复制则很难,甚至不可能。以一家制药公司的研发实验室为例,它不太可能聘用几名天体物理学家或密码学家,然后指望他们刚好能解决某个难题,这种机会是微乎其微的。这是一个完全理性的商业决策,但如果解决这个难题的工作仍然保留在核心之内,那么公司就没有天体物理学家或密码学家可以帮忙。

将貌似不可能的潜在有用的输入源的大门关上,这是愚蠢之举。在很多时候,人们需要的知识和专长恰恰来自貌似遥不可及的学科。正如开源代码软件倡导者埃里克·雷蒙德(Eric Raymond)所说:“如果有足够的眼球,所有的瑕疵都一览无遗。”换句话说,随着潜在解决者数量和多样性的增加,所有问题都变得更容易解决。基因组测序竞赛的结果显示,在那些比基准更快、更准确的参赛方案中,没有一份来自计算生物学家。这再次表明,外部人士表现得更胜一筹并不少见。拉哈尼和拉斯·波·杰普森(Lars Bo Jeppesen)研究了在线票据交易网站InnoCentive发布的166项科学挑战,他们发现,最可能被成功解决的是那些吸引了“边缘”眼球的挑战,即它们吸引了技术上或社会上“远离”挑战发布者的人。[5]

在很大程度上,大众的宝贵价值在于它是巨大的边缘群体。它包含了大量人群,他们是聪明才智、训练有素、经验丰富、顽强拼搏和积极向上的组合体,而且无论从地理上、知识上还是社会上讲,他们都与任何组织核心相距遥远。[6] 随着互联计算能力在世界各地的传播,有用的平台可以建立起来,使大众成为一种显见的、可行的和宝贵的资源。

与大众共舞

精明的组织正在探索如何利用大众来解决问题,顺便实现很多其他目的。这项工作仍处于早期阶段,但是我们已经看到许多让核心和大众一起工作的有趣方式。

完成工作。 正如我们在维基百科和Linux中所看到的那样,大众可以汇聚在一起,打造很有价值的事物,如果他们遵循了开放、不唯资历等原则,情况更是这样。一些组织正在把这些原则付诸实践,以便为企业提供所谓的“大众建设”服务。亚马逊公司的“土耳其机器人”(Mechanical Turk)是最早的例子之一,开始时,它是一项内部工作,旨在发现重复的产品页面并将其消除,2005年11月,该项服务宣布可提供给外界使用。今天,被称为“Turkers”的“大众”处理着各种各样的任务,例如将名片上的文本转录成电子表格,回答心理学研究的调查问卷,以及标记图像以便输入到AI程序中。“寻找—修复—验证”是“土耳其机器人”基本平台的一项改进,它是麻省理工学院的迈克尔·伯恩斯坦(Michael Bernstein)及其同事开发的“程式化设计模式”,可以让“Turkers”在完成任务和发现、修复错误之间进行自我选择。

本章开头描述了Topcoder公司举办白细胞基因组测序比赛,它用的是类似方法。该公司为了发现世界各地的编程人才而举办比赛,然后又作为中介商和集成商,对接人才和那些想外包大型应用开发或系统集成项目的公司。Topcoder全球社区的成员不仅包括程序员,而且还包括被识别出来的设计师、学生、数据科学家和物理学家。该公司为这批大众提供了一系列的企业项目,让他们自我选择进入团队和角色,将他们的所有工作整合在一起,并监控质量。它使用金钱激励和竞争激励,再加上一些监督工作,借此为客户创造了类似Linux的环境。在数据科学竞赛方面,卡格尔(Kaggle)也做了同样的事情。

找到正确的资源。 有时侯,人们不想把全体大众汇合在一起,只想尽可能快、尽可能高效地找到合适的人员或团队来帮忙做事。找到合适对象的机会随着看到请求的人数的增加而增加,因此,任务匹配平台变得非常流行。这类平台包括用于平面设计和其他创意工作的99designs和Behance,用于信息技术和客户服务工作的Upwork,用于个人服务的Care.com等。此外还有TaskRabbit,它用于各种稀奇古怪的工作,如婚礼主持、给某人的爷爷送冰激凌,或者到苹果手机店排队等待新上市的iPhone。这些业务都认识到,网络和智能手机带来了前所未有的机会,可以更好地匹配商业服务的供需关系,一如我们在本书第二部分相关章节所强调的那样,平台和产品合则两利,而且,实现适配的手段之一就是把要求放到尽可能多的眼球前面。

进行市场研究。 如前言所述,通用电气是世界上最大、最古老、最成功的工业公司之一,它转向大众,评估消费者对其制冰机的需求。大众平台可能提供有价值的信号,这些信号关系到消费者对某些类型产品的兴趣和热情,那些可能吸引利基市场受众的产品尤其如此,通用并不是第一家认识到这一点的大型组织。例如,电视剧《美眉校探》(Veronica Mars )讲述由克里斯汀·贝尔(Kristen Bell)扮演的一名少年侦探的故事,在2004—2007年播出时,该剧曾有一小批忠诚追随者。节目播完之后,其粉丝并未消失。他们以在线和集会方式继续谈论节目。

这种持续的兴趣引起了电影制片厂华纳兄弟、贝尔(Bell)和该节目创始人罗伯·托马斯(Rob Thomas)的注意。他们想知道:这是否意味着拍摄一部《美眉校探》电影有足够的需求,即使电影是在同名电视节目最后一次播出几年后才推出的。为了找到答案,他们在流行的众包网站Kickstarter上发起了一场活动。这场活动包括一个短暂的拟推出电影预告片,贝尔和托马斯的视频,以及对不同程度支持的奖励。[7] 活动的目标是筹资200万美元。12小时之内,它竟然就达成这一目标,最终共筹资570万美元。这部电影于2014年3月14日首映,分别提供剧院观看和视频点播服务。总体而言,它得到了积极评价,从财务角度来说是成功的。

马克·安德森的职业生涯始于作为最成功的早期网络浏览器的主要程序员,此后,他摇身一变成为著名的风险投资家。安德森认为,众筹可能成为新产品开发的主要方式之一。他对我们说:“人们会争辩说,过往2 000年间,从娱乐媒体到鞋子、食物到每样东西,产品和服务的上市方式一直在倒退。也就是说,它变成是供给驱动的。但是等你发现市场是否喜欢它时,你已经投入了很多钱。众筹翻转了这种模式。除非有人事先预购,不然你不会向市场推出什么东西。人们还预付了资金……众筹是一种针对某些带有社会资本的事物来‘预装配’金融资本的手段,试图围绕某事创造一场运动,试图让人们提前买东西。”

2016年年初,Indiegogo在其网站辟出专门空间,同时推出一组“企业级众筹”工具,使大企业有可能在投资制造之前获得实时的客户反馈,并将市场研究的成本变成预售和获取客户的机会。

获取新客户。 除了众筹平台以外,众贷平台也在近几年出现并变得流行。其中许多(如果不是大部分)最初想从事点对点(P2P)服务,即匹配想投资的个人和需要个人或商业贷款,但又不能或不愿意找传统贷款机构的人。然而,随着时间的推移,包括世界上最大的一些对冲基金在内的许多机构投资者意识到大规模寻贷者中存在机会。违约率或多或少可以预测,而且利率相当可观,这意味着风险与回报之比往往具有吸引力。平台的增长给寻贷者带来了很多诸如此类的好机会,足以吸引大投资者。2014年,美国最大的两个众贷平台Prosper和Lending Club一半以上的贷款来自机构投资者,它们往往使用专门的软件来梳理可用的机会。事实证明,P2P贷款往往变得不那么显眼,大型知名贷款机构向客户提供的个人和小企业贷款呈现新的方式。

但是,以大众为中心的新业务的出现,不仅有助于大型对冲基金寻找新客户。而且使得大众本身变得流行。马克·安德森向我们讲了初创企业Teespring的故事,它由瓦尔特·威廉斯(Walter Williams)和伊万·斯蒂茨–克莱顿(Evan Stites-Clayton)于2011年创立。安德森对我们说:

Teespring是将社会资本转化为金融资本的现代手段。它是一种你最初碰到时会觉得荒唐,然而如果“吞下红色药丸”就知道妙在其中的事物。[8] 它是一种让Facebook群组、YouTube明星或Instagram明星得以售卖T恤的方式。起初你会觉得,再怎么说,买卖商品也没什么了不起。但实际发生的事情是:你得到了拥有百万追随者的Facebook群组或YouTube明星……(而且)社会资本是真实的。你的追随者或粉丝是重视你所作所为的人,他们没办法补偿你。他们爱你,他们想支持你……现在我们会说T恤只是开始。它可以是任何东西,只要是物品就行。它是纪念品,你在乎它,你充满激情,表明你自己的一些东西……它就像一个图腾,它是你在乎的东西的一个心理锚点。

收获创新。 长期以来,人们认为成熟的大公司是最大的创新者。它们毕竟拥有养得起大实验室和研发人员的资源。奥地利伟大的经济学家约瑟夫·熊彼特质疑这一观点。他坚持认为,更小、更年轻、更具创业精神的企业对维持现状毫无兴趣,更有可能推出真正新颖的产品和服务。正如他所说,“总的来看,指挥铁路建设的不是驿路马车的所有者。”实际上,克里斯坦森关于颠覆性创新的里程碑之作也表明,颠覆很少来自行业中现有的成功企业,它们反而经常被颠覆弄得措手不及。

我们在麻省理工学院的同事埃里克·冯·希佩尔(Eric von Hippel)的工作开辟了另一种有影响的创新研究思路,他强调,“先行用户”在许多领域的创新中发挥着很大作用。这些人是现有产品和服务的用户,他们发现不足,然后不仅开始设法改进,而且把想法付诸实施并投入使用。冯·希佩尔列举了包罗万象的用户创新,涉及外科手术器械、风筝冲浪设备等多个领域。在现代高科技行业中,我们观察到类似事例的剧增。事实证明,在各行各业中,许多知名企业就是由不满现状的人所创建的,他们对自己说“一定要有更好的办法”,然后开始行动。

例如,跑腿服务网站TaskRabbit是由利娅·布斯克(Leah Busque)构想出来的,她当时28岁,住在马萨诸塞州,是IBM公司的一名工程师。2008年的一个寒冷夜晚,她想给一只名为“科比”(Kobe)的黄色拉布狗找吃的,从而她想到:“如果有一个在线的地方可以去,那该多好……一个网站,让人愿意为达成某件事而付出一定的代价。在我附近,也应该有人愿意为了赚我愿意付出的钱而送来狗粮。”

当下的许多技术巨头显然都留意到熊彼特、克里斯坦森和冯·希佩尔的建议,它们不断审视大众,寻找可能的颠覆式创新。一旦发现目标,它们的本能往往不是灭掉它或者漠视它,而是买下它,使创新内化成自己的一部分。2011年至2016年,苹果收购了70家公司,Facebook收购超过50家公司,谷歌收购近200家公司。

在以上事例中,收购方通常有同类竞争产品。例如,在Facebook收购WhatsApp和Instagram时,它已经有消息传递和照片共享服务。在这两项收购中,在位的Facebook公司本来很容易自认行业新贵不会带来风险。但是,大众发出信号,表明创新有多么不同,它们又会多么快地被采用,这促使更大、更老公司的领导者采取行动,买下先行用户或其他创新者推出的服务。这样做的代价通常很高,Facebook收购Instagram花了10亿美元,收购WhatsApp则花了超过200亿美元。但是与被颠覆相比,代价还是低了很多。

用大众改变交易

我们预测,在未来的几年里,很多老牌企业,包括许多相当成功的企业,都会面临基于大众的竞争对手的挑战。在自动化投资这一晦涩难解的极客领域中,一个早期的挑战事例已经出现。

在公司股票、政府债券、贵金属和其他商品、房地产等资产投资的漫长人类历史上,几乎所有购买决策都由人类做出。一旦做了决策并且随时跟进,大量的技术就会被部署,使实际购买资产的工作自动化,但做决策的几乎总是人脑而不是机器。

20世纪80年代,当吉姆·西蒙斯(Jim Simons)和戴维·肖(David Shaw)等先驱分别创建文艺复兴科技公司(Renaissance Technologies)和D. E. Shaw公司,使用机器做出投资决策时,情况开始改变。西蒙斯是他同时代最负盛名的数学家之一,而戴维·肖则是一名电脑科学家。这两家公司筛选大量数据,建立并测试资产价格在不同条件下如何变动的定量模型,并尝试用代码和数学来代替个人判断,决定买入什么、何时买入。

这类“量子”公司的佼佼者创下了令人叹为观止的纪录。D. E. Shaw公司在2016年10月管理的资产已超过400亿美元,其混合基金在2011年之前的10年里带来了12%的年化收益。双西投资(Two Sigma)是由一名前人工智能学者和一名奥数获奖者运营的一家公司,它管理着60亿美元的Compass基金,在10年内获得15%的年化收益。但与文艺复兴科技公司的Medallion基金相比,几乎每个基金的回报率都相形见绌。Medallion基金基本上只对其员工开放。从1990年代中期开始,20多年来,该基金收费前的平均年化收益高于70%。在创造了超过550亿美元的终身利润之后,它被彭博市场网站描述为“也许是世界上最大的赚钱机器”。

约翰·福西特(John Fawcett)是一名曾经在金融服务领域工作的程序员和企业家,他对量子基金的表现印象深刻,但是担心它们在投资行业核心中运营不足。据福西特估计,截至2010年,全球共有3 000—5 000名专业的量化投资专家。他告诉我们,“这个数字对我来说太低了。(更多的投资者)没法用上足够的、我认为是最先进的投资方法,这令我感到困扰。这就像是说‘这是赌场,你赌人类单独运作还是人类加机器运作?’每一次,你都想要更加自动化的版本。”

福西特一心想让量化投资向大众开放,他与让·布里德切(Jean Bredeche)于2011年创立了Quantopian公司,以期将理想转变为现实。该公司的目标是要打造与行业顶尖的量子公司水平相当的技术平台,这个任务很艰巨。这样的平台必须能够让投资者上传算法,然后在环境盛衰、利率高低等不同市场条件下快速测试。其中,一种办法是使用历史数据对算法进行“倒推测试。”于是福西特和他的同事努力开发与大机构投资模型不分轩轾的倒推测试算法。

Quantopian公司还必须让投资者准确评估其交易的市场影响,也就是如果他们买入或卖出大量资产,这个行为本身就会改变资产的价格。评估市场影响是一项棘手的估算,它耗掉了Quantopian很多时间。当然,公司的平台还要自动执行一系列工作,如算法产生的交易、记录保存、遵守相关规定等。

福西特深知,如果Quantopian成功建立起一个强大的平台,并且吸引到潜在的“算法交易者”,那么该公司将具有巨大优势,它可以利用大众产生的诸多点子,而不再局限于顶尖算法。许多众包项目都试图找到单一的解决方案,如制冰机的最佳设计、白细胞基因组的最佳测序算法等。众包比赛的第二、三名可能与获胜者相差无几,但对于主办者来说,这一事实往往无关宏旨。

然而,投资的算法是大不相同的。只要顶级算法彼此有差异,或者说,只要它们实质上不是最佳算法的复制品,那么就可以有效地对其进行组合,为投资者提供比使用单一算法更高的总体回报。无论单一算法好到什么程度,情况都是如此。这个关于最佳投资组合重要性的见解非同小可,其发现者亨利·马科维茨(Henry Markowitz)因此获得了诺贝尔经济学奖。大众环境可以产生大量效果良好但本质不同的量化投资理念,非常适用该理论。正如福西特告诉我们,“我对Quantopian的提问方式是:‘我们如何发现很多相关性低但结构好的战略,如何使发现的概率最大化?’”[9]

与此相对应的一种方法就是让很多人出现,然后提出量化投资战略。截至2016年中期,Quantopian平台已经吸引了来自180个国家的超过10万名潜在算法交易者,汇聚了超过40万种算法。这些交易者是谁呢?据福西特介绍,“他们常常有一个共同之处——已经获得了一个学位或高级学位,或者多年从事通晓建模的专业工作。他们是天体物理学家或计算流体动力学家。大体上说,他们是金融新手,他们可能在广告技术行业或石油天然气行业工作。我们有学生和专业人士。我想年龄范围是从本科生到……已经退休的一对兄弟,他们在一起做事,其第一份职业是非常成功的科学家。”

这些交易者主要由男性构成,而Quantopian的优先事项之一是吸引更多的女性参与者,福西特向我们讲了这样做的原因,“我们正在努力让社区制定各种各样的战略,有很多研究认为男性和女性的风险意识不同。他们以非常不同的方式思考投资。所以让我们社区有更多女性将会很棒……我们会胜出,因为市场将支付的是一个与所有其他收益流看起来不同的收益流。”

与专业的投资者核心相比,Quantopian的大众做得怎么样?截至2016年年底,平台上举办了19场比赛。其中4场的胜方是专业的量化投资人士,1场的胜方是专业投资人士,但他不是算法交易专家。其他14场的胜方是清一色的外部人士。Quantopian计划于2017年向合格投资者提供公司自己的量化投资基金,届时,内部人士与外部人士之间、专业人士与众包算法投资之间将迎来真正对决。与其他对冲基金特别是量子基金相比,这项基金的表现将有助于我们了解该领域的真正专家身处何方,了解大众究竟有多么强大。

在投资界的核心圈,至少有一位勇者对Quantopian青睐有加,敢用自己的钱投下信任票。史蒂芬·科恩(Steven Cohen)是史上最有名的对冲基金经理之一,2016年7月,他宣布正在Quantopian进行一项风险投资,并且从家里的办公室打款2.5亿美元,投资于平台的众包式量化算法投资组合。科恩的研究和风险投资负责人马修·格兰纳德(Matthew Granade)表示:“量化投资最稀缺的资源是人才,而Quantopian已经展现了一种贡献人才的创新方式。”

我们发现Quantopian异彩纷呈,因为它说明了重塑商业世界的所有三种技术趋势。它以新颖的方式将人脑和机器结合起来,重新思考如何进行投资决策,并且用数据和代码代替人类的经验、判断力和直觉。它还建立了量化投资平台,而不只是引入倒推算法这一种特定产品。平台是开放的、不唯资历的,它旨在利用网络效应,平台上的好投资算法越多,吸引的资本就越多,平台上的资本越多,吸引的算法交易者就越多,它还为交易者提供了顺畅的界面和体验。该平台汇集了在线大众,在一个大型、重要的行业挑战核心及其专家。

这项工作如何奏效?我们迫不及待想看一看。

世界之声

本章介绍的例子可能给人留下这样一个印象:当下的大众之所以存在,主要是服务于核心的需要,抑或是与核心争斗。但事实并非如此。很多时候,大众的工作只是帮助大众之中的成员。罗伯特·赖特在1993年发表的“美国之声”一文中观察到点对点的分布式社区,对其赞赏不已,这类社区通常是非营利的,它们至今仍然生机勃勃,发展得很好。

Usenet系统是前网络时代的产物,它的新闻组已经演变为成千上万的在线用户组、社区论坛、留言板和其他空间。在那里,人们可以查找同行提供的信息,提出问题和回答问题。这些内容涵盖了所有能够想到的主题,从化妆到汽车修理,再到电视热播剧最后一集的评论等。

作为创新的粉丝,我们对“创客运动”感到特别兴奋,这个术语泛指那些以在线方式互相帮助的修补匠、自制工、业余制造者、工程师和科学家。他们分享电子电路的操作说明、食谱、设计图和原理图,用于生成3D打印部件的文件,以及从自动推车到自制盖革计数器等几乎包罗万象的产品的故障排除技巧。

创客运动不断发展。人们现在可以购买廉价的合成生物学套件和材料,或者说,就像合成生物项目所定义的那样,“设计和构建新的人造生物反应途径、生物器官或生物装置,或者重新设计现有生物体”。在世界各地,“自造生物”运动(DIY bio)的成员自己创建了有用的氨基酸字符串,以携带生命代码的符号G、C、T和A表示,然后在网上分享实验配方。2012年出现了基因编辑工具CRISPR-Cas9,使研究人员在修饰DNA分子时获得了前所未有的精确度,从而极大地推动了这场“生物黑客”运动。

前美国宇航局科学家约西亚·蔡纳(Josiah Zayner)希望这项技术得到尽可能广泛的使用。2015年,他在网站Indiegogo发起一项活动,开发“DIY细菌基因工程CRISPR套件。”该项活动广受支持,筹资超过7万美元,是预期目标的333%,它产生了一种价格仅为140美元的套件,可从生物黑客集团The ODIN处购得。这样的套件可靠吗?2016年6月,消费电子产品博客Engadget报道说:“我拿The ODIN的CRISPR套件开个玩笑。然后一瞧,它竟然超级棒。”

即使是耕作这么一种古老的人类活动也正在被创客重塑。麻省理工学院媒体实验室的迦勒·哈珀(Caleb Harper)开发了“食品电脑”,也就是用于作物生长的封闭环境,其规模大小各异。每个电脑的能量、水和矿物质的使用情况都可以被精确监控,可监控的参数包括湿度、温度、二氧化碳和溶解氧的水平。种植者可以尝试不同的“气候配方”,从而产生他们想要的作物特征,然后分享他们得到的配方,并努力改进他人的工作。哈珀的“开放农业计划”设下目标,开展气候配方的实验与创新,其规模小至台式机大小的个人食品电脑,大至仓库大小的空间。

妙手迭出

乍看之下,医疗器械像是一个不能托付给大众的产品类别。这些产品必须来自医疗保健系统的核心,或者至少经过它的测试和批准,以便确保安全和质量,是这样吗?

事实是“不总是”,人造手就是一个很好的例子,它有力地说明大众创客可以如何做事。创客的工作表明,当自组织的大众潜心解决问题,开展技术学者亚当·蒂雷尔(Adam Thierer)所说的“无须许可的创新”时,潜在的好处有多么大。

2011年4月,南非木匠理查德·范·阿斯(Richard Van As)在操作台锯时失控,右手的两根手指被锯断。当时,市场上的假肢要价数千美元,所以范·阿斯开始寻找便宜的替代品。当年早些时候,他看到YouTube上传的一个视频,制作者伊万·欧文(Ivan Owen)是一位“机械特效艺术家”,曾为自己的手制作一个巨大的金属延伸物体,目的是用一种“蒸汽朋克”的风格装萌扮酷。[10]

虽然范·阿斯和欧文相隔万里之遥,但他们通过电子邮件和Skype进行合作,开发了一种功能性假肢。3D打印机公司MakerBot捐赠了两部Replicator 2台式机,使他们的工作大大加快。这些机器使创客能够快速迭代、生成原型,最终为范·阿斯做出了灵活的机械手指。

他们上传到YouTube的视频作品被南非女子尤兰迪·狄培纳(Yolandi Dippenaar)看到,她5岁的儿子利亚姆(Liam)出生时就没有右手指。狄培纳一家于是向他们求助,欧文和范·阿斯伸出了援手。他们开展在线研究,寻找可能的解决方案,碰巧发现了“科尔斯之手”,这是一个神奇的装置,19世纪中期由澳大利亚阿德莱德的牙科医生罗伯特·诺曼(Robert Norman)制作而成。

在一次使用加农炮的阅兵事故中,约翰·科尔斯(John Coles)下士失去了右手的4根手指。诺曼用鲸骨和羊肠线为他做了假肢,它不仅看起来像一只手,而且在某种程度上也能像手一样操作。手指可以弯曲,并且正如当代人对这只假手的描述那样:“科尔斯下士可以轻易拿起一个纽扣或一枚6便士硬币。”诺曼用鲸鱼骨精确地雕刻手指节,将它们啮合在一起,然后连接到一个由齿轮和羊肠线组成的内轨系统,系统通过科尔斯拇指上戴的戒指进行控制,由此,诺曼大功告成。

诺曼的成果是现成的,可用于激发后来的创新者,澳大利亚国家图书馆的馆藏中留存着对它的精确描述,图书馆已将描述文档数字化,可通过网络获取。欧文和范·阿斯进行在线搜索时碰巧发现“科尔斯之手”,意识到了它的精妙之处。他们很快就创建了自己的版本,称为“Robohand”,并用在利亚姆手上。这两位创客还意识到,由于有了3D打印机和强大的设计软件,人们可以快速、廉价地设计和构建数不尽的手的变体。但他们并没有提交专利申请,而是将Robohand的部件计划上传到Thingiverse——一个大众共享3D打印文件的网站站点。

从那时起,大众已经创造并组装了超过1 800只3D打印的塑料手,惠及45个国家的人民。[11] 这项工作是高度分散的,其主要协调点是一个网站及其谷歌文档,任何感兴趣的人都可以加入并编辑。正如经济学家罗伯特·格拉博耶斯(Robert Graboyes)指出的那样,大众的创作既省钱又有创新性:

可用假肢的成本一夜之间暴跌了99%以上。3D打印的产品固然与5 000美元的产品不同,但它们可以活动,制作价格又便宜,创客都可以免费向用户提供这些产品。

用户和创客一起工作,修改设计。原先看起来方方正正的手变得时尚。复杂的螺母和螺栓被直接固定的关节取代,而且一些设计的材料总成本降至35美元……用户和创客知道假肢无须复制人手。一位父亲想让儿子更有握力,于是制作了一只两个拇指的手,一边一个。他儿子的名字恰巧为卢克(Luke),于是他成为“酷手卢克”(Cool Hand Luke),其他人则基于骑自行车、攀岩、演奏小号等特定目的而定制设计假手。

如以上所有例子所示,在线大众正在增长勃兴。它以多种方式与核心相互作用,并由核心促成。我们认为这种趋势既健康又富有成效,根本没有背叛互联网原有的精神。更好的设备和网络正持续将世界各地越来越多的人们引导到线上,大众只会变得规模更大、更聪明、更加多元化。

我们对人工智能的未来发展感到振奋,因为它们改变了人脑和机器之间的界限,但我们可能更振奋于将数十亿人的智慧带入全球连接的社区的发展前景。人们从此可以彼此施以援手。

本章总结

• 被认可的核心专家一而再、再而三地败于默默无闻的大众之手。

• 大众成功的一个原因是核心往往错误匹配其最感兴趣的问题。

• 核心的错配之所以发生,是因为最有效解决问题所需的知识往往来自远离问题本身的领域。人们很难预测解决问题的相关知识实际上源自何方。

• 核心有许多方法去利用大众积累的知识和专长。核心和大众不一定非得分隔。

• 大众现在可以做很多事,不再需要核心太多支持。技术有助于人们发现知识、有效交流、共同打造事物,集权程度被最小化。

• 成名公司正在寻找与大众合作的新颖方式。同时,基于大众的初创企业正在挑战许多成功在位公司的核心活动。

问题

A 面对挑战和机会时,你如何在自己界定的内外部专家群体以外寻求帮助?你经常这样做吗?

B 你能运行什么实验来看看能否让大众为你的组织工作?你如何判断这些实验的结果?

C 过去5—10年,在获取新客户、评估你正在考虑的新产品的需求和支付意愿等方面,你的方法改变了多少?

D 过去5—10年,你是否扩大了你或你所在组织的定期互动人数?

E 如果大众提出一个更好的想法,你将如何把它引入你的核心?

[1] 正如作者解释的那样,“剩下的错误对应无法正确注释的序列。”Karim Lakhani et al., “Prize-Based Contests Can Provide Solutions to Computational Biology Problems,” Nature Biotechnology 31, no. 2 (2013): 108–11, http://www.nature.com/nbt/journal/v31/n2/full/nbt.2495.html.

[2] 拉哈尼认为,这次失败之所以发生,是因为挑战的组织者没有明确说明问题或提供足够的回报。

[3] 2000年,生成初始人类基因组序列的预估成本为5亿美元,甚至更高。2015年中期,生成高质量全基因组序列“草稿”的成本略高于4 000美元,2015年年底跌至1 500美元以下。National Human Genome Research Institute, “The Cost of Sequencing a Human Genome,” last modified July 6, 2016, https://www.genome.gov/sequencingcosts.

[4] 拉米兹·纳姆已经证明,安装的太阳能发电量每翻一倍,成本就下降16%左右。Ramez Naam, “How Cheap Can Solar Get? Very Cheap Indeed,” Ramez Naam (blog), August 10, 2015, http://rameznaam.com/2015/08/10/how-cheap-can-solar-get-very-cheap-indeed.

[5] 我们在上一本书引用了这项研究,再次引用是因为它至关重要。

[6] 在社会学文献中,有几篇论文强调远程连接或“弱连接”的重要性,其中包括被广泛引用的经典Mark S. Granovetter,“The Strength of Weak Ties,” American Journal of Sociology 78, no. 6 (1973): 1360–80,以及最近的Sinan Aral和Marshall Van Alstyne,“The Diversity-Bandwidth Trade-off 1,” American Journal of Sociology 117, no. 1 (2011): 90–171。

[7] 赞助350美元将可以得到一名剧组成员“量身定制”的语音留言信息,赞助1 000美元将可以得到两张首映式红地毯门票,赞助6 500美元可以为电影中的一个角色命名,赞助1万美元则可以扮演跑龙套角色。

[8] 安德森在这里借用1999年流行的科幻电影《黑客帝国》(The Matrix )打比喻。在这部电影中,主角被要求在蓝色药丸和红色药丸之间做出选择,前者会使他回到活转之前的舒适幻觉,后者则会使他看到事物的真实面目。

[9] 对于Quantopian来说,如果一种投资算法不太依赖一种资产,不过度杠杆化,亦即不过度依赖债务,那么它就具有“良好结构”,就能够在广泛的市场条件下产生良好回报。

[10] “蒸汽朋克”是一种科幻体裁,撇开别的不说,它想象了由蒸汽驱动的维多利亚时代机械电脑。它的许多粉丝喜欢打扮。