掃一掃，關注下方微信
這幾年伴隨移動互聯網的數據積累，大數據、神經元網絡帶來了人工智能的崛地而起。在圖片識別領域（甚至擴展到視頻識別領域），人類已經難以望機器識別之項背。君不見到處可見的人臉識別、身份證比對，不僅代替了人工識別，甚至人臉支付讓臉代替了人的身份。
人工智能的概念已經提出來七十年以上了，甚至還早于公認的第一臺電腦的誕辰，但這么多年來，并沒有真正意義上走入實用。
這一次卻不同，人工智能的這一次崛起，起源是標簽化的數據機器學習，也就是將圖片打上標簽（圖片的名稱或意義描述），經由神經元網絡的深度學習，從而獲得類似人類甚至超過人類的識別能力。可以說標簽化造就了當下的人工智能。
標簽化是人類學習的基本邏輯
其實標簽化，一點不稀奇。人類學習的基本邏輯，就是標簽化識別的累計和內化的過程。孩子牙牙學語識別世界，就是從認識鼻子、眼睛、手腳開始的。還記得小時候看抓特務的電影，孩子會問媽媽：這個人是好人與壞人？這也是典型的標簽化。至于國粹京劇，為此還專門設計了令人驚嘆的臉譜。
標簽化有利于簡化認知的復雜度
用標簽描述內涵，用概念約束世界，從而讓初學者獲得感性認知，進而伴隨更多的感性認知產生，雜交異化而產生智能。孩子如此，大人何嘗不是如此。
標簽化非常適合初入職場的人。在職場上缺乏歷練的初入行者，用標簽化最快建立起來行業的概念，用類比獲得認知。
但是標簽化，通常承載的含義非常簡單，甚至粗暴，并不足以描述行業內精細的內容。所以，用來入行可以，真的用來作為技能，那將會是一場災難。
標簽化無法解決復雜世界的交互關系
標簽化有很多不可解決的問題，最典型的就是復雜世界的相互關系。無論人、物、事，在其表面特征的背后，都是其歷史和環境的特征，甚至有些時候歷史和環境的特征還強于人、物、事本身。由此建立起來的復雜性、系統性、模糊性、混沌性等等學科研究，就是明證。
這個世界的復雜，最突出的表現是人的復雜。而在商業組織中，標簽化人物就成為團隊塑造中要命的問題。過去商業組織的規模比較小，部門間協調的關系比較簡單，依賴于規范流程就能夠實現。
隨著商業復雜度提升，商業組織的網絡化發展，組織內業務之間的交互越來越多，單純靠規范流程已經不足以支撐業務的順暢流通，溝通成為部門合作的主流。
溝通必然需要了解作為前提。當了解所用內容的時間有限時，標簽化就開始盛行。但是遺憾的是，這個標簽化非常不靠譜。究其原因，根本是在復雜世界和復雜人心帶來的多面性，標簽化很難描述清楚，甚至帶來誤導而損害組織利益。
小孩才講對錯，大人分辨利弊
依我看，更多的職業行為，不應該是標簽化的討論人，而應該是就事論事，用事情的利弊去計算得失，去應對組織內外的溝通。或者說，摒棄標簽化看人議事的思維，而就事情本身，沿著目標和利弊去推演和溝通，也許才是最簡單的方式。
用做事情的思維應對，人與人之間的關系才能被簡化，復雜的東西才能順暢運行。即便這個時候談到人的關系，也只是將其作為順暢做事的潤滑劑。也許這才是職場最高效率的方式。
人工智能的這次興起，源于標簽化，但未必會長久。相信未來的人工智能，也會逐步從標簽化走出來，這樣才能面對復雜的世界，才會有真正的智能產生。而我們生在職場，更應該在標簽化智能升級之前，走出標簽化，演繹自己更精彩的人生。
大連創業工坊
創業工坊