- چرا با استخدام «بهترین» افراد، کمترین خلاقیت نصیبتان خواهد شد؟
849253
05 اردیبهشت 1398 - 00:541549 بازدید
وب‌سایت ترجمان - ترجمه محمد معماریان: آیا برای حل مشکل ترافیک از دست یک زیست‌شناس کاری برمی‌آید؟ یک ریاضی‌دان می‌تواند پیشنهادی برای کاهش مصرف سیگار داشته باشد؟ اگر معتقد به شایسته‌سالاری باشید، احتمالاً خواهید گفت «نه‌چندان». اما واقعیت این است که مسائل جوامع امروزی چنان پیچیده و چندوجهی هستند که هیچ‌کس نمی‌تواند آن‌ها را به‌تنهایی حل‌وفصل کند. ما نیاز به تیم‌هایی با تخصص‌های متنوع و چه‌بسا «غیرمرتبط» داریم تا بتوانیم مسائل را از منظرهایی پیش‌بینی‌نشده بنگریم.
اسکات ای. پیج، ایان: وقتی دانشجوی تحصیلات تکمیلی ریاضی در دانشگاه ویسکانسین-مدیسون بودم، در یکی از کلاس‌های منطق دیوید گریفیت شرکت کردم. کلاس مفرّحی بود. برخورد گریفیت با مسأله‌ها، شوخ و شنگ و باز بود. حدود یک دهه بعد، در همایشی دربار? الگوهای ترافیکی، به او برخوردم که بسیار خوش‌وقت شدم. در ارائه‌ای دربار? الگوهای رایانشی گره‌های ترافیکی، دستش را بالا بُرد. برایم سؤال بود گریفیت، این منطق‌دان ریاضی، چه حرفی دربار? گره‌های ترافیکی دارد. ناامیدم نکرد. بدون اینکه ذره‌ای هیجان در صدایش باشد، گفت: «اگر می‌خواهید یک گر? ترافیکی را مدل‌سازی کنید، باید فقط غیرخودروها را رصد کنید».
واکنش جمع، تابع همان الگوی آشنا بود: کسی ایده‌ای غیرمنتظره را مطرح کرده است که پس از طرح آن، بدیهی به نظر می‌آید. سکوت در تحیر، که جای خود را به سر تکان دادن‌های تحسین‌آمیز و لبخندهای حاضرین در اتاق می‌دهد. لازم نبود حرف دیگری زده شود.
نکته‌ای که گریفیت دیده بود، بسیار هوشمندانه بود. در یک گر? ترافیکی، خودروها اکثر فضاهای جاده را پُر می‌کنند. مدل‌سازی هر خودرو، حافظ? زیادی نیاز دارد. رصد کردن فضاهای خالی، حافظ? کمتری می‌خواهد؛ یعنی تقریباً هیچ. به‌علاوه، دینامیک غیرخودروها شاید ساده‌تر قابل تحلیل باشد.
نسخه‌های مختلف این ماجرا مرتباً در همایش‌های دانشگاهی، آزمایشگاه‌های پژوهشی یا جلسات سیاست‌گذاری، گروه‌های طراحی، و جلسه‌های طوفان فکریِ استراتژیک رُخ می‌دهند. هم? آن‌ها در سه مشخصه مشترک‌اند. اول، مسأله‌ها پیچیده‌اند: این مسأله‌ها ناظر به بافت‌های چندبُعدی‌اند که تبیین، مهندسی، تحول یا پیش‌بینی‌شان دشوار است.
دوم، ایده‌های راه‌گشا نه جادویی‌اند و نه سراسر نوآورانه. آن‌ها یک ایده، بصیرت، لِم یا قاعد? موجود را به شیوه‌ای تازه به کار می‌گیرند یا ایده‌ها را ترکیب می‌کنند؛ مثل اپل که با کاربری جدید فناوری صفحه لمسی، راهی جدید گشود.
در مورد گریفیت، او مفهومی از نظری? اطلاعات را به کار بست: «حداقل طول توصیف». به جای اب‌پ‌ت‌ث‌ج‌چ‌ح‌خ‌دذرزس‌ص‌ض‌ط‌ظ‌ع‌غ‌ف‌ق‌ک‌گ‌ل‌م‌ن‌وه‌ی، با حروف کمتری می‌شود گفت: «بدون-ش». باید اضافه کنم که این ایده‌های جدید نوعاً بهر? متوسطی دارند. اما سرجمع می‌توانند اثری بزرگ داشته باشند. پیشرفت همان‌قدر که با جهش‌های بزرگ رُخ می‌دهد، با گام‌های کوچک نیز به دست می‌آید.
سوم، این ایده‌ها در گروه زاده می‌شوند. یک نفر دیدگاهش دربار? مسأله‌ای را ارائه می‌کند، رویکردی را برای یافتن راه‌حل توضیح می‌دهد یا مانعی را شناسایی می‌کند، و نفر دوم پیشنهادی می‌دهد یا راه عبور از مانع را بلد است. جان هالند، دانشمند فقید علوم رایانه، معمولاً می‌پرسید: «آیا در این باره به شیو? مارکوف فکر کرده‌اید، یعنی مجموعه‌ای از حالت و گذار بین آن حالت‌ها؟» این سؤال، ارائه‌دهنده را مجبور می‌کرد حالت‌ها را تعریف کند. همین کار ساده اغلب به یافتنِ بصیرت‌هایی می‌انجامید.
رونق یافتن تیم‌ها (امروزه اکثر پژوهش‌های دانشگاهی به صورت تیمی انجام می‌شود، مانند حوز? سرمایه‌گذاری یا حتی اکثر ترانه‌نویسی‌ها، حداقل برای ترانه‌های خوب) هم‌پای رشد پیچیدگی دنیای ماست. قدیم‌تر عادت داشتیم جاده‌ای را از نقط? الف به نقط? ب بسازیم. اکنون زیرساخت حمل‌ونقلی می‌سازیم که اثرات زیست‌محیطی، اجتماعی، اقتصادی و سیاسی دارد.
پیچیدگی مسائل مدرن غالباً مانع آن می‌شود که یک‌نفر به‌تنهایی بتواند آن‌ها را به طور کامل درک کند. مثلاً عواملی که در افزایش سطح چاقی سهیم‌اند شامل این موارد می‌شود: سیستم‌ها و زیرساخت‌های حمل‌ونقل، رسانه، غذاهای آماده، تغییر هنجارهای اجتماعی، زیست‌شناسی انسان و عوامل روان‌شناختی. یا در یک مثال دیگر، طراحی یک ناو هواپیمابر به دانش مهندسی هسته‌ای، معماری ناو، متالورژی، هیدرودینامیک، سیستم‌های اطلاع‌رسانی، پروتکل‌های نظامی، مشق جنگ‌افزارهای مدرن، و (عطف به زمان طولانی ساخت یک ناو) توانایی پیش‌بینی روندها در سیستم‌های تسلیحاتی نیاز دارد.
به‌علاوه، ماهیت چندبُعدی یا چندلای? مسائل پیچیده، تیشه به ریش? اصل شایسته‌سالاری می‌زند: این ایده که «بهترین فرد» باید استخدام شود. هیچ بهترین فردی در کار نیست. هنگام راه‌اندازی یک تیم پژوهشی تومورشناسی، شیو? کار یک شرکت زیست‌فناوری مثل جیلید یا جین‌تک آن نیست که یک آزمون چندگزینه‌ای طراحی کند و کسانی را استخدام کند که بیشترین امتیاز را بیاورند، یا کسانی را استخدام کند که رزومه‌هایشان بیشترین امتیاز را بر حسب یک معیار عملکرد داشته باشد.
در عوض، این شرکت‌ها دنبال تنوع‌اند. آن‌ها تیمی از افرادی می‌سازند که پایه‌های دانش، ابزارها و مهارت‌های تحلیلی متنوعی را به تیم بیاورند. محتمل است که در این تیم ریاضیدان‌ها هم باشند (البته نه منطق‌دان‌هایی مثل گریفیت). و آن ریاضیدان‌ها احتمالاً سیستم‌های دینامیکی و معادلات دیفرانسیل را مطالعه می‌کنند.
معتقدان به شایسته‌سالاری شاید بپذیرند که تیم‌ها باید متنوع باشند، اما بعد می‌گویند که اصول شایسته‌سالاری باید در هر دسته پیاده شود. لذا تیم باید از «بهترین» ریاضیدان‌ها، «بهترین» تومورشناس‌ها و «بهترین» زیست‌آماردان‌های مجموع? داوطلبان تشکیل شود.
این موضع نیز همان نقص قبلی را دارد. حتی در یک حوز? دانش هم هیچ آزمون یا معیاری وجود ندارد که روی افراد به کار گرفته شود تا بهترین تیم را تشکیل دهد. هر یک از این حوزه‌ها چنان عمق و دامنه‌ای دارند که آزمون‌بردار نیستند. مثلاً حوز? عصب‌شناسی را در نظر بگیرید. پارسال بیش از پنجاه هزار مقاله منتشر شد که تکنیک‌ها، قلمروهای پژوهش و سطوح تحلیلی مختلف را پوشش می‌داد: از مولکول‌ها و سیناپس‌ها تا شبک? نورون‌ها. نظر به این پیچیدگی، هرگونه تلاشی برای رده‌بندی عصب‌شناسان از بهترین تا بدترین، انگار که مسابق? شنای پنجاه‌متر پروانه است، محکوم به شکست خواهد بود. آنچه می‌تواند درست باشد این است که عطف به یک کار خاص و ترکیب یک تیم خاص، یک دانشمند احتمالاً بهتر نقش‌آفرینی کند. استخدام بهینه، وابسته به بافت است. تیم‌های بهینه هم تنوع دارند.
شواهد این ادعا را می‌توان در آن دید که مقاله‌ها و ثبت‌اختراع‌هایی که ایده‌های متنوع را ترکیب می‌کنند، معمولاً بیشترین ضریب تأثیر را دارند. همچنین این شواهد را می‌توان در ساختارِ به‌اصطلاح «جنگل تصمیم‌گیری تصادفی» دید که یک الگوریتم پیشرفت? یادگیری ماشین است. جنگل تصادفی شامل مجموعه‌ای از درخت‌های تصمیم‌گیری است.
مثلاً در دسته‌بندی عکس‌ها، هر درخت یک رأی می‌دهد: آیا این عکس یک روباه است یا سگ؟ قاعد? حاکم، اکثریت وزنی است. جنگل‌های تصادفی می‌توانند به کارهای مختلفی بیایند. آن‌ها می‌توانند کلاه‌برداری بانکی و بیماری‌ها را شناسایی کنند، نصبِ پنکه‌های سقفی را توصیه نمایند، یا رفتار زوج‌یابی آنلاین را پیش‌بینی کنند.
هنگام ساختن یک جنگل، بهترین درخت‌ها را انتخاب نمی‌کنید چون این بهترین‌ها دسته‌بندی‌های مشابهی انجام می‌دهند. شما دنبال تنوع هستید. برنامه‌نویس‌ها برای دست‌یابی به این تنوع، هر درخت را با داده‌های متفاوتی تمرین می‌دهند، که این تکنیک به bagging موسوم است. همچنین با تمرین دادن درخت‌ها در سخت‌ترین نمونه‌ها (آن نمونه‌هایی که جنگل موجود درباره‌شان اشتباه می‌کند)، جنگل را از لحاظ «شناختی» تقویت می‌کنند. این هم مطمئناً به تنوع بیشتر و جنگل‌های دقیق‌تر می‌رسد.
با این حال، سفسط? شایسته‌سالاری کماکان پابرجاست. بنگاه‌ها، مؤسسات غیرانتفاعی، حکومت‌ها، دانشگاه‌ها و حتی پیش‌دبستانی‌ها اقدام به آزمون، امتیازدهی و استخدام «بهترین‌ها» می‌کنند. این روش لاجرم تضمین می‌کند که بهترین تیم خلق نشود. رتبه‌بندی افراد بر اساس معیارهای مشترک، همگونی می‌آفریند.
و وقتی سوگیری‌ها رخنه کنند، افرادی به دست می‌آیند که مثل تصمیم‌گیرهای فرآیند استخدام هستند. این روند بعید است به نوآوری‌های راه‌گشا منجر شود. به تعبیر استرو تلر (مدیرعامل شرکت ایکس، یعنی «کارخان? ماه‌نورد» در شرکت آلفابت که شرکت والد گوگل است): «آنچه مهم است، داشتن افرادی است که دیدگاه‌های ذهنی متفاوتی داشته باشند. اگر می‌خواهید چیزهایی را کاوش کنید که قبلاً کاوش نکرده‌اید، داشتن افرادی که دقیقاً شکل شمایند و مثل شما فکر می‌کنند، بهترین راه نیست.» ما باید جنگل را ببینیم.
منبع: aeon
نوشته شده توسط sabkezendgi در شنبه 98/2/7 و ساعت 4:54 عصر | 