人工智能思维的领导学价值／祝杨军

　　首先，领导者应该具备全样本思维意识。尽管唯数据论倾向是错误的，但绝不能因此否认数据的重要意义，在相当多的场合，数据是用于观测事物状态的最重要和最直接的工具。数据的价值主要体现在三个方面：一是科学性，即数据的来源、分析必须基于科学方法，具有极高的准确度。二是客观性，即数据就应该是其本来面目，不以任何人的意志为转移，也不能进行随意挑选。三是规模量，即数据必须达到一定的体量才有价值，以偏概全可能导致严重后果。在有条件的情况下，领导者应该掌握全样本数据及科学的数据处理方法，特别是在某些涉及组织整体利益甚至关乎生死存亡的领域，否则，就有可能做出错误判断和决策。

　　其次，领导者应该具备容错意识。任何人都会犯错，包括领导者本人在内。错误分为三种：一是重大错误，即影响面大、涉及面广甚至动摇组织根基的错误。此类错误通常是由领导者做出的，也必须由领导者承担责任，不应将其归咎于某位具体的追随者。二是一般性错误，即对组织有一定影响的错误。此类错误通常都能够补救，需要对犯错者进行惩戒，同时应该把重点放在如何补救方面。三是微小错误，即对组织影响较小的错误。此类错误尽管有时会给组织造成一定损失，但总体来讲属于在可以接受的范围内。领导者应该具有一定的容错意识，一方面，大部分错误都是可以纠正的，而犯错者并非主观故意；另一方面，容错意识有利于在组织内营造较为宽容的文化氛围，有利于提升领导者形象和威信。特别是一些试错性错误，是完成重大组织目标而必须付出的代价，领导者应做到心中有数。

　　再次，领导者应该具备非因果性思维。因果性在自然科学研究中占据主导性地位，然而，在以人为中心的社会科学研究和日常生活中，因为掺杂大量的心理和价值因素，某些因果性推理并不可靠。例如，人的特定行为可以由多个理性因素引发，同样也可以仅仅来源于感性冲动，具有明显的不确定性。领导者分析现象之后的动机固然重要，但应该同时注意到现象本身，要学会聚焦问题。遇到障碍一味强调治本不治标，一方面可能会导致过度分析，耗费过多时间和精力，还不见得真能找准病根；另一方面忽略标的存在则可能导致现象扩大，从小问题转化为大问题，从表面矛盾转化为深层矛盾。实际上，很多时候，找到与复杂现象相伴生的关键环节，及时做出应对，防微杜渐，比探究背后的深层原因更加重要。

　　三、进化思维的领导学价值

　　按照进化论的相关原理，除了有机体，任何存在物都只能发生变化，不存在所谓的进化问题。但是，人工智能的进步与其他机器的迭代升级确实存在本质上的不同。一般机器的迭代升级必须由人来完成，只不过是人的观念意识的机器化。也就是说，人想让机器如何运转，机器就如何运转。早期的人工智能需要人的监督学习，智能化程度非常有限，甚至只能被称作机器自动化而非真正意义上