「今年參加了1400場視訊會議，沒有交到一個朋友」

疫情對AI行業所帶來的最大影響，是什麼？
今年最令人興奮的AI新技術、新應用，有哪些？
甚至未來10年、20年，AI發展的方向，又該何去何從？

針對這幾點，前陣子做了個有點意思的 MEET2021 年度對話，也在這裡分享，原文來自「量子位」微信公眾號：
……

站在2020年，如此不平凡一年的歲末，AI業界有太多諸如上述的問題急需回答。

要點
• 疫情帶來最大的影響，就是加快了資料化，加速了線上化和AI化。
• 疫情是巨大的災難，同時也極大推動了AI的進一步落地，這一年可能相當於三年的進程。
• 最讓人振奮的黑科技，是AlphaFold和GPT-3，後者對行業更具有潛在的顛覆力量。
• AI給社會帶來最大的價值，肯定不是黑科技。
• 擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力。
• 大陸的新基建會進一步推動AI新經濟，這會是一個新的時代，一次新的文藝復興。
• AI從業者們需要記得：權力越大，責任越大。

▎疫情加速AI化，一年相當於三年

李根：再次感謝開復老師來幫我們總結這一年，與往年相比，今年最大的不同是什麼？

李開復：今年的工作節奏改變了，我一共參加了1400次線上會議，非常有效率，進行了特別多的開會和演講。但是1400次這樣的會議，沒有讓我交到一個朋友。所以我覺得線上會議雖然帶來了效率，但是還是要回歸面對面的本質交流。

李根：但受疫情影響的這個過程，也是線上化被加速的過程？

李開復：這是疫情帶來的最大的影響——加快了資料化、線上化和AI化。AI最重要的核心就是海量的資料，可以催化更多新的應用。
比如線上會議，我們並不見得那麼容易區分視訊會議中的那個人，是不是真人。所以有時候線上講座或者網路不穩定的時候，我們會選擇錄製，而且錄製一次，也可以用很多次。由此延伸，以後線上上，比如你做推銷，做客服，甚至做電視節目，其實都是可以用虛擬人來替代的。我們現在還無法造出一個讓你分不出來的3D虛擬人，但是在視頻裡完全可以。DeepFake不是一個向善的應用，但是把它的技術應用在建設性、有益的方向，我覺得可以帶來特別多的應用。而且有了資料，各行各業就可以評估哪些工作或者流程，可以進一步數位化。數位化以後，重複性的工作就可以被AI取代了。

此外，除了社交距離縮短，可以發現機器人出現的頻率越來越高。比如，我們去餐館時，會有機器人送餐到客人那裡。很多機器人產品遍佈很廣，無論是倉庫、工廠，甚至我住的公寓裡面，每次最後配送都是機器人了。在美國情況也很相近。美國以前也沒有支付寶，也沒有美團，現在都開始有了。所以總結起來，我覺得新冠疫情是巨大的災難，但與此同時，也極大推動了AI的進一步落地，帶來數位化、IT化，帶來AI化，可能這一年相當於過去的三年。

▎AI最大的經濟價值並非“黑科技”

李根：今年依然有令人興奮的技術進展？

李開復：今年最讓人振奮的技術是DeepMind的AlphaFold，還有OpenAI的GPT-3。其中，我認為可能對行業更有潛在顛覆力量的是GPT-3。不見得說是用它生成小說什麼的，而是用特別大的海量、自然語言資料，訓練一個預訓練模型，這個模型是可以應用到很多新領域，比如說寫詩、做對話，或者是寫小說等等。而且這個新技術一推出，其他公司很快就採用了，比如說搜尋引擎，因為這個技術已經能提高了好幾點的精確度；此外，OCR在提升，客服也在提升，微軟小冰也在繼續提升對話精確度。

所以我覺得這種預訓練語言模型，它可能帶來的就是一次性訓練一個巨大的模型，然後快速產生AI應用。當然，也存在很多的問題：
• 它做一個模型要花1200萬美金，一般的創業公司該怎麼辦？教授學者該怎麼辦？
• 此外，訓練一個模型就要燒掉好多能量，這對於我們節能的未來又怎麼辦？
• 還有，巨頭會不會產生壟斷，只有巨頭公司等才能做這麼巨大的模型。

當然，GPT-3本身還沒有驗證足夠多的商業價值，但毋庸置疑這是一個最大的科技創新。不過我想強調的是，AI給社會帶來最大的價值，或者帶來最大的經濟價值，肯定不是這種黑科技。黑科技會有很多，我們也在繼續投機器人等項目。但是，我覺得今天AI的技術已步入成熟，可以被傳統公司擁抱。比如剛成為AI獨角獸的創新奇智，就可以看到AI給傳統行業，無論是製造、健康、醫療、零售、金融、保險、物流等等，都可以帶來立竿見影的巨大效果。所以今天我在這裡呼籲一下，擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力；越晚擁抱AI，生存的空間可能會被進一步壓縮。

李根：怎麼樣才能大家擁抱AI？

李開復：還是要有資料，說了這麼多打雞血的話，但是務實的來說，是不是今年傳統公司擁抱AI就會帶來價值？大部分是不會的。
因為AI是要吃資料的，所以就要求公司擁有海量的、結構化的、有標注的，達成商業目標的脫敏精確資料，而且最好是只有你有，別人沒有的，那你的機會就來了。

什麼樣的公司有呢？比如說銀行、保險公司天然就有，金融領域的資料必須要符合要求。而有些領域就會難一點，比如說做工業製造等等，需要先把你的工業製造替換成機械臂、替換成無人叉車，可能要放很多的感測器，才能瞭解機器出了什麼問題。所以對有些公司是很容易的，但一些公司卻是很難的。如果今天你有資料，趕快想怎麼去應用；如果你沒有資料，快想想怎麼把資料累積出來。
新基建推動AI新經濟

李根：剛才都在談這一年，而新基建被認為會奠定下一個十年的發展？

李開復：我們回顧中國人工智慧奇跡般地崛起之路，可以發現其中的創業者、移動互聯網、資料，還有大陸優秀高校培養的高科技人才，這些是最重要的。但其實，還有非常英明的政策。這不是一件容易的事。這在很多國家都有討論，例如美國，奧巴馬政府當時大力支持了一個新能源的公司結果沒有做成，受到了很多的垢病。
而中國就有很鮮明的對比，大陸的科技政策整體來說應該是讓民間、業界做他們擅長的事情，用市場經濟來競爭，而政府幫助他們做民間做不了的事情。比如說我們AI的崛起，很大的程度是因為各地有政府引導基金支持，這樣可以選擇性的去做LP，幫助早期的AI產業能夠創立起來。

另外，“新基建”政策的落實也是非常大的利好。新基建除了5G和大資料中心，還有IoT、人工智慧、智慧城市等多方面的落實，利好的政策會進一步的拉動中國經濟進一步地往數位化、智慧化方向轉型升級。所以，當政府把上述的事情做成並且形成一個平臺，讓創業公司以及大公司能用到，我覺得這就是非常明智的。

當然，新基建裡AI涵蓋的範圍有多大，一些新技術是否有機會納入？可能值得進一步探討。比如類似GPT-3等需要大量資源去做訓練，才能進一步推動起來的潛力新技術等。我們發現AI的訓練越來越貴了，已經不是一個教授團隊和創業公司可以承受的。對於這樣存在類似潛在爆發性成長的技術，是否能有機會能從更高的維度推動，值得期待。

李根：您最近也旗幟鮮明提出了“AI新經濟”，所以是時候用這個新概念來定義這個時代了嗎？

李開復：對，雖然很正面的描述，但是時候了，我最近在《紐約時報》寫了一篇專欄文章，裡面談到的就是說剛才講的疫情促進了資料化、IT化、AI化。疫情推動了各行業的數據化，其實一個隱憂就是“工作被資料化”了，可以被外包或者AI取代。當我們有這麼多機器人的時候，它也會取代很多藍領的工作，白領其實也是一樣的，很多後臺、BPO的工作，在做檔處理的，或者是做客服的，這些工作都會被挑戰。有些人會說我們要把技術發展的慢一點，但這些絕對不符合實際，因為沒有技術是會慢下來的。

AI新經濟一方面我們要擁抱這些技術進步，讓它儘快觸達每一個角落。但同時，它所帶來失業的問題，我們需要有一些針對性的應對措施。所以我的文章主要談的就是，怎麼樣能夠快速地讓社會認知，繁複的、無技巧的重複性的工作將會消失，然後如何重新訓練這一批人，幫助他們快找到新的方向，去做更有價值也更擅長的事情。與此同時，大家就能花寶貴的時間在我們更有價值、更熱愛的事情，比如藝術、公益等創意和決策類的工作，或者是多和親友相處，結交認識新朋友等等。

這將發揮人類的光芒，我把他稱為一個新的文藝復興，讓人可以再一次找到意義——人為什麼而存在？

▎全球化依然是必然之路，中國大陸軟體將占世界半壁江山

李根：上一次文藝復興伴隨著第一次全球化開端，但這幾年全球化進程似乎受阻？中國創業者想做80億人的生意，但事實證明很難。

李開復：全球化是必然之路，很多“美國至上”的人說中國是沒有創新的，只有中國人用中國的軟體，但是我們在座的每一位都知道，中國大陸過去10年發生了巨大了改變，這句話在今天是完全錯誤。因為中國的創新從TikTok到華為，到小米，到美團，還有很多創新的公司，包括我們AI四小龍，這些都是美國沒有的。所以我們應該非常的自豪，今天中國的創新至少在IT、AI的領域是有機會彎道超車的。有一些地方美國更強，技術更深，但是我們的商業化做得更快。在這種前提之下，我們自然也必然會走向全球。

我們怎麼樣走向全球呢？這裡我還要比較務實的說一下，其實很多國家的使用習慣和語言文化是有巨大差別的。如果今天要把中國所有好的產品都推到歐美，這其實不現實，因為歐美的使用習慣已經固化了。他們用的那一套無論是To C還是To B都很難去改變，但是我覺得其他的國家和地區，例如從東南亞到“一帶一路”所有的國家和地區，包括了中東、非洲、南美等，這些國家的用戶其實更像我們的年輕用戶。而且，他們使用美國產品的習慣還沒有固化，與此同時，美國公司不太重視這些市場，但是這些國家的經濟，我們認為未來都會起來的。

所以你剛剛說的“走向80億”，我覺得不現實，但是走向60億是可以的，應該是世界GDP的1/4，人口的3/4。我們的創業者是願意走出去的，所以我覺得出海會變得非常重要。我們的軟體出口、技術出口，人工智慧出口，這些一定會發生。在我寫的《AI·新世界》出版的時候我就說過，在10年之內，中國將占世界軟體的半壁江山。當時很多人也認為這是一個非常樂觀的預測，但是現在看來我們正在往這個方向去做，而且當時還沒有看到TikTok這樣的產品。但是我們要謹慎，不是說歐美這些國家還是相當牛，而是TikTok在歐美的成功，不是那麼容易複製的。
“+AI”會在各個行業開花結果

李根：剛才開復老師談到現在技術創業越來越難，您還會投技術公司嗎？

李開復：當然投技術公司，我剛剛講的每一句話，都是我們投資的策略，我講了那麼多對機器人看好，我講了對大語言模型特別看好，還會投的。只是說我們不能夠期待像過去出來那麼多，創新工場在過去的4年，我們的AI領域一共出了7家AI獨角獸；未來4年的小目標，先定個3家AI獨角獸公司吧。

李根：但AI深入傳統行業已是趨勢？最近創新工場還投了“農業”領域的公司，這是以前很難看到的。

李開復：你指的是極飛科技吧？但極飛不能按農業來定義，極飛科技的產品是很高科技的無人機和自動駕駛，場景是把農業工業化。
工業製造和農業生產大有不同，比如你想做智慧製造，用AI來做機器人，或者做一個iPhone，做衣服，做鞋子，場景不同要求是完全不同的。但是農業播種或者施肥等場景較容易標準化。比如棉花田、稻田等，較容易批量化大規模作業。

不但大陸是這樣，國外也是如此。目前，農業市場AI滲透率只有大約5%，我們對極飛本身不但非常認可，而且也認為這是非常好的國際化的產品。因為農業場景比如播種子等，在全球幾乎通用，沒有太多語言的障礙。

李根：可以解決80億人的吃飯問題。
李開復：是。（笑）

李根：剛才談論的都是傳統領域“+AI”的話題，不妨讓我們更發散一些，請您談談以下幾個領域可以如何“+AI”？比如今年最受關注的“線上教育”。

李開復：線上教育中國做的是非常好，互動化很強，而且是孩子真的很喜歡。但是一些課程，尤其是小朋友的，用一些卡通人物AI或許更有效果。我們可以想像，未來會是一些可愛的卡通人物作為孩子的老師，甚至可能有一些同學是虛擬同學。有氛圍，也更高效。
這種情況下，不但你的成本更低，而且小朋友考試分數更高，也提高了學習興趣。所以“＋AI”後的人機互動模式，不僅可以降本提效，還能提升孩子趣味性。

李根：這個領域聽起來對開復老師挑戰不是很大，我們出一個難的，我們說一個雞尾酒如何“+AI”？

李開復：其實雞尾酒肯定是機器調得比人好，因為雞尾酒有不同的成分，機器可以算得更准。但是，我們要考慮的是，如果去酒吧喝酒，可能醉翁之意不在酒，而是要有一個非常善解人意的酒保來跟你聊天。所以我覺得以後酒保跟你聊一聊就可以了，酒還是要機器來做，歸根結底，機器調酒師替代不了人之間的交流和陪伴。

▎找對象也能“+AI”，媒婆AI知道誰最適合你

李根：不知道在酒吧，能不能順便把找對象的問題，用“+AI”的方式解決了？
李開復：這可能會在下一代成真——不過不是我的下一代，我的下一代已經有對象了。你們的下一代找對象，可能會跟今天傳統的方式完全不同。就像今天美團比你更知道你想吃什麼，攜程比你更知道你想去哪裡，今日頭條更知道你想看什麼，未來你的媒婆AI一定知道誰最適合你。

每一個人這一輩子找對象，可能就是周圍認識的人裡面找，無論怎麼算都是幾萬人，最多幾十萬人。但是，以後AI可能會更瞭解你，瞭解你是什麼人，瞭解你會喜歡什麼物件，它幫你推薦的人，一定比你自己找的人，或者朋友幫你推薦的人更靠譜，更合適。也就是說，你選擇的範圍可能不是從幾萬人裡面選一個，可能是在80億人中幫你選。

當然，最後的選擇權在你手裡，今天你靠朋友幫你推薦5個對象你選一個；未來AI幫你推薦的5個對象，會來自於80億人，會更貼近於你的需求。所以你們孩子的未來，一定會更幸福！

▎AI從業者也得有“希波克拉底誓言”

李根：謝謝開復老師，今天時間也差不多了，最後再請您站在明天給一些建議吧？比如站在20年後（2041年）思考，我們該有怎樣的責任和使命？

李開復：對於AI的工作者，我們今天都低估了AI道德帶來的一些影響。我們可能看到網上說隱私問題、公平問題，或者大公司掌握太多資料左右我們思考問題。但隨著大公司對AI資料的掌控，其實這些問題越滾動越嚴重，我們去怎麼處理？我覺得我們一定要做AI的從業者，就像醫療的從業者有一個叫做希波克拉底誓言，作為一生我要把人的生命作為最神聖的事情，我一定要捍衛。

做AI工作者其實不是一個工程師，你要考慮到所做的每一個演算法，你的每一個貢獻都有可能造成因某一個人種或者性別帶來的不公平待遇；可能會帶來某一些人不能夠被公司雇傭；可能會造成某些人終身可能沒法往上爬；可能會造成一些醫療錯判傷害人、會造成無人駕駛撞到人。

所以每個工程師應該有一個神聖的誓言，應該認真的去用各種工具，來確保自己做出來的軟體帶給人類的是進步，而不是帶來各種的這種不好的後果。我覺得要特別認真的看待自己的責任，With great power, comes with great responsibility. 我非常認可 “權力越大，責任越大”這句話。

其實AI的工程師、AI的從業者，你們的權力是巨大的，一定要重視自己的責任。同時，確保以後的用戶得到的是幫助和福利，而不是被傷害。

▎One More Thing

最後的最後，還有一個小小小環節，來一次今年的快問快答。

李根：今年最成功的個人股票投資？
李開復：Zoom。

李根：今年最想推薦的一本書或者電影？
李開復：《皇后的棋局》（The Queen’s Gambit）。

李根：今年最有啟發的一次交流？
李開復：跟尤瓦爾·赫拉利，《未來簡史》作者的一對一交流。

李根：到底米其林靠譜還是黑珍珠靠譜？
李開復：中國黑珍珠靠譜，國外還是要靠米其林。

李根：為什麼從一開始就不看好馬斯克的2020年百萬RoboTaxi？
李開復：馬斯克有一句名言，我認為最貼近他的個性。他說他一切預測都會成真，只是時間上別聽他的。所以我相信他會成功，只是可能會需要5年或者10年。

《#臨床研究與發表工作坊》

【快訊 🎉】王博醫師團隊，使用心臟電腦斷層參數，預測先天性心臟病病童肺高壓之研究，獲 Clinical Imaging 刊登！
　
📃 文章介紹
　
在先天性心臟病的評估中，患者是否產生肺高壓，是預後的重要指標之一，雖然主要的臨床評估工具，是心臟超音波，以及心導管壓力量測，但今日臨床上我們經常使用多切面電腦斷層做結構評估，是否電腦斷層看到的影像，也能預測患者是否有肺高壓呢？這是王博醫師團隊有興趣解答的問題。
　
研究收入了 44 個先天性心臟病病童，記錄其是否有肺高壓後，分成兩組，有肺高壓，以及無肺高壓。接著使用心臟電腦斷層取得的收縮以及舒張期影像，並發展各種可能參數去嘗試預測患者的肺高壓狀態。
　
結果發現，以體表面積標準化後的右心室直徑，不管是舒張期或收縮期，都有不錯的預測效果。舒張期以 6.86，收縮期以 5.87 為界，是個不錯的診斷標準。
　
這樣的研究，如果在晨會報告，往往會被長輩質疑，量這麼複雜有什麼用？超音波測一下就知道了。
　
但是，一來，臨床上並不是每個患者都能有適合的超音波窗口能準確量測壓力，二來，這樣的研究，至少確定了，在電腦斷層看到的型態，不只有定性的意義，更可能有定量的意義。而本研究也提出了，以體表面積去做標準化，或許是個不錯的嘗試。
　
📃 期刊介紹
　
Clinical Imaging 創刊於 1977 年，由 Elsevier 發行，現同時為 New York Roentgen Society 的官方期刊。2019 年的 impact factor 為 1.109，在 Radiology, Nuclear Medicine & Medical Imaging 領域排名為 Q4(115/134) 期刊。
　
-　
▶ 立即預約課程，明年換你發表。
　
✓ 國際期刊 editor 與資深 reviewer 教你投稿重點！
✓ 怎麼做才最好，成敗關鍵 revision！
✓ 提供頂尖期刊範例論文，原作者讓你問！
✓ 提供過去的 revision letter，讓你學習參考！
✓ 資源稀少時代起步，給年輕伙伴的務實建議！
✓ 初學者最常用的統計，互動實作！
　
2021 / 1 / 10（日）臨床研究與發表工作坊
立即了解 ☛ https://clip2014.innovarad.tw/event/
　
-　　
🗣 課後學員回饋
　
「課程中最實用的互動實作，絕不是紙上談兵，而是親自帶我們做一遍，直到我們做出來為止；課後作業再上傳，校長給予回饋，深怕我們學不會，學習最大化。學會這些實用的醫學統計，只要我們有想法，就能自己收集資料，跑統計、寫論文發表不再是難事。」（鄭文建 醫師）
　
「課程的最後提出論文的六大面向，主題、實驗設計、執行、統計、圖片表格、寫作，與其在設計和統計拿了 100 分，不如追求所有的面向都拿到及格以上的分數，在這個分配不平均的年代，把自己手上有的時間、資源充分使用才是最重要的。課堂上所學，超乎我所想像。」（蔡易臻 醫師）
　
-　
👁‍🗨 課程特色
　
【親切大師】國際級 editor / reviewer 的論文供您閱讀，並現場提問。將從 author 到 reviewer 甚至 editor 這一路可能遇到的狀況，系統性整理，節省您的時間、節省您的精力，機會難得！
　
【不怕統計】素富盛名的「互動實作時間」，處理初學者最常用的無母數統計，畫出漂亮圖表，並實際操作，上手 ROC curve 與 Kaplan-Meier survival curve。在眾多助教與講師的協助下，統計不難。
　
【課後回饋】除了課前提問，將由講師們仔細回覆之外。課後，蔡校長也將針對您所做的統計圖表，給予建議。用資深 reviewer 的觀點，協助您從「已經是自己做得最好的圖表」，再上層樓。

【平權事業】公平的大學招生遊戲程式

坎塔爾（Rebecca Kantar），一位從哈佛大學輟學的27歲的創業者，想出了一個解決辦法。她說，美國人對上大學的執迷使最富裕和成績最好的學生受益，卻讓絕大多數人不能勝任未來的工作。她說，這個問題在很大程度上是學生從幼稚園到高中所接受的標準化考試帶來的雪崩效應，課堂上教授的大部份內容都是受一個產值高達100億美元的行業驅動。金字塔的頂端是SAT（美國高考學術能力評估測試）和ACT（美國大學入學考試），這些延續了好幾代人的選擇題考試仍然是決定哪些人可以進入頂尖院校的標準之一。

在坎塔爾看來，這些考試幾乎不能揭示某位學生在大學畢業後能否取得成功。正如FBI的調查所披露的那樣，SAT和ACT可以被人為操控：這項陰謀的策劃者讓父母為他們的孩子提出申請，在基本上不受監督的環境中參加考試，然後代表他們提交假分數。坎塔爾稱：「這個體制所融合的東西最多對約30％的孩子起作用。對剩下的孩子都不起作用。」

坎塔爾是Imbellus的創辦人，這個洛杉磯初創公司旨在重新發明考試方法，並且在這個過程中挑戰人們普遍認可的學生應該學習的東西。Imbellus開發出來的數碼評估辦法類似電子遊戲。它們讓用戶置身於一個模擬的環境中，給考生佈置一系列任務，在這個過程中把考生完成任務時的決策過程捕捉下來。另外，由於每一次模擬提供的都是獨一無二的用戶體驗，按照設計它們應該可以防止作弊。

在2018年，超過200萬名學生參加SAT考試，190萬人則參加ACT考試。坎塔爾認為，這些標準化的考試從兩個方面加劇不平等情況。最明顯的一點是，它們給比較富裕的學生提供優勢，這些學生可以花錢參加輔導和考前準備課程，或者就像「校園藍調行動」所調查的案件一樣，花錢買假分數。另一種影響更加有害。至少早在高中時期，課堂教學就是為了提高孩子們在大學入學考試中的表現而設計的。但是，這些考試衡量的是孩子們已經知道的東西，而不是僱主和經濟學家所說的他們未來需要發展的品質：解決問題、批判性推理、合作及創造力等。坎塔爾說：「我很想推出一些新的考試，相比現在的考試，我希望這些考試所施加的標準能夠以一種更好的方式來影響學校課程。這樣的考試不太關心誰能上哈佛誰不能上哈佛。沒錯，這很重要。這是一個社會話題。但是，它沒有另外一個問題重要，那就是改變從教育到就業這整個體系的默認設置，從而讓它對所有孩子都能更好地發揮作用。」

坎塔爾提倡基於項目的學習而不是熟練掌握內容，而且還要鼓勵學生將他們的知識應用到課堂以外的地方。她並不是一定支持德國式的體制，在這個國家，學生在進入高中之前就決定了今後是要上大學還是直接就業。相反，她主張設立一些標準，迫使學校優先教導學生如何為自己思考。她說：「即使是最精英的職位所需要的人類智慧也和30年前大不相同。仔細看看各個領域的任何一項工作，無論是藍領還是白領工作，其中所涉及到的思考技能都變得越來越難了，而不是越來越容易。」「我的觀點不是將教育和就業重新連接起來，以便直接將孩子們從大學輸送到工廠去工作。我所主張的是，學校應該少關注一點既定的資訊，多關注孩子成為成年人後必須擁有的思考能力。」

坎塔爾意識到，要想找到能夠接受她這些考試的觀眾還需要挑戰僱主們對學歷的執迷。對於一位想要從事高級電工或程式人員這類職業的學生來說，進入一所四年制大學然後累積背負數十萬美元債務是沒有什麼經濟意義的行為。麻煩在於，公司在作出僱用決定時，過分看重學士學位，即使是對於那些不需要學士學位的職位來說。造成這種現象的部份原因是他們沒有時間和資源用其他方式來評估應徵者的技能。如果Imbellus可以證明它的考試方法能夠幫助這些公司識別他們本來會錯過的人才，就會比較容易說服教育機構開始讓學生參加這樣的考試。坎塔爾只需要一個願意將其招聘流程當作她產品實驗室的合作夥伴。她找到了一個：麥肯錫。

在過去18個月中，來自20個國家的大約5000名麥肯錫求職者參加Imbellus的這個評估，同時還參加該公司傳統的選擇題考試。對於大約一半新員工來說，他們在Imbellus評估中的表現是決定他們是否接到面試通知的一個因素。22歲的卡拉斯托亞諾娃（Presiyana Karastoyanova）是保加利亞人，在倫敦帝國學院（Imperial College London）攻讀金融學碩士，她在去年11月申請麥肯錫的工作後參加了這兩種考核。她為筆試做了大量的準備工作，但不知道當她面對一台安裝了Imbellus類比程式的手提電腦時會發生什麼。「我以為只是即興發揮。」

麥肯錫打算在今年底前將參加Imbellus評估的應徵者數量增加一倍，甚至開始允許一些人在家中的電腦上完成這項評估。該公司人力分析和測評主管麥克納爾蒂（Keith McNulty）稱，隨著時間推移，這個數字還將「大幅增長」。早期的數據顯示，和麥肯錫傳統考試的得分相比，某位應徵者在Imbellus解決問題類比程式中的表現是一個略強的指標，更能顯示出她是否將被僱用——儘管坎塔爾表示，這些結果並非「驚天動地」。而且，要證明這些人在工作中將比其他人更加成功還有很長一段路要走。「我們需要那些在現階段對這種評估有興趣的公司採取長遠的眼光看問題。也就是說，如果他們不進行這方面的投資，以促使學校進行調整，教會學生這些深度思考的技能，他們最終將無法從後備人才庫中找到符合職位所需要的認知本質人才。」

「我只是想讓人們知道我們不會停下腳步。在某個時候，它會發揮作用，不管是耗時5年、20年還是50年時間，也不管這是否意味著我要單獨行動還是和其他人合作。我真的非常確定我最初的使命和研究是正確的——現在的這種考試必須作出改變。」坎塔爾說。撰文/ ROMESH RATNESAR
#公平 #大學 #招生 #遊戲程式 #美國 #入學

本文節選自《彭博商業周刊∕中文版》第168期，如欲查閱全文，歡迎訂閱
★★★訂閱聯絡方法★★★
網站：www.bbwhk.com
電郵：bbwhk_cir@modernmedia.com.hk
訂閱即送全年iPad∕iPhone版App閱讀權限