管理學(xué)的“危機(jī)”

陳榮虎

[提要] 近年來，管理學(xué)越來越不受實(shí)業(yè)界的重視，存在著一定程度的“危機(jī)”。這種“危機(jī)”是由于大數(shù)據(jù)和人工智能的發(fā)展造成的，許多高校未及時(shí)更新其培養(yǎng)體系，但大學(xué)的體系作用仍然非常重要。有幾點(diǎn)理由認(rèn)為“危機(jī)”被夸大了：（1）學(xué)術(shù)界有向?qū)嵺`學(xué)習(xí)的傳統(tǒng)；（2）時(shí)代的發(fā)展使很多專業(yè)產(chǎn)生了“危機(jī)”；（3）管理知識(shí)的傳播和技術(shù)的發(fā)展使得學(xué)科的“新鮮感”在下降；（4）時(shí)代成功者的成功有一定的偶然性。

關(guān)鍵詞：管理學(xué)；危機(jī)；大數(shù)據(jù)與人工智能時(shí)代

本文為國(guó)家社科基金項(xiàng)目（項(xiàng)目編號(hào)：15BL014）

中圖分類號(hào)：C93 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2017年10月17日

引言

近年來，筆者感到管理學(xué)越來越不受實(shí)業(yè)界的重視。比如，某互聯(lián)網(wǎng)大佬在網(wǎng)上狂言“員工讀了MBA變傻了”、“以前我看不起商人，現(xiàn)在我看不起教師”等等。當(dāng)然，他不是第一個(gè)，也不是最后一個(gè)提出類似觀點(diǎn)的人。十多年前某地產(chǎn)商就曾說過“員工中最差的是博士，其次是MBA！”。

這僅僅是一個(gè)方面。如果去逛書店，你會(huì)發(fā)現(xiàn)許多商界大佬都開始出書，講授成功經(jīng)驗(yàn)。這些書往往被擺在顯要的位置，似乎要給讀者一個(gè)印象：這些強(qiáng)人不僅會(huì)經(jīng)商，而且學(xué)術(shù)水平也很高，有無限的精力，在繁忙的工作之余還有精力寫作。這些強(qiáng)人的精力和學(xué)術(shù)水平，絲毫不亞于美國(guó)前總統(tǒng)奧巴馬。奧巴馬在治國(guó)之余，還在《科學(xué)》、《美國(guó)醫(yī)學(xué)會(huì)雜志》、《哈佛法律評(píng)論》等頂級(jí)學(xué)術(shù)刊物上發(fā)表多學(xué)科論文。不過，筆者認(rèn)為奧巴馬的論文是由其下屬代筆的。

筆者和企業(yè)家打交道的次數(shù)不多，參與過一些校企聯(lián)合項(xiàng)目，更多的時(shí)間是完成自己的國(guó)家社科基金項(xiàng)目。筆者一直以為管理學(xué)不受待見是個(gè)人的感受。然而，最近和同門、同行們的一次交流，卻發(fā)現(xiàn)名校的管理學(xué)專業(yè)也不受待見，國(guó)內(nèi)管理學(xué)都有不被重視的趨勢(shì)。從《金融時(shí)報(bào)》一篇文章來看，國(guó)外學(xué)者也有這種感受。在此背景下，有必要對(duì)管理學(xué)的“危機(jī)”進(jìn)行分析。

一、大數(shù)據(jù)、人工智能時(shí)代

管理學(xué)的“危機(jī)”很大程度上起源于時(shí)代的變化。我們所處這個(gè)時(shí)代最顯眼的詞匯就是“大數(shù)據(jù)”、“人工智能”（“機(jī)器學(xué)習(xí)”）等詞匯，見圖1。（圖1）

目前學(xué)者們對(duì)大數(shù)據(jù)仍沒有統(tǒng)一的定義。一般認(rèn)為，大數(shù)據(jù)具有三個(gè)特征，簡(jiǎn)稱3Vs：大數(shù)據(jù)量（Volume）、大速度（Velocity）、大的多樣性（Variety）。處理大數(shù)據(jù)需要計(jì)算機(jī)技術(shù)的支撐，最終創(chuàng)造價(jià)值。

人工智能指的就是人造機(jī)器展現(xiàn)出的智能，它區(qū)別于人和其他動(dòng)物的智能。人工智能的核心是計(jì)算機(jī)算法，當(dāng)代計(jì)算機(jī)科學(xué)家們通常把它們稱為“機(jī)器學(xué)習(xí)”算法，而《科學(xué)》雜志在2017年7月7日的一篇報(bào)道中歸納出人工智能相關(guān)的詞匯多達(dá)17個(gè)，除了“機(jī)器學(xué)習(xí)”外，還包括“算法”、“專家系統(tǒng)”、“深度學(xué)習(xí)”等。

大數(shù)據(jù)的應(yīng)用幾乎無所不在：社會(huì)管理、精確廣告、制造、為供需方牽線搭橋、體育、電視節(jié)目推送、能源、智能家居、醫(yī)療、新聞和故事寫作等。這些應(yīng)用有公益性質(zhì)的，更多的是商業(yè)性應(yīng)用，它引導(dǎo)了管理方式的變革。精準(zhǔn)廣告的出現(xiàn)，必然會(huì)引發(fā)企業(yè)營(yíng)銷方式的變革。精準(zhǔn)廣告應(yīng)用的代表是Netflix，它用該技術(shù)來向用戶推薦電視節(jié)目。和Netflix類似的是BBC，它用大數(shù)據(jù)來分析自己的節(jié)目是否受歡迎。勞斯萊斯公司將大數(shù)據(jù)用于產(chǎn)品的設(shè)計(jì)、生產(chǎn)和售后。據(jù)《金融時(shí)報(bào)》報(bào)道，洲際酒店集團(tuán)用算法來挑選應(yīng)試者，這是人力資源的一個(gè)應(yīng)用。

除了商業(yè)應(yīng)用外，大數(shù)據(jù)在社會(huì)管理也有不少應(yīng)用。倫敦運(yùn)輸公司用大數(shù)據(jù)解決倫敦這樣的大城市的公共交通問題，米爾頓·凱恩斯市用大數(shù)據(jù)建設(shè)智慧城市。美國(guó)的移民和海關(guān)部門用大數(shù)據(jù)識(shí)別恐怖分子，Palantir公司協(xié)助美國(guó)中央情報(bào)局在阿富汗檢測(cè)炸彈，美國(guó)用大數(shù)據(jù)管理國(guó)家等，美國(guó)的匹茲堡、芝加哥等城市采用了一種“預(yù)測(cè)式出警”的方式來預(yù)防犯罪，墨西哥用大數(shù)據(jù)的方法來尋找受害者遺體所在地，芝加哥市政部門采用大數(shù)據(jù)來預(yù)測(cè)鼠災(zāi)。

人工智能技術(shù)也有很多應(yīng)用。圍棋歷來被認(rèn)為是人工智能的堡壘，谷歌公司的人工智能代表—AlphaGo在2016年、2017年分別打敗了人類的頂尖圍棋高手李昌鎬、柯潔。IBM公司的Waston智能機(jī)器人擔(dān)任大學(xué)的助教，在五個(gè)月的時(shí)間內(nèi)學(xué)生竟未覺察，最終因被告知才得知真相。Waston幫助醫(yī)生診斷疾病，只用了10分鐘時(shí)間就診斷出了一種罕見的白血病，醫(yī)生作出同樣的判斷需要幾個(gè)星期。2017年，它在中國(guó)就診時(shí)，只用了10秒鐘就診斷出胃癌晚期患者。目前，有許多公司投入了自動(dòng)駕駛研究，自動(dòng)駕駛技術(shù)的基礎(chǔ)是人工智能。這些公司里包括谷歌、百度、騰訊等互聯(lián)網(wǎng)企業(yè)，還包括特斯拉、通用、奧迪、大眾、寶馬等傳統(tǒng)汽車廠商，還有一些初創(chuàng)企業(yè)。根據(jù)有關(guān)報(bào)道，美國(guó)的卡車貨運(yùn)工業(yè)市值已突破七千億美元，自動(dòng)駕駛卡車將逐漸取代美國(guó)卡車司機(jī)，市場(chǎng)潛力巨大。人工智能還可用于預(yù)測(cè)貧困，政府可借此采取應(yīng)對(duì)措施，使社會(huì)管理更有效。

大數(shù)據(jù)和人工智能的發(fā)展，必然會(huì)給管理帶來變革。一方面技術(shù)的發(fā)展，創(chuàng)造了許多新的產(chǎn)業(yè)，帶來了新的機(jī)會(huì)；另一方面技術(shù)使得傳統(tǒng)企業(yè)面臨挑戰(zhàn)，迫使他們采用新技術(shù)和改革管理方式。技術(shù)的發(fā)展還使得政府等非盈利性組織的管理更為有效。

管理的變革對(duì)管理學(xué)提出了新的要求。不幸的是，由于變化過于迅速，學(xué)術(shù)界在理論和方法上尚未及時(shí)跟上，造成了學(xué)科的“危機(jī)”。

二、管理學(xué)教學(xué)科研體系分析

在談及作為一門學(xué)科的管理學(xué)之前，不得不說說現(xiàn)代大學(xué)?，F(xiàn)代大學(xué)起源于1810年成立的德國(guó)柏林大學(xué)，其創(chuàng)始人是洪堡。學(xué)者們一般認(rèn)為柏林大學(xué)的貢獻(xiàn)在于其“學(xué)術(shù)自由”和“教學(xué)與研究相統(tǒng)一”的思想，并奠定了“傳授知識(shí)與創(chuàng)造知識(shí)相統(tǒng)一”的現(xiàn)代大學(xué)理念。洪堡提出了三條原則：反對(duì)功利主義教育價(jià)值觀；反對(duì)經(jīng)驗(yàn)知識(shí)凌駕于理論知識(shí)之上；反對(duì)缺乏人文教育的大學(xué)教育。無論是研究型大學(xué)還是教研型大學(xué)，在“創(chuàng)造知識(shí)”方面未能跟上時(shí)代的步伐。在大數(shù)據(jù)和人工智能時(shí)代，管理學(xué)的理論和方法并未及時(shí)更新。endprint

管理學(xué)有眾多的專業(yè)和研究方向，不同的機(jī)構(gòu)有不同的劃分方法。如國(guó)務(wù)院學(xué)位辦和國(guó)家基金委就有不同的劃分方法。在國(guó)務(wù)院學(xué)位辦的學(xué)科目錄（2011）中，“管理科學(xué)與工程”專業(yè)可授予管理學(xué)和工學(xué)學(xué)位。對(duì)于本科以后的教育，其名稱更是五花八門，有MBA、EMBA、MPA、MPM等，并且還分研究方向。各大學(xué)師資情況也各不相同，課程設(shè)置和重點(diǎn)也不相同，有些學(xué)?？赡苤匾暟咐虒W(xué)，有些學(xué)?？赡苤匾暲碚?。盡管未能跟上時(shí)代，但考慮到現(xiàn)代大學(xué)的教學(xué)科研體系的優(yōu)勢(shì)，大學(xué)的管理學(xué)專業(yè)仍然具有重要的作用。

首先，大學(xué)教育有完整的體系，大學(xué)教師在各自的領(lǐng)域有深厚的積淀。盡管各高校、各專業(yè)的課程設(shè)置千差萬別，但是在課程體系上基本上都有“基礎(chǔ)課”、“專業(yè)基礎(chǔ)課”和“專業(yè)課”之分。有些專業(yè)的“專業(yè)課”可能是其他專業(yè)的“專業(yè)基礎(chǔ)課”。例如，“財(cái)務(wù)會(huì)計(jì)”、“市場(chǎng)營(yíng)銷”等本身是專業(yè)方向，但它們也可以作為其他管理類專業(yè)的“專業(yè)基礎(chǔ)課”?；A(chǔ)課通常包括數(shù)學(xué)課程和計(jì)算機(jī)課程，如高等數(shù)學(xué)、統(tǒng)計(jì)與概率分析、經(jīng)濟(jì)學(xué)原理、程序設(shè)計(jì)等。在大數(shù)據(jù)和人工智能時(shí)代，數(shù)學(xué)和計(jì)算機(jī)基礎(chǔ)仍然具有舉足輕重的地位，各種機(jī)器學(xué)習(xí)算法都需要深厚的數(shù)學(xué)基礎(chǔ)。管理學(xué)雖未跟上前沿，但其在基礎(chǔ)課程和專業(yè)基礎(chǔ)課程上仍有深厚的積淀。

其次，大學(xué)教師和實(shí)際管理者具有不同的思維結(jié)構(gòu)。大學(xué)教師更像是“教學(xué)大機(jī)器”中的一顆“螺絲釘”，每個(gè)人做好自己的工作即可。大學(xué)教師甚至可以精通“激勵(lì)理論”但仍然無法擔(dān)任領(lǐng)導(dǎo)去激勵(lì)他人、精通“優(yōu)化理論”但卻對(duì)現(xiàn)實(shí)的問題無法優(yōu)化、精通投資理論卻在股市中血本無歸。道理很簡(jiǎn)單，如果運(yùn)用理論即獲成功，則人人可以復(fù)制，要么使理論無效，要么使理論的價(jià)值降低。實(shí)際管理者則更多的是面臨整體性的問題，是綜合能力的應(yīng)用，有些能力甚至不是通過學(xué)習(xí)能獲得的。領(lǐng)導(dǎo)者的人格魅力就很難模仿，他們對(duì)各種風(fēng)險(xiǎn)的直覺也很難通過學(xué)習(xí)獲得。大學(xué)教師在專業(yè)方面強(qiáng)于實(shí)際管理者，能為管理者提供建議。

最后，大學(xué)的目標(biāo)并不是培養(yǎng)領(lǐng)導(dǎo)者。大學(xué)的目標(biāo)是向?qū)W生或?qū)W員提供一整套的工具和思想，解決問題仍然需要靠學(xué)生或?qū)W員本身。指望大學(xué)解決所有的現(xiàn)實(shí)問題本身就是個(gè)不現(xiàn)實(shí)的理想。有時(shí)候，了解有哪些方法對(duì)管理者是個(gè)重要的信息，而大學(xué)能提供系統(tǒng)性訓(xùn)練，提供單個(gè)教師不能提供的信息。

三、夸大了的“危機(jī)”

（一）管理學(xué)學(xué)術(shù)界有向?qū)嵺`實(shí)習(xí)的傳統(tǒng)。幾乎所有的管理學(xué)教科書都會(huì)提到泰勒的“科學(xué)管理原理”，認(rèn)為這是現(xiàn)代管理理論的開端。泰勒本人被稱為“科學(xué)管理之父”，他的工作生涯主要是在鋼鐵公司度過的。泰勒在工作過程中觀察到了工人和資本家間的對(duì)立情緒，工人的“磨洋工”使工作效率很低?！翱茖W(xué)管理原理”正是在對(duì)管理實(shí)踐的觀察和對(duì)前人失敗理論思考的基礎(chǔ)上提出來的，并將它運(yùn)用于實(shí)踐。泰勒也正是因?yàn)樗墓芾韺?shí)踐被提拔為車間主任，并在總裁的同意之下開始了更詳細(xì)的研究。如果沒有實(shí)踐的成功，泰勒的理論也不會(huì)被大家所接受。

統(tǒng)計(jì)質(zhì)量控制理論也來源于管理實(shí)踐。該理論的創(chuàng)始人休哈特在1918年加入西部電器公司下屬的霍桑工廠，負(fù)責(zé)質(zhì)量檢驗(yàn)工作，他在實(shí)踐過程中提出了統(tǒng)計(jì)控制的概念。他在實(shí)踐中觀察到生產(chǎn)過程和自然過程是不一樣的，生產(chǎn)過程中的分布并不是正態(tài)分布。如果沒有實(shí)踐而光靠數(shù)學(xué)推導(dǎo)，各種概率分布將是錯(cuò)誤的，在此基礎(chǔ)上的推導(dǎo)也就不成立。

管理學(xué)中的運(yùn)籌學(xué)則來源于軍事問題。二戰(zhàn)時(shí)期，英、美兩國(guó)為了解決一系列軍事問題專門成立了運(yùn)籌學(xué)研究小組。這些問題有：合理運(yùn)用雷達(dá)來預(yù)防空襲；如何編排艦隊(duì)，如何使船隊(duì)在遭受攻擊時(shí)損失最??；對(duì)付敵軍潛艇的最佳投彈深度；等等。二戰(zhàn)結(jié)束后，運(yùn)籌學(xué)的各種方法逐漸運(yùn)用到了其他領(lǐng)域，包括管理領(lǐng)域。運(yùn)籌學(xué)的發(fā)展奠定了管理科學(xué)的基礎(chǔ)。

當(dāng)前，隨著大數(shù)據(jù)和人工智能科學(xué)的發(fā)展，技術(shù)科學(xué)也在不斷地進(jìn)步，許多企業(yè)使用機(jī)器代替了人。在此背景下，管理學(xué)和經(jīng)濟(jì)學(xué)都面臨著新的挑戰(zhàn)，它們都需要在對(duì)現(xiàn)實(shí)觀察的基礎(chǔ)上提出新的理論，而不是憑空提出新的理論。

（二）許多專業(yè)存在“危機(jī)”。大數(shù)據(jù)和人工智能不僅對(duì)管理學(xué)產(chǎn)生了沖擊，還對(duì)其他專業(yè)產(chǎn)生了沖擊。在哲學(xué)領(lǐng)域，“智能到底是什么”這類問題變得很吸引人，但哲學(xué)家和科學(xué)家們目前還回答不了。機(jī)器的使用，有可能使社會(huì)貧富差距更大，社會(huì)平等問題變得更為迫切，需要有政治、經(jīng)濟(jì)理論支撐政府的決策，也需要經(jīng)濟(jì)學(xué)家思考新的增長(zhǎng)模型。大數(shù)據(jù)的使用，會(huì)帶來以隱私為代表的倫理問題和法律問題。人工智能也同樣有倫理和法律問題，例如，自動(dòng)駕駛汽車在遇到危險(xiǎn)時(shí)保護(hù)行人還是保護(hù)司機(jī)、保護(hù)一個(gè)行人還是多個(gè)行人等問題就是倫理問題，由此又會(huì)引發(fā)法律問題。

除了人文社科以外，許多理工科的學(xué)者把這些新技術(shù)運(yùn)用到各自的專業(yè)領(lǐng)域?！蹲匀弧?、《科學(xué)》雜志就有不少交叉應(yīng)用。例如，用機(jī)器學(xué)習(xí)算法中的支持向量機(jī)來發(fā)現(xiàn)新材料，用機(jī)器學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)來自動(dòng)更正引力透鏡的圖像，用機(jī)器學(xué)習(xí)算法中的神經(jīng)網(wǎng)絡(luò)來解決量子多體問題。盡管有許多應(yīng)用，但國(guó)內(nèi)外很多大學(xué)的本科培養(yǎng)方案中都沒有更新這方面的內(nèi)容，甚至研究生的培養(yǎng)方案也未更新?！蹲匀弧?、《科學(xué)》等頂尖雜志上的應(yīng)用在計(jì)算機(jī)領(lǐng)域只能算是初步的應(yīng)用，主要原因還是此類方法仍未大量使用。

人才缺乏是各專業(yè)危機(jī)的根本原因。2017年7月8日國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中明確地提到“人工智能尖端人才遠(yuǎn)遠(yuǎn)不能滿足需求”，并把“加快培養(yǎng)聚集人工智能高端人才”作為重點(diǎn)任務(wù)中的一部分。根據(jù)領(lǐng)英公司的一份報(bào)告，在該公司平臺(tái)上發(fā)布的人工智能職位從2014年的近5萬個(gè)到超過44萬個(gè)，需求增長(zhǎng)非常迅速。這份報(bào)告同時(shí)還指出，高校和研究所的人才不斷地流向企業(yè)，這對(duì)于高校的學(xué)科發(fā)展是一個(gè)沉重的打擊。

（三）學(xué)科“新鮮感”的邊際遞減效應(yīng)。國(guó)內(nèi)在20世紀(jì)推出MBA教育時(shí)確實(shí)給人耳目一新的感覺。但隨著時(shí)間的推移，受教育的人數(shù)越來越多，知識(shí)的傳播也越來越快，人們的新鮮感在下降。另一方面，技術(shù)在不斷進(jìn)步，人們獲得知識(shí)的渠道越來越多，除了傳統(tǒng)的課堂和書本，論壇、社交網(wǎng)絡(luò)也可用來獲得知識(shí)。在遇到不熟悉的知識(shí)和問題時(shí)，人們只需要在搜索引擎中輸入問題，通常會(huì)很快得到答案。endprint

在這種情況下，管理學(xué)中的各種理論能帶來的“新鮮感”只能是越來越少。但從“能經(jīng)受時(shí)間的考驗(yàn)”這個(gè)角度來看，管理學(xué)中的許多分支都有不少經(jīng)典，這是書店中的“暢銷書”所不能比的。有些交叉科學(xué)的方法，如運(yùn)籌學(xué)、現(xiàn)代優(yōu)化算法等雖然不能為大眾所理解，但它們?nèi)栽诠芾韺?shí)踐中起到了重要作用。從統(tǒng)計(jì)的角度來看，運(yùn)用這些理論和方法不能保證企業(yè)成功，但運(yùn)用它的企業(yè)會(huì)有較高的成功率。管理統(tǒng)計(jì)本身也是管理學(xué)中的重要內(nèi)容之一。

（四）互聯(lián)網(wǎng)大佬成功的偶然性。不可否認(rèn)，大數(shù)據(jù)和人工智能時(shí)代的企業(yè)壽命更短。對(duì)北美25，000家上市公司從1950年到2009年的研究表明，大約有一半的企業(yè)壽命不超過10年。而根據(jù)華爾街日?qǐng)?bào)在2012年9月20日的一份報(bào)道，在由風(fēng)險(xiǎn)投資支持的初創(chuàng)企業(yè)中，大約有3/4失敗。國(guó)內(nèi)的小中企業(yè)的壽命更短，有研究認(rèn)為壽命在2～4年。這些數(shù)據(jù)似乎更印證了國(guó)內(nèi)某些互聯(lián)網(wǎng)企業(yè)成功的必然性。但是，仔細(xì)思考就會(huì)發(fā)現(xiàn)，某些互聯(lián)網(wǎng)企業(yè)的成功有其偶然性。

首先，無論企業(yè)的壽命是如何短，只要有企業(yè)成功，總會(huì)有一個(gè)企業(yè)在競(jìng)爭(zhēng)中表現(xiàn)突出，但它突出的理由很可能不是它自己所宣稱的那樣。這和戰(zhàn)爭(zhēng)有類似之處。在一場(chǎng)殘酷的戰(zhàn)斗中，某戰(zhàn)士幸存的原因很可能只是他的運(yùn)氣特別好，而不是因?yàn)樗纳眢w好或其他原因。

其次，在機(jī)遇特別好的時(shí)候，迅速占領(lǐng)市場(chǎng)有利地位往往比規(guī)范化的管理更有效，但這不代表管理理論無用?；ヂ?lián)網(wǎng)的發(fā)展給企業(yè)提供了很多的機(jī)會(huì)，而抓住機(jī)會(huì)者往往會(huì)獲得成功，后來者則面臨進(jìn)入壁壘。在新浪微博獲得成功后，騰訊微博等同類的社交軟件很難發(fā)展。在蘋果的封閉系統(tǒng)手機(jī)獲得成功后，微軟想建立一個(gè)封閉的系統(tǒng)以失敗告終，而安卓是以開放獲得了成功。

再次，國(guó)內(nèi)互聯(lián)網(wǎng)企業(yè)的成功依賴于國(guó)家的扶持。國(guó)內(nèi)許多互聯(lián)網(wǎng)企業(yè)的成功是依靠國(guó)家的扶持才成功的。如果國(guó)家放開競(jìng)爭(zhēng)，允許谷歌、Facebook等企業(yè)進(jìn)入國(guó)內(nèi)市場(chǎng)，騰訊、百度等企業(yè)將會(huì)面臨巨大的競(jìng)爭(zhēng)壓力，很可能就夭折于創(chuàng)業(yè)初期。一些電商平臺(tái)如果沒有國(guó)家的稅收優(yōu)惠、執(zhí)法部門對(duì)他們?cè)趧?chuàng)業(yè)初期平臺(tái)上假貨的寬容、天然的貿(mào)易壁壘等保護(hù)也可能夭折。

最后，互聯(lián)網(wǎng)企業(yè)的行為還需要規(guī)范，而有些未經(jīng)規(guī)范的行為增添了它們“成功”的可能性?；ヂ?lián)網(wǎng)發(fā)展很快，在很多領(lǐng)域留下了監(jiān)管的真空，很多政策還需要斟酌。筆者認(rèn)為以下幾條原則值得決策者關(guān)注：一是企業(yè)的發(fā)展要為國(guó)家的發(fā)展貢獻(xiàn)力量；二是企業(yè)的發(fā)展不能損害社會(huì)公眾的利益；三是企業(yè)的發(fā)展不能為經(jīng)濟(jì)系統(tǒng)帶來風(fēng)險(xiǎn)。當(dāng)前，有些企業(yè)為一些藥品和醫(yī)院做廣告，損害了社會(huì)公眾的利益。一些企業(yè)靠游戲巨量吸金，損害了青少年的健康，損害了國(guó)家的長(zhǎng)期利益。還有一些企業(yè)以“理財(cái)”為名吸納資金超過萬億，弱化了企業(yè)自身的創(chuàng)新性，由于帶動(dòng)效應(yīng)也削弱了國(guó)家的創(chuàng)新性，還加大了金融系統(tǒng)的風(fēng)險(xiǎn)。

主要參考文獻(xiàn)：

[1]蒂姆·卡爾金斯.商學(xué)院如何與千禧一代產(chǎn)生共鳴？[N].金融時(shí)報(bào)（網(wǎng)絡(luò)版），2017.8.28.

[2]Mauro，Andrea De，Marco Greco and Michele Grimaldi.A Formal Definition of Big Data Based on Its Essential Features[J].Library Review，2016.65.3.

[3]Marr，Bernard.Big Data in Practice：How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results[M].John Wiley & Sons，2016.

[4]艾麗西亞·克萊格.你見過“電腦面試官”嗎？[N].金融時(shí)報(bào)（網(wǎng)絡(luò)版），2017.8.23.

[5]Hvistendahl，Mara.Crime Forecasters[J].Science，2016.353.

[6]Wade，Lizzie. Predicting Where Victims of Mexico's Violence Are Buried[J].Science，2017.356.

[7]Jeelani，M. Chicago uses new technology to solve this very old urban problem [N].2015. Available from：http：//fortune.com/2015/04/29.

[8]Jean，Neal，Marshall Burke，Michael Xie，W. Matthew Davis；David B.Lobell and Stefano Ermon.Combining Satellite Imagery and Machine Learning to Predict Poverty [J].Science，2016.

[9]韓驊.柏林大學(xué)的傳統(tǒng)及其對(duì)我國(guó)高教改革的啟示[J].高等教育研究，1997.1.

[10]泰勒.科學(xué)管理原理[M].北京：機(jī)械工業(yè)出版社，2007.

[11]Bonnefon，Jean-Franois，Azim Shariff and Iyad Rahwan.The Social Dilemma of Autonomous Vehicles[J].Science，2016.352.

[12]Raccuglia，Paul，Katherine C.Elbert，Philip D.F.Adler，Casey Falk，Malia B.Wenny，Aurelio Mollo，Matthias Zeller，Sorelle A.Friedler，Joshua Schrier and Alexander J.Norquist.Machine-Learning-Assisted Materials Discovery Using Failed Experiments[J].Nature，2016.533.

[13]Hezaveh，Yashar D.Laurence Perreault Levasseur and Philip J.Marshall.Fast Automated Analysis of Strong Gravitational Lenses with Convolutional Neural Networks[J].Nature，2017.548.

[14]Carleo，Giuseppe and Matthias Troyer.Solving the Quantum Many-Body Problem with Artificial Neural Networks[J].Science，2017.355.

[15]領(lǐng)英.全球AI領(lǐng)域人才報(bào)告[R].2017.

[16]Daepp，Madeleine I.G.，Marcus J.Hamilton，Geoffrey B.West and Luís M.A.Bettencourt.The Mortality of Companies[J].Journal of The Royal Society Interface，2015.12.

[17]肖華.民營(yíng)企業(yè)平均壽命僅有2.9年的現(xiàn)狀堪憂[N].西安日?qǐng)?bào)，2011.11.29.

[18]李成輝，劉建平.深圳市小型工業(yè)企業(yè)平均壽命為3.86年[J].中國(guó)統(tǒng)計(jì)，2011.3.endprint