扫一扫，关注下方微信
这几年伴随移动互联网的数据积累，大数据、神经元网络带来了人工智能的崛地而起。在图片识别领域（甚至扩展到视频识别领域），人类已经难以望机器识别之项背。君不见到处可见的人脸识别、身份证比对，不仅代替了人工识别，甚至人脸支付让脸代替了人的身份。
人工智能的概念已经提出来七十年以上了，甚至还早于公认的第一台电脑的诞辰，但这么多年来，并没有真正意义上走入实用。
这一次却不同，人工智能的这一次崛起，起源是标签化的数据机器学习，也就是将图片打上标签（图片的名称或意义描述），经由神经元网络的深度学习，从而获得类似人类甚至超过人类的识别能力。可以说标签化造就了当下的人工智能。
标签化是人类学习的基本逻辑
其实标签化，一点不稀奇。人类学习的基本逻辑，就是标签化识别的累计和内化的过程。孩子牙牙学语识别世界，就是从认识鼻子、眼睛、手脚开始的。还记得小时候看抓特务的电影，孩子会问妈妈：这个人是好人与坏人？这也是典型的标签化。至于国粹京剧，为此还专门设计了令人惊叹的脸谱。
标签化有利于简化认知的复杂度
用标签描述内涵，用概念约束世界，从而让初学者获得感性认知，进而伴随更多的感性认知产生，杂交异化而产生智能。孩子如此，大人何尝不是如此。
标签化非常适合初入职场的人。在职场上缺乏历练的初入行者，用标签化最快建立起来行业的概念，用类比获得认知。
但是标签化，通常承载的含义非常简单，甚至粗暴，并不足以描述行业内精细的内容。所以，用来入行可以，真的用来作为技能，那将会是一场灾难。
标签化无法解决复杂世界的交互关系
标签化有很多不可解决的问题，最典型的就是复杂世界的相互关系。无论人、物、事，在其表面特征的背后，都是其历史和环境的特征，甚至有些时候历史和环境的特征还强于人、物、事本身。由此建立起来的复杂性、系统性、模糊性、混沌性等等学科研究，就是明证。
这个世界的复杂，最突出的表现是人的复杂。而在商业组织中，标签化人物就成为团队塑造中要命的问题。过去商业组织的规模比较小，部门间协调的关系比较简单，依赖于规范流程就能够实现。
随着商业复杂度提升，商业组织的网络化发展，组织内业务之间的交互越来越多，单纯靠规范流程已经不足以支撑业务的顺畅流通，沟通成为部门合作的主流。
沟通必然需要了解作为前提。当了解所用内容的时间有限时，标签化就开始盛行。但是遗憾的是，这个标签化非常不靠谱。究其原因，根本是在复杂世界和复杂人心带来的多面性，标签化很难描述清楚，甚至带来误导而损害组织利益。
小孩才讲对错，大人分辨利弊
依我看，更多的职业行为，不应该是标签化的讨论人，而应该是就事论事，用事情的利弊去计算得失，去应对组织内外的沟通。或者说，摒弃标签化看人议事的思维，而就事情本身，沿着目标和利弊去推演和沟通，也许才是最简单的方式。
用做事情的思维应对，人与人之间的关系才能被简化，复杂的东西才能顺畅运行。即便这个时候谈到人的关系，也只是将其作为顺畅做事的润滑剂。也许这才是职场最高效率的方式。
人工智能的这次兴起，源于标签化，但未必会长久。相信未来的人工智能，也会逐步从标签化走出来，这样才能面对复杂的世界，才会有真正的智能产生。而我们生在职场，更应该在标签化智能升级之前，走出标签化，演绎自己更精彩的人生。
大连伟德BETVLCTOR1946
伟德BETVLCTOR1946