摘要：管理技術(shù)的變革帶來(lái)了生產(chǎn)效率的成倍提高和國家的崛起。人工智能技術(shù)的發(fā)展為管理智能化帶來(lái)了新希望。但沿著(zhù)傳統的人工智能技術(shù)路線(xiàn)難以實(shí)現管理智能化。管理智能化要尋找能夠讓計算機軟件代替人從事腦力勞動(dòng)的方法。如果將腦力勞動(dòng)分為定量勞動(dòng)和定性勞動(dòng)兩大類(lèi)，則能夠讓計算機軟件自動(dòng)完成這兩類(lèi)工作的方法就是準確計算法和因素窮盡法。用這兩類(lèi)方法來(lái)解決管理問(wèn)題，就可以實(shí)現管理工作的智能化。管理智能化的發(fā)展，會(huì )將人類(lèi)從重復性的分析、計算、邏輯推理工作中解放出來(lái)，會(huì )帶來(lái)管理效率的大幅度提高，因此是管理技術(shù)的未來(lái)發(fā)展趨勢。

關(guān)鍵詞：管理技術(shù)；管理智能化；管理新趨勢

一、企業(yè)管理理論回顧

回顧企業(yè)管理理論發(fā)展歷史，可以清晰地看到新的管理理論來(lái)源于管理實(shí)踐，新的管理理論廣泛傳播，又對管理實(shí)踐具有巨大的推動(dòng)作用，并在一定程度上決定一個(gè)國家的崛起。第一次工業(yè)革命初期，輕工業(yè)從手工業(yè)中分離出來(lái)之后，英國經(jīng)濟學(xué)家、管理學(xué)家亞當·斯密通過(guò)別針的生產(chǎn)過(guò)程，總結出通過(guò)分工和專(zhuān)業(yè)化協(xié)作，別針的生產(chǎn)效率會(huì )提高10倍。亞當·斯密的分工和專(zhuān)業(yè)化理論通過(guò)《國富論》[1]廣泛傳播之后，使英國發(fā)明創(chuàng )造了大量基于專(zhuān)業(yè)化分工來(lái)從事某一生產(chǎn)勞動(dòng)過(guò)程所需要的專(zhuān)業(yè)化工具，并使英國成為“世界工廠(chǎng)”和“大英帝國”。

1841年，美國發(fā)生了兩輛火車(chē)相撞事件，掀起了一場(chǎng)聲勢浩大的追究事故責任人的討論，這一討論使人們普遍意識到依靠人的經(jīng)驗管理（當時(shí)依靠太陽(yáng)升起的高度決定發(fā)車(chē)時(shí)間）必然會(huì )出現失誤，導致嚴重后果。于是在美國企業(yè)中，廣泛開(kāi)展了“建章立制、按工序操作”的制度化、流程化管理運動(dòng)。[2]自“建章立制”運動(dòng)以來(lái)，吉爾布雷斯夫婦深入各行各業(yè)進(jìn)行動(dòng)作研究，為美國各行業(yè)建立起先進(jìn)的生產(chǎn)工序流程圖和動(dòng)作分類(lèi)體系做出了巨大貢獻，并由此推動(dòng)了專(zhuān)門(mén)從事管理工作研究的職業(yè)經(jīng)理人的誕生。1881年，泰勒[3]在實(shí)踐中發(fā)現，只要工人能“像機器一樣按規定的最佳動(dòng)作持續工作”就能達到最高工作效率，由此而引起了一場(chǎng)持續十多年的議會(huì )大辯論。在這一辯論過(guò)程，泰勒的動(dòng)作研究和按規定動(dòng)作操作的管理方法在美國企業(yè)廣泛傳播，并總結為科學(xué)管理的理論和方法被美國企業(yè)普遍接受。福特公司1991年推出的流水生產(chǎn)技術(shù)，實(shí)行泰勒科學(xué)管理所要求的“像機器一樣工作的人”替換為生產(chǎn)設備，并按照生產(chǎn)工序形成流水生產(chǎn)線(xiàn)，使企業(yè)的生產(chǎn)效率提高了10倍。流水生產(chǎn)技術(shù)的廣泛使用使大規模生產(chǎn)、大規模銷(xiāo)售得以普及。這一系列先進(jìn)管理理論和實(shí)踐在美國企業(yè)率先采用，使美國超過(guò)英國成為世界上最強大的國家。

通用汽車(chē)公司在與福特汽車(chē)公司的競爭中，發(fā)明了事業(yè)部管理制度，讓企業(yè)優(yōu)勢資源首先集中于某一個(gè)事業(yè)部，使其獲得突破性發(fā)展之后反哺另外一個(gè)事業(yè)部的發(fā)展，以此來(lái)實(shí)現企業(yè)產(chǎn)品的多樣化。這種以事業(yè)部為基礎的企業(yè)管理模式有效地解決了企業(yè)發(fā)展壯大之后集權與分權、集中與分散的矛盾，促成了富可敵國的大企業(yè)的大量產(chǎn)生。英國和美國的實(shí)踐表明，從實(shí)踐中提煉出來(lái)的先進(jìn)管理理論、管理方法廣泛推廣應用之后，使企業(yè)的生產(chǎn)效率提高了10倍以上，并使率先采用相關(guān)理論和技術(shù)的國家快速崛起，成為世界強國。

日本在第二次世界大戰之后的迅速崛起也與采用先進(jìn)管理理論和管理技術(shù)相關(guān)。[4]日本產(chǎn)品20世紀50年代在歐美國家是便宜貨、質(zhì)量差的代名詞。為了改變這種局面，豐田汽車(chē)公司1953年便開(kāi)始了“看板管理”實(shí)踐，經(jīng)過(guò)十多年的探索，在20世紀60年代形成了“準時(shí)制生產(chǎn)技術(shù)”（JIT），在20世紀70年代廣泛傳播并升華為“全面質(zhì)量管理”（TQM）體系。[5]日本企業(yè)通過(guò)這兩項管理技術(shù)的創(chuàng )新和推廣應用，改變了日本企業(yè)產(chǎn)品質(zhì)次價(jià)廉的形象，并在20世紀80年代樹(shù)立起了性?xún)r(jià)比高、質(zhì)量可靠的生產(chǎn)世界一流產(chǎn)品的企業(yè)形象。日本企業(yè)在發(fā)展這兩項技術(shù)期間，美國企業(yè)開(kāi)始探索基于計算機的管理方法。這種探索在1967年阿波羅登月計劃實(shí)現之后達到了高潮，當時(shí)有句流行語(yǔ)“只要敲擊鍵盤(pán)，就能控制一切”代表了人們對基于計算機管理的人類(lèi)未來(lái)的美好期盼。[6]美國企業(yè)盡管先后創(chuàng )造并提出了“物料需求計劃”（MRP）、“制造資源計劃”（MRPⅡ）、“輔助設計系統”（CAD）、“計算機集成制造系統”（CIMS）、“企業(yè)資源計劃”（ERP）等基于計算機應用的管理技術(shù)。但受當時(shí)計算機運算速度、信息傳輸技術(shù)等的限制，這些管理技術(shù)的應用并沒(méi)有帶來(lái)管理效率成倍的提高，甚至還出現了一些實(shí)施“信息化項目”之后導致企業(yè)經(jīng)營(yíng)失敗的案例。[7]

近五十年來(lái)，計算機軟硬件、互聯(lián)網(wǎng)、移動(dòng)終端的發(fā)展使基于計算機軟件的企業(yè)管理技術(shù)獲得了快速發(fā)展。近十多年來(lái)大數據、云計算、人工智能技術(shù)的發(fā)展重新喚起了人們對企業(yè)管理新技術(shù)的探索和思考（張永林，2017；曹靜等，2018；Carlos,2018），在新的時(shí)代背景下，能否出現和過(guò)去分工理論、科學(xué)管理、事業(yè)部制、全面質(zhì)量管理等一樣有可能帶來(lái)企業(yè)管理效率提高10倍的管理理論和技術(shù)？需要認真深入思考、總結和探索。2001年，北京智澤華軟件有限責任公司推出“智能化財務(wù)分析系統”，能夠自動(dòng)對企業(yè)的財務(wù)報表數據進(jìn)行分析，[8]并在1分鐘之內撰寫(xiě)出30—50頁(yè)圖文并茂的財務(wù)分析診斷報告。這一工作過(guò)去常常需要一個(gè)財務(wù)專(zhuān)家花費一個(gè)星期的時(shí)間才能完成。從2003年開(kāi)始，這一財務(wù)分析智能化技術(shù)陸續在中石化、國航、首鋼、中糧、農夫山泉、蒙牛等1萬(wàn)家中國企業(yè)應用，從2008年開(kāi)始陸續在中國建設銀行、中國農業(yè)銀行、招商銀行、中信銀行、浦發(fā)銀行等100多家金融機構得到應用。這一智能化的探索經(jīng)過(guò)長(cháng)期實(shí)踐檢驗，已形成了一個(gè)比較成熟、完整的理論和方法體系，應當引起我國理論界、學(xué)術(shù)界的高度重視，將其上升到管理理論，在全社會(huì )廣泛討論和推廣，以進(jìn)一步推動(dòng)管理智能化實(shí)踐的發(fā)展。

二、人工智能技術(shù)難以實(shí)現管理智能化

信息技術(shù)的發(fā)展使人類(lèi)社會(huì )正在從工業(yè)文明時(shí)代邁入信息文明時(shí)代，[9]人工智能和人類(lèi)智能相結合開(kāi)啟人機融合智能時(shí)代。[10]在這個(gè)時(shí)代重復性或機械式的腦力勞動(dòng)將大量被人工智能技術(shù)取代。[11]1956年，John McCarthy提出“人工智能”（Artificial Intelligence）概念，人工智能一直沿著(zhù)三條技術(shù)路線(xiàn)展開(kāi)：一是研發(fā)模仿人類(lèi)的機器人；二是開(kāi)發(fā)基于規則的專(zhuān)家系統；三是開(kāi)發(fā)基于神經(jīng)網(wǎng)絡(luò )模型的機器學(xué)習算法。機器人研發(fā)實(shí)際上是專(zhuān)家系統和機器學(xué)習算法在模仿人的機器的設計制造中的應用。從理論方法角度來(lái)看，人工智能技術(shù)的發(fā)展主要沿著(zhù)專(zhuān)家系統和神經(jīng)網(wǎng)絡(luò )兩條道路前進(jìn)。

20世紀70—90年代，專(zhuān)家系統獲得了快速發(fā)展，諾貝爾經(jīng)濟學(xué)獎獲得者西蒙期望將“人的決策過(guò)程和問(wèn)題求解過(guò)程”[12]用計算機軟件來(lái)代替，IMB公司研發(fā)的“深藍”（Deep Blue）機器人在1997年戰勝?lài)H象棋冠軍Garry Kasparov，使基于規則的專(zhuān)家系統發(fā)展達到了頂峰。2014年，IBM公司成立“Watson Group”（沃森集團），繼續在基于規則的人工智能系統開(kāi)發(fā)方面努力。2015年，IBM與“德州大學(xué)MD安德森癌癥中心”（UT MD Anderson Cancer Center）合作成立人工智能醫療部門(mén)Watson Health，開(kāi)發(fā)臨床決策應用系統Oncology Expert Advisor（OEA，腫瘤專(zhuān)家顧問(wèn)），期望通過(guò)人工智能技術(shù)一舉解決當前困擾人類(lèi)的腫瘤診療問(wèn)題。但是實(shí)踐探索效果并不理想，合作單位于2016年底宣布中止合作；2018年，IBM的人工智能醫療部門(mén)宣布大裁員，使沿著(zhù)開(kāi)發(fā)專(zhuān)家系統的人工智能發(fā)展道路受挫。其實(shí)，當前使用的主流人工智能軟件和其他軟件程序，包括Python、TensorFlow、C++、Stat、SPSS等，都是基于規則的專(zhuān)家系統。IBM的腫瘤專(zhuān)家顧問(wèn)系統的失敗，并不是基于規則的專(zhuān)家系統技術(shù)本身的失敗，而是IBM公司選擇讓機器來(lái)解決人類(lèi)自身目前都不能解決的“腫瘤”問(wèn)題的應用選擇方向上的失敗。人工智能首先是“人工”，其次才是“智能”，如果人類(lèi)自身在認識和理論上還沒(méi)有解決相關(guān)問(wèn)題，期望讓計算機模型、軟件等機器通過(guò)自動(dòng)學(xué)習來(lái)自動(dòng)解決問(wèn)題很不現實(shí)。

基于神經(jīng)網(wǎng)絡(luò )的人工智能技術(shù)在過(guò)去的60年里經(jīng)歷了三次大起大落，也說(shuō)明這條技術(shù)路線(xiàn)還存在致命缺陷。讓我們通過(guò)簡(jiǎn)單回顧這段歷史來(lái)說(shuō)明。1949年，赫布(Hebb)首次借鑒神經(jīng)元理論提出基于無(wú)監督學(xué)習的單層神經(jīng)網(wǎng)絡(luò )模型，它將輸入信息按照它們的相似性劃分為若干類(lèi)，之后通過(guò)調整特征類(lèi)型之間的激活水平（權重系數），來(lái)尋求對測算集信息和訓練集信息來(lái)說(shuō)具有最佳學(xué)習速率的模型。[13]之所以將其稱(chēng)之為最佳學(xué)習速率而不是最優(yōu)化模型，是因為這種模型是依靠輸入和輸出的數據訓練所建立的，是一種數據學(xué)習（訓練）得來(lái)的模型，其準確性還要用測試集數據來(lái)檢驗。1958年，Rossenblatt提出感知機模型，通過(guò)對輸入數據的“正則化”（regularization）處理，依靠權重衰減等“泛化技術(shù)”（generalization），使模型對數據的識別能力得到進(jìn)一步提高。[14]但是，1969年，Minsky出版了《Perceptron》一書(shū)，用數學(xué)方法證明感知機模型是線(xiàn)性分類(lèi)模型，而“異或”問(wèn)題是線(xiàn)性不可分的，如果將計算層增加到兩層，則計算量會(huì )過(guò)大，并且也沒(méi)有有效的算法模型來(lái)求解。此后人工智能技術(shù)陷入低潮，一直到1982年Hopfield提出“反饋神經(jīng)網(wǎng)絡(luò )”（BP，Back Propagation），通過(guò)建立“多層感知器”（MLP，Multilayer Perceptron，一種前饋人工神經(jīng)網(wǎng)絡(luò )模型），[15]將輸入的多個(gè)數據集映射到單一輸出的數據集上，才解決了線(xiàn)性不可分問(wèn)題。由此而帶來(lái)了基于神經(jīng)網(wǎng)絡(luò )模型的人工智能技術(shù)的第二次高潮。1986年，Rumelhart、Hintonh和McClelland提出“誤差反饋神經(jīng)網(wǎng)絡(luò )”（Error BackProragation），通過(guò)輸入信號正向傳播和識別誤差反向傳播來(lái)調整各層神經(jīng)網(wǎng)絡(luò )模型的權值，以尋求模型識別（學(xué)習）精度的提高。[16]1989年，Bengio等提出“卷積神經(jīng)網(wǎng)絡(luò )模型”（CNN，Convolutional Neural Networks，是一種深度前饋神經(jīng)網(wǎng)絡(luò )模型），通過(guò)“卷積層”（convolutionallayer）和“池化層”（pooling layer）的區分，可以直接輸入原始圖像信息并進(jìn)行識別，通過(guò)局部權值的共享降低了網(wǎng)絡(luò )識別的復雜性。[17]但是，在2006年之前，訓練一個(gè)深度有監督的前饋神經(jīng)網(wǎng)絡(luò )一直沒(méi)有產(chǎn)生出理想的效果（在訓練集和測試集中的誤差較大）。2006年，Hinton等提出“深度可信神經(jīng)網(wǎng)絡(luò )”（Deep Belief Networks，DBNs），[18]將無(wú)監督學(xué)習用于（預）訓練每一層，在每一層學(xué)習到的結果作為下一層的輸入，用有監督訓練來(lái)調整所有層（加上一個(gè)或者更多的用于產(chǎn)生預測的附加層），使得深度可信神經(jīng)網(wǎng)絡(luò )DBNs在每一層中可使用無(wú)監督學(xué)習RBMs來(lái)訓練，為解決深層結構相關(guān)的優(yōu)化難題帶來(lái)希望。之后Bengio等通過(guò)引入“多層自動(dòng)編碼器”（auto-encoders）技術(shù)，[19]避免了數據特征提取和分類(lèi)過(guò)程中的數據重建，從而使深度神經(jīng)網(wǎng)絡(luò )技術(shù)近幾年在圖像識別、語(yǔ)音識別等領(lǐng)域獲得重大突破，掀起了人工智能技術(shù)發(fā)展的第三次浪潮，并以谷歌公司開(kāi)發(fā)的“阿爾法圍棋”（AlphaGo）軟件在2016年打敗世界冠軍李勝石而達到頂峰。

2017年，谷歌公司開(kāi)發(fā)完成的AlphaGo Zero，選擇完全放棄從人類(lèi)已積累的棋局來(lái)學(xué)習下棋經(jīng)驗的實(shí)踐路徑，用無(wú)監督強化學(xué)習模型，從一張白紙開(kāi)始讓機器通過(guò)自我對弈來(lái)學(xué)習積累下棋策略，經(jīng)過(guò)三天的自我學(xué)習，使其達到了能夠打敗任何人類(lèi)棋手的地步，標志著(zhù)強化學(xué)習技術(shù)給人工智能領(lǐng)域的發(fā)展帶來(lái)了深刻變化，使強化學(xué)習神經(jīng)網(wǎng)絡(luò )應用到機器翻譯、聲音識別、圖像識別等領(lǐng)域，并帶來(lái)質(zhì)的飛躍。但這并不意味著(zhù)，無(wú)監督強化學(xué)習技術(shù)所建立的人工智能模型和算法，能夠實(shí)現腦力勞動(dòng)的智能化。谷歌公司利用強化學(xué)習技術(shù)建立打敗人類(lèi)的下棋能力的模型，其根本原因是在模型訓練的時(shí)候，人們已經(jīng)事先設置了清晰的下棋規則和明確的輸贏(yíng)判斷標準，并且讓模型在一個(gè)固定的樣本數據（棋盤(pán)約束下各種可能的走棋步數）下訓練，如果沒(méi)有這些下棋規則，沒(méi)有人為固定機器模型的搜尋、學(xué)習范圍，讓其完全從一張白紙開(kāi)始學(xué)習，則很難建立起能夠打敗人類(lèi)冠軍的下棋模型。谷歌公司AlphaGo Zero的勝利，恰恰說(shuō)明基于規則的人工智能技術(shù)和基于模型的人工智能技術(shù)相結合，才能達到人工智能應用的最佳效果。

即使如此，基于神經(jīng)網(wǎng)絡(luò )模型的機器學(xué)習、深度學(xué)習、強化學(xué)習技術(shù)長(cháng)期以來(lái)存在的一個(gè)致命的缺點(diǎn)仍然沒(méi)有克服，即這些模型缺乏對誤判結果的解釋能力，不能對誤判數據樣本及其案例追溯詢(xún)問(wèn)，導致模型準確率的提高完全依賴(lài)訓練樣本的質(zhì)量，目前這類(lèi)模型的識別準確率要達到99.9%非常困難，要讓其達到工業(yè)化、自動(dòng)化生產(chǎn)應用要求的6σ（百萬(wàn)分之一）的誤差水平則更不可能。即使人工智能技術(shù)在圖像識別、語(yǔ)音識別等領(lǐng)域獲得了較大突破，但在管理領(lǐng)域，在讓計算機代替人從事管理工作的領(lǐng)域，目前還沒(méi)有出現突破。[20]這主要是因為作為基于大數據訓練的深度學(xué)習技術(shù)，不能和人類(lèi)那樣吸取經(jīng)驗教訓，不能識別并糾正錯誤，不適合進(jìn)行因果關(guān)系識別和邏輯推理（pearl,2018），因此難以真正代替人從事腦力勞動(dòng)。這就需要另辟蹊徑。

三、管理智能化需要使用新的理論方法

企業(yè)管理工作復雜多樣、個(gè)性化程度很高，將企業(yè)管理工作智能化交由計算機軟件來(lái)完成，即使不是不可能，但也至少讓人難以置信。因為，管理工作需要和人打交道，需要面對大量的不確定性問(wèn)題，怎樣才能讓計算機軟件可靠地代替？大數據技術(shù)、云計算技術(shù)、人工智能技術(shù)為我們提供了大量可以使用的決策信息和強大的計算能力，在一定程度上解決了因為信息不對稱(chēng)而導致的不確定性問(wèn)題和因人的能力有限而產(chǎn)生的決策判斷失誤問(wèn)題。但是，要讓計算機軟件來(lái)實(shí)現管理工作的自動(dòng)化，仍然需要在理論上和方法上獲得創(chuàng )新。

不難發(fā)現，企業(yè)管理問(wèn)題都可以歸為兩大類(lèi)：一類(lèi)是定量問(wèn)題，一類(lèi)是定性問(wèn)題。定量問(wèn)題完全可以交由計算機來(lái)完成，計算機的計算能力遠遠超過(guò)了人腦。而定性問(wèn)題，最終都可以歸結為因果關(guān)系分析和邏輯判斷問(wèn)題。因果關(guān)系分析只要能夠轉化成為“如果……那么……否則……”這樣的邏輯判斷，計算機也能夠快速、準確地實(shí)現。如果所有的企業(yè)管理問(wèn)題都可以區分并歸結為定量問(wèn)題和定性問(wèn)題兩大類(lèi)，那么從理論上來(lái)講企業(yè)管理的智能化、計算機化就完全能夠實(shí)現，由此便誕生了管理智能化技術(shù)。[21]

通過(guò)準確計算法讓計算機軟件來(lái)回答定量問(wèn)題，沒(méi)有人會(huì )懷疑計算機軟件的實(shí)現能力。如果將定性問(wèn)題轉化為因果關(guān)系邏輯判斷，那么計算機軟件也能夠比人類(lèi)更快速、更準確地完成這類(lèi)管理問(wèn)題的解決。有了解決管理問(wèn)題的準確計算方法和因素窮盡方法，就可以讓計算來(lái)解決定量管理問(wèn)題和定性管理問(wèn)題，管理工作的智能化也就能夠通過(guò)編寫(xiě)計算機可自動(dòng)執行軟件而實(shí)現。由此可見(jiàn)，管理智能化的核心是要找到能夠回答定量問(wèn)題的準確計算方法和回答定性問(wèn)題的因素窮盡方法。這和工業(yè)革命以來(lái)人們通過(guò)動(dòng)作研究、工序研究、流程研究，以尋求機械化、自動(dòng)化技術(shù)來(lái)代替人類(lèi)從事體力勞動(dòng)的過(guò)程非常類(lèi)似，需要我們在各行各業(yè)的管理工作中尋找準確計算方法和因素窮盡方法，才能實(shí)現相關(guān)管理工作的智能化。為了說(shuō)明這一核心理論方法，本研究將用神舟飛船圓滿(mǎn)返回地球來(lái)比較通俗地說(shuō)明準確計算法，用象棋機器人打敗國際象棋冠軍來(lái)說(shuō)明因素窮盡法。

（一）準確計算使神舟飛船成功返回地球

神舟飛船不斷發(fā)射成功并圓滿(mǎn)返回地球，這一過(guò)程應該說(shuō)比管理一個(gè)企業(yè)更復雜，因為這一過(guò)程存在著(zhù)比管理一個(gè)企業(yè)更多的不確定性，但為什么宇航工作者能夠在發(fā)射的時(shí)候就確信不出意外地讓它按時(shí)返回地球？其根本原因是宇航工作者已經(jīng)通過(guò)各種試驗、試錯，把各種不確定的問(wèn)題搞清楚了，并使用準確且科學(xué)計算的辦法設計飛船的運行軌跡、飛行動(dòng)作和返回時(shí)間。不管飛船在太空中遇到多大阻力，不管飛船返回地球時(shí)會(huì )出現多少種不確定因素，只要經(jīng)過(guò)反復試驗，找到了正確計算和處理這些阻力、這些不確定因素的科學(xué)方法，就能夠讓神舟飛船按照事先設定的路線(xiàn)和軌跡飛行并返回地球。經(jīng)過(guò)多次試驗，將各種環(huán)境下可能遇到的各種不確定情況全部考慮到，然后交由計算機來(lái)通過(guò)自動(dòng)計算和自動(dòng)處理的辦法準確把握和控制整個(gè)飛行過(guò)程，宇航工作者就敢于把人放到飛船艙中，讓載人的飛船在太空飛行并按期返回地球。在這里，實(shí)現神舟飛船順利返回地球的根本方法就是準確計算法，用計算的辦法解決各種可能出現的問(wèn)題。

推而廣之，無(wú)論什么事情，無(wú)論事情有多復雜，只要通過(guò)努力找到了準確計算方法，把復雜問(wèn)題簡(jiǎn)單化，讓不確定問(wèn)題確定化，我們就能夠準確地回答和解決這些問(wèn)題，就可以將這些問(wèn)題的分析、判斷和解決決策交由計算機來(lái)完成。由于這種判斷和決策過(guò)程是基于準確計算、反復推導和驗證其正確性的，則這種計算所得出的管理決策也肯定是正確的和無(wú)可辯駁的。如果出現錯誤或被推翻，則說(shuō)明計算方法不準確或者還沒(méi)有真正找到可靠的準確計算方法。同樣道理，對于各種各樣的企業(yè)管理問(wèn)題，只要找到了準確計算方法，無(wú)論這個(gè)計算方法多么復雜，均可以讓計算機來(lái)完成這項工作，讓計算機或計算機軟件代替管理者去從事這項重復性的計算、分析、判斷、決策工作。這種通過(guò)準確計算的方法來(lái)解決管理問(wèn)題的方法就是管理智能化技術(shù)。

應當說(shuō)準確計算法是最可靠的管理智能化技術(shù)。它就像一把尺子，在沒(méi)有這把尺子的時(shí)候，不同的人會(huì )對同一距離長(cháng)短的感受不同，所得出的判斷結論也不同。跑得快的人會(huì )覺(jué)得這段距離較短，跑得慢的人會(huì )認為這段距離很長(cháng)。但當我們有了尺子來(lái)衡量距離的時(shí)候，我們就有了一種唯一正確的判斷距離長(cháng)短的尺子，距離長(cháng)短就不再依靠每個(gè)人的感覺(jué)來(lái)判斷，而是用尺子來(lái)度量。實(shí)現管理工作的智能化，首先就是要尋找解決管理問(wèn)題的準確計算方法，讓最專(zhuān)業(yè)、最權威的管理工作者都覺(jué)得這種做法是唯一正確的、沒(méi)有爭議的。這種方法的分析評價(jià)和決策建議是不被懷疑的。也只有采用這種技術(shù)來(lái)從事企業(yè)管理工作，才能夠讓大家信服，這種技術(shù)也才能夠被廣泛地推廣應用。

（二）因素窮盡讓象棋機器人打敗世界冠軍

如果受認識所限，憑借現有的知識或經(jīng)驗難以達到能夠準確計算的程度，或者不確定因素眾多，無(wú)法找到準確計算方法，在這種情況下，就需要繼續進(jìn)行模擬、試錯試驗，把各種因素、情況搞清楚，然后把這些因素考慮進(jìn)去后再進(jìn)行準確計算，這種考慮各種情況、不斷窮盡各種可能情況的方法叫因素窮盡法或情景窮盡法。

人與人之間下象棋的過(guò)程就是不知道對方的招數、步子，對弈雙方根據對方的落子不斷調整和變化自己的對策的過(guò)程，盡管下棋的步數、招數千變萬(wàn)化，但下棋的目的只有一個(gè)，就是打敗對方。過(guò)去打敗對手的辦法就是將各個(gè)時(shí)期國際象棋大師的各種絕招、妙招、奇招學(xué)會(huì )搞懂，裝進(jìn)自己的大腦，用其來(lái)應對對手可能出現的各種奇招、妙招。IBM公司的“深藍”機器人，將各種下棋大師對壘時(shí)的絕招、妙招及其破解辦法，通過(guò)計算機軟件固化下來(lái)，就是窮盡各種可能情況的過(guò)程。谷歌公司的AlphaGo Zero軟件，讓計算機軟件程序自動(dòng)模擬人類(lèi)下棋的各種可能情況，自動(dòng)將其窮盡，按照輸贏(yíng)規則做出正確落子決策，并將其固化到下棋軟件之中的方法，實(shí)際上也是因素窮盡方法。窮盡各種可能情況之后的下棋軟件，其下棋能力確已超過(guò)了人類(lèi)自身。

同樣道理，如果專(zhuān)家學(xué)者把企業(yè)可能遇到的各種情況和各種可能性情況下處理各種可能問(wèn)題的成功對策，事先固化到計算機軟件之中，讓計算機軟件來(lái)進(jìn)行分析、判斷和決策，以解決相關(guān)企業(yè)管理問(wèn)題，那么計算機軟件的分析、判斷和決策能力將會(huì )超過(guò)任何一個(gè)管理專(zhuān)家或經(jīng)營(yíng)奇才。常常出現的情況是，需要解決的問(wèn)題比較復雜，專(zhuān)家學(xué)者難以窮盡各種可能情況，比如，載人神舟飛船發(fā)射出去之后沒(méi)有按照預訂的路線(xiàn)返回地球，在這種情況下，肯定出現了過(guò)去沒(méi)有遇到過(guò)或者沒(méi)有考慮過(guò)的新問(wèn)題、新情況，結果飛船難以返回地球。如果出現這種情況，就說(shuō)明過(guò)去仍然沒(méi)有窮盡掉各種可能情況。比如，在準確計算飛行軌跡時(shí)沒(méi)有考慮到強氣流的影響，或者沒(méi)有考慮到大氣壓力的干擾，在這種情況下，只要我們繼續努力，把發(fā)現的新問(wèn)題、遇到的新情況徹底搞清楚，然后將其考慮到飛行軌跡的準確計算之中，將其固化到計算機控制程序之中，同樣的錯誤就不會(huì )重復出現了。

企業(yè)管理問(wèn)題非常復雜，也非常繁多，但只要我們把各種可能情況都考慮了，并通過(guò)準確計算的方法來(lái)回答和解決在各種情況下的各種問(wèn)題，我們也能夠得出準確的、科學(xué)的、不會(huì )失敗的決策意見(jiàn)，我們的企業(yè)管理工作也就可以交由計算機軟件來(lái)自動(dòng)完成。如果我們基于計算機的決策和管理導致了失敗的結果，那肯定是我們沒(méi)有全部考慮到各種可能情況或者沒(méi)有用準確計算的辦法來(lái)解決各種可能出現的問(wèn)題。與解決神舟飛船按期返回地球問(wèn)題相比，我們所遇到的企業(yè)管理問(wèn)題要更加容易一些，畢竟各種各樣的企業(yè)管理問(wèn)題就在我們身邊發(fā)生，我們能夠直接進(jìn)行各種各樣的試驗和模擬，比較容易將各種可能的情況、場(chǎng)景窮盡。只要各種各樣的管理問(wèn)題都找到了準確計算方法和因素窮盡方法，那么讓計算機來(lái)自動(dòng)控制完成這些管理工作，也就沒(méi)有什么值得顧慮的問(wèn)題了。因此，實(shí)現管理問(wèn)題智能化的可靠方法就是準確計算法和因素窮盡法，他們共同形成管理智能化技術(shù)。

將各種可能情況窮盡掉，在現實(shí)生活中要么是不可能，要么是工作量太大。以資產(chǎn)結構的合理性評價(jià)為例，如果我們僅使用資產(chǎn)總額、收入、利潤、存貨、應收賬款五個(gè)指標來(lái)評價(jià)企業(yè)資產(chǎn)結構的合理性，每個(gè)指標假設僅有大幅度增長(cháng)、有所增長(cháng)、變化不大、有所下降、大幅度下降五種情況，那么這些因素和情況組合起來(lái)就會(huì )有3125種情況，如果將每種情況考慮之后再得出資產(chǎn)結構是否合理的結論，如果對每種情況僅僅得出一行字的判斷結論，將其寫(xiě)出來(lái)就需要使用78頁(yè)的A4紙才能完成。如果讓一個(gè)人在考慮3125種情況之后再給出一個(gè)企業(yè)資產(chǎn)結構是否合理的結論，則恐怕需要考慮好幾天的時(shí)間才能給出一個(gè)答案。但是，如果事先將這3125種情況記錄下來(lái)，讓電腦考慮一遍各種可能情況，然后得出針對某一個(gè)具體情況的分析結論，則僅僅需要幾秒鐘的時(shí)間。智能化方法就是將各種可能情況事先考慮清楚，將各種情況下的分析結論和方法事先記錄下來(lái)，然后利用計算機軟件根據企業(yè)的具體數據分析判斷企業(yè)屬于哪種情況的一種方法。

如果我們人類(lèi)自身對要回答和解決的問(wèn)題一直沒(méi)有找到準確計算法或因素窮盡法，那么讓計算機軟件來(lái)自動(dòng)解決和回答這種問(wèn)題也比較困難。只要人類(lèi)自身找到了解決問(wèn)題的正確方法，哪怕是只有一次，靈機一動(dòng)，在大腦比較清醒的時(shí)候把問(wèn)題給想清楚了，找到了解決問(wèn)題的計算思路或窮盡方法，那么只要我們把這個(gè)方法記錄下來(lái)，用計算機軟件固定下來(lái)，我們以后遇到這種問(wèn)題，就可以讓計算軟件來(lái)自動(dòng)解決、自動(dòng)回答了。

四、管理智能化技術(shù)的應用價(jià)值

當我們已經(jīng)擁有了實(shí)現某個(gè)管理問(wèn)題智能化的技術(shù)、方法的時(shí)候，使用和不使用這項技術(shù)對企業(yè)管理帶來(lái)的效率影響則完全不同。這和當年是否使用流水生產(chǎn)線(xiàn)來(lái)生產(chǎn)汽車(chē)的情景一樣，當我們沒(méi)有發(fā)明它的時(shí)候，生產(chǎn)汽車(chē)依靠的是能工巧匠，各個(gè)企業(yè)之間的產(chǎn)品質(zhì)量主要取決于能工巧匠的個(gè)人手藝和經(jīng)驗。在流水生產(chǎn)技術(shù)出現之后，用流水生產(chǎn)線(xiàn)來(lái)生產(chǎn)汽車(chē)，則生產(chǎn)出的汽車(chē)數量和質(zhì)量與手工生產(chǎn)相比均會(huì )成百上千倍的提高。只有兩個(gè)企業(yè)均采用了流水線(xiàn)生產(chǎn)技術(shù)之后，這兩個(gè)企業(yè)才可能形成真正的競爭關(guān)系，才有可能通過(guò)競爭方式促使流水生產(chǎn)線(xiàn)技術(shù)朝更加精準、更加專(zhuān)業(yè)的方向發(fā)展，也才能使產(chǎn)品的質(zhì)量更高，并且通過(guò)技術(shù)手段保證質(zhì)量不會(huì )下降。

在出現了智能化企業(yè)管理技術(shù)和智能管理軟件之后，使用這種技術(shù)和軟件的企業(yè)與不使用這種技術(shù)和軟件的企業(yè)之間，其工作效率也會(huì )出現成百上千倍的差距。使用管理智能化技術(shù)的企業(yè)，其分析、判斷、決策等腦力勞動(dòng)的質(zhì)量均會(huì )有客觀(guān)上的保證；沒(méi)有使用管理智能化技術(shù)的企業(yè)，其管理工作質(zhì)量將主要依靠企業(yè)管理者的個(gè)人智慧、經(jīng)驗和能力。使用了管理智能化軟件的企業(yè),計算出企業(yè)存貨降低5%會(huì )帶來(lái)多少利潤只需要1秒鐘時(shí)間，而沒(méi)有使用智能管理軟件的企業(yè)有可能還不知道怎么正確計算，即使知道如何計算，用手工計算估計最少也需要2個(gè)小時(shí)。使用智能化分析軟件的企業(yè)，在回答“盈虧平衡點(diǎn)是多少”“資產(chǎn)結構是否合理”“資金缺口有多大”“費用支出是否合理”等企業(yè)普遍關(guān)心的問(wèn)題時(shí)只需要3秒鐘；在沒(méi)有使用智能化分析技術(shù)的企業(yè)，回答這些問(wèn)題可能需要三五天的時(shí)間。最為重要的是，許多管理問(wèn)題在計算機軟件的幫助下可以通過(guò)準確計算給予準確回答，但在依靠個(gè)人經(jīng)驗和手工計算的情況下有可能難以準確計算、及時(shí)回答。

也許有人說(shuō)，對于許多經(jīng)營(yíng)管理問(wèn)題，不同的人有不同的看法，不存在準確計算方法，比如說(shuō)存貨降低5％，有人計算會(huì )帶來(lái)100萬(wàn)的利潤，有人計算會(huì )帶來(lái)200萬(wàn)的資金節約，不同的人使用不同的計算方法，會(huì )得出不同計算結果，管理問(wèn)題沒(méi)有唯一的答案。但是，事實(shí)上，一個(gè)企業(yè)在一個(gè)給定時(shí)點(diǎn)的客觀(guān)現實(shí)情況只有一種情況，符合企業(yè)客觀(guān)實(shí)際的分析判斷方法和結論也只能是一個(gè)。如果說(shuō)確實(shí)存在兩種分析方法和兩個(gè)分析判斷結論，那其中必然有一個(gè)是正確的，有一個(gè)是錯誤的。因為一個(gè)客觀(guān)現實(shí)只能有一種與實(shí)際情況相符的分析結論。如果我們得出了錯誤的、與實(shí)際情況不符的分析結論，那必然是我們使用了不同的分析方法，或者使用了不同的數據，才得出了不同的結論。在這種情況下，只要我們根據企業(yè)的客觀(guān)實(shí)際情況，對比確定那種方法分析所得出的結論是與企業(yè)實(shí)際相符合的、正確的，將其固化到智能化軟件之中就可以了。

在大多數情況下，得出錯誤分析結論的原因是出現了過(guò)去沒(méi)有遇到、沒(méi)有考慮到的情況，或者過(guò)去曾經(jīng)出現過(guò)，但是當時(shí)并沒(méi)有引起我們的重視，沒(méi)有努力去尋找智能化方法來(lái)回答和解決。在這種情況下，只要我們經(jīng)過(guò)客觀(guān)實(shí)踐，從失敗事實(shí)的解析中發(fā)現出新情況或找到解決老問(wèn)題的新方法，將其固化并使用起來(lái)，那么我們就不會(huì )再犯同樣的錯誤。顯然，使用了科學(xué)的、唯一正確的智能化技術(shù)和方法的企業(yè)，將可以通過(guò)智能化工具、技術(shù)來(lái)保證其不會(huì )再犯同樣的錯誤。這說(shuō)明，使用管理智能化技術(shù)和不使用管理智能化技術(shù)企業(yè)之間在管理水平上的差距將是非常巨大的。

五、管理智能化技術(shù)的應用前景

實(shí)現腦力勞動(dòng)智能化的核心是要找到解決定量問(wèn)題的準確計算方法和解決定性問(wèn)題的因素窮盡方法，有了這兩種可以將管理工作智能化的方法，人們就可以將這種解決問(wèn)題的方法固化到計算機軟件之中，讓計算機自動(dòng)完成相關(guān)問(wèn)題的解決。尋找這種管理智能化的方法，實(shí)際上是需要我們提煉總結過(guò)去成功的管理實(shí)踐經(jīng)驗，超越企業(yè)具體環(huán)境和具體行業(yè)的特殊性，讓計算機來(lái)從事管理工作。[22]因此，管理智能化技術(shù)的實(shí)現需要依靠管理智能化軟件，管理智能化技術(shù)的先進(jìn)性也將由管理智能化軟件的先進(jìn)性決定。只要管理智能化軟件吸納了多數專(zhuān)家、學(xué)者和企業(yè)實(shí)際工作者的經(jīng)驗和智慧，并借助于計算機強大的和不知疲倦的分析計算功能來(lái)實(shí)現分析、判斷、決策和預警工作，那么管理智能化軟件的工作質(zhì)量和工作水平也將會(huì )超過(guò)專(zhuān)家自身。

當管理智能化軟件把重復性的計算、判斷、決策等工作的實(shí)現之后，人類(lèi)將主要解決和回答那些過(guò)去沒(méi)有出現過(guò)、需要我們創(chuàng )造新的辦法來(lái)回答和解決的問(wèn)題。在這個(gè)時(shí)候，人就會(huì )從繁瑣的、重復性的腦力勞動(dòng)中解放出來(lái)，人就變成了從事創(chuàng )造性工作的人。從這個(gè)角度來(lái)看，管理智能軟件和技術(shù)的發(fā)展空間非常巨大，它將帶來(lái)一場(chǎng)管理革命。智能化的傳播和發(fā)展速度，將會(huì )比機械化、數字化的傳播速度更快，它所帶來(lái)的社會(huì )效益和經(jīng)濟效益也將比自動(dòng)化、電子化更大。管理智能化技術(shù)的推廣應用將會(huì )帶來(lái)一場(chǎng)新的社會(huì )分工，那些重復性的、比較繁重的體力和腦力勞動(dòng)，都將由機器設備來(lái)完成，人類(lèi)將會(huì )有更多的時(shí)間、更多的機會(huì )去從事創(chuàng )造性工作。

人們已經(jīng)習以為常地讓機器代替人類(lèi)從事繁重的、復雜的體力勞動(dòng)，但讓機器代替人類(lèi)從事復雜的、繁重的腦力勞動(dòng)，特別是管理勞動(dòng)，人們接受起來(lái)還需要一個(gè)認識過(guò)程。人們的思想觀(guān)念需要轉變，管理智能化技術(shù)本身需要發(fā)展完善，推廣應用管理智能化技術(shù)還有很多工作要做。改革開(kāi)放以來(lái)，中國企業(yè)的管理實(shí)踐已經(jīng)表明，中國企業(yè)一直引進(jìn)、學(xué)習、消化、吸收國外的先進(jìn)管理經(jīng)驗和技術(shù)，也確實(shí)使中國企業(yè)的管理水平和管理效率普遍增強，使中國現在已經(jīng)成為世界上第二大經(jīng)濟體。但是，要想使中華民族偉大復興，沒(méi)有管理技術(shù)上的領(lǐng)先，沒(méi)有企業(yè)管理水平的普遍提高，是很難做到的。幸運的是中華民族是一個(gè)勤勞的民族，中國人民也是富有創(chuàng )造力的人民，我們正在經(jīng)歷著(zhù)由工業(yè)化社會(huì )向信息化、智能化社會(huì )的轉變過(guò)程。只要我們勇于創(chuàng )新、敢于打破傳統觀(guān)念的束縛，就能夠在這個(gè)技術(shù)變革和社會(huì )變革時(shí)代中創(chuàng )造出世界上最先進(jìn)的管理技術(shù)。提出和發(fā)展管理智能化技術(shù)，也是朝這個(gè)方向的一種努力。只有中國企業(yè)率先采用了世界上最先進(jìn)的管理技術(shù)，使管理效率和管理水平出現大幅提升并明顯超過(guò)其他發(fā)達國家，中國企業(yè)才能在世界市場(chǎng)競爭中獲得整體競爭優(yōu)勢，中華民族偉大復興的中國夢(mèng)也才有可能變成現實(shí)。

參考文獻

[1]亞當·斯密：《國民財富的性質(zhì)和原因的研究》，商務(wù)印書(shū)館出版1972年版。

[2]小艾爾弗雷德·D·錢(qián)德勒：《看得見(jiàn)的手——美國企業(yè)的管理革命》，商務(wù)印書(shū)館1987年版。

[3]弗雷德里克·溫斯洛·泰勒：《科學(xué)管理原理》，中國社會(huì )科學(xué)出版社1984年版。

[4]李新春、胡曉紅：《科學(xué)管理原理:理論反思與現實(shí)批判》，《管理學(xué)報》2012年第9期。

[5]翁君奕、柯銀鴻、陳榮明：《庫存控制模式與精準組合戰略的適配及其績(jì)效》，《管理世界》2011年第8期。

[6]Sarin,Shikhar,C.Haon,and M.Belkhouja.A Bibliometric Analysis of the Knowledge Exchange Patterns be-tween Major Technology and Innovation Management Journals(1999-2013).Grenoble Ecole de Management.35.1(2018):2-8.

[7]馬慶國：《中國管理科學(xué)研究面臨的幾個(gè)關(guān)鍵問(wèn)題》，《管理世界》2002年第8期。

[8]陳佳貴：《智能化：企業(yè)管理技術(shù)的發(fā)展方向》，《光明日報》2003-11-21。

[9]王天恩：《重新理解“發(fā)展”的信息文明“鑰匙”》，《中國社會(huì )科學(xué)》2018年第6期。

[10]李平、楊政銀：《人機融合智能:人工智能3.0》，《清華管理評論》2018年第8期。

[11]Trajtenberg，M.AI as the Next GPT:A Political－Economy Perspective.NBEＲWorking Paper，2018.

[12]Simon，H.A.，Dantzig，G.B.，Hogarth，Ｒ.，et al.Decision Making and Problem Solving.Interfaces，1987，17(5):11－31.

[13]D.O.Hebb:The Organization of Behavior.Wiley:New York；1949.

[14]Frank Rossenblatt.A Probabilistic Model for vVisual Perception.Acta Psychologica,Volume 15,1959,Pag-es 296-297.

[15]J.J.Hopfield.The Mechanism of Electron Transfer in the Electron Transport Chain,Oxidases and Related Redox Systems,1982,Pages 35-60.

[16]J.L.McClelland,D.E.Rumelhart,G.E.Hinton.The Appeal of Parallel Distributed Processing.Readings in Cognitive Science,1988,Pages 52-72.

[17]Piero Cosi,Yoshua Bengio,Renato De Mori.Phonetically-based Multi-layered Neural Networks for Vowel classification.Speech Communication,Volume 9,Issue 1,February 1990,Pages 15-29.

[18]Hinton G E,Salakhutdinov R.R.Reducing the Dimensionality of Data with Neural Networks.Science,2006,313(5786).

[19]Yoshua Bengio.On the Challenge of Learning Complex Functions.Progress in Brain Research,Volume 165,2007,Pages 521-534.

[20]Nordhaus，W.Are We Approaching an Economic Singularity?Information Technology and the Future of Economic Growth.NBEＲWorking Paper，2015.

[21]張金昌：《什么是管理智能化技術(shù)？》，《經(jīng)濟管理》2006年第1期。

[22]陳佳貴：《智能化：企業(yè)管理技術(shù)的發(fā)展方向》，《光明日報》2003-11-21。

張金昌.管理智能化:理論創(chuàng )新與技術(shù)發(fā)展[J].福建論壇(人文社會(huì )科學(xué)版),2020(10):98-107.