Proč není nejlepší najímat nejlepší

Jako student matematiky na University of Wisconsin-Madison jsem si zapsal kurz logiky u Davida Griffeatha. Byla to zábava. Griffeath se na problémy dokázal dívat s otevřeností a hravostí. K mému potěšení jsme na sebe narazili, bylo to asi o deset let později, na konferenci o modelování v dopravě. Během prezentace o počítačových modelech dopravních zácp vylétla nahoru jeho ruka. Nešlo mi na rozum, co by Griffeath, který dělá matematickou logiku, mohl říct k dopravním zácpám. Ale nezklamal. Bez sebemenší známky vzrušení v hlase prohlásil: Když modelujete dopravní zácpu, měli byste zaznamenávat jenom non-auta.

Dostavila se přesně ta reakce, jaká se má dostavit, když někdo přijde s nečekanou myšlenkou – která ovšem, jak ji někdo vysloví, vypadá jako úplně samozřejmá. Překvapené ticho postupně střídá pokyvování hlav a úsměvy. Nebylo třeba říkat nic dalšího.

Griffeath se projevil jako perfektní pozorovatel. Když máte dopravní zácpu, většinu místa na silnici zaplňují auta. Modelovat každé auto zabere strašně moc paměti. Když se místo toho budou zaznamenávat jenom prázdná místa, bude potřeba paměti mnohem míň, vlastně skoro žádná. A navíc – dynamika non-aut by se mohla dát líp analyzovat.

Máme tu problém: postavit vejce na špičku

Podobná historie se pravidelně opakuje na vědeckých konferencích, ve výzkumných laboratořích, na politických mítincích, mezi vývojáři nebo na strategických brainstrominzích. Pokaždé má tyhle tři znaky:

Prvně: Problém je komplexní, zahrnuje několikaúrovňový kontext, který se dá jen obtížně vysvětlit, zpracovat, rozvinout nebo předpovědět.

Za druhé: Průlomové myšlenky se nezjevují kouzlem a ani nevznikají z ničeho na zelené louce. Je to existující myšlenka, vhled, fígl nebo pravidlo, ovšem novátorsky aplikovaná. Nebo je to kombinace takových myšlenek – jako bylo průlomové nové využití technologie dotykového displeje u Applu. Griffeath například použil koncept z teorie informace: minimální délku popisu (MDL). Je míň náročné říct kromě L než vypočítávat ABCDEFGHChIJKMNOPQRSTUVWXYZ. Měl bych dodat, že tyhle myšlenky většinou produkují jen mírný růst – ale v součtu můžou mít rozsáhlý efekt. Pokrok většinou spíš cupitá drobnými krůčky, nejsou to žádné veliké skoky.

A za třetí – takové myšlenky se vždycky narodí, když je víc lidí, Jeden člověk nahodí svůj pohled na problém, popíše svůj přístup k jeho řešení nebo nastíní jeho slabé místo a někdo další přijde s nějakým návrhem nebo vymyslí, jak se slabému místu vyhnout. John Holland, který se zabýval matematickou informatikou, se hodně často ptal: Zkusili jste se na to podívat jako na Markovovův řetězec s řadou stavů a přechody mezi těmito stavy? Tahle otázka prezentujícího leckdy dovedla k tomu, že musel definovat jednotlivé stavy a jednoduše tak dojít k novému vhledu do problematiky.

Na jednoho moc

Rozkvět týmové práce – většina vědeckého výzkumu, ale také většina investování nebo skládání písniček (přinejmenším těch dobrých) se dneska dělá týmově – odráží rostoucí komplexnost našeho světa. Dřív jsme prostě stavěli silnici z bodu A do bodu B. Dneska vytváříme dopravní infrastrukturu s ekologickými, společenskými, ekonomickými a politickými dopady.

Komplexnost moderních problémů často brání tomu, aby je jednotlivec dokázal pochopit ve všech aspektech. Faktory, například, které přispívají ke zvyšující se obezitě, zahrnují: způsoby dopravy a systémy infrastruktury, vliv médií, průmyslové zpracování potraviny, změny společenských norem, biologii člověka a jeho psychologii.

Navrhování letadlové lodi, abychom měli ještě jiný příklad, vyžaduje znalosti z jaderného inženýrství, lodnictví, metalurgie, hydrodynamiky, informatiky, vojenských předpisů, poznatky o moderním vedení války, a když vezmeme v úvahu dlouhý čas samotné stavby takového plavidla, pak také schopnost předvídat trendy ve vývoji zbraňových systémů.

Testy moc nepovědí

Mnohovrstevná povaha komplexních problémů také podrývá principy meritokracie: myšlenku, že by se měl vždycky přijímat „ten nejlepší kandidát“. Žádný nejlepší kandidát, ten pravý člověk, neexistuje. Když se dává dohromady výzkumný tým, který se má zabývat rakovinou, biotechnologická společnost jako Gilead nebo Genentech by neměla vymýšlet testy s výběrem z mnoha možností a pak vzít člověka, který je vyřeší ze všech nejlíp, nebo vybírat člověka, který bude podle nějakých výkonnostních kritérií vykazovat nejlepší výsledky. Místo toho by měla hledat rozmanitost. Měla by stavět tým lidí, kteří budou mít odlišné vědomostní báze, různé analytické schopnosti a nástroje. Takový tým by spíš měl, než neměl zahrnout matematika (i když ne logika jako Griffeath). A ten matematik by měl studovat dynamické systémy a diferenciální rovnice.

Ti, kteří věří na meritokracii, můžou souhlasit s tím, že tým by měl být různorodý – ale přitom budou tvrdit, že na každou pozici v něm by se měly uplatnit meritokratické principy. Tedy že by takový tým měl být složený z toho „nejlepšího“ matematika, „nejlepšího“ onkologa a „nejlepšího“ biostatistika, z těch, kteří se nabízejí

Tenhle přístup vykazuje ale pořád tu samou vadu. Ani když se omezíme na obory, nedokážeme sestavit testy nebo sady kritérií, na základě kterých bychom pak sestavili ten nejlepší tým. Každý z těch oborů má dneska takový rozsah a hloubku, že se test prostě nedá sestavit. Podívejme se třeba na neurovědy. Jen za minulý rok vyšlo přes padesát tisíc studií, které pokrývají škálu technik, výzkumných zaměření a úrovní analýzy, zabývají se tématy od molekul a nervových spojů až k neuronovým sítím. Při takové komplexnosti každý pokus seřadit skupinku neurovědců od nejlepšího po nejhoršího, jako kdyby to byli závodníci na padesát metrů motýlkem, musí selhat.

Co ovšem je pravda: pokud máme konkrétní úkol, tak při určitém složení týmu nejspíš jeden vědec dokáže k řešení problému přispět víc než jiný. Správná strategie najímání zaměstnanců je věcí kontextu. Optimální tým bude různorodý.

Vidět les

Důkaz pro tohle tvrzení můžeme vidět v tom, že studie a patenty, ve kterých se propojují různorodé myšlenky, mají tendence dosahovat vysokého impaktu. Můžeme ho taky najít ve struktuře takzvaného náhodného rozhodovacího lesa, což je nejmodernější algoritmus pro strojové učení. Náhodné lesy sestávají ze souborů rozhodovacích stromů. Když třídíme obrázky, každý strom znamená volbu: je na obrázku liška, nebo pes? Vážená většina rozhoduje. Náhodné lesy můžou mít spoustu účelů. Dokážou rozpoznat bankovní podvod a živelnou pohromu, doporučit stropní větrání a předpovědět chování při online randění.

Když sestavujete takový les, nevybíráte nejlepší stromy, protože ty mají tendenci klasifikovat věci podobně. Chcete rozmanitost. Programátoři takové diverzity dosahují sáčkováním (bagging) tím, že každý strom cvičí na jiných datech. Kognitivně také stromy ladí tak, že je cvičí na nejobtížnějších příkladech, na těch, kde se dosud lesy mýlily. Tak si zajišťují co nejširší diverzitu a co nejpřesnější lesy.

Meritokratický omyl zatím dál trvá. Firmy, neziskovky, vlády, univerzity dokonce i předškolní zařízení testují, hodnotí a nabírají ty „nejlepší“. Což je přesně to, co jim rozhodně nezaručí nejlepší tým. Hodnocení lidí podle běžných kritérií vede k homogenitě. A když se do toho ještě vloudí předsudky a zkreslení, výsledkem bude výběr lidí, kteří vypadají stejně jako ti, kteří je vybírali. Tak se průlom neudělá. Jak řekl Astro Teller, šéf společnosti X (což je „továrna na zázraky společnosti Alphabet, mateřské společnosti Googlu): „Důležité je mít lidi, kteří mají rozdílné myšlenkové perspektivy. Pokud chcete zkoumat věci, které ještě nikdo nezkoumal, není nejlepší cesta vzít si k tomu lidi, kteří vypadají a myslí stejně jako vy.“

Musíme vidět les.

Z originálu uveřejněného na Aeon.com pro Finmag radostně přeložil Gabriel Pleska

Jak jde dohromady byznys a medicína? Dočtete se v novém Finmagu

Je medicína byznys? Jak pro koho. „Frustraci mladých lékařů chápu. Nemají ani na chůvu, aby jim pohlídala děti, když pracují,“ říká přednosta chirurgické kliniky Robert Lischke.

Zdroj: Finmag

MEDICÍNA A BYZNYS

Jak venkovští praktici nepřicházejí o iluze • Ženy mění medicínu • Nejstarší pražská nemocnice objektivem Alžběty Jungrové • Nejdražší léky na světě • Obézních přibývá, Česko dohání USA.

BYZNYS JE HRA

„Investice do umění se do tabulek nevtěsná,“ říká Pavlína Pudil z Kunsthalle • Nejdražší materiál roku 2023? Hrst štěrku z vesmíru za miliardu dolarů • Ekologie musí být podle Tomáš Nemravy, výrobce dřevěných domů, ekonomická.

Koupit Finmag