top of page

「試錯」機制的重要性

Updated: Apr 28

在互聯網及數字年代,頂層設計或者藍圖會變得更重要嗎?在阿里巴巴,我們相信頂層設計是三分靠想像,七分靠「試錯」(trial and error)的。所以戰略復盤對阿里的成功至關重要,否則就錯得太沒有價值。 大家可能覺得阿里的數據平台做得不錯,但我可以告訴大家,單單是數據架構就修正過了N次。所以我可以大膽的說,在今天的企業或政府的科技藍圖中,如果沒有包括「試錯」的機制的話,就應該好好檢討。還記得當年師父教落,要做一個決策系統,除了要預計企業正面及負面的評價指標外,還要兼顧能夠發現不可預知的結果(unexpected outcome)的能力。 當然,這也是偉大企業如Amazon或Google所必備的。例如在某零售企業經營增長得不錯的時候,可能很少會發現舊客戶的平均交易金額有緩慢下降趨勢,或者2000後出生的顧客已經嫌棄了你。倘若你沒有發現這個情況,是因為你的雷達已經過時了,或是沒有人提醒你需要更新設備。 施工前三問三答 舉一個例子,近年精準數據決策系統(城市大腦、數字駕駛艙)在內地的一線城市成為了必選項目,但在過程中,千萬別忘了與城市頂層需要吻合,頂層設計在定義城市問題上很重要。另一方面,如何確保數據資料與技術積累,有足夠能力攻堅其中精準決策可解決的城市問題(例如交通擠塞),我姑且把它叫作底層設計,當中包括數據使用的合規性、開源平台的選擇、技術能否兼容、有效的數據治理等。頂層設計的功能必須靠底層設計(架構)的支撐才能成事,但我卻發現很多的案例中欠缺了一個「施工」路線圖。 作為一個資深數據人,在為每個數據決策系統施工前我喜歡給自己三個追求: 要解決的問題清楚了嗎? 所需要的數據夠嗎、準確嗎、穩定嗎? 演算法出來的結果有反饋可驗證對錯嗎? 我想說的是「施工」路線圖的設想,有助頂層設計與底層設計的論證,否則很容易淪為空想。 古老易經傳統有三法則:變易、簡易、不易。正好給於在變幻中找尋成功機會的人類很好的啟示。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page