应对未来工作，每个人都需要“跨学科”

神译局是36氪旗下编译团队,关注科技、商业、职场、生活等领域,重点介绍国外的新技术、新观点、新风向。

编者按:你是学物理的,他是学计算机的......所谓的“学科界限”,只是人类为了方便管理而进行的划分,很多重大问题的解决方案,都将来自于打破学科界限。本文来自编译,希望对您有所启发。

[图片来源:MirageC/Getty Images]

一位同事曾对他们所在的学术部门(计算机科学)的一次争议感慨不已,这次争议涉及到一位潜在新员工的录用问题。这位候选人接受过正规的物理学培训,但在信息论研究方面成绩斐然,这也是系里感兴趣的。我问这是怎么回事,这位同事回答说“有些人认为物理学家不应该在计算机科学系”。这位候选人最终没有得到这份工作。

这类纠纷有很多问题。在这个特殊的案例中,最大的错误是过度依赖一个总括性的类别(“物理学家”)来衡量某人是否适合一份工作。部门的抗议不是针对候选人的技能或成就,而只是针对他们接受培训的名义类别领域。

不幸的是,这种例子在许多行业中都很常见(高等教育尤其如此),它体现了一个古老的问题:我们该如何将知识的宇宙切成碎片,将专业知识组织成有意义的知识包?我们所说的“有意义”是什么意思?是这种结构能让我们最有效率,产生最多的想法,还是这种结构在管理上最有效?

这些定义之间的差异乍看之下似乎微不足道,但在实践中却影响深远。我相信,未来的工作将包括对这些问题的勇敢探讨,以及对学科界限的彻底重新划分,因为目前的状况阻碍了广义上的进步。

学科界限从何而来?历史学家和科学哲学家一直在研究某些领域是如何形成的。机械工程诞生背后的故事与古典文学背后的故事不同。但它们都有一些共同点:这些领域很少是为了考虑未来世界的面貌而建立的。或者说,我们之所以有这样的标签,主要是因为历史的路径依赖。我们这样做是因为他们(过去)是这样做的,在他们之前的人也是这样做的,以此类推。

就其存在而言,学科界限是不符合未来的,它们几乎肯定会过时,因为它们的发明者没有预见到世界将如何变化(这是可以理解的)。以前的工程系不可能知道纳米技术或基因编辑。在用于研究社会系统的计算和大数据方法的推动下,即使是社会学也在与新的身份作斗争。

这样的例子不胜枚举:我们现在知道光合作用具有量子力学的特性。“生物工程”和“生物医学工程”已经成为两个独立的领域,前者有时被称为“应用分子生物学”。计算语言学利用语言之间的大数据集关系来推断语言进化背后的模式。研究错误信息的教师分布在商学院、社会心理学、应用数学和生物学院。

事实上,学科界限的主要挑战是,创新的速度超过了我们的管理能力,无法将其进行有效归类。还有一个与之相关的普遍问题是,专业领域的需求超过了机构(例如高等教育和职业培训机构)提供所需技能人才的能力。这在我自己的职业生涯中表现得很明显。

在2000年代和2010年代,我研究生快毕业的时候,“数据科学家”这个词几乎在每一个招聘广告上都能看到,不仅在硅谷和128号公路上,在许多行业也是如此。当时的问题是,“数据科学”不是一个正式的领域,几乎没有相应的本科学位、研究生课程或培训证书。符合要求的候选人来自各种各样的背景,但他们是统计学、计算机科学和应用数学等学科的综合人才(和许多人一样,我主要是通过非正式渠道获得这些技能的,因为我的研究生课程并不教授或要求这些技能)。

学科划分面临着很多挑战,但我们一定要消除界限吗?当然,对现有学科边界的辩护是有道理的,它们将技能和人员组织成各个领域,让我们能够按照结构化的途径培养人才,让我们能够为企业发展所需的人才发出清晰的信号。

当一家公司在寻找能够扩展其量子计算部门的人才时,它知道要找一个“拥有物理学硕士或博士学位,专注于量子力学”的人。这使得经营企业或实验室的行为变得简单:如果我们想建立一家量子计算公司,就可以淘汰拥有机械工程学位的申请人,因为他们不太可能像那些接受过正式量子力学培训的人那样,帮助我们开发量子计算技术。

或者再想想,他们能吗?

当然可以。许多利润丰厚的产业都是由“外来者”建立起来的,这些人没有在某个领域接受过正式培训,但他们仍然在改变着这些行业。此外,有些人特别擅长在不同的专业领域取得进步。大卫·爱泼斯坦(David Epstein)2019年的畅销书《成长边界》(Range)中就记录了一些这样的人。这些例子出现得非常频繁,都不能算是个例。

正因为如此,当如此多的成功人士都不符合所谓的“标准”时,我们就很难再为学科的现状边界辩护了。解决之道之一,是在现有的名义界限所提供的实用性与对其本质的漠视之间进行调和。我们可以承认,现有学科界限可能对我们的专业目的有用,但这些界限并不是真实存在的。

回到我们一开始提到的计算机科学系:保留计算机科学系,但承认“计算机科学”的定义必然是动态的,并且需要与十年前可能存在的规范有所不同。

维持现有专业领域分类的第二个原因是,目前人工智能、机器人、医学和其他一些行业的发明创造速度不断创新高,有可能以各种方式改善人类的生活。

但这一论点没有合理的反事实依据,因为如果我们重新思考过去的界限,发明可能会更快。

好消息是,多学科性正在成为某些机构的趋势。公司聘请顾问促进跨学科对话。那些拥有哲学和修辞学博士学位的人,现在可以喝谷歌办公室的浓咖啡,与他们的计算机科学同事享受同样的高薪。

甚至高等教育似乎也在顺应形势。学院和大学正在将整个“学校”投入到计算机领域,而不是将其作为单一的院系。计算是一种思考、学习和生活的方式,而不是一门单独存在的学科。

消除学科之间的正式界限,能否帮助我们应对更广泛的挑战,如气候变化、环境保护、日益加剧的不平等及其对健康的影响?一个好消息是,复杂的数据科学方法越来越多地用于解决现代问题,如当地社区流行病易感性的不平等,流行病在塑造监狱等社会机构中的作用等。多学科的组合确实能帮助解决一些长期以来难以解决的问题。

因此,尽管许多机构已经认识到有必要培养拥有多种技能的人才,但现状仍然围绕着“什么是领域专长”的旧观念。要解决这个问题,与其说需要尖锐地打破界限,不如说需要全球都接受这样一种观念:界限并不能描述自然世界,充其量只是教师和学生用来组织教学的启发式方法。

但是,未来需要的不仅是超越学科界限的思想家,更是重塑学科界限的思想家。当下难以解决的问题,或许在重塑学科界限之后会出现新的解决方案。

译者:Teresa