变革中的思索之重读《孙子兵法》

重读《孙子兵法》

任何企业在经历了靠单一产品或一位领导人取得 成功的阶段后,都要超越这个阶段,才能不断发展。因此,一个成功的领导人需要一种很重要的能力,就是如何把握组织机构的方向和规模,建立有竞争力的团队, 保持业务经营的永续性,再不断发展壮大。

20多年前,我在赴美留学前就读过《孙子兵 法》。90年代初,在哈佛商学院学习时,我也曾引用它的核心思想作为参考和指导。今年夏天的休假期间,我又认真地重读了这部成书于2600年前的韬略经 典。我想,这次我应该更深刻地领悟了它的精髓。我感觉,《孙子兵法》也适用于研发集团的战略思考和资深管理团队的领导力拓展。

《孙子兵法》所阐述的是关于战争的谋略、原则 和统帅之道。这部书全文虽不过数千字,却影响深远。它不仅可以帮助我们解决许多管理问题,更重要的是,它可以启发我们在战略选择上的思路。

1. “道、天、地、将、法”

《孙子兵法》提出战略规划的要素是“道、天、 地、将、法”,我认为,这也正是企业生存发展必须关注的五大要素。道,是战略、使命和目标,在我们所从事的软件产业,就是适应产业发展的趋势;天和地,是 我们所处的时代、环境、生态系统和地域优势;将,是最重要的因素,指统帅、领导者,就是公司的人才;法,是规范、制度和凝聚人心的企业文化。只有将这些关 键的因素协调配合,一个企业才能在现代经济全球化的大潮中有所作为。

返观微软研发集团在中国十几年来所走的道路, 正是秉持扎根中国的承诺,在中国建成了除美国本土之外规模最大、机构最完整、最具成长性的研发基地。我觉得微软的中国历程正契合了《孙子兵法》里所说的 “道、天、地、将、法”。首先是有“道”,选定我们所从事的产业方向,适应产业发展趋势。其次,是鼓励创新的产业发展氛围和环境、科技人才的资源、知识产 权保护的意识和规范。中国是全球最具活力的经济体——“天、地、将、法”缺一不可。我们很幸运,在这五个方面取得了协调的发展。“天时、地利、人和”说的 正是“天、地、将”三者和谐共生的形态。

2. 将者,智、信、仁、勇、严

“将”——人的因素,特别是领袖、领军人物, 更是至为关键。对于将帅之才的标准,孙子提出了“将者,智,信,仁,勇,严也”。智者,涵盖了远见、智慧、谋略、判断力。信,是诚信、威信。仁,是关爱下 属、关心员工。勇,即魄力、行动力、冒风险的胆识。严,是纪律和规矩,有责任心、有担当。

这与微软的人才观与价值观是如此的契合。作为 行业领先企业的领导者,对公司的发展要有长远的眼光,根据变化做出应对,在辉煌时不浮躁,在逆境中保持信心,才能带领团队在变动不居的时代潮流中前进。我 想他们应当具备下面这样一些共同特质。

   强烈的使命感;

   信心——自信和他信;

   简化问题的能力;

   判断力和果断决策的能力;

   有良好的心态,有平衡内心和外部世界的能力。

人们常常会问,微软公司选人的标准是什么?我 想首先是诚信——品行和性格。我观察过很多人,有一些人IQ很高,有一些人很会表现自己,但是诚信这个东西可能从五岁左右就成为“操作系统”或者说是“硬 件”,很难改变。然后是判断一个人的潜力,很重要的一点就是看他有没有信心。当然,心态和幽默感也是十分重要的。“成功=IQ+EQ+阿Q”。

除了正向选择之外,我们还可以通过淘汰制来选 择人才。要建立一个健康发展的团队,我们要努力避免三种人。

  第一种人是双面人,就是遇到不同的人说不同的话的人。

  第二种人是负面人,这些人总是在抱怨,总是觉得怀才不遇,这样的人一定要清除出团队。

  第三种人是玩世不恭的人,这样的人总是很自负,一般都是相当聪明的人,但是这些人对什么也不喜欢,对什么也不痛恨。

管理是实践的艺术,具有不可复制性。但是,我 相信,为人统帅有基本原则,选拨人才也是有共性可循的。

3. 不战而屈人之兵,善之善者也

《孙子兵法》讲的是战争的艺术,但是它却明确 地告诉我们将帅的最高智慧表现在如何能“不战”——“百战百胜,非善之善者也。不战而屈人之兵,善之善者也。”讲的就是如何避免战争。孙子又说:“故上兵 伐谋,其次伐交,再次伐兵,其下攻城。”战争的终极目标是和平。好的将领不是动用兵马,而是靠智谋取胜。

人们常常误解,以为竞争就意味着要消灭对手。 如果真的如此,整个行业就衰落了。是否有企业真能独善其身?微软作为一家平台公司,除了自身不断创新之外,必须推动整个产业链条上各个环节的创新,推动合 作伙伴在技术、市场模式、管理理念上的创新。

在一个繁荣的市场中,客户、合作伙伴成功了, 我们才能更有作为。竞争的最高境界是合作,是共赢。

去年以来,经济衰退的影响蔓延到各个行业。我 想这对优秀的企业和追求卓越的领袖都是一个机遇,如果度过了这个严冬,强者则更强。《孙子兵法》包含非凡的领导智慧,在这个非常时期,重读经典,它会给我 们更多的启示。

2008年12月于北京

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值