斯坦福教授研究了美國200年專利數據：論文發得多？不等於創新！

矽谷Live /實地探訪/ 熱點探秘 / 深度探討

封面圖自網路，版權屬於原作者

說到創新，矽谷一直有世界創新高地的標籤，吸引世界各地的創業者、投資人、學者和作家源源不斷的前來一探究竟。以往研究矽谷創新系統的學者往往以 」要素說」 來解釋矽谷的創新，如矽谷有斯坦福大學、加州大學伯克利分校這樣世界一流的研究高校，有著來自世界各地的源源不斷的優秀的移民人才等。

然而，不管矽谷有什麼。創新都是動態變化的，今天的矽谷是否和10年前，20年前一樣創新？十年後的矽谷，又是否還能繼續保持這樣的創新？能實時測量「創新值」的波動，發現創新力增強或減少的背後原因，並及時進行干預，可以說是研究創新和經濟發展的學者們的「終極夢想」。

矽谷洞察的特約記者注意到，在斯坦福大學兩個不同的學院里，有兩位教授在分別嘗試用全新的方法來測量 「創新」 —— 這個看起來略微抽象的概念。由於對創新的理解不同，測量方法和工具不同，他們也得出了不同以往的新的洞見。

用跨2個世紀的專利大數據來測量突破性創新

如何衡量創新一直都是個大難題。傳統測量創新的標準有這樣幾個：第一，研發投入。第二，申請的專利的數量。第三，發表論文的數量。

但是，這幾個標準跟如今的創新力之間越來越難以划上等號。

以研發投入來說，在資本助推創業的今天，能在研發上有大量資本變得越來越容易，但這並不足以說明這些錢就真的會轉化為創新力；衡量專利的數量和發表論文的數量也是如此，發論文變得越來越容易，但質量卻往往無法保障。慢慢地，人們有時開始為了發表論文而發表論文，為了申請專利而申請專利。

面對這些問題，斯坦福大學金融學教授、胡佛經濟研究所高級研究員阿米特?塞魯（Amit Seru）和耶魯大學的教授布萊恩.凱利（Bryan Kelly）等合作，利用龐大的美國專利資料庫發明了一種新的創新衡量標準。

研究人員通過比較某個專利的文本與早期和後期專利的相似程度來衡量每項專利的質量。塞魯教授解釋：「突破性創新的專利文本應該與以前的任何專利都不同，但卻能有足夠的影響力，以至於後來的發明者都在採用並擴展它。通過計算在特定年份提交的這種類型的專利的數量，我們就可以估算當年發生了多少突破性創新」。

比如，第一個在文本中提到「電」這個詞的專利非常重要、前所未有。在後來的專利資料庫里，跟 「電」 有關的專利成百上千 —— 因為電的發明給整個人類社會帶來了翻天覆地的變化。這個時候，研究人員就會給該專利打一個高分，列入 「突破性創新」 之列。

確定用專利文本的相似性來分析創新的質量後，塞魯教授和他的合作團隊分析了自 1836 年以來向美國專利局提交的 900 多萬件專利的文本，編譯了每個專利中使用的每個單詞後，他們過濾掉了極其常見的如」那個」這種意義不大的普通單詞，然後專註的分析其他單詞文本的相似性。

用分析專利文本來獲得突破性創新數量後，塞魯教授和他的團隊將突破性創新與生產率的變化關聯起來分析。試圖用大數據來驗證：到底突破性創新與經濟增長之間有多大的關係呢？

突破性創新：從「混亂」和資源重新分配中產生

通過對過去兩個世紀的專利文本與行業的關聯分析，他們發現，技術創新確實是過去兩個世紀以來美國經濟增長的關鍵：每次大量的突破性創新之後，就會毫無例外的迎來生產率的提高。

比如，某個行業的突破性創新比平均值高出 30% 時，這個行業的生產率就會比其他行業高出 11%。

通過行業的創新與時間的關聯分析，可以更清晰的從數據曲線的變化看到，那些生產力顯著提高的行業與美國技術進步的三大浪潮密切相關：19世紀後期所謂的第二次工業革命（新的鐵路技術和電力的誕生），20世紀30年代（電力和發展的新應用）化學品，包括第一個全合成塑料，和20世紀90年代（計算機，通信和遺傳學革命）。這些技術創新的共同特點是，它們帶來了一陣「混亂」，對已有的資本、人才和市場資源都進行了重新分配。

通過突破性創新和公司以及時間的關聯分析，研究發現，那些具有突破性創新的公司比沒有的公司都有至少 5% 的未來盈利能力。

最後，更多的數據關聯分析結果發現，突破性創新可能來自任何地方：可以來自新公司，也可以來自老公司，可以從私人公司，也可以從上市公司中產生，當然也可以來自大學和政府 —— 但它往往是政府、大學和企業在使用非常多元化的員工/人才後發生的。

給一個設計團隊的創新過程編碼

如果說塞魯教授測量創新的新方法是從重新評價創新的結果著手，那麼，斯坦福大學人類創新設計研究執行主任尼拉什?索拿卡（Neeraj Sonalkar）測量創新的新辦法，就是從關注創新的過程著手。

「對於創新，人們總是說，『你告訴我具體怎麼做就好，第一步是什麼，第二步是什麼』 ... 如果你這麼想，你就是在要一份 『創新配方』，但這本質上不是創新。發現你自己的獨有創新配方，才是真正的創新。

為什麼不能給你一模一樣的食譜配方呢？因為你的 『創新原材料』 很可能跟我的不一樣，如果照搬別人的方法，只要稍有不同就不可能做出一模一樣的菜來。我可以教你的，是如何根據已有的資源和材料即興創作。」

通過在斯坦福大學設計學院多年的設計思維團隊訓練，尼拉什發現，一個團隊在創新過程中如何互動，是影響整個團隊創新成果和質量的關鍵所在。那些總能有非凡表現的團隊，他們在整個團隊合作中是如何跟彼此互動的呢？有沒有一種方法，可以記錄下這些出色的互動方法和元素，並且教給其他任何人來使用，從而提高團隊的創新能力呢？

對他來說，發現這些能夠有效提高創新的人際互動方法，就是在教給人們如何有能力跟任何團隊都能產生出色的創新。

於是，尼拉什發明了一種他稱之為「動態互動註解」（IDN）的方法，用這種特別的符號語言來記錄和再現一個設計團隊互動的過程。這個過程就像是給每個團隊的創新過程「寫譜」。

他的團隊首先找到了兩個實驗團隊。這兩個團隊的任務是，設計一款安全又有趣的玩具，要求他們產生儘可能多的新主意和新概念。團隊可以使用樂高積木以及書寫和畫畫工具，以方便他們設計和分析新產品的原型。每個任務持續約40分鐘。

然後，研究人員用攝像機拍下兩個團隊做任何的整個過程，之後再用視頻來分析一個新的概念是如何在團隊中生成的。 研究在斯坦福大學設計研究中心的實驗室環境中進行，因為它設置好了能同時捕獲所有參與者的特寫攝像機，能夠從細節上同時分析一個人的語言和非語言表達行為，還能迅速收集和分析視頻數據。

收集兩個團隊的視頻數據之後，尼拉什和同事在開發視覺符號的編碼方案時，把重點放在識別團隊互動過程中的 「想法」、「發言者的轉換」，和 「互動片段」 這幾個部分。其中 「想法」 被定義為可能的現有產品的替代方案，可以是另一種的產品結構，甚至是另一種產品生產過程的方案。一個發言是對另一個發言的回應，然後又引來新的發言者的回應，幾個連續的發言者轉換組合在一起就是「互動片段」。

在團隊的互動中，A和B誰何時發言，C如何回應，是表示支持還是否定，是否提出了一個新「想法」，還是一直在用批評給A製造表達想法的「障礙」，這些都會被研究者在觀看視頻的時候，用特定的視覺符號記下來，給團隊的動態互動過程編碼的這個方法，就是 「動態互動註解」。整個編碼使用的都是人們比較熟悉的用來隱喻人際反應的視覺符號。比如，「阻礙」由一面牆表示，「克服阻礙」 由越過一面牆來表示， 「支持」由工程自由體圖中使用的地面符號表示。

按照這種方法，如果一個團隊有三個人，分別以A，B，C來指代，一段三人互動的視頻被編碼後的就會被表示為如下圖中的模樣：

尼拉什教授表示，這種方法目前的主要應用是，第一：對設計團隊的診斷。比如，有的設計團隊想要設計一個新的兒童智能玩具，但卻苦於沒有讓人眼前一亮的設計。尼拉什教授就會讓核心設計團隊到實驗室來，通過實時的視頻和 IDN 註解的方式來診斷設計過程中的互動，看到底哪一部分出了問題。然後，他會把整個診斷結果做成報告，主要包括團隊互動的主要問題和給出的改進建議。

「這種診斷報告的方式會給整個設計團隊一種強大的自我覺知能力，他們身處團隊互動的過程中往往會喪失這種覺知，但『旁觀者清』，作為第三者可以更客觀和清楚的告訴他們團隊工作的得與失」。

「我們還會給學生的設計作業給出反饋，當來自世界各地的學生們在做一個設計項目的時候，我把他們帶到這裡，錄下一個15分鐘左右的視頻，然後給他們一個反饋報告。這會給學生一個全新的視角，讓他們知道在團隊中該怎麼表現」。

第二，尼拉什教授的團隊正在和可計算口語（Computational Spoken language）領域的博士學生合作，他們設計了一個人工智慧系統，嘗試利用機器學習幫助我們迅速分析大量的團隊互動數據（關於同一個主題），從而找出一個最好的互動模型。這可以幫助我們更好的定義什麼是好的設計，什麼是高質量的互動。

尼拉什教授也在跟舊金山一家生物公司合作來做類似的數據建模，他們使用一種大數據分析軟體來清洗和整理他們的基因數據。

「雖然我們所處的領域完全不同，但從方法論的角度來看，不管一個團隊互動的過程是怎樣的，包含口語或非口語的信息，它們都可以利用『動態互動註解』的方法轉化成一串容易閱讀和理解的視覺符號。這其實和基因編碼的——ATGC 原理是非常相似的。如果大數據的方法可以用於生物信息學，當然也可以用來解碼團隊互動。我們利用生物信息學裡的模型匹配演算法（pattern-matching algorithms）來分析使用 IDN 轉化成的一長串的互動註解符號，試圖來發現團隊互動中的幾種最佳模型」。

矽谷創新的真正來源：高質量人際互動

雖然「最佳團隊互動模型」的成果還在研究過程中，但 Neeraj 教授可以肯定的一點是，新的概念的產生跟團隊之間的積極互動方式有極大的正相關關係。這些積極的互動方式包括積極的傾聽，不管團隊中成員說什麼，都能頻繁乃至始終的用「是的，而且（Yes，And）」這樣鼓勵並延伸的句子來反應，更多的其他成員的支持，不管口頭還是語言，都會讓發言者的反應和互動更加活躍。相反，那些「阻礙」式的溝通和互動方式，往往會讓團隊的互動陷入消極。

Neeraj 進一步提出，可以用人際互動作為工具來解釋矽谷的創新奧秘和經濟增長奇蹟。Neeraj 的同事、斯坦福大學研究設計思維的專家阿迪?邦尼特（Ade Mabogunje），是這樣解釋創新是從人際互動中產生的：

「基於對矽谷生態系統的研究，我們發現了幾個創造財富的共同的人際互動的特徵。這是當今經濟學說的重要缺失因素，這些人際互動的多個特徵中包括：1、社會關係網。世界上很多人都會因各種原因相遇，但拉里?佩奇和謝爾蓋?布林第一次在學生培訓期間相識，然後就決定一起創建谷歌，這對世界是有很大影響的。創新很多時候來自你的社交網路，即人脈。

2、信任。在一個社區中，人們合作的效率如何？是一次握手就足以跟一個陌生人建立合作，還是需要律師和簽訂昂貴的合同？在矽谷，人們很少在開誠布公的分享彼此的計劃之前簽訂合同，但在世界其他地方，幾乎都是相反的，人們總是先簽訂合同之後再開始做事情。

《矽谷百年史》作者皮埃羅?斯加魯菲（Piero Scaruffi）也指出，要學習矽谷的創新，不能僅看資本，高質量的大學，人才這些經濟體系里有形的因素，學習整個社會，了解社會文化這些無形的東西，才能真正解釋矽谷。比如矽谷所在的加州灣區這個系統，獨特性就在於，它是一個藝術家和科學家，創業者們頻繁互動，彼此影響的生態系統。

創新啟示錄

所以說，看了以上兩種測量創新的洞見，如果我們想長遠地培育某個地區的創新，應該多問以下問題：

如何激勵政府、大學和公司都來積極產生更多突破性創新？

如何設計一個系統，能夠讓該地區的各個群體：學生，創業者，科學家，商業領袖等能更容易的產生更積極和頻繁的，更有價值的互動？

如何給多個跨領域的人群自然而然的創造各種相遇的機會？

如何讓整個社區內的社交人際網更緊密，更多元？

如何讓不同社會群體之間的信任成本降低？

如何用好大數據和人工智慧這些工具，建設一個真正具有創新力的，人與人之間有著積極互動的智能城市？

以這個標準衡量，你看好哪座城市成為下一個創新之城？是北上廣深這樣的大城市、還是厚積薄發的二三線、甚至四線城市？歡迎留言討論！

本文作者

牛金霞，資深媒體人，斯坦福大學訪問學者，科技圖書《人類 2.0》、《科技與和平》合著者。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！