這 一 支 後來 移居 敘利亞 。 塔克瑞提 在 大馬士革 是 頂尖 的 工程 學生 ， 在 一九八○年代 中 獲得 獎學金 ， 遠 赴 美國 密西根 大學 就讀 ， 並且 迷上 了 數學 。 他 拿到 博士 學位 後 ， 於 一九九六年 在 IBM 的 研究 中心 找到 一 份 工作 ， 研究 中心 離 紐約市 大約 半 小時 的 車程 。 於是 這 位 提克里特 戰士 之 子 如今 成天 與 一 群 數學 天才 為伍 。 塔克瑞提 的 專長 是 隨機 分析 ， 也 就 是 試圖 預測 隨機 事件 的 數學 。 假定 土桑市 每 個 月 下雨 零 到 六 次 ， 而 你 每 個 星期 只 聽 三 次 氣象 報告 ， 過去 二十 天 中 ， 氣象 報告 有 十九 天 預報 正確 。 假定 你 的 三 件 外套 中 ， 有 一 件 是 麂皮 外套 ， 那麼 明天 外套 被 雨 淋溼 的 機率 有 多 大 ？ 想像 一下 ， 如果 同 一 個 問題 的 變數 高達 一千 個 ， 那麼 你 就 踏進 隨機 分析 的 世界 了 。 華爾街 的 數學 革命 在 上 個 世代 ， 邁朗 ．休斯 （ Myron Scholes ） 與 費雪．布萊克 （ Fischer Black ） 領導 的 數學 高手 運用 他們 在 機率 上 的 專長 ， 為 金融業 計算 風險 和 訂定 價格 ， 創造 了 從 選擇權 到 避 險 策略 的 一 系列 新 金融 商品 ， 掀起 華爾街 的 數學 革命 。 這 群 數學家 大規模 地 以 科學 取代 直覺 。 塔克瑞提 說 ， 他 到 IBM 任職 前 ， 相同 的 數學 工具 已經 大量 被 應用到 其他 行業 。 塔克瑞提 不 喜歡 大肆 宣揚 這 件 事 ， 不過 他 在 一九九九年 離開 藍色 巨人 IBM 後 ， 曾 到 休士頓 的 安隆 公司 （ Enron ） 上班 。 當時 ， 安隆 不只 忙著 設計 後來 導致 公司 垮台 的 騙局 ， 同時 也 經營 一 所 世界 一流 的 數學 實驗室 。 安隆 公司 認為 ， 整 個 世界 充滿 了 不 確定 （ 安隆 本身 的 遭遇 很 快 就 證明 了 這 點 ） 。 人們 手 上 握有 數 以 兆計 的 資金 ， 卻 完全 在 碰運氣 。 比方說 ， 如果 你 把 天氣 看成 一 個 混亂 的 市場 ， 主題 公園 賭 的 是 陽光 ， 農夫 賭 的 是 雨水 。 安隆 的 數學 小組 能 計算 天氣 的 風險 ， 為 冷鋒 過境 和 大 熱天 發展出 指數 和 金融 選擇權 。 每 個 人 都 可以 避免 天氣 變化 帶來 的 損失 ， 但 安隆 把 它 變成 一 門 生意 。 似乎 只要 有 堅強 的 數學家 陣容 ， 就 可以 量化 和 模擬 世上 所有 的 風險 因素 ， 並且 把 它 轉化成 金融 工具 。 在 安隆 任職 期間 ， 塔克瑞提 的 股票 大漲 。 但 IBM 在 二○○○年 末 延攬 他 ， 請 他 擔任 隨機 分析 部門 的 最 高 主管 ， 於是 塔克瑞提 決定 跳槽 ， 一 年 後 安隆 公司 就 垮台 了 。 他 在 IBM 的 新 工作 內容 就 和 莫哈維 沙漠 突然 爆發 洪水 或 安隆 公司 即將 破產 一樣 難以 量化 和 預測 。 因為 塔克瑞提 要 模擬 的 是 人類 工作者 。 找出 職場 DNA 範 本我 告訴 塔克瑞提 ， 被 架構成 數學 模型 ， 聽起來 不 是 什麼 好玩 的 事情 。 我 可以 想像 無 所 不 知 的 老闆 可以 預測 我 的 一舉一動 ， 我 甚至 還 沒有 鼓起 勇氣 ， 要求 他 幫 我 加薪 ， 他 可能 已經 直接 寄 電子 郵件 給 我 ， 上面 只有 簡簡單 單一 句 話 ： 「 不行 ！ 」 但是 塔克瑞提 比較 著重 這 件 事 的 正面 意義 ， 想像 你 的 上司 終於 肯定 你 的 優點 — — 或許 是 連 你 自己 都 沒有 察覺 的 優點 ， 然後 他 會 「 把 你 放 在 你 能 大大 發揮所長 的 位子 上 」 。 如果 你 的 表現 很 耀眼 ， 公司 最後 可能 把 你 的 數學 模型 拿來 當作 職場 DNA 的 範本 ， 想 辦法 複製 另外 一 個 你 。 塔克瑞提 團隊 中 負責 建構 模型 的 艾列山德拉． 默斯羅維克 （ Aleksandra Mojsilovic ） 說 ， 想像 一下 ， 如果 公司 裡 有 個 叫 史密斯 的 超級 工人 ， 公司 大可 任用 兩 、 三 個 ， 或 甚至 十來 個 像 他 這樣 的 工人 。 一旦 公司 為 所有 員工 建立起 豐富 的 數學 圖像 ， 要 從中 篩選 ， 找出 究竟 是 什麼 樣 的 經驗 和 日常 工作 方式 令 史密斯 如此 出色 ， 應該 不會 太 難 。 他 說 ： 「 如果 你 擁有 和 他 相同 的 完整 工作 經歷 ， 你 甚至 可以 計算出 要 經過 多少 步驟 ， 就 能 成為 另外 一 個 史密斯 。 」 當然 ， 其中 大部分 的 步驟 都 和 教育 訓練 計畫 有關 ， 而 不 是 利用 操控 基因 的 方式 。 真正 的 史密斯 或許 有 一 種 直覺性 的 聰明 或 深諳 設計 的 訣竅 ， 這些 都 是 無法 複製 的 。 「 我 並 不 是 說 ， 你 因此 可以 重新 塑造 科學家 或 畫家 或 音樂家 。 」 默斯羅維克 說 ： 「 但是 我們 可以 把 很多 職務 看成 商品 。 」 如果 有 些 人 原本 非常 不 適合 這些 職務 ， 就 會 被 重新 裝配 ， 先 是 在 數學 模型 中 重組 ， 然後 在 現實 生活 中 改造 。 當 塔克瑞提 坐下來 ， 試圖 用 符號 來 定義 他 的 同事 時 ， 他 向 經濟學家 和 工業 工程師 求援 ， 因為 他們 過去 數十 年 來 都 一直 在 為 複雜 系統 建構 模型 。 從 經濟 觀點 來 看 ， 他 把 每 個 人 當成 勞動 市場 上 的 元件 ， 我們 的 價值 會 隨著 需求 高低 而 起落 。 從 這 個 角度 而言 ， 華爾街 開發出來 的 金融 方程式 也 可以 應用 在 我們 身 上 。 當 我們 找到 工作 時 ， 我們 都 在 做 什麼 ？ 我們 和 同事 合作 ， 打造 商品 ， 創造 價值 。 所以 ， 轉換成 數字 時 ， 我們 和 IBM 龐大 的 工廠 每 天 生產 的 微處理器 零件 至少 有 幾 個 共同 的 數學 特性 。 一方面 ， 我們 好像 股票 一樣 ， 但 換 個 角度 來 看 ， 我們 又 是 機器 零件 。 當然 ， 這麼 說 不盡 公平 ， 我們 不 只 是 股票 和 零件 而已 。 塔克瑞提 首先 承認 這 點 ， 因為 我們 是 如此 不同 且 難以 預料 ， 塔克瑞提 因此 需要 動員 從 語言學家 到 資料 採礦 6 專家 的 專業 人才 ， 組成 四十 名 博士 的 團隊 ， 才 能 解讀 我們 的 行為 和 特徵 。 他們 將 所有 的 發現 ： 包括 我們 的 每 一 個 動作 、 每 一 種 技能 ， 都 加以 分類 ， 變成 電腦 能 消化 的 符號 。 「 所有 的 一切 都 必須 轉化成 數字 。 」 塔克瑞提 表示 。 塔克瑞提 的 一 大 挑戰 ， 是 協助 IBM 找到 能 將 三十萬 名 員工 的 技能 分類 的 方法 。 IBM 在 資產 負債表 上