一种简单而有效的人类行为Agent模型强化学习框架-链世界 (一种简单而有趣的事情)
引言
强化学习是一种机器学习方法,通过让智能体 (Agent) 与环境交互,从环境中学习如何选择最优行动以最大化累积奖励。强化学习已广泛应用于游戏、机器人、自动驾驶等领域。 强化学习也被用于塑造人类行为,帮助人类实现长期目标,如戒烟、减肥、健身等。这些任务通常是摩擦性的,即它们需要人类付出长期努力,而不是立即获得满足感。在这些任务中,人类往往表现出有限的理性,即他们的行为并不总是符合他们的最佳利益,而是受到认知偏差、情绪影响以及环境干扰等因素的影响。 因此,如何用强化学习干预人类的有限理性,使其在摩擦性任务中表现更好,是一个具有重要意义和挑战性的问题。行为模型强化学习(BMRL)
为了解决上述问题,一篇发表于 AAMAS2024 会议上的本文《摩擦性任务中受限理性人类智能体的强化学习干预》提出了一个行为模型强化学习 (BMRL) 框架,用于让人工智能 (AI) 干预人类在摩擦性任务中的行为。 BMRL 框架基于强化学习,但与传统强化学习不同,它假设 AI 可以观察到人类的状态、行动和奖励,并建立一个 Agent 的马尔可夫决策过程 (MDP) 模型。Agent 的 MDP 模型由一组状态、一组行动、一个转移函数、一个奖励函数和一个折扣因子组成。Agent 的目标是通过选择最优行动来最大化他们的期望累积奖励。 Agent 的 MDP 模型可能存在一些问题,导致 Agent 的行为与他们的目标不一致。例如,人类的折扣因子可能过低,导致人类过于看重短期奖励而忽视长期后果。链世界 Agent 模型
为了解决人类 MDP 模型的局限性,BMRL 框架提出了链世界 (ChainWorld) Agent 模型。链世界是一个简化的 MDP 模型,其中 Agent 可以选择执行或跳过任务,从而增加或减少他们达到目标的概率。AI 可以通过改变 Agent 的折扣因子或奖励来影响人类的决策。 链世界模型的优点是它可以快速对人类进行个性化,也可以解释人类行为背后的原因。等价性概念
BMRL 框架引入了基于 Agent 模型之间等价性的概念,用于判断不同的 Agent 模型是否会导致相同的人工智能干预策略。研究人员证明了链世界是一类更复杂的人类 MDP 的等价模型,只要它们导致相同的三窗口 AI 策略,即由无效窗口、干预窗口和无需干预窗口组成的策略。 研究人员还给出了与链世界等价的更复杂的人类 MDP 的示例,例如单调链世界、进展世界和多链世界,这些模型可以捕捉一些与人类行为相关的有意义的特征。鲁棒性分析
研究人员通过实验分析了链世界的鲁棒性,即当真实的 Agent 模型与链世界不完全匹配或不等价时,AI 使用链世界进行干预的性能如何。他们发现链世界是一个有效且鲁棒的 Agent 模型,可以用于设计人工智能干预策略。在大多数情况下,它可以达到或接近最佳性能,即使在一些极端情况下,它也可以保持一定的水平。意义和结论
BMRL 框架和链世界 Agent 模型为用强化学习干预人类行为提供了一种新的方法。该框架通过建立 Agent 的个性化 MDP 模型来解决人类有限理性的问题,并通过等价性概念确保干预策略的有效性。链世界模型的简单性和鲁棒性使其成为设计和评估 AI 干预策略的一个有价值的工具。 本文为塑造人类行为的伦理和社会影响提出了了重要问题。随着人工智能技术的不断发展,我们有责任确保人工智能被用于善,并促进人类福祉。让机器像人类一样学习?
![一种简单而有效的人类行为Agent模型强化学习框架](https://tyye.cn/zb_users/theme/tpure/style/images/lazyload.png)
如果要让机器人拥有人的学习能力,应该怎么做?伯克利 AI 研究院给出了一个很好的答案——元强化学习(meta-RL)。 但这一次伯克利 AI 研究院不只是使用了元强化学习,还考虑POMDP、异步策略梯度等等知识体系,最终得到了一个高样本效率、高探索效率的新算法「PEARL」。 这一成果不仅为解决 AI 的实际问题提供新的思考角度;同时也是实现在现实系统中规模化应用元强化学习的的第一步。 伯克利 AI 研究院发布博文介绍了这一成果,编译如下。 背景 一个智能体如果要在不断变化的复杂环境中正常运行,那么它获得新技能的速度必须足够快。 就像人类在这一方面表现出的非凡能力一样,比如:人类可以从某个示例中学习怎样辨别出一个全新的物体;在几分钟内适应不同汽车的不同驾驶方式;以及听过某个俚语后,就能在自己的词典中加上这个词,等等。 因此,假设要使智能体来完成诸如人类这样的学习能力,元学习则是一种可以参考的方法。 使用这一范式,智能体可以通过充分利用在执行相关任务中积累的丰富经验,以这些有限的数据为基础去适应新的任务。 针对这类既需要采取行动又需要积累过往经验的智能体来说,元强化学习可以帮助其快速适应新的场景。 但美中不足的是,虽然训练后的策略可以帮助智能体快速适应新的任务,但元训练过程需要用到来自一系列训练任务的大量数据,这就加剧了困恼强化学习算法的样本效率低下问题。 因此,现有的元强化学习算法在很大程度上只能在模拟环境中正常运行。 在本文中,我们简要介绍了元强化学习的研究现状,然后提出了一种新算法—— PEARL,该算法使得样本效率得到数量级的大幅度提升。 前期回顾:元强化学习的研究进展 两年前,伯克利博客发布了一篇叫做《Learning to Learn》(文章查阅地址:)的文章。 这篇文章除了提出新的算法外,还对当时人们对元学习的兴趣激增做了调查统计,结果表明无论是当时还是现在,元学习的关键思路就是把复杂的问题简化成我们已经知道如何解决的问题。 在传统的机器学习中,研究者会给定一组数据点用来匹配模型;而在元学习中,则用一组数据集来替换这些数据点,其中每个数据集都对应一个学习问题。 只要学习这些问题的过程(所谓的「适应」)是可区分的,就可以像往常一样,在具有梯度下降的外循环(元训练)中对其进行优化。 一旦经过训练,适应程序就可以迅速从少量数据中解决新的相关任务。 最近的元强化学习进展(从左到右依次为:通过元学习对观察到人类行为实现单样本模仿、以元强化学习模型为基础的断腿适应、用演变的策略梯度来推断超越训练任务分布的情况) 当时,大多数元学习工作都集中在小样本图像分类上。 在此后的几年里,元学习应用到了更广泛的问题上,如视觉导航、机器翻译和语音识别等等。 所以,将强化学习运用到元学习方法内是一个具有挑战性但又振奋人心的任务,因为这样的结合将有望使智能体能够更快速地学习新的任务,这个能力对于部署在复杂和不断变化的世界中的智能体来说是至关重要的。 因为元学习本身的样本复杂性问题和深度强化学习紧密相关,因此元学习可以通过与深度强化学习相结合来解决这个问题。 两年前一些关于元学习的论文(RL2,Wang et al.和 MAML) ,介绍了在策略梯度(policygradient)和密集奖励(denserewards)的有限环境中将元学习应用于强化学习的初步结果。 此后,很多学者对这个方法产生了浓厚的兴趣,也有更多论文展示了将元学习理念应用到更广泛的环境中,比如:从人类展示中学习()、模仿学习()以及基于模型的强化学习()。 除了元学习模型参数外,我们还考虑了超参数和损失函数。 为了解决稀疏奖励设置问题,于是有了一种利用元学习来探索策略的方法。 尽管取得了这些进展,样本效率仍然是一项挑战。 当考虑将 meta-RL 应用于实际中更复杂的任务时,快速适应这些任务则需要更有效的探索策略,因此在实际学习任务中,需要考虑如何解决元训练样本效率低下的问题。 因此,伯克利 AI 研究院基于这些问题进行了深入研究,并开发了一种旨在解决这两个问题的算法。 异步策略元强化学习的优势 尽管策略梯度强化学习算法可以在复杂的高维控制任务(如控制拟人机器人的运行)上实现高性能,但它们的样本效率仍然很低。 比如,最先进的策略梯度法(PPO)需要一亿个样本来学习一个良好的类人策略,如果我们在一个真实的机器人上运行这个算法,并用一个 20 赫兹控制器使其连续运行,在不计算重置时间的情况下,需要耗费近两个月的时间来学习。 其效率低下的主要原因是形成策略梯度更新的数据必须从现行策略中取样,而不是在训练期间重复使用以前收集的数据。 最近的异步策略(off-policy )算法(TD3,SAC)与策略梯度算法的性能不相上下,然而需要的样本数量却减少了 100 倍。 如果研究者能够利用这种算法进行元强化学习,数周的数据收集时间可减少至半天,这就使元学习更高效。 异步策略学习在从零开始进行训练时,除了大大提高了样本效率外,还有进一步的功能优化——它不光可以利用以前收集的静态数据集,还可以利用其他机器人在其他场景中的数据。 非策略强化学习(SAC)比策略梯度(PPO)更有效 探索问题 在监督元学习中,用于适应新任务的数据是给定的。 例如,在小样本图像分类中,我们会为元学习智能体提供针对我们希望标注的新的类的图像和标注。 在强化学习中,智能体负责探索和收集自身的数据,因此适应程序必须包括有效的探索策略。 “黑盒子”元学习智能体(RL2,and SNAIL)可以学习这些探索策略,因为在递归优化中,整个适应过程被视为一个长序列。 类似地,基于梯度的元强化学习方法可以通过将信用分配给更新前策略收集到的轨迹和更新后策略获得的回报来学习探索策略。 虽然理论上是可行的,但实际上这些方法并没有学习临时延伸的探索策略。 为了解决这个问题,MAESN ()以决定策略和通过梯度下降来适应新任务的概率性潜在变量的方式,增加了结构化的随机性。 该模型经过训练,使先前的样本对探索轨迹进行编码,而来自适应变量的样本则得到最优的适应轨迹。 总的来讲,所有这些方案都适用于同步策略(on-policy)强化学习算法,因为它们依赖于从同一现行策略中取样的探索和适应轨迹,因此需要同步策略采样。 为了构建同步策略元强化学习算法,我们将采用不同的方法来探索。 通过元学习后验采样法探索 在全新的场景中进行探索,一个非常简单的方法是假装它是你已经见过的东西。 例如,如果你第一次看到火龙果并想去吃它,你会将它类比成芒果而按照吃芒果的方式用刀来切开它。 这是一种很好的探索策略,它能够让你吃到里面美味的果肉。 而当你发现火龙果的果肉更像猕猴桃后,你可能又会切换到吃猕猴桃的策略,使用勺子挖出果肉吃。 在强化学习的相关文献中,这样的探索方法叫做后验采样(或 Thompson sampling)。 智能体在 MDPs 上有个数据集分布,然后从该分布中迭代采样新的 MDP,并根据它来决定最佳的操作方式,同时使用收集到的数据来完成分布的更新。 随着收集的数据越来越多,后验分布缩小,使探索和迭代之间实现稳定的过渡。 这一策略看似有限,因为它去掉了采取无目的探索性行为的可能性;然而此前的一项工作“(More) Efficient Reinforcement Learning via Posterior Sampling”表明,通过后验采样确保最坏情况下累积的遗憾值(regret)接近于当前最佳的探索策略。 通过后验采样法吃一个奇怪的新水果 在实际问题中,我们如何在 Mdps 上表示这种分布?一种可能是保持过渡和奖励功能的分布。 为了根据采样模型进行操作,我们可以使用任何基于模型的强化学习算法。 Bootstrapped DQN 将这一想法应用于无模型的深度强化学习中,并在 Q 函数上维持近似后验。 我们认为可以通过学习不同任务在Q 函数上的分布来将这一想法扩展到多任务环境中,并且这种分布对于新的相关任务中的探索非常有效。 为了在元强化学习中引入后验采样法,我们先在 Mdps 上对基于 Q 函数的分布进行建模,通过实例化潜在变量 z,并根据经验(或语境)来推断出模型会将 Q 函数作为输入来调整其预测 。 在元训练过程中,学习 z 此前所有的变量来表示元训练任务的分布。 面对测试时的新任务,智能体从之前的假设中取样,然后根据选出的这一假设决定在环境中采取什么样的行动,之后再通过新的证明来对后验分布进行更新。 当智能体收集轨迹时,后验分布缩小,同时该智能体也会生成对当前任务更好的预测。 将元强化学习视为 POMDP 运用在元强化学习上的贝叶斯后验观点,揭示了元强化学习与partially observed MDPs(部分可观察的马尔可夫决策过程)(POMDPs)之间的关系。 当建模环境中当前观察到的事情无法告知你当前环境中的所有事情时(即只能部分观察当前状态),POMDPs 对于这种建模环境来说非常有用。 就好比说,当你在一栋楼附近行走,灯光突然全部熄灭,此时你无法从黑暗中立即观察到你在什么位置,但你仍然会对自己的位置有一个预估,因为你可以凭借记忆在灯光熄灭前所看到的场景来预估。 而求解 POMDPs 就是相似的原理,它涉及到对观测历史信息的集成,从而达到准确地估计当前状态的目标。 POMDP 的图像模型 元强化学习则可以被看作是具有特殊结构的 POMDP,它的任务就是当前状态中唯一未观察到的部分。 在我们的示例中,任务可能就是找到一个你从未去过的办公室。 在标准的 POMDP 中,智能体每进行下一步时都必须对状态进行重新估计,这样就能够不断地更新对建筑物中位置的估计。 而在元强化学习示例中,任务在各个探索轨迹上不会一直变化,即在现实世界中,办公室的位置不会在寻找过程中改变。 这也表示该方法可以保持对办公室位置的估计,而无需担心潜在的系统动态在每个步骤中改变它的实际位置。 将元强化学习算法转换为 POMDPs 的说法,即智能体要维持任务的信念状态(belief state )——当在多个探索轨上收集信息时,任务会进行更新。 贝壳中的 PEARL 如何把任务上的信念状态与现有的异步策略强化学习算法结合起来呢?首先,我们可以通过使用以上下文(经验)为输入的编码器网络 q(z|c) 推断出后验信念的变分近似。 为了保持可操作性,我们将后验部分表示为一个高斯函数 (Gaussian)。 对于强化学习算法的智能体,我们选择在 Soft Actor-Critic(SAC)的基础上建模,因为它具有当前最佳的性能和样本效率。 信念状态中的样本传递给 actor、critic,以便他们能够根据样本任务进行预测。 然后元训练过程包括学习推导给定上下文的后验 q(z|c),并根据给定的 z 优化训练 actor 和 critic。 编码器则是使用 critic 的梯度渐变优化(因此 q(z|c) 表示 Q 函数上的分布),以及信息瓶颈也是如此。 出现这种瓶颈是派生出变分下界的结果,但这也可以直观地将其解释为上下文和 z 之间信息的最小化,这样 z 就包含了预测状态-动作值所需的最小化的信息。 关于这个方案需要注意的一点是,为训练 actor 和 critic 而取样的一批数据与上下文的一批数据会分离。 直观而言,这是有用的:通过明确表示任务的信念状态,智能体将任务推断与控制分离,并且可以使用完全不同的数据源来学习每个任务。 这与 MAML 和 RL2 等方法形成了鲜明对比,它们将任务推理和控制结合在一起,因此必须同时使用一批数据。 而事实也证明这种分离对于异步策略元训练很重要。 究其原因,我们可以想到,目前的元学习预测基于的假设是:训练和测试阶段应保持一致。 例如,在测试时进行新动物物种分类任务的元学习智能体,应该接受在包括动物在内的类分布上进行训练。 而强化学习中与此类似的是,如果在测试时智能体通过收集同步策略数据来进行调整,那么它也应该使用策略上的数据进行训练。 因此,在训练期间使用异步策略数据则会给分布带来变化,从而破坏了这一基本假设。 在 PEARL 中,我们可以通过对同步策略数据进行上下文采样,同时将异步策略数据用于 actor-critic 的训练,来减小这一分布的变化,并大规模使用异步策略数据。 彼时,该算法的一部分仍然是抽象的编码器体系结构。 回顾下,这个编码器的工作是在上下文中(由状态、动作、奖励和下一个状态组成的一组转换)进行,并在潜在的上下文变量上生成高斯后验参数。 虽然递归神经网络在这里看似是一个明智的选择,但我们注意到,Markov 的属性意味着可以在不考虑它们在轨迹中顺序的情况下对这些转换进行编码。 基于这一观察,我们采用了一个具有排列不变性、可以独立地预测每个转换的高斯因子的编码器,并让这些因子相乘构成后验采样。 与 RNN 相比,该体系结构在优化方面更快、更稳定,并且可以适应更大规模的上下文。 准备充分后,PEARL 怎么工作? 我们使用 MuJoCo 模拟器在六个基准连续控制域上对 PEARL 进行了测试,该模拟器在不同任务之间有不同的奖励或动态功能。 例如,对于 Ant 智能体,不同的任务对应着在 2D 平面上为不同目标位置导航;而对于 Walker 智能体来说,任务对应于其关节的不同参数和其他物理参数。 我们将 PEARL 与三种最先进的元强化学习算法进行了比较,即 ProMP、MAML 和 RL2。 结果如下图所示,其中蓝色曲线代表 PEARL 的结果。 需要注意的是,x 轴的单位(呈对数比例)。 该方法通过在元训练过程中利用异步策略数据,将样本效率全面提高了 20-100 倍,并且它的最终表现往往也优于基线。 在稀疏的奖励域,有效的探索尤其重要。 试想一个点机器人,它必须对半圆上的不同目标位置导航,并且只有定位到目标位置的小半径范围内(可在蓝色区域观察到)才会获得奖励。 通过对目标位置的不同假设进行采样并随后更新其信念状态,智能体可以进行有效地探索,直到找到目标位置。 我们通过对 PEARL 与 MAESN 进行比较,MAESN 就是我们前面讨论到的通过潜在变量生成的元学习探索策略,最终发现 PEARL 不仅在元训练中具有更高的采样效率,还能更有效地进行探索。 点机器人利用后验采样来探索和找到稀疏奖励设置中的目标 未来发展方向 虽然元学习为智能体如何快速适应新的场景提供了一个可能的解决方案,但它同时也产生了更多的问题!例如,元训练任务从何而来?它们必须手动设计,还是可以自动生成的?虽然元学习从本质上来说是偶然的,但现实世界是一个持续不断的、永无止境的变化流程——智能体如何处理一直随时间变化的任务?设计奖励函数非常困难——相反地,我们能否在元强化学习算法中同时利用二进制反馈、偏好和展示?我们认为 PEARL 中贝叶斯推理方面的研究能够为解决其中一些问题带来一个新的视角;同时我们也相信,PEARL 在学习异步策略上的能力是实现在现实系统中规模化应用元强化学习的的第一步。
如何构建一个学习型组织论文
(1)彼得·圣吉的“圣吉模型”彼得·圣吉在他的著作《第五项修炼》中提出了创建学习型组织的五项技术——自我超越,改善心智模式,建立共同愿景,团队学习和系统思考。 “五项修炼”,被管理学界称为建立学习型组织的“圣吉模型”。 根据彼得·圣吉的理论,学习不仅仅是人为达到追求最佳业绩目标服务的技术手段,更重要的是学习可以最终帮助人获得生命的价值,享受生命的意义,甚至可以说工作业绩的取得不过是人在享受生命意义进程中的副产品。 学习型组织理论就是试图以学习和激励的方式,让人们在工作中通过自我超越的创造过程,来实现生命的价值。 彼得·圣吉认为,学习型组织的创建,仅靠增加学习时间和学习内容,或开展几项学习活动是不能实现的,只有通过组织成员内心的信念和对生命的领悟来实现。 彼得·圣吉模型是目前最为流行的思想,也是至今对这一问题研究最为深刻、最有成果的理论。 彼得·圣吉在对组织进行研究的过程中发现,“在许多团体中,每个成员的智商都在120以上,而整体智商却在62”,之所以如此,是因为“组织的智障妨碍了组织的学习与成长,使组织被一种看不见的巨大力量侵蚀,甚至吞没了”。 如何使这些组织成为学习型组织,并获得持久的竞争优势,彼得·圣吉认为必须进行五项修炼。 在五项修炼中,彼得·圣吉把系统思考视为核心能力。 他认为如果一个组织能努力进行这五项修炼,就能引导人们在组织的各个层次都致力于学习,从而使组织最终脱胎换骨成为学习型组织。 除了上述“五项修炼”之外,彼得·圣吉等在1994年出版的《第五项修炼·实践篇》一书中提出了“学习型组织构架”的概念。 圣吉认为,建立学习型组织犹如盖一所房子,首先必须备齐建房所需的材料;其次要有适当的工具,使建筑师可以设计图纸,工匠们可以开展工作;然后,你必须有“主见”,要把房子建成什么样?如何实现你的设想?等等。 最后,是大家一起动手,把房子建起来。 没有设计师的工作这一切都无法开始。 因此,“构架”作为实际工作的“壳”,具有举足轻重的作用。 同样道理,建立学习型组织的实际工作也必须先有明确、清晰的“构架”——包括“指导观念”、“基础设施创新”与“理论、方法和工具”等三部分。 同时,圣吉等指出,出色的团队中存在一个深层次的学习循环:在其中,团队成员学会了新的技巧与能力,随着能力的增长,意识与情感也发生了变化;慢慢地,人们会用另一种眼光去看去感受世界,新的信念与假设开始形成,使得人们能进一步发展出新的技巧与能力。 彼得·圣吉提出的这一构架为人们实际操作提供了重要的指导作用。 事实上,它可以与深层次团队学习循环结合起来使用。 构架代表了大部分实际工作,而学习循环表示了看不见的学习修炼。 因此,人们可把主要工作放在三角中,但不要忘记:变化的核心在于看不见的学习修炼之中。 二者相互作用,相互影响,共同推动组织向着学习型组织迈进。 (2)约翰·瑞定的“第四种模型”约翰·瑞定主要从战略规划理论的角度,分析组织学习的各种模式及学习型企业的基本特点,提出了被称为“第四种模型”的学习型组织理论。 它有四个基本特点,即“持续准备——不断计划——即兴推行——行动学习”。 简单来说,约翰·瑞定模式认为,任何企业的运行都包括准备、计划、推行三个阶段,而学习型企业不应该是先学习而后实施准备、计划和推行。 学习与工作是不可分割的,学习型组织强调的是在行动中学习,强调边学习边准备、边学习边计划、边学习边推行。 学习贯穿准备、计划和实施的每一个阶段,是“全过程学习”,即学习必须贯穿于组织系统运行的整个过程之中。 约翰·瑞定认为组织的未来生存能力取决于组织能否实现系统的快速变革。 根据实施变革的不同运行机制,他提出了三种变革模型:第一种是强调“计划”的模型。 在这一模型中,高层管理人员的计划能力至关重要,它与传统的命令——控制型管理模型相一致。 第二种是强调“执行计划”的模型。 此种模型下的运行机制是“计划——执行计划”,即在计划阶段更加强调与中层经理的沟通,以保证变革计划的顺利推行。 第三种模型强调变革前的一系列“准备”工作,运行机制为“准备——计划——实施”。 这一模型注重变革前的一系列准备工作,基本前提是准备工作的充分与否,决定组织变革的成败。 在三种变革模型的基础上,约翰·瑞定提出了“第四种模型”,即“学习型组织”。 它有四个基本要点:①持续准备:组织始终处于持续的准备阶段,它并不针对某项特定的变革项目,而是广泛地关注组织与环境的协调,不断对经营行为提出质疑,时时为变革做准备,使组织在多变的环境中能随时应对各种挑战。 ②不断计划:在学习型组织中,计划是开放的、灵活的。 这就是说计划是不断修订的,战略方向是灵活开放的。 同时,计划的制定是广泛地征询了参与计划实施的一线员工的意见。 ③即兴推行:学习型组织在推行变革计划的过程中,并不要求员工按部就班,而是鼓励员工充分发挥潜力,采用“即兴创作”的原则,创造性地实施变革计划。 ④行动学习:学习型组织不是通过一年一度的评估体系来衡量变革的成败,而是通过各种途径随时检验变革行动,并及时做出反应,从而调整组织的行动策略,提高变革效益,加快变革速度。 行动学习贯穿变革准备、计划和实施的每一个阶段。 学习型组织通过持续准备、不断计划和即兴实施,完成一次又一次的变革,同时又在为下一次变革做准备。 学习型组织就是这样循环不断地获得创新发展,这也是约翰·瑞定眼中学习型组织的生命力之所在。 (3)鲍尔·沃尔纳的“五阶段”模式鲍尔·沃尔纳以实证研究法,对许多企业的教育和培训活动进行深入的观察与分析,提出了创建学习型组织的“五阶段”模式。 他认为,企业学习活动的发展一般经历五个阶段。 第一阶段,是无意识学习阶段。 在这一阶段,组织本身尚处于初级发展阶段,组织中的学习活动一般是自发的、非正规的,组织也还没有安排学习项目的意识。 第二阶段,是消费性学习阶段。 随着企业自身的发展和竞争的加剧,一方面,组织内部仍然存在着不正规的学习活动,另一方面,组织出资选送部分员工到企业外的教育部门进修学习。 第三阶段,组织开始有意识地在内部开发适合自己特定需要的学习项目,并建立相应的学习基地来推动成员的教育培训工作,但这一阶段的学习活动与企业长期发展战略之间尚缺乏明确的联系。 第四阶段,组织已把学习纳入日常工作中,培训课程的设计开发趋于成熟,无论是组织内部开发的课程还是请外部专家设计的课程,都更富创造性,并立足满足组织的特定需要。 同时组织还建立了一系列的相应标准,作为衡量成员各类技能水平的指标。 在这一阶段,组织学习开始进入高级阶段,与企业组织的发展战略与经营目标紧密地结合在一起了。 尽管如此,组织学习与日常工作之间相互脱节的现象仍时有发生,学习更多地表现为培训部门的职责,而不是各部门主管的职责,这也在一定程度上限制了组织的学习能力。 第五阶段,学习与工作完全融合。 首先,学习已经完全渗透于组织管理系统中,成为各级主管、工作团队、员工个人和人力资源开发部门的共同职责;第二,工作与学习已经不可分割地联系在一起,学习是新的工作形式,学习成为人们乐意做的事而不是必须做的事;第三,组织建立了绩效反馈机制,这一机制成为组织学习的重要支柱,组织内各层,包括个人、工作团队和组织整体可以根据各种信息及时纠正或改进组织行为;第四,工作团队的管理方式以自治为主。 团队成员之间互相学习,协同并进,不断地改进工作。 在这种管理方式下,主管的作用不再是控制和解决问题,而是鼓励和促进员工自己解决问题,取得满意的结果。 (4)迈克尔·马奎特的“学习型组织系统”模式美国乔治华盛顿大学的人力资源教授迈克尔·马奎特博士在研究全球100多家顶级学习型组织,分析无数学习型组织相关文章与书籍之后,1997年提出了“学习型组织系统”模型。 这一模型包括五个子系统,即学习、组织、人员、知识和技术子系统。 这些子系统彼此相关,相互支撑,共同聚力,促进组织学习的发生和发展。 其中:学习子系统包含学习的层次、类型和技能。 就学习层次来说,包括个人学习、团队学习和组织学习三个互不相同却又互相关联的层次。 就学习类型来说,包括适应型学习、预见型学习和行为型学习三种。 学习技能包括系统思考、心智模式、自我超越、自主学习和对话。 组织子系统包括公司愿景、文化、战略和组织结构。 在学习型组织中,组织结构是流线型的、无边界的、扁平状的结构,有利于最大限度地促进组织内外的联系,唤醒每个成员的责任感,实现协同作战。 人员子系统则把整个业务链上的利益相关者包括领导、员工、顾客、合作伙伴、供应商以及社区等,都视为学习型组织不可忽视的重要角色,促进所有群体的学习。 知识子系统对组织获取和产生的知识进行管理,它包括知识的获取、创造、存储、分析、转移、应用和确认六个要素,这些要素是持续的、相互关联的。 技术子系统则显示技术如何提高学习和知识管理的速度与效果,由支持学习和信息访问与交换的支持性技术网络及信息工具所组成,包括知识技能、电子工具和先进的手段如仿真技术、网络会议等。 根据这一模式,组织不仅需要从资金上支持员工学习,而且必须找到将学习和组织方方面面的生活系统地整合起来的方法。 这其中学习子系统是核心子系统,它涵盖个人、团队和组织三个层面,包括系统思考、心智模式、自我超越以及自主学习对话技巧。 其他四个子系统也是强化与增加组织学习的质量和效率所必需的。 这些子系统共同构建起了一个保证组织学习与成功的坚实的架构。 (5)邱昭良的“组织学习鱼”模型我国学者邱昭良在考察国内外学者关于创建学习型组织各种模型的基础上,根据中国国情提出了“组织学习鱼”模型。 邱昭良认为创建“学习型组织”是一项系统工程,由四部分组成,它们分别是观念、组织学习机制、组织学习促进与保障机制以及行动。 这四部分共同构成一个有机整体,其形状恰似一条鱼,因此称为“组织学习鱼”。 邱昭良认为只要能让各部分协调配置,就可以顺利克服各种学习障碍,使企业成功迈向学习型组织。
免责声明:本文转载或采集自网络,版权归原作者所有。本网站刊发此文旨在传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及版权、内容等问题,请联系本网,我们将在第一时间删除。同时,本网站不对所刊发内容的准确性、真实性、完整性、及时性、原创性等进行保证,请读者仅作参考,并请自行核实相关内容。对于因使用或依赖本文内容所产生的任何直接或间接损失,本网站不承担任何责任。