Runway CEO 把组织分成了两部分，知识寻求型（KSO）和优化寻求型组织（OSO）。
在特定行业（OSO）这种组织形式是必须的，比如一些低利润行业，有明确的流程和分工，相对固化。
但是在发展迅速、行业早期（KSO）组织会取得相对好的结果，这也是为什么 AI 领域大厂手握那么多资源，但取得的结果却跟自己的资源不匹配的原因。
他关于这两者的定义：
KSO 具有涌现性质 (emergent properties)，这种性质使其难以被完全编码化。它们的规则是从人与人之间的互动中逐渐演化而来的，没有任何单一因素占据主导地位。 #runway# #ai#
就像神经网络一样，组织中的人（以及整个组织）会随着新信息的到来调整他们的"权重 (weights)"，不断从外部世界中学习。
这些组织类似于非参数模型 (non-parametric models)，能够根据新数据灵活调整其复杂度。
OSO 致力于优化已知流程以提高效率。它们运作依赖于固定的规则和强烈的归纳偏好，就像一个具有强先验信息的模型。这类组织在成熟市场和答案明确的产品领域表现出色。
根据具体需求，这两种类型的组织都有其存在的必要性。KSO 通常倾向于培养分布式领导 (distributed leadership)，并重视学习相关的指标。而 OSO 则倾向于层级化的结构，更注重效率指标。
组织要么在答案明确、解决方案可预测的环境中蓬勃发展，要么通过允许系统特性从各部分的相互作用中自然涌现，从而追求创新和突破。
来源：x.com/c_valenzuelab/status/1846252923208323298
在特定行业（OSO）这种组织形式是必须的，比如一些低利润行业，有明确的流程和分工，相对固化。
但是在发展迅速、行业早期（KSO）组织会取得相对好的结果，这也是为什么 AI 领域大厂手握那么多资源，但取得的结果却跟自己的资源不匹配的原因。
他关于这两者的定义：
KSO 具有涌现性质 (emergent properties)，这种性质使其难以被完全编码化。它们的规则是从人与人之间的互动中逐渐演化而来的，没有任何单一因素占据主导地位。 #runway# #ai#
就像神经网络一样，组织中的人（以及整个组织）会随着新信息的到来调整他们的"权重 (weights)"，不断从外部世界中学习。
这些组织类似于非参数模型 (non-parametric models)，能够根据新数据灵活调整其复杂度。
OSO 致力于优化已知流程以提高效率。它们运作依赖于固定的规则和强烈的归纳偏好，就像一个具有强先验信息的模型。这类组织在成熟市场和答案明确的产品领域表现出色。
根据具体需求，这两种类型的组织都有其存在的必要性。KSO 通常倾向于培养分布式领导 (distributed leadership)，并重视学习相关的指标。而 OSO 则倾向于层级化的结构，更注重效率指标。
组织要么在答案明确、解决方案可预测的环境中蓬勃发展，要么通过允许系统特性从各部分的相互作用中自然涌现，从而追求创新和突破。
来源：x.com/c_valenzuelab/status/1846252923208323298
