【基本介绍】

《为什么伟大不能被计划》，作者【美】 肯尼斯·斯坦利、乔尔·雷曼，译者彭相珍，中译出版社2023年4月出版，16.3万字。

两位作者都是OpenAI的研究员，是ChatGPT研发团队的核心科学家。

《为什么伟大不能被计划》，副标题“对创意、创新和创造的自由探索”。此书讲的是在这个科技飞速发展的新时代，如何实现创新与突破的底层逻辑。两位作者为我们展示了一幅与常识相悖的技术创新图景与方法论：不要拘泥于目标，不要死板地设定具体方案，以兴趣为持久动力，以漫游寻宝为心态，才是抵达伟大与成功彼岸的底层逻辑。

在我们的常识里，科学技术的创新研究遵循着这样一种线性逻辑：科研人员先设定一个目标，再通过理论假设与试验，一步步地排除谬误，向目标挺进，最终排除万难，取得胜利。而作者认为，在现代科学技术领域，真正伟大的突破，都不是事先精心计划的结果。任何创新和突破，都不像登山，按照既定路线，向着一个清晰可见的目标挺进；而是如同在一片迷雾重重的沼泽地里寻宝——目标未知，路线不定。寻宝者的任务，是在寻找一个个的踏脚石立足点，努力探索尽量大的区域，再看看探索过的区域里，都有哪些价值连城的小玩意。

本书分为两部分11章：

第一部分（1-9章）逐步提出了反对“目标神话”的主要论点，并为“目标神话”在生活和社会的一些领域造成的损害，提供了通俗易懂的证据。各章的主题分别是：对目标的质疑、无目标者的胜利、繁育艺术的艺术、目标是错误的指南针、有趣和新奇的探索、寻宝者万岁、解开禁锢教育的枷锁、解开禁锢创新的枷锁、彻底告别对目标的幻想。

第二部分（10-11章）作者附上了生物学、人工智能等特定科学领域的案例研究，重新诠释自然进化、目标和人工智能领域的探索，进一步打破了“目标神话”。

【撷取摘要】

1.

我们的文化对“目标”一词根深蒂固的好感，所以我们都被教过这么一个道理：只要目标明确，努力和付出必有回报。设定目标、努力实现目标，并在过程中衡量进展，已经成为我们追求成功的主要途径。

或许在某些时候，“目标”能为我们提供生活的意义或方向，但它同样限制了我们的自由，成为禁锢我们探索欲望的牢笼。目标论导致我们只关注终点的收获和风景，而忽视了每一条探索道路本身的特殊性和独特性价值。尤其当我们面对的所谓的“高大上”的目标的时候。

如果我们在寻找目标，那么我们必定是在某些范围内找出目标，这个范围可以被称为“搜索空间”，即所有具备可能性事物的集合。但伟大目标的实现，是彻底的未知数。对于几乎所有“高大上”的目标而言，这种不可预测性是必然的。

考察科技史时，你会发现伟大的创造几乎都是由一些谁也想不到的人，在谁也没计划的领域中做出来的。比如，比尔·盖茨迎合极客打游戏的需求普及了个人电脑；硅谷的一个车库里诞生了谷歌；埃隆·马斯克起家是在网上支付领域，最后却推出了SpaceX和特斯拉。有时候，实现“宏图大志”的最佳方法，便是“不刻意追求某个特定志向”。因为越是刻意追求，越是事与愿违。

目标是我们的文化支柱，但也是限制潜能的樊笼。所以现在是时候突破限制，去探索外面的世界了。

2.

近三分之二的成年人将他们职业选择的某些因素归因于偶然性。

作者发现，很多成功故事的共同点是，大获成功的人，都偏离了最初的职业道路，无论这些道路是由他们自己还是其他人规划的；不知何故，原本看似正确的目标，最终变成了通往截然不同的职业目标的踏脚石。

要预测什么道路可以通往最令人满意的结果，本身就很困难。与生活中所有的开放式问题一样，通往成功的踏脚石，往往是未知的。因此，我们在进入一个充满不确定性的世界时，不时地顺应偶然性，遵从它的指引，也不见得是坏事。对未知的机会秉持开放和灵活的态度，有时候比明确地知道自己要做什么更重要。

成功的关键在于，我们要对一个不断变化的环境保持开放态度。

人生的所有事情，并非都需要一个客观的目标。每个人都有权追随人生的激情所在，即使它们偏离了最初的计划，或与最初的目标相冲突。因为改变方向的勇气，有时也会带来意想不到的丰厚回报。

3.

为什么目标的设定往往带来很多害处，而非预想的好处？

作者认为，目标是错误的指南针。

从某种意义上说，人类面临的现状是：我们被放逐在未知的踏脚石上，只能依赖人类头脑的洞察力作为指引。尽管人类的智慧是一种强大的搜索力量，但不管我们如何聪慧，都很难看到一步之外的未来。

我们这里谈论的“目标”都是高层次的远大目标。如果你距离目标只有一块踏脚石的距离，那么设置并遵循目标依然是有意义的。

4.

作者对“为什么伟大不能被计划”这个问题的解释，来自于一个AI算法。

比如，让纸面上的机器人走出迷宫、想让一个三维空间中的机器人学会直立行走，应该怎么做？直觉上的做法是先设定AI算法的演化目标，在演化的每一步都进行筛选，接近目标就加分，否则就淘汰。但实验结果表明这个做法效果并不好。

2008年，肯尼斯和乔尔发明了“新奇性搜索”算法。这种算法会随机生成一组解决方案，通过评估新奇性并保留新奇性比较高的方案，从而像生物演化一样发生一定的变异，如此往复循环，直到达到预定的迭代次数或者将问题彻底解决。

这个算法在迭代过程中完全不考虑一个方案是否有利于接近目标。哪怕这个方案是往墙上撞，或者一站起来就跌倒。产出的方案再怪异、再不靠谱也没关系，只要是新奇的就留下，只问新不新，不问好不好。然而各种实验都证明，这种方法找出来的方案最能解决问题，它能最快找到迷宫的走法、能让机器人最快学会直立行走。

5.

在新奇性搜索运行时，作者发现信息收集器正在按由简到繁的顺序收集信息，并表现出明显的非目标特性。

我们要担心新奇性搜索最终会永远地被困在毫无意义的行为之中，找不到任何有意义的出口吗？不。我们有充分的理由相信，我们不需要目标的约束来避免无意义的浪费。物理世界自身就提供了很多约束。新奇性搜索不会考虑许多可以想象但无法实现的行为（例如人类依赖自身的躯体飞行），因为它们是不可能的。

世界的物理特性限制了新奇性搜索能考虑的所有行为，这一想法也解释了新奇性搜索积累世界信息的趋势：真正成为下一步行为的踏脚石的那些行为，必须尊重现实世界运作的方式和规律。

简而言之，创造新奇事物的最佳方式，是利用世界真正运作的方式，并据此积累有关信息。

6

新奇性本身是否应该被称为一个目标？作者给出的答案是不应该。

如果我们试图用“目标”概括所有类型的发现和探索过程，就必须将新奇性视为一个目标，就需要我们扭曲自己的逻辑，以尽可能地套用传统的、以目标为导向的思维方式。

但事实上，首先，新奇性与目标有着本质的不同。在探索新奇事物的过程中，你成为什么或实现什么，永远不是你的目标。

其次，如果我们能仔细思考“新奇性是如何从简单走和复杂的”这一问题，那么就会发现，搜索新奇性的整个过程，与追求传统目标的实现，两者之间存在本质性区别。目标是驱动成功的老式引擎，而新奇性则是不同的东西。

为此，让我们时刻牢记目标与新奇性这两个不同术语的差异，而不是将二者混为一谈。

7.

我们重复了40次新奇性搜索的迷宫实验，机器人在39次实验中找到了终点；而40次基于目标的迷宫实验中，机器人只成功了3次。

这个实验有着坚实的基础，并遵循了本书迄今为止一直在强调的逻辑，即只关注目标会导致欺骗性结局。看似离目标更近的机器人，实际上经常会走进死胡同，这些死胡同与通往真正解决方案的正确路径相去甚远。

在迷宫里探索的机器人，在没有尝试走出迷宫的情况下，反而学会了走出迷宫的方法；双足机器人在不试图学会行走的情况下，反而走得最远。

新奇性搜索带来的经验看起来是在不刻意寻找目标的时候，找到“目标”反而更容易。换句话说，当你不担心如何解决问题，而是真正采取行动时，反而能够解决更多问题。

8.

新奇性搜索并不总是能够帮助我们找到想要的东西。我们可以找出一些问题，在所有可能的答案中漫无目的地搜索，但最终却找不到解决办法。生活中这种情况很常见。

这种可能的失败说明，我们不能对新奇性搜索抱有过高的期望。尽管其有效性有时可能高于追求特定目标的搜索法，但它并不是解决所有问题的“万金油”。

有人提出，新奇性搜索不过是强调避免“将所有鸡蛋都放在一个篮子里”。换句话说，在寻求目标实现的时候，我们需要保持多样化的思维。

要理解这种“保持多样性思维”的方式，可以将其想象为在赛马场上赌马。即便是最优秀的马，也无法赢得每一场比赛，所以最好的下注方法，就是同时下注几匹马，而非单押一匹“常胜将军”。

这就导致了一种折衷想法的出现，“将以目标为导向的探索和新奇性搜索相结合，说不定会更有效”。

可是，作者告诉我们：我们只是需要更深层次的多样性（但仍专注于整体目标的追求）这一想法本质上是错误的。它的问题在于否认了目标不可逃避的缺陷——从欺骗性角度看，目标在本质上就是一个错误的指南针。如果你在前行的过程中使用坏的指南针，那么无论你多么努力地尝试偏离其指向，还是会受其影响而继续朝着错误的方向前进。与其保留一个错误的指南针，不如早早将其丢弃。

9.

在机器人走迷宫和双足机器人学习行走的实验中，新奇性搜索的确更好地解决了问题，但这并不意味着它永远有效。

我们只能面对一个严峻的事实：没有任何方法，能够确保我们可靠地实现特定的目标。

非目标搜索的重要启示是：其参与者并不遵循“达成共识，朝着特定目标前进”的初衷。相反，用户们的探索潜力得以释放，朝着不同方向发散，并在彼此的创造基础上继续发展。

非目标搜索更重要启示是：它是一位实力强大的寻宝者。在漫无目标的新奇性搜索中，你不一定能找到心中想要的宝藏，反而可能发现许多意料之外的宝藏，这将使整个过程充满惊喜。

10.

当社会对进步的追求被打包为一种措施进行衡量时，就会产生目标驱动效应。如果目标十分“高大上”，那么提升目标表现的驱动力很可能产生欺骗性，反而阻碍了人们发现最佳结果的能力。比如，GDP，学习/考试成绩。

基于目标导向型思维给教育领域带来了长期伤害：对精准测量的错误信任、对“一刀切”的统一标准的追求。事实上，与其采用不同的评估标准，不如将教学组织成一场致力于寻找最佳的教育方法的“大型寻宝活动”。

只有在目标相对平凡的情况下，衡量标准才是有用的，共识也是如此。

在科学的未知领域，专家们的意见应该保持分歧和发散状态。如果你的目标，就是寻求一个趋于获得普遍认同的想法，那么共识当然是一个值得称赞的盟友。达成共识对特定类型的决策而言是有意义的，但对于创造性的探索却不适用。

比如，在提案评审时，评审员群体越是认同提案的优秀性，机构提供资助的概率就越大。然而问题在于，共识往往是通往成功的踏脚石的最大障碍。非目标搜索不鼓励人们最终走上同一条路或抵达同一个目的地，只有在这种情况下，有趣的想法才能吸引资源和资金。

解决不同人群在喜好上的分歧，往往会导致相互对立的踏脚石之间彼此妥协，就好像将对比鲜明的黑白两色混合到一起，最终只会产生了寡淡的灰色。这种妥协的产物，最终往往只会冲淡两个原始理念的色彩。此时，整个系统不是让每个人去发现自己的踏脚石链，而是将各种不同的意见压缩成一个四平八稳的平均值。

11.

“想要成功，反而不要以成功为目标；只需要做你喜欢和相信的事情，成功就会自然而然地到来。”——大卫·弗罗斯特（David Frost）

探索的目的地变得未知，我们必须放下对最终目的地的执念。

当我们站在可能性的边界眺望未知的世界时，目标就成了一座名不副实的灯塔。但趣味性则不同，趣味为我们规划了一片道路网络，引导我们从一处藏宝地前往另一处。

成功的发明家会问的是，我们能够从这里走到哪里，而不是我们如何能够抵达遥远的那里。

如果目的地本就不存在，那么所谓的正确道路也不应该存在。

作为寻宝者，我们的兴趣在于收集更多的踏脚石，而不是到达某个特定的目的地。我们找到的踏脚石越多，就有越多的机会前往潜力更大的地方。

正是这类由一块又一块踏脚石连接而成的创新链，才能把最伟大的成就变为可能。

12.

生物进化是独特的，因其能不断地推陈出新，就像一台永动机。不同于自行车这类“死物”，如果你把“生命进化”搁在那儿一百万年，它完全可以自行衍化出一整套全新的生态系统。

大多数接受过科学教育的人都会说，生存和繁衍是进化的目标。但这一观点是有问题的，因为生存和繁衍在进化开始时就已经完成了，即先得有地球上第一枚细胞的成功生存以及顺利繁衍，生命的进化之路才能随之开启，这就好比手里攥着车钥匙还在继续找它，有些“骑驴找驴”似的犯蠢。搜索到某物，通常标志着目标的实现，而非搜索过程的开始。

从根本上说，从目标的角度解读生物进化，严重忽略了一个事实，即进化最有趣的产物，只是其为实现“生物的高度适应性”这一目标过程中产生的一种副产品而已。一种更可靠的说法便是，作为进化产物的生命多样性才是进化过程的核心，而非其副产品。

有趣的是，自然进化并不是通过竞争来获得生物多样性，而是通过避免竞争。特别是某一生物如果能以一种新方式谋得生存，那便是成功找到了自己的专属生态位。因为它会成为第一个以这种新方式生存的生物，所以作为此道开山者，竞争不会太激烈，繁衍也会更容易。

正如人类的某些重大发现有时是不可预测的，偶然性在自然进化中也起着关键作用，尤其是通过基因突变的形式。从某种意义上说，生物“百花齐放”的多样性，并不是来源于自然选择，而是自然选择的忽视。事实上，正如生物学家迈克尔·林奇（Michael Lynch）所强调的那样，自然选择的干预越少，源于基因漂变的性状也就越稳定。

进化的创造性是逃避竞争后的产物，而非竞争的产物。要想进化出富有特色的物种，进化的竞争性就不能压过创造性的驱动力，这才是关键。重要的是，在自然进化中，生存和繁衍这两项任务，是一种普遍存在而又开放的约束，其允许了不同的生存和繁衍方式。各类物种的不同生活方式，是通过进化的创造性力量实现的，包括建立新生态位来逃避竞争，也是由进化的创造性来驱动的。

自然进化可以被视为具有局部竞争特点的新奇性生成搜索。进化中的竞争不是全方位的。换句话说，单个个体并不会“以寡敌众”，与其他所有生物都较上劲。全方位竞争，强调的是发掘“整体最优”；评判一个生物的标准，是将其与其他所有生物进行比较。局部竞争会在生物自身的生态位内，不断对其进行“雕琢”和“调校”。它推动了新生态位的建立，继而避免了竞争。全方位竞争自然趋向于“归一”，而局部竞争自然而然地促进了进化的多样性和创造性。

13.

“唯一不会抑制进步的原则是：一切顺其自然。”——保罗·费耶阿本德（Paul Feyerabend）《反对方法》

人工智能领域通行两个主要的启发式方法，①实验派启发式方法，它遵循的经验法则是：一个算法的潜力和前景，取决于其在实验中的表现。换句话说，一个值得进一步探索的算法，在基准任务中的表现，一定要优于现有算法。②定理派启发式方法。根据此法，如果一种算法能够被证明具有理想的属性，那么它就是最好的算法。这种方法背后的逻辑类似于售卖汽车零部件时随附的质保凭证，即通过数学验证，证明算法在理论上具备可靠和可预测的性能。

在人工智能领域，我们要举全“社区”之力，而它必须是一个不存在目标驱动型“把关人”的“社区”。

【写在最后】

1.

阅读此书，我最强烈的一个感受是：天马行空的想象力、无中生有的创造力是多么重要。

2.

书中提出了很多颠覆性的观点，比如，伟大不能被计划；目标是错误的指南针；求新就是求好，出奇就是出色，有趣就是有戏；多样性不是竞争的产物，是逃避竞争的产物......

比如，在第10章中，作者重新诠释了自然进化，进而提出非目标性思考的一个核心观点是，虽然可以把进化看作一场竞争，但“形成新生态位以逃避竞争”要比“在生存和繁衍这两个目标上，胜过其他生物”更为重要。这就是生物多样性保持增长的方式，也是自然进化总体上趋向于“多元化”而非“趋同化”的原因。

书中也提出了很多让人深思的问题。比如，书中讲到肯尼斯和乔尔炮轰了美国的科研和教育体制，认为其太过强调目标和计划，正在制造平庸。那么，我们是不是需要减少一些竞争，取消无谓的考核，用减少内卷换取增加多样性，用自由发展取代顶层设计，营建更宽松的环境……

而作者提出的一个更有意思、更值得深思的问题是：人工智能程序的目标，可能是帮助机器人学习如何穿越迷宫。由于人工智能领域本身自带很强的目标导向性，也许终有一天，人工智能研究人员也会不可避免地陷入目标本身导致的陷阱。

3.

此书不仅是科学读本，也有哲学思考。

新奇性搜索算法不预设具体目标，但是它有价值观的指引，这个价值观就是新奇和有趣。只要你每次都选择更新奇和更有趣的方向，你就不会是平凡的。

伟大不是目标指引的结果，因为通往伟大的路线从来都不是直线，很多时候快反而就是慢——没有特殊目标，每次只是选择下一块踏脚石，你反而能找到珍宝。

个人的成长也是如此。很多成功者并没有长远的规划，都是先做过一些事情，发现自己更感兴趣的是什么，并为之转行，从而找到为其带来巨大成功的职业。

在阅读过程中，特别是在阅读第一部分第4-9章时，我竟时常有种错觉，难道我不是在读一本哲学书吗？