為什麼偉大不能被計劃：無目標者的勝利（簡體書）

"這本書是作者科學研究蹦出的意外火花，這一新發現反而並不是直接回饋於他們本身所處的人工智能領域，而是“無心插柳”收穫了對人類約定俗稱思維方式的全新顛覆：他們在“雙足機器人學走路”實驗中發現，讓機器人學會走路，更好的算法不是直接教它如何走路，而是命令它不斷嘗試新奇的姿勢，摔跤、踢踢腿再站起來。只要機器人不重複以往的摔倒方式，當窮盡了所有錯誤動作之後，瀟灑地走路反而是其唯一自然而然的結果了。這種“新奇探索”研究打破了人類世界延續多年、難以撼動的依靠目標和計劃成事的文化基因，真正開啟了人類偉大創新的驚喜之旅。作者他們在學校、TED、科研論壇等場合公開演講，讓這一新思維方式影響並激勵了許多人。他們自身也憑藉寫入本書的“尋寶者思維”“腳踏石模型”等具體思維方法，在人工智能研發領域取得了飛躍式的突破和進展，產生了GPT-3,ChatGPT等惠於人類的偉大創造。
特別是，AIGC所代表的人工智能意志不會完全被人類所選擇的“目標”所束縛。所以，在這樣時代，人們原本熟知的“系統”和“框架”概念正在急速過時，需要以廢棄傳統的目標設計為前提。未來只能屬￿那些敢於突破“目標”幻想和掙脫“目標”幻覺枷鎖的人。
正如作者自序中所說，我們知道，今天的中國已經蓄勢待發，做好了在許多領域和事業中取得長足進步的準備，其商業環境和生活中的競爭往往十分激烈，實現真正的創新儘管頗具挑戰性，但其回報也豐厚無比。因此，隨著中國逐步向“全球創新中心”的方向轉型，本書提供的經驗和教訓（即關於這種創新的道路有多麼地反直覺）或能恰逢其時地提供一些裨益。無論“目標反而會阻礙成就達成”這一令人驚訝的結果，最終是否會影響你如何看待個人生活或職業生涯的方式，我們都希望它能幫你增添一項有價值的、全新的思考維度。"

[美]肯尼斯·斯坦利（Kenneth Stanley），全球創新思維和前沿科技領域的代表性專家、人工智能科學家，OpenAI（開放式人工智能公司）研究員。他曾任中佛羅里達大學教授，深耕機器學習領域，發表了80多篇專業論文，其中數10篇獲得了論文獎，並經常受邀在世界各地發表演講。他還曾是Uber（優步）人工智能實驗室的創始成員，在行業內具有卓著的影響力。

 

[美]喬爾·雷曼（Joel Lehman），全球知名的人工智能科學家，OpenAI研究員。他也曾是Uber人工智能實驗室的創始成員，目前在OpenAI做“大型語言模型（大模型） 演進算法”方面的研究，聚焦的領域包括人工智能安全、強化學習和開放式搜索算法。2022年，喬爾所率領的研究團隊發表了一篇“神奇”的論文，首度揭秘了OpenAI的一項研究：大模型自己學習、自己寫代碼，然後自己“調教”出了一個智能體機器人——“成精了！”這也揭示了大模型的代碼生成能力已足夠影響智能體的進化，而這一進展反過來也能增強大模型的生成能力。這篇論文當時在科技圈和創投圈都曾引發爆炸式討論。

近，喬爾還發表了一篇名為《機器之愛》的有趣論文。

 

他們二人都是當下火爆全球的智能語音機器人ChatGPT的核心研發科學家。

 

想要深刻領悟人工智能和ChatGPT的奧義，你需要讀一讀這本《為什麼偉大不能被計劃》。兩位OpenAI研究院將用豐富的實例為我們徐徐展開人工智能的秘密。

工作中遇到瓶頸，想要尋找突破，你需要讀一讀《為什麼偉大不能被計劃》。這本書將揭示一個秘密，即藝術和科學等領域中偉大的發現，需要遵循好奇心，即一塊塊踏腳石。

苦於無法如期實現自己的人生的規劃時，你需要讀一讀《為什麼偉大不能被計劃》。本書將通過智能機器人、生物進化、人類傑出藝術作品的例子告訴讀者，目標可能根本不存在，只是一種模糊的感覺而已。

 ------------------

人類正處於信息和知識大爆炸，以及人工智能主導科技革命持續加速的歷史階段，傳統的線性和基於經驗的思維模式被全面解構，預測動態和多維的平行世界發展趨勢幾乎沒有可能。特別是AIGC所代表的人工智能意志不會完全被人類選擇的“目標”所束縛。所以，在這樣時代，人們原本熟知的“系統”和“框架”概念正在急速過時，任何偉大的成功只能發生在“小概率”領域，需要以廢棄傳統的目標設計為前提。未來只能屬於那些敢於突破“目標”幻想和掙脫“目標”幻覺枷鎖的人。本書的核心價值體現在如下的顛覆性理念——無目標者的勝利。

——朱嘉明著名經濟學家、橫琴新區數鏈數字金融研究院學術與技術委員會主席

 

 

對於大多數人而言，日常生活中一個又一個的小目標有利於我們取得進步。受此影響，我們也逐步將“樹立目標”刻入人類文化的脈絡中。但在本書看來，日常生活並不能與追求偉大相提並論，面對當下混沌複雜的研究背景，“目標神話”可能只會浪費時間、挫敗信心。因此，持久的創新活力需要自由探索的空間，真正的偉大也可以“從今晚十點鐘開始”。

— —王煜全海銀資本創始合夥人、“科技特訓營”主理人

 

遇到難題，一般的處理辦法是直接尋找對策。但科學界卻存在相反的規律：難題的解決之道不在於直接攻克，而是遵循對自然的好奇，使答案逐漸浮出水面。其實，很多領域的創新都是在求知路上的偶然所得，起初不帶有任何應用目的。肯尼斯和喬爾通過他們在人工智能領域的研究告訴我們：少些計劃、多些包容，或許能收穫更多“意外”的偉大發現。

——陳貴 中國科學家論壇主席、中國管理科學研究院商學院院長

 

現代社會生成了數不勝數的目標，但預設的和終實現的常有出入，甚至相去甚遠。人們也很少反思其中的原因。本書是人工智能領域的專家解碼之作。作者指出，執迷於設定目標及其衡量標準會限制行動空間，“謀大事”時容易遺漏不可或缺的“踏腳石”。因此，“悟道明志”重於“高大上”的目標陳述，開放思維和創新探索重於步步為營、中規中矩的衡量標準。讓我們一起閱讀，體驗“無招勝有招”的至高境界。

——林丹明 戰略經濟學家、廣東以色列理工學院副校長

 

跳出思維的束縛，跨越常規的梗阻；出其不意地提出問題，天馬行空地放飛思緒。本書由“對目標的質疑”起筆，以全新的思考維度、深邃的洞察力，系統闡釋了諸多頗具挑戰性的獨特觀點，特別是因應“高大上”目標的“踏腳石”理論。其中既融入了對理想、機緣和成功的別緻解說，也貫穿著對創意、創新和創造的自由探索，對我們個人成長、事業發展都深有啟迪、大有裨益。

——尹傳紅科普時報社社長、中國科普作家協會副理事長

 

 

肯尼斯和喬爾合著的這本書是一本絕妙的書。其核心思想是，多數人的工作方法是盯著一個明確的目標拼命鑽，但這種策略的重大缺陷是，現實世界的很多看上去幫你實現明確目標的路數有很大的欺騙性，往往適得其反，甚至衡量目標的標杆本身也有問題。作者建議：正確的策略是為了實現偉大的成就，我們必須願意對任何道路都保持一定的、開放的心態。好比在迷霧中走路，看不清遠處方向的時候，不斷地收集、積累各個方向的踏腳石，踩到一個踏腳石後就發現更多的踏腳石，自然而然地給自己更多的選擇和方向，從而走出一條原來無法想像的精彩的路。目標太具體、明確，反而可能限死了你的長期發展的空間。

——王川 獨立投資人、新浪微博@矽谷王川

第1章：對目標的質疑

第2章：無目標者的勝利

第3章：繁育藝術的藝術

第4章：目標是錯誤的指南針

第5章：有趣的和新奇的探索

第6章：尋寶者萬歲

第7章：解開禁錮教育的枷鎖

第8章：解開禁錮創新的枷鎖

第9章：徹底告別目標的幻想

第10章：案例研究1：重新詮釋自然進化

第11章：案例研究2：目標和人工智能領域的探索

參考文獻

推薦序

想像在某個平行宇宙中，你被任命為某國的科技部部長，你的任務是把該國科技發展水平提升至發達國家的水平。為此，你的助手給你提供了一份計劃:

選定若干個戰略方向，投入巨額研發資金；

選拔一批國內企業，各自設定明確研發目標；

組織秀的科研工作者和著名學者作為項目領軍人物，要求責任到人；

在每個方向上都安排至少三家公司，強化競爭；

定期考核，監督研發進度……

你躊躇滿志，但是內心多少有點不安。這樣的計劃能成功嗎？

這就回到一個問題：創新的邏輯是什麼？

 

創新，是一件神奇的事情。要知道，一些實現偉大成就的發明家並非比同行更勤奮、更努力，而是因為他們經常能撿到“意外的”寶藏。

近全球令人矚目的重大創新事件是一個生成式人工智能（Generative AI）模型ChatGPT的誕生。我認為這可能是工業革命以來了不起的發明之一，它由OpenAI（開放式人工智能公司）研發，且在初並未得到美國政府的特別關注。

OpenAI的四位領導人都是三四十歲的年紀，首席執行官山姆·阿爾特曼（Sam Altman）在斯坦福大學學過計算機專業，中途退學；首席技術官米拉·穆拉蒂（Mira Murati）是一位年輕女性，父母是阿爾巴尼亞移民；總裁格雷格·布羅克曼（Greg Brockman）上過哈佛大學和麻省理工學院，但終都退學了；首席科學家伊利亞·蘇茨科弗（Ilya Sutskever）原本是俄羅斯人，小時候跟隨父母先移民到以色列，後又移民到加拿大，後來到美國。

兩位沒有學位的美國人和兩位外國移民，領著幾十位研發人員組成了一家小公司，採用了一個當初包括谷歌在內的大公司都不看好的技術路線，搞出了震撼的科技。

這樣的事情是可以計劃的嗎？

幸虧當下創新不是由政府主導，像OpenAI這樣的小公司才有可能得到巨額的風險投資資金，才可以任性蠻幹，才有機會做出偉大的創新。

這可不是特例，這是常理。

當你考察科技史時，你會發現偉大的創造幾乎都是由一些誰也想不到的人，在誰也沒計劃的領域中做出來的。比爾·蓋茨迎合極客打遊戲的需求普及了個人電腦；矽谷的一個車庫裡誕生了谷歌；埃隆·馬斯克起家是在網上支付領域，後卻推出了SpaceX和特斯拉。

對比之下，那些由政府從上而下主持的大科研項目呢？

1971年，時任美國總統尼克鬆發起一場“癌症戰爭”，但貌似什麼都沒幹出來；1982年，日本通商產業省搞了一個為期10年的大項目，投入巨資，要研發第五代計算機系統，也是沒有突破出來。

歷史上似乎是一個由政府主導，且後獲得成功的大科技項目，就是時任美國總統肯尼迪為了跟蘇聯競爭而推動的載人登月計劃。它激勵了後來的各國政府，但仔細考察，彼時美國其實在很大程度上已經具備了相關科技能力——並不能稱得上是奇蹟。

如果路線已經近在眼前，你當然可以設立目標、制定計劃，多花點錢加速進行。但是真正的偉大突破是不能計
劃的。

這個道理並不是新認知，過去幾十年間幾乎所有關於科技創新的研究都是這麼說的——但是都沒有說服政策主
導者。

如果掌握了充足的資源，“無為而治”也並不容易。

所以我們確實需要進一步的解釋。為什麼偉大創新一定是意外所得？

 

肯尼斯·斯坦利（Kenneth Stanley）和喬爾·雷曼（Joel Lehman）的《為什麼偉大不能被計劃》（Why Greatness
Cannot Be Planned: The Myth of the Objective）一書，算是把這個問題徹底講明白了。兩位作者都是人工智能專家，而且都有在OpenAI工作的經驗，可謂當今科技領域的前沿人物。他們對於書名這個問題的解釋，來自一個AI算法。

比如，你想要從一些簡單線條出發，演化出好看的圖片，或者讓紙面上的機器人走出迷宮，又或者讓一個三維空間中的機器人學會直立行走，你應該怎麼做呢？

直覺上的做法是先設定AI算法的演化目標，在演化的每一步都進行篩選，接近目標就加分，否則就淘汰。但實驗中這個做法的效果並不好。

肯尼斯和喬爾發明的算法叫作“新奇性搜索”（Novel Search）算法，根據書中的描述，這是他們於2008年推出的。這種算法會隨機生成一組解決方案，通過評估新奇性並保留新奇性比較高的方案，從而像生物演化一樣發生一定的變異，如此往復循環，直到達到預定的迭代次數或者將問題徹底解決。

這個算法在迭代過程中完全不考慮一個方案是否有利於接近目標，哪怕這個方案是往牆上撞，或者一站起來就跌倒。產出的方案再怪異、再不靠譜也沒關係，只要是新奇的就留下——只問新不新，不問好不好。

然而各種實驗都證明，這種方法找出來的方案能解決問題。它能生成好看的圖片，能快找到迷宮的走法，能讓機器人快學會直立行走。這是為什麼呢？

一個原因便是求新就意味著求復雜。簡單的方案總是先出現，等你把簡單的方案都嘗試過之後還要新的，出來的就一定是更複雜的方案。複雜意味著掌握更多的信息，掌握信息多意味著更高級，也就更容易解決問題。

更重要的原因是，新方案是通往其他新方案的“踏腳石”（Stepping Stones）。這就如同你在一片沼澤地裡尋寶，必須踩到更多的踏腳石才能探索更多的地方，而你必須探索很多很多地方才更有可能找到好東西。

 

因此，如果你一開始就向著一個明確的目標努力，你就走不遠。目標會窄化你的探索範圍。對偉大事業來說，目標具有誤導性。

比如前面教機器人直立行走的例子。如果你一開始就一門心思想著直立行走，你就會刻意避免能讓機器人摔倒的方案。可是恰恰是那些會摔倒的方案教會了機器人踢腿！學踢腿，自然就容易摔倒；可是不踢腿，怎麼能會走呢？

而對新奇性搜索算法來說，機器人從“不會摔倒”到“會摔倒”，是大好事！機器人會的越來越多就意味著越來越高級，便自然會將會直立行走這項技能收入囊中。

求新確保了探索範圍寬廣，好東西也會隨之而來。考察科技發展史，好東西從來都不是按照某個目標刻意計劃出來的，而是一個接一個自動發展出來的。

萊特兄弟發明飛機，早用的是自行車技術——此前無數人曾經想要發明飛機，誰也沒想到首先飛上天的是“自行車”製造商；微波技術本來是用於驅動雷達磁控管的一個部件，意外成就了微波爐；台電子計算機用的是電子管，但電子管根本就不是為了計算機而發明的。

個人的成長也是如此。考察了不起的搖滾樂手、作家和企業家，他們幾乎都是半路出家。哈佛大學的托德·羅斯（Todd Rose）和奧吉·奧加斯（Ogi Ogas）所著的《成為黑馬》（Dark Horse: Achieving Success Through the Pursuit of Fulfillment）也講過類似的道理。書中的成功者並沒有長遠的規劃，都是先做過一些事情，發現自己更感興趣的是什麼，並為之轉行，從而找到為其帶來巨大成功的職業。

公司也是這樣。比如YouTube初的設想是一個視頻約會網站，後來發現人們喜歡在上面分享五花八門所有類型的視頻……

偉大不是目標指引的結果，因為通往偉大的路線從來都不是直線，很多時候快反而就是慢——沒有特殊目標，每次只是選擇下一塊踏腳石，你反而能找到珍寶。

*

請注意，這可不是說人生就應該漫無目地、隨波逐流。新奇性搜索算法不預設具體目標，但是它有價值觀的指引，這個價值觀就是新奇和有趣。只要你每次都選擇更新奇和更有趣的方向，你就不會是平凡的。

這就如同一個小孩，一開始覺得看電視很有趣，家長對此很不放心，認為是浪費時間。但是孩子不會一直覺得看電視有趣，他很快就會發現打遊戲比看電視有趣多了，於是他會把精力轉移到遊戲上來。而只要他眼界夠高，他遲早會發現世界上還有很多比打遊戲更新奇、更有趣的東西，比如自己編程、自己製作遊戲，後他會發現搞科研更新奇、更有趣……

沒錯，真正能把追求新奇、有趣堅持到底的，都不是一般人。他們不會在中途沉迷，始終能看見下一塊踏腳石，成就和實用性早晚會隨之而來。

如果你一開始就認准了想要得到一個什麼樣的珍寶，你就不會得到珍寶；終得到珍寶的人，只是一直在尋找下一塊踏腳石……他們得到的都是意想不到的珍寶。

求新就是求好，出奇就是出色，有趣就是有戲。

*

這些道理不符合普通人升職加薪的攻略，也與很多後發進取的國家發展經驗相悖。

這些國家在過去幾十年間經常講目標、談規劃，確實取得了偉大的成就。後發優勢使它們不用踩踏腳石就知道飛機、微波爐和計算機是怎麼回事兒，它們便可以確立明確的目標。這樣的發展方式速度雖快，但是也在無形中限制了它們——它們不太擅長尋找踏腳石。

如今，我們已經在很多科技領域進入無人區，前面沒有現成的路了，我們就必須自己尋找踏腳石。那種認准一個方向猛幹，不惜成本投入人力物力，指望大力出奇蹟的做法不是通往發達之路。中國經濟需要轉換到以“高技術高品牌顛覆創新”為主的高端發達模式，需要像新奇性搜索算法這樣的思想。

然而轉變是有條件的。要讓人們敢於追求新奇、有趣，起碼得有點餘閒和余錢才行。

肯尼斯和喬爾非常理解這些。他們甚至用算法演化的視角重新審視了生物進化，認為地球生物之所以有這麼繁華的多樣性，並不是像很多人想的那樣是因為自然選擇非常殘酷——而恰恰是因為自然選擇並不是很殘酷。物種競爭並不是全方位的，有時候你開闢一個新的生態位就可以暫時避免競爭。

多樣性不是競爭的產物，是逃避競爭的產物。

懂得這個道理，本篇序言一開頭提到的那個假設的部長，他要做的恰恰是減少一些競爭，取消無謂的考核，用減少內捲換取增加多樣性，用自由發展取代頂層設計，營建更寬鬆的環境……

*

然而這一切是如此反直覺，幾乎難以實現。

肯尼斯和喬爾炮轟了美國的科研和教育體制，認為其太過強調目標和計劃，正在製造平庸。過分尋求共識的評審機制讓真正新奇、有趣的項目很難拿到經費，全美國統一的教育標準和考試讓老師們紛紛內捲，不敢搞教學創新……

現實是，世界上只有很少的國家能成為發達國家，成為發達國家以後也不一定能一直發達下去。偉大，那是非常非常難的事情。推薦大家閱讀這本書，並從中找到自己的收穫。

 

科學作家、“得到”App《精英日課》專欄作者

萬維鋼

2023年4月