《为什么伟大不能被计划》 朱步冲解读

《为什么伟大不能被计划》| 朱步冲解读

你好，欢迎每天听本书。今天我要为你讲述的书，是肯尼斯·斯坦利与乔尔·雷曼撰写的《为什么伟大不能被计划》，副标题是：“对创意、创新和创造的自由探索”。

光听这两位作者，斯坦利和雷曼的名字，你可能会感到陌生，但是如果说到他们所在的公司，那么你可能就会感到肃然起敬。他们两个，都是OpenAI的研究员。大家都知道，2022年11月，OpenAI推出了大名鼎鼎的人工智能语言训练模型ChatGPT，能够以流畅自然，近乎人类水平的语言来完成问题回答、文本翻译、信息总结，甚至文稿写作等高难度任务，而斯坦利和雷曼，就是ChatGPT研发团队的核心科学家。

从某种意义上说，这本《为什么伟大不能被计划》，可以被看作是雷曼和斯坦利，对自己技术探索和创新方法论的总结与升华。不过，雷曼和斯坦利想要谈的，并不是自己在研发ChatGPT时的经验之道，甚至也不是人工智能技术的发展之道，而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，非常具有颠覆与前瞻性。所以我们今天，特地把它推荐给你。

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：科研人员首先设定一个目标，然后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，攀上胜利的高峰。然而，事实果真如此吗？出乎意料的是，两位作者在本书一开头就告诉你，这个观点，是错的，而且是大错特错。

斯坦利和雷曼说，自己在常年从事人工智能算法优化研究中，领悟到了一个真理：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。例如，迄今为止，最新一个由顶层设计，目标先行，且最终获得成功的大型科技创新项目，是20世纪六七十年代美国政府主导的阿波罗登月计划，此后再无类似的案例。 换句话说，任何创新和突破，都不像登山，也就是按照既定路线，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。

当然，在科学创新的领域里，所谓“价值连城”并不总是意味着能够立刻能转化成经济效益。斯坦利和雷曼解释说，在科学探索中，任何理论、解决方案，乃至材料或者技术的价值，往往是和它的“新奇性”挂钩的，所谓“新奇才是王道”。

被誉为“硅谷教父”的天才程序员，风险投资人保罗·格雷厄姆就说，在高科技领域，优秀的研究，不一定是好的，但一定是新的；而优秀的产品设计，不一定是新的，但必须是好的。只有使用全新的创意和理论，才会涌现革命性的产品，解决那些前人无法解决的难题。

为什么这样说呢？因为新奇性意味着，我们认知边界的拓展，更多的新信息，让我们原有的认知结构得以升级、复杂化。最终，在这种看似漫无目的的科研“探宝”中，必然衍生出突破人类原有水平，具备碾压迭代性的技术或者解决方案。

说到这里，我相信你已经对本书的内容产生了一定的兴趣和期待，那么接下来，我就分两个部分，为你讲述本书的主要内容：首先，我们来看看，为什么说在科技前沿领域，详尽的目标和过分具体的计划，反而会妨碍突破与创新。其次，我们再沿着斯坦利和雷曼的思路，来看看，在技术飞速发展、跨领域研究蔚然成风的今天，怎样才能实现突破与创新。

首先，我们就来看看，为什么作者斯坦利和雷曼说，在高科技的探索中，设立明确的目标，并不是一个有效的方法，反而会窄化探索者的搜索领域，提供错误的思路和前进方向。

在日常学习和工作中，我们不断被告知，有了目标，我们才会有动力和使命感。所谓“谋定而后动”，通过设定和拆分最终目标，我们才能制定出细化而精确的行动与学习方案，日拱一卒，不断提高和升级自我。不仅如此，大家也都相信，小到企业、各种组织机构，大到社会、国家，乃至整个生物界与自然环境，它们的存在与发展，也是为了某种设定好的终极目标，比如生存，与升级进化；而一旦失去目标，无论作为个体的人或者生物，或者作为整体集合的社会，或者自然，就会陷入停滞、混乱与迷茫。

当然啦，斯坦利和雷曼说，这种目标本位主义，从常规来说，是合理有效的。但是，在进展飞速，充斥着高风险性和不确定性的科学、技术创新，甚至艺术领域，“目标本位主义”里的很多法则，就失效了。

为什么会出现这种情况呢？斯坦利和雷曼说，那些高大上的目标，由于非常复杂，涉及的信息变量太多，而现有的技术和理论又由于水平所限，无法立刻拿出一套可行的实现与解决方案，所以那种想象中，明确的行动路线图，是没办法画出来的。斯坦利和雷曼说，实际上，人类前沿技术科学的突破，倒像是某种探宝行动：我们要在一个巨大、黑暗，结构复杂，放满了物件的房间，或者沼泽地里慢慢探索。而我们渴望的那个成果或者奖励，很可能就隐藏在某个角落里，和一堆看似和它无关的东西放在一起：比如，有一堆，是火的使用、轮子、弓箭等等，是人类早期进入农业定居文明所必需的技术，而远处，则是个人电脑、光纤等人类进入信息时代所必需的技术，诸如此类。我们必须在黑暗中慢慢摸索前进，做出标记，得知哪些地方是探索过的已知空间，而哪些区域尚未探索。如果是沼泽地，我们还要找到那些帮助我们继续前进的踏脚石，以便达到更远的地方；甚至，在这些星罗棋布，分散在各处的宝藏物件里，很多物件之间也存在密切的联系，你只有发现了A，才会得到宝贵的线索，了解B或者C在哪里。

在这种情况下，你越是设定一个详细明确的目标，制定周密精确的方案，反而越无法达到目的。回顾人类技术发明史，就会发现太多“有心栽花花不开，无心插柳柳成荫”的案例：比如，日常使用的家电微波炉。我们一定会觉得，肯定有一家消费电子企业，或者某个发明家，想制造出一台方便快捷的食品加热器，然后就致力于发明一种耗能少，又安全的加热技术，最终选中了电磁波。但实际上，人类使用电磁波装置的历史，要比我们使用微波炉的历史长得多：早在20世纪二三十年代，能够持续稳定发射电磁波的磁控管就被制造出来，用于雷达探测装置，并在二战中被不断改良，直到1946年，美国军工企业雷神的一位工程师斯宾塞，在雷达测试中，无意中发现自己兜里的巧克力，因为靠近设备太近而被熔化，这才意识到，电磁波还能有加热食物的妙用。

再比如，数据的存储，对于计算机的发展来说，至关重要。但实际上，最早发明，并把数据存储技术投入应用的，却是纺织工业。早在18世纪，有个法国机械师和发明家，叫沃康松，他就构思了一种能让提花机快速编织出图案复杂布料的发明：打孔卡片。由于布料上的图案，是由不同颜色纱线彼此叠压形成的，所以在此之前，要想让提花机编织出图案复杂的布料，需要有一个专门的绘图员，在机器旁边盯着，根据图案，手动控制不同颜色纱线叠压的方式，非常辛苦，效率还不高，所以图案复杂的布料产量低，价格昂贵。而打孔卡片的作用，就相当于原始的计算机控制程序。具体方案就是，一沓子打孔卡片，被放在提花机底板上，编织针运行时，遇到卡片上的小孔，就从孔洞里穿过去，挑起纱线，让垂直方向的其他纱线从下面穿过。所以，一组分别在不同位置打了孔的卡片，就能精确控制各个特定位置的编织针何时抬起，从而快速编织出图案复杂的布料。到了19世纪，“打孔卡片”引起了英国数学家巴贝奇的注意，他认为，打孔卡片既然能够“储存”布料的打印图案，肯定也能够记载复杂的数字计算模式，应用到早期的机械计算机上，让计算机按照程序进行复杂的数字运算。到了20世纪四五十年代，早期电子计算机问世之后，科学家又发现，可以把早期的电脑程序，翻译为一组二进制数字密码，再通过打孔卡片储存，运行时先让电脑读取，然后再运行。

所以你看，如果进行复盘的话，很多通向重大技术进步或者创新的所谓踏脚石，都是人类在其他看似无关领域进行探索时发现的。这些踏脚石诞生时的原初应用场景，也和最终那个高大上的目标毫无关系。斯坦利和雷曼甚至还提出了一个假设，经常读网络文学的人肯定听到之后不会感觉陌生：那就是，假如几个现代IT工程师和科学家集体穿越到古代，还能够召集一群当时最聪明的人，那么，他们是否能用“目标导向”模式，组建一个项目团队，造出一台计算机？答案肯定是不行的。表面上，项目组遇到的瓶颈是，建造计算机的基础设施和原材料，从电力、工业机床到纯净的硅，在远古时代压根无法得到，但深层理由是，古代人无法想象，制造这样一台机器，到底目的何在。很明显，只有当人类的经济和科学研究活动复杂到一定量级时，这些建造计算机相关的技术材料，才会出现；同时，人类也会意识到，需要一种具备超级计算和信息处理能力的机器。

不仅如此，过于具体但遥远的目标，还会具有极大的误导性，让我们走上一条错误的探索或者研究路径。在书中，斯坦利和雷曼就举了这样一个例子：假设你现在变成了一个造物主，手里有一颗环境和地球一模一样的星球，这里已经有了一些简单的单细胞生物，请问应该采取什么样的进化繁育策略，才能让这颗星球上诞生像人一样的高度智慧生物？

斯坦利和雷曼说，如果按照我们习惯的“目标本位”策略，那么我们的策略就应该是，坚持给所有的单细胞生物测智商，然后选择那些智商最高的进行配对繁衍。当然，听到这个逻辑正确，但实际荒诞的答案，所有人肯定会哈哈大笑。如果我们从生物神经科学角度拆解一下智慧的本质，和生物演化的过程，就会发现，高度智慧生物的诞生，压根不是自然演化的目标，充其量只是演化过程中的一个“副产品”。

首先，让我们来看下，智慧的本质是什么呢？生物学家、科普作家王立铭曾说，智慧，就是个体和环境互动的模式：通过捕捉信息、积累经验，再通过总结规律，改善应对的策略和技巧。说白了，智慧就是一种学习能力。从神经生物学角度讲，学习，就是生物体内的神经细胞之间，通过信号传递，产生了连接与共鸣。

那么对于地球早期生物来说，怎么提升学习效率呢？最便捷的方法就是，身体内有足够多的神经细胞开工，同时连接、提升单位时间内信息交流的总量。所以，多细胞组成的复杂生物，就要比单细胞生物具备碾压性的优势。不过，从单细胞演化为多细胞，背后的首要推力并不是要发展高级智慧，而是生存；这里面的理由很简单，在当时生物种类稀少、形态相似的情况下，谁的个头越大，被吃掉的风险也就越低，还可以成为位于食物链条顶端的捕食者。

同时，成为多细胞生物还有一个好处，体内各个细胞可以按照各自的专长分工，让自己所属的这个集体，同时可以处理很多任务，从运动、生殖到制造能量等等。

英国理论物理学家杰佛里·特纳，曾经写了一本《规模》，里面提出一个克莱伯定律，生物自身的体积和结构复杂程度越大，维持自身运转的能耗反而越小，具体来说，规模每扩大一倍，就会产生25%的节余， 所以说，生物为了更好地生存，就要提升自身结构的复杂度，实现规模效应；而随之诞生的高智慧生物，比如人类，只是这场沼泽探索中，意外找到的宝藏盲盒。用作者斯坦利和雷曼的话说，就是，自然演化中的竞争，并不是全方位的，每一种生物并不需要达到整体最优，完全可以在自己所处的局部生态中达到局部最优即可，甚至还可以通过偶然的突变，产生出属于自己的生态位。 所以，所有生物都具备了生存和繁衍这两个基本能力后，演化就变成了一场典型的“非目的性探索”。换句话说，当生物的演化，诞生出人类和其他哺乳动物这样的复杂形态的时候，各类生物之间的竞争，开始让它们各自在各自的生态位上开展局部竞争。跑不快又力气不大的人类，就演化出了复杂的大脑结构，来对抗其他动物。所以说，自然之所以能在演化过程中，创造出人类这样高度智慧的“另类”生物，恰恰是由于，它没有把“诞生人类级别大脑”，作为自己的目标。

同样的情况，在科学家训练人工智能的场景下也经常出现，诞生出无数令人哭笑不得的情况。

斯坦利和雷曼就举了一个自己进行人工智能训练的小案例：先设置一个平面迷宫，然后训练机器人顺利走出迷宫，到达出口。出乎意料的是，如果算法被设定成尽快到达出口，机器人反而进步迟缓，因为它总是遵循目标第一的原则，想规划一条最便捷的路线直达门口；而我们人类理解中的合理路线，都会被机器人判定为，在某些时刻远离了门口，背离了目标，所以是不正确的。这就导致机器人永远是一出发，就朝着出口方向猛冲，撞上迷宫中的墙壁。你看，通过这个小小的计算机试验，“目标至上，导致错误解决路径”这个道理，就被演示得清清楚楚。

那么如何实现创新和突破呢？斯坦利和雷曼说，首先要给自己的探索或者研究设置一个底层逻辑，那就是，尽量把它当做一种对有趣和新奇的探索；把我们的目光，从所谓的伟大、遥远的目标上暂时挪开，而转向我们身边可见范围内，可能埋藏的宝藏，和通向陌生区域的踏脚石。

说到这里有人可能要问了，追求新奇性，听起来既漫无目的，又很难把控，由这种原则来指导科学研究或者技术创新，真的靠谱吗？斯坦利和雷曼就说，别担心，首先，探索未知，是人类持续进化、文明发展背后的最基础推力，即使最终失败，我们追求新理论和解决方案的努力，也会比循规蹈矩地沿着既定方案进行探索，更能获得宝贵的经验与数据。

为了证明这一点，斯坦利和雷曼就在书中讲述了一个他们做过的人工智能虚拟实验，实验的目的是让一个拥有人类一样双腿的机器人，最终学会行走。这两位程序员为机器人编写的算法中，优先目标并不是尽快能够双腿行走，而是尽可能让机器人用自己的双腿做出一些新奇的动作。出乎意料的是，当设定的算法是鼓励机器人做出新奇性行为时，它学会走路所用的时间，远远少于目标被设置为尽快学会行走的时候。这是为什么呢？原来啊，如果机器人被设置为“尽快学会行走”，那么在算法逻辑里，摔倒就是一件坏事，机器人会努力避免摔倒，但同时也限制了它对各种行走姿态的试错；但如果是以新奇性动作为优先目标，那么机器人一开始会以各种姿势花式摔跟头，但在这个过程中，它逐渐学会了踢腿、摆动身体，而这两个动作，正是实现双腿行走的基础。

甚至有时候，科研人员纯粹出于找乐的“玩闹”行为，也能促成意想不到的技术变革：比如，号称将引领下一次工业革命的3D打印技术。1995年，还在麻省理工学院当研究生的吉姆·布莱特和自己的朋友安德森，被导师拉进课题组，研究如何改良一款混凝土喷射机的喷嘴。但是，布莱特发现，喷嘴总是堵塞，估计是混凝土配方有问题，可这事儿又不归自己管，那为什么不用喷嘴来搞点有趣的东西呢？于是，他和安德森从杂货店搞来了各种材料，从糖霜、蛋糕粉到奶酪碎，然后把这些材料喷射出去，形成固体，然后他们又灵机一动，把喷嘴和打印机连起来，就能“打印”出各种各样的立体字母。最终，这个革命性的发明获得了麻省理工学院的专利和700万美元的启动资金。

甚至，在一个创意或者革新还不能确定具体应用场景，甚至功能还不完全的时候，那些有敏锐眼光的探索者，也会从直觉中感受到，这是一块意义重大的踏脚石，将把自己的认知边界大大推进。比如，我们刚才提到过的硅谷教父格雷厄姆，他曾经主持过世界上第一个互联网应用程序Viaweb的开发。格雷厄姆说，对于一个天才程序员，或者黑客来说，哪怕写出来的程序只有一部分能够跑起来，那就说明它还有希望，值得继续投入精力改进。实际上，在程序编写中，很多灵感是在边写边构思中产生的，如果你执着于做一个完美的方案和计划，而不着手开工，那么你将和许多本来可以诞生的妙点子失之交臂。当Viaweb刚刚诞生的时候，那些上门的风险投资人总是问格雷厄姆，你们未来半年的计划是什么？格雷厄姆的回答往往都是，没有具体计划，但我们会对程序做出任何能够想到的最佳改进。

在斯坦利和雷曼看来，在今天这个技术飞速进步，各个科技领域交叉融合，综合创新的年代里，最有可能做出重大发现，出成绩的，是那些兴趣广泛、嗅觉灵敏，始终对新事物、新理论抱有开放心态的“寻宝者”。他们往往一专多能，在自己感兴趣的领域中不断探索未知，持续漫游，为自己和后来者构建了一块又一块踏脚石，留下自己“到此一游”的标记，最终在意想不到的技术或者时间节点做出了重大突破。 格雷厄姆，就是一个典型的“寻宝者”，尽管他更愿意以“海盗”自称。格雷厄姆在康奈尔大学学的是哲学，但深刻感觉自己应该从事和技术相关，直接改变世界的东西。于是，它就在研究生时代去了哈佛大学计算机系，可当他真正开始学习编程和人工智能理论的时候，心有旁骛的格雷厄姆又迷上了视觉艺术，利用假期，开始在著名的罗德岛艺术学院学习绘画。格雷厄姆总结说，自己同时涉猎多个领域，带来的好处是一种融会贯通的“大局观”。比如绘画和编程，其实在底层逻辑上是相通的：都需要有洞察力、精确性，从用户需求出发，具有美感，但同时又具备开放性，可以随时修改优化。

不过，斯坦利和雷曼在书里提醒我们：那些科学史上看似“灵光一现”“神来之笔”的创新突破，从来不是偶然性的，只是因为当事人在漫长艰辛的探索中，已经发现了无数块踏脚石，在不知不觉之中，距离这个神秘宝藏只有一步之遥。例如，即使牛顿与苹果的故事真的存在，那也只能说明，苹果落地，是引领牛顿创造万有引力定律的最后一块踏脚石。在此之前，牛顿已经在数学与天体物理领域进行了多年的潜心研究。苹果落地这个现象，无数人目睹过，但只有牛顿能够把它与天体之间的引力作用联系起来；归根结底，这是源于牛顿在长年研究中形成的敏锐观察力和开放心态。

好了，这本《为什么伟大不能被计划》的大致内容，就为你介绍到这里。两位作者，斯坦利和雷曼，可以说是大道至简，没有使用太多人工智能专业术语，甚至没有摆任何一个数学公式，而是用风趣而平实的语言，为我们展示了一幅截然不同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。

在本书中，斯坦利和雷曼花了相当大的篇幅，和许多科学创新史上的真实案例，来证明，在高技术领域，“唯目标主义”会带来视野狭窄、方法路径错误等种种弊端。过度强调“目标导向”，在两位作者深耕的人工智能技术领域，表现得尤为突出，例如，究竟存在不存在一种通用普适性的人工智能解决方案？在理解人类语言时，是让人工智能发挥现有算法的优势，利用越来越庞大的数据库进行深度学习？还是走截然相反的路子，尝试人工智能像人类那样思考，理解各种语言概念背后的逻辑关系？似乎在肉眼可见的未来，这些问题暂时还不会有明确的答案。

同时，斯坦利和雷曼还对今天美国高科技企业创新体制中的一些弊端，提出了自己的意见。他们认为，对于“迅速实现某个具体技术创新”，以及尽快盈利的执念，正在让一度充满活力的美国高新技术产业陷入歧途：一方面，是暂时无法产生直接效用，但可能会引发重大突破的“踏脚石”技术，得不到重视和资助；但另一方面，则是许多“看上去很美”，但远未成熟，应用场景不明确的技术，由于资本的助推热炒，迅速泡沫化。虽然斯坦利和雷曼的批判，是着眼于美国，但其中的某些观点，也值得今天发展中的中国借鉴：所谓“只要大量地投入资金，就能可靠地产出特定研究领域的根本突破”，这个策略已经被证明存在严重的风险与不确定性；反过来说，无特定目标的探索漫游貌似不可取，但却符合科学探索的本质。

所以，斯坦利和雷曼，借助本书，向所有准备探索未知世界，推进技术前沿的人发出呼吁，不要盲目地把目光投向远方，而是要关注你身边，脚下的每一块踏脚石；虽然它们只能暂时导向另一块，但我们要相信，正是由这些踏脚石连接而成的创新链，才是通向伟大的发现之地的正确路径。

以上，就是这本书的精华内容。此外，你可以点击音频下方的“文稿”，查收我们为你准备的全文和脑图。你还可以点击右上角的“分享”按钮，把这本书免费分享给你的朋友，恭喜你，又听完了一本书。

划重点

1. 在科学探索中，任何理论、解决方案，乃至材料或者技术的价值，往往是和它的“新奇性”挂钩的，所谓“新奇才是王道”。

2. 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。