书名：《为什么伟大不能被计划》
作者：肯尼斯·斯坦利 乔尔·雷曼
读完：2024-01-02 · 微信读书
这本书的论点是：越是远大的目标，越不能靠盯着目标去实现；更好的办法是收集“踏脚石”，追逐新奇和有趣的东西。书里讲三件事：目标为什么会误导人，踏脚石怎么起作用，以及量化指标和性能标准怎样筛掉了真正新的想法。
下面是我的划线，按主题整理。
一、目标是错误的指南针
我们不妨尝试一个思维实验，看看将目标思维应用于自然进化会发生什么。你可以把这个实验看成高中生物实验的终极挑战版。想象一下，你拿到一个地球大小的庞大培养皿，在这个培养皿中有一个单细胞生物，它相当于地球上最早的活细胞，所有其他生命形式，最终都需要从这个单细胞生物进化而来。你的实验目标，就是通过选择应该繁衍的生物体，以期进化出具有人类智能的生物体。该实验的基本逻辑是，通过你个人的选择取代自然选择，决定哪些生物可以繁衍。例如，你碰巧发现了一个看起来异常聪明的变形虫，就可以选择它进行繁殖，继而产出更多像它一样充满智慧的变形虫。当然，这听起来是一个艰巨的任务，但想一想，你拥有40亿年的时间来完成这个实验，难度是不是就降低了？
真正的激情才是驱使你成功致富的根本原因。
……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。问题是，“高大上”的目标与稀松平常的目标不同，实现这些远大目标的最佳方式就是忽略它们，而这种想法，似乎违背了常规的直觉和传统的智慧。更重要的是，它们似乎表明：人类探索未知的态度似乎存在本质的问题，人们惯用的方式似乎无法取得令人满意的结果。世界上最伟大的指南针（目标），反而有可能导致我们迷失方向，而一种神秘的、未知的方法（非目标探索），却令人惊讶地被证明是通往伟大的正确路径。每当出现新的证据，威胁到已被公认的智慧时，我们感到犹豫不决也很正常。不经过剧烈的斗争就无法放弃常规，这也是人的天性。尽管我们会下意识地选择为传统的智慧和现状辩护，但不确定性带来的好处则是无限的新机会。如果这个世界并不像我们想象的那样运作，那么也许转变思维，就可以让它真正运作的方式被我们捕捉到，并使其为我们所用。
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（书中引用）
在迈出至关重要的最后一步（彻底地摒弃目标）之前，我们要牢记，本书从头到尾讨论的对象，都是“高大上”的目标。每个心智正常的人，都不会建议彻底清除这世界上所有类型的目标。因此，许多目标驱动型工作，应该理所当然地持续进行，且本书并没有任何内容与之相矛盾：房屋仍应按照设计图建造；软件仍应按照既定规范设计；在你准备明天的晚餐时，继续按照食谱做也无妨。如果你设定了跑步锻炼的目标并坚持不辍，就能提高身体耐力，所有这些都是适度的目标，不是本书试图论证和辩驳的对象，因此也大可不必就此放弃。
二、踏脚石与新奇性
我们不妨将花在制定明确目标上的精力，转投到那些有希望引导我们实现某些伟大事业的踏脚石上，但这些踏脚石不一定准确地通往我们设定的目标
因此，我们或许可以换一种角度来看待探索未知这件事。与其担心我们想要去什么地方，不如将我们现在所处的位置，与我们曾经到过的位置进行比较。假如比较之后，我们发现自己身处一个新奇的位置，那么这个新奇的发现，未来或许会被证明是通往全新领域的踏脚石。尽管我们可能无法确定这些新领域是什么，但当前的踏脚石，成了探寻新发现的大门。
追逐新奇性意味着一种漫无目的的不确定性，我们怎么知道要去哪里？这其实就是关键所在，最伟大的创新过程之所以会成功，正是因为它们并不试图去往任何特定的地方。按照这个逻辑，我们需要放弃目标带来的虚假安全感，转而去拥抱未知的、疯狂的可能性。当然，我们仍然有理由担心，这种对新奇性的探索令人不踏实，甚至可能有点听天由命。它难道不就是纯粹地从一个新奇事物，跳转到另一个新奇事物吗？我们为什么要相信，这样一个随机的过程存在任何意义？
……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。
我告诉你：你必须接受自己内心的躁动不安与彷徨无措，因为它会使你成为一颗闪亮夺目的星。
——弗里德里希·尼采（书中引用）
为此，我们不应该把成功的潜力作为每个项目是否值得开展的评判标准，而是应该根据其催生其他项目的潜力来判断其价值。如果我们真的像寻宝者和踏脚石收集器一样行事，那么踏脚石唯一重要的功能，就是带来更多的踏脚石而已。
三、指标和性能，筛掉了有趣的东西
社会科学中众所周知的坎贝尔定律(Campbell’s law)：任何量化的社会指标，越是被用于社会决策，社会腐败的压力便越大，也就越容易扭曲和腐蚀它所要监测的社会进程。
目前的算法智能化水平与人类相差甚远，我们目前的探索行为好比本书第四章中提到的思维实验，即给细菌做智商测试，以期发展出接近人类的智力水平。我们不应该关心“超自然”算法是否比“老靠谱”算法好。相反，我们应该问“超自然”算法是否带来了新的超“超自然”算法，且后者可以沿着任何有趣的维度（不仅仅是性能）继续扩展衍生新的“超自然”算法。例如，超“超自然”可能会创造出比“超自然”算法看上去更像现实世界大脑的类脑结构，即使它的性能表现更差。我们应该仅仅因为其性能表现比较差，而放弃这个新的想法吗？人工智能研究领域的本质，毕竟是在进行搜索，而搜索的功能，则是发现新事物。实验派和定理派启发式方法，能找到的东西比较有限，因为它们筛掉了许多有趣的算法。
任何领域的真正专家都能以开放的心态思考问题，不需要通过僵化的启发式方法来做决定。全盘考虑一个全新的想法的所有细节是很困难的，这需要专注地付出精力和时间，但仍可能有很多微妙的地方容易被忽视，毕竟新的理念或想法可能难以完全被理解和消化
请我喝杯咖啡正如米勒早在1846年就意识到的那样，“假设踏脚石会与它们最终通往的地方表现得一样，这就是一个错误。”良好的性能表现并不是通往革命性性能表现的踏脚石，“理论保证”也不是通往“伟大启示”的踏脚石。如果很难想到除了争论性能或保证之外的其他选择，那么事实上还有许多其他重要的线索可供我们考虑：灵感、优雅、激发进一步创造力的潜力、发人深省的构造、对现状的挑战、新颖性、与自然的类比、美感、简捷性和创造力。所有这些对于一个新的算法或任何其他类型的新想法而言，都是可能的线索或判断标准，虽然它们可能缺乏目标性，但其说不定正是进一步解放人工智能领域以及许多其他领域的关键要素。任何人都可以说性能应该提高，但谁有勇气看到某一想法背后的美妙之处，而放下对其性能的关注？这样充满勇气的专家，必然是多多益善的。
