為什么偉大的創(chuàng)新不能被計劃

萬維鋼

1

創(chuàng)新，是一件神奇的事情。一些取得偉大成就的發(fā)明家并非比同行更勤奮、更努力，而是他們經常能撿到意外的寶藏。

近期全球最令人矚目的重大創(chuàng)新事件是生成式人工智能模型ChatGPT的誕生。它由OpenAI（開放式人工智能公司）研發(fā)，但在最初并未得到特別關注。

OpenAI的四位創(chuàng)始人都是三四十歲的年紀，首席執(zhí)行官山姆·阿爾特曼在斯坦福大學學過計算機專業(yè)，中途退學；首席技術官米拉·穆拉蒂是一位年輕女性，父母是阿爾巴尼亞移民；總裁格雷格·布羅克曼上過哈佛大學和麻省理工學院，但最終都退學了；首席科學家伊利亞·蘇茨科弗原本是俄羅斯人，小時候跟隨父母移民到以色列，后又移民到加拿大，最后才到美國。

兩個沒有學位的美國人和兩個外國移民，領著幾十名研發(fā)人員組成了一家小公司，采用了一條當初包括谷歌在內的大公司都不看好的技術路線，做出了最令人震撼的科技產品。這樣的事情是可以被計劃的嗎？

2

為什么偉大的創(chuàng)新不能被計劃？肯尼斯·斯坦利和喬爾·雷曼的《為什么偉大不能被計劃》一書，算是把這個問題徹底講明白了。他們對這個問題的回答，來自一個AI算法。

比如，你想要從一些簡單的線條出發(fā)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，你應該怎么做呢？

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。但實踐中這個做法的效果并不好。

肯尼斯和喬爾發(fā)明的算法叫作“新奇性搜索算法”。這種算法會隨機生成一組解決方案，通過評估新奇性并保留新奇性比較高的方案，從而使方案像生物演化一樣發(fā)生一定的變異，如此循環(huán)往復，直至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于接近目標，哪怕產出的方案再怪異、再不靠譜也沒關系，只要是新奇的就保留。然而各種實驗都證明，用這種方法找出來的方案最能解決問題。它能生成最好看的圖片，能以最快的速度找到走出迷宮的方法，能讓機器人在最短時間內學會直立行走。這是為什么呢？

3

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后還要新的，出來的就一定是更復雜的方案。復雜意味著掌握更多的信息，也就更容易解決問題。

更重要的原因是，新方案是通往更新方案的“墊腳石”。這就如同你在一片沼澤地里尋寶，必須踩到更多的墊腳石才能探索更多的地方，你必須探索很多地方才更有可能找到你要的東西。

以教機器人直立行走為例。如果你一開始就聚焦于“直立行走”，你就會刻意避免讓機器人摔倒的方案。可恰恰是這些讓機器人摔倒的方案能教會機器人踢腿！學踢腿，自然容易摔倒。可是不踢腿，怎么會行走呢？

對新奇性搜索算法來說，機器人從“不會摔倒”到“會摔倒”，絕對是一件大好事。機器人會的越多就意味著越高級，就有更多機會將直立行走這項技能收入囊中。

求新確保了探索范圍的寬廣，好東西也會隨之而來。考察科技發(fā)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(fā)展出來的。

萊特兄弟發(fā)明飛機，最早依靠的是自行車技術——此前無數人想要發(fā)明飛機，誰也沒想到首先飛上天的是“自行車制造商”；微波技術本來是用于驅動雷達磁控管的一項技術，意外成就了微波爐；第一臺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(fā)明的。

偉大不是目標指引的結果，因為通往偉大的路線不都是直線，很多時候慢就是快——每次只是選擇下一塊墊腳石，你反而能找到珍寶。

4

這可不是說人生就應該漫無目的、隨波逐流。新奇性搜索算法雖然不預設具體目標，但是它有價值觀的指引，這個價值觀就是新奇和有趣。

比如一個孩子，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。但是孩子很快就會發(fā)現打游戲比看電視有趣多了，于是他會把精力轉移到打游戲上來。只要眼界夠高，他遲早會發(fā)現世界上還有很多比打游戲更新奇、更有趣的東西。

沒錯，真正能把追求新奇和有趣堅持到底的，都不是一般人。他們始終能看見下一塊墊腳石，而成就和實用性早晚會隨之而來。

如果你一開始就認準了要得到一個什么樣的珍寶，你反而很難得到這個珍寶；最終得到珍寶的人，只是一直在尋找下一塊墊腳石，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。

（摘自中譯出版社《為什么偉大不能被計劃）