你有没有想过一个问题：为什么AI可以下赢围棋世界冠军，却不会系鞋带？

这个问题的答案，藏在一本被严重低估的书里——《为什么伟大不能被计划》（Why Greatness Cannot Be Planned）。作者Kenneth Stanley和Joel Lehman是OpenAI的前研究员，也是AI领域的顶级学者。

这本书的核心观点极其反常识：设定目标，是创新的敌人。

读完之后，我对AI、对创新、甚至对人生规划，都有了完全不同的理解。

目标函数的陷阱

这本书从一个AI实验开始讲起。Stanley和Lehman做了一个叫「Picbreeder」的网站，让用户通过「进化算法」来生成图片。用户可以从一组随机生成的图片中选择自己喜欢的，然后算法会基于用户的偏好「进化」出新的图片。

实验中发现了一个惊人的现象：那些最终进化出「蝴蝶」或「人脸」等复杂图案的用户，在中间步骤中选择的图片和最终目标毫无关系。 比如，一个用户最终得到了一个「外星人脸」，但他在中间步骤选择的是「模糊的斑点」和「奇怪的形状」——如果他一上来就奔着「人脸」去，他永远也到不了那里。

这就是「目标函数的陷阱」：当你给一个系统设定明确的目标，系统就会走最短路径——但最短路径往往不是通往真正伟大的路径。

为什么AI不会系鞋带？

回到开头的问题：为什么AI下围棋可以碾压人类，但不会系鞋带？

因为下围棋是一个「目标明确」的任务——赢棋。目标函数清晰，奖励信号明确，AI可以通过自我对弈不断优化策略。围棋是一个「封闭系统」，所有的可能性都在棋盘之内。

但系鞋带是一个「开放系统」——不同鞋子有不同的鞋带、不同的系法、不同的松紧要求。没有一个明确的「系鞋带目标函数」，AI就无从下手。

这解释了为什么AI在「封闭任务」上超越人类（围棋、象棋、蛋白质折叠、图像识别），但在「开放任务」上远远落后于人类（做饭、带孩子、修理水管、写一本真正原创的小说）。

创新的「踏脚石」理论

Stanley和Lehman提出了一个替代「目标驱动」的创新理论：「踏脚石」理论（Stepping Stones）。

创新的本质，不是朝着一个预设的目标前进，而是收集有趣的「踏脚石」——那些看起来有趣、有潜力、能打开新可能性的发现。 你不需要知道这些踏脚石最终会通向哪里，你只需要相信它们会带你到「有趣的地方」。

这不是「没有目标」，而是「不以具体的目标为唯一驱动」。

历史证明了这一点：

  • 爱因斯坦发现相对论，不是因为他在寻找「E=mc²」，而是因为他在思考「如果追上光速会怎样」这个有趣的问题
  • 青霉素的发现，是因为弗莱明在培养皿中意外发现了霉菌抑制细菌生长的现象——他的「目标」是研究细菌，不是发明抗生素
  • 万维网的发明，是因为蒂姆·伯纳斯-李想解决「不同计算机之间如何共享信息」这个有趣的问题，而不是「创建一个改变世界的互联网」

对AI开发者的启示

这本书对我的最大启发是关于AI开发的：

当前的主流AI范式是「目标驱动」的——给定一个数据集和损失函数，让模型不断优化。GPT-4的目标是「预测下一个Token」，AlphaGo的目标是「赢棋」。这种范式在「封闭任务」上极其有效。

但通往AGI（通用人工智能）的道路，可能不是「继续扩大模型规模、继续优化损失函数」这么简单。AGI需要的是「开放性探索」——在没有明确目标的情况下，探索和积累有趣的「认知踏脚石」。

这正是Stanley和Lehman在OpenAI正在做的事情：研究如何让AI在没有明确目标的情况下进行探索和创新。这可能是通往AGI的真正路径。

对人生的启示

这本书最后一章的观点让我沉默了很久：

「我们从小被教育要有目标：考上好大学、找到好工作、买房子、升职加薪。但人生中最美好的事物——爱情、友谊、灵感、顿悟——几乎都不是通过『设定目标、制定计划、严格执行』获得的。它们是在你探索、尝试、犯错、转弯的时候，突然出现在路边的。」

人生的「伟大」和AI的「伟大」一样，不能通过设定目标来计划。 你只能收集有趣的踏脚石，然后相信它们会带你到有趣的地方。

结尾

如果你只读一本关于创新的书，我推荐这本。如果你只读一本关于AI的书，我也推荐这本。如果你只读一本关于「如何过好这一生」的书，我依然推荐这本。

因为这三件事，本质上是一件事：如何在没有地图的情况下，到达你想象不到的地方。