《Why Greatness Cannot Be Planned: The Myth of the Objective》（暂译：《伟大无法被计划：目标的迷思》）由肯尼斯·奥斯汀·斯坦利（Kenneth O. Stanley）和乔尔·雷曼（Joel Lehman）于2015年合著。
两位作者为人工智能领域的研究者（现任职于OpenAI），他们在计算机科学中提出了一种新颖的”新奇性搜索”（Novelty Search）算法，并从中获得启发写就此书。本书挑战了一个习以为常的观念：伟大的成就是否真能通过明确设定目标并循序渐进地实现？
作者指出，”设定目标是成功的必要前提”这一根深蒂固却未经审视的信念，可能只是一种迷思。他们基于进化算法的实验和大量现实案例，批判传统的目标导向思维，主张以”新奇性”和”有趣”为指引来探索，由此引发了对创新与成功路径的深刻思考。
书名中的“目标的迷思”意味深长：在很多领域，我们奉行“以终为始”的原则，相信先确定明确目标再努力追寻才能取得伟大成就。然而，作者反其道而行之，指出许多重大突破并非源自对具体目标的不懈追求，反而是在无心插柳的探索中意外收获。
本书不仅结合了作者在人工智能和进化计算方面的研究（例如进化图片的平台 Picbreeder 实验），还延伸到教育、科学研究、商业创新等领域，探讨当我们不以目标为导向时，反而更容易达到常规手段无法企及的高度。这种观点与传统观念大相径庭，但作者通过丰富的论据和案例来支撑他们的论点，使读者重新审视目标在创造力和成就中的作用。
值得一提的是，“不要以目标为目标”这一反直觉理念并非毫无先例。在商业和科学领域，也有人提出过相似的观点：经济学家约翰·凯伊（John Kay）的“间接性”理论（Obliquity）就指出，在商业和科学中，往往当我们专注于其他事物时反而最容易实现最初的目标。
例如，许多卓越的企业并不是一开始就以利润为唯一目标，反而是热忱地追求产品和服务的极致，财务成功随后作为副产物出现。这样的思想与本书观点不谋而合，表明人们对于“目标至上”的怀疑在不同领域以不同形式存在。接下来，我们将深入解析本书核心思想，包括对目标导向方法的反思、“踏脚石”隐喻的意义、新奇性搜索的原理，以及这些理念在现实中的应用和启示。
目标导向思维的迷思：踏脚石与不可预测性
作者首先质疑了我们社会对“目标”的痴迷。从小到大，我们被教育要制定目标——考试要拿高分、职业要节节高升、人生要有规划。这种目标导向的思维几乎渗透在各行各业。
目标带给人安全感和方向感：有了明确的指标，我们仿佛就能以直线朝向成功迈进。但是，作者指出，这种过于依赖目标的做法其实可能限制我们的潜能。尤其是对于雄心勃勃的远大目标，过早锁定终点反而可能让我们看不到通往成功的真实道路。
书中用“踏脚石”（stepping stones）做比喻，形象地解释了为何明确目标有时反而成为障碍。想象我们站在一条大河边，河对岸笼罩在迷雾中，看不清终点，而河面上散落着许多踏脚石通向远方。
如果我们执着于直线朝向对岸的目标，可能会选择看似往前、实则死路的石头；有时正确的路线反而需要先横向甚至倒退一步。换言之，很多通往远大目标的中间步骤（踏脚石）在一开始看来与终点毫不相干。只有在不断探索中，我们才能一步步发现这些踏脚石如何串联起通往彼岸的道路。这也解释了为何许多重大突破的关键前提往往在当初看起来是无用或离题的：因为那些前提就是在无意中踩到的踏脚石，而不是按部就班规划出来的。
作者列举了一系列发人深省的例子来说明踏脚石的不可预测性。例如，真空管的发明最初只是用于无线电和电子领域，发明者并非抱着制造计算机的目的，但真空管后来却成为电子计算机诞生的关键一步。
又如，微波炉的出现源自雷达研究时偶然发现的现象——工程师注意到雷达设备融化了口袋中的巧克力，才启发了微波炉这一全新应用。再比如，航空史上飞机的诞生依赖于内燃机的出现，而发明内燃机的人当初并没有“我要造飞机”的目标。这些案例都揭示出一个规律：划时代创新的前置条件几乎都不是奔着那个终极创新去发明的。如果在真空管问世之前就制定“造出计算机”的目标，恐怕无从下手；5000年前聚集最聪明的人类去造计算机也是徒劳，因为电学知识等必要踏脚石尚不存在。由此可见，雄心勃勃的目标往往具有欺骗性——它会让我们忽视那些不起眼却至关重要的中间发现。
这一现象在人工智能的一个简单例子中也能看到：作者提到一个迷宫任务，如果让AI以“尽量接近出口”为目标来学习，它可能会走到离终点最近但实际上被墙堵死的地方，然后停滞不前。
因为在迷宫中，离目标更近不代表真正进展，有时必须先绕远路远离终点才能最终通关。这个“欺骗性目标”的例子（类似中国指夹“套指陷阱”：越直接用力拉反而越出不来）说明，对复杂问题而言，过于简单直接的进度指标会把我们引向歧途。作者断言，几乎所有有趣或困难的问题背后都潜伏着这种“迷惑性”（deception）。因此，一味以目标为导向，就像拿着失灵的指南针\*\*在探索未知——表针所指的方向并非真正通往成功之路，反倒可能南辕北辙。
综上，作者揭示了“目标导向迷思”的核心：越是重大的目标，其实现路径就越充满未知的踏脚石，事先规划反而可能遗漏正确的路。
伟大的成就常常带有“塞翁失马”的戏剧性——当事人并非沿着预定的目标直线前进，而是在探索过程中不断调整方向，甚至朝着看似无关的方向前进，最终意外抵达了远大目标。因此，我们需要质疑那种“先有明确目标再努力”的传统观念，尤其在涉及创新、科研等复杂领域时，或许执着目标反而成为一种束缚。
胜利往往眷顾“漫无目的”者：从偶然到必然
既然许多突破不是按计划得来的，那么那些“漫无目的”的探索为何会胜出？作者在书中用了大量真实人生的故事来说明：看似漫无目的的人生轨迹，往往通往出人意料的成功。这并非鼓吹靠运气，而是强调一种开放的心态和拥抱偶然性的策略。
例如，在职业规划方面，社会上充斥着各种职业测评、性格测试，指导人们找到适合自己的生涯目标。但作者指出，许多杰出人士的职业路径恰恰充满了偶然和偏离最初规划的转折。心理学家理查德·怀斯曼（Richard Wiseman）的实验很好地说明了过度聚焦目标的风险：实验中让被试在报纸上数照片张数，结果太专注任务的人反而错过了报纸里大号字体提示答案的广告，而心态放松的人更容易看到提示，从而更快完成任务。这个实验表明，过分专注目标会产生“隧道视野”，使人无视周边的机遇。相反，保持开放心态的人往往能捕捉到意外之财——换言之，机会总是垂青于愿意分心去看的那双眼睛。
书中举出多位名人的经历支持这一观点。例如，演员约翰尼·德普年轻时只醉心音乐，从未计划当演员，却因机缘巧合踏入影坛并大获成功。
畅销小说家约翰·格里沙姆原本当了十年律师，一次法庭经历激发了他写小说的灵感，法律生涯反而成为文学成功的踏脚石。村上春树在30岁前经营着爵士酒吧，从未想过写小说，却在乐声与人情中获得了丰厚素材。更极端的例子如雷蒙德·钱德勒45岁被解雇后才开始写侦探小说，终成大师；哲学家玛丽·米基利（Mary Midgley）直到50多岁才出版首部著作。这些案例的共同点在于：成功并非按照少年时代立下的目标达成，而是在生活的歧路上偶然发现了新方向。正因为当事人愿意接受“计划外的人生”，他们才能将不同领域的经验积淀转化为独特的优势。
这并不是说完全不需要努力或全靠运气，而是强调灵活转换方向的勇气和对有趣机遇的敏感。那些从头到尾按部就班遵循既定目标的人（典型的“完美规划者”）反而容易困于一种路径，不愿放手去追随新的灵感。
相形之下，有些所谓“看起来漫无目的的年轻人”，因为没有过早被单一目标束缚，反而有更大空间尝试不同的道路。一个著名例子是史蒂夫·乔布斯：他大学辍学后没有明确目标，却旁听了他感兴趣的课程，如书法课，结果这些“无用的爱好”后来成了苹果电脑字体设计的灵感来源。乔布斯在斯坦福演讲中谈到这段经历时说：“退学后我就不必上那些不感兴趣的必修课，可以随心旁听有意思的课”。正是这种随兴趣驱动的探索，使他日后能够“把点连成线”，将书法的美学应用于计算机界面，从而创造出麦金塔电脑优雅的字体和排版。
这些故事说明一个关键道理：预先设定的人生目标可能让我们拒绝偏离路线的机会，然而那些偏离恰恰可能是成功所需的踏脚石。
作者称这种开放探索为“乘风而行，拥抱塞伦迪皮蒂（Serendipity）”——塞伦迪皮蒂意指在偶然中发现有价值事物的能力。很多成功者并非严格执行计划表，而是在旅途中乐于尝试支路，善于从看似无关的经历中发掘价值。归根结底，生命充满复杂性和开放性，最有意义的目标往往隐藏在初看不相关的经历之后。正如一句戏谑所说：“如果你只寻求某样特定东西，找到的概率反而很低；若你敞开去找‘任何有价值的东西’，反而几乎注定能有所收获”。伟大的成就者往往不是执拗地追逐某个单一目标的人，而更像敏锐的“宝藏猎人”，一路上搜集各种有趣的线索，最后串成一条通往成功的链条。
“新奇性搜索”：另一种探索问题的范式
面对目标导向的弊端，作者并非提倡盲目瞎撞，而是提出了“新奇性搜索”\这一替代策略。新奇性搜索源自作者在人工智能领域的研究，它的核心思想是：不以预定目标为导向，而以探索行为本身的新颖有趣程度为驱动力。
简单来说，就是把“找和以前不一样的东西”当作前进方向，而不管这种新东西是不是直接朝向终点。这听起来很反常，但作者通过算法实验展示了它的威力。
首先来看看经典的迷宫实验。有一个复杂迷宫，入口在一角，出口在另一角。若采用传统方法，我们会设定机器人以“尽可能接近出口”为目标来学习。然而，由于迷宫结构的迷惑性（离出口最近的路径被墙隔开），机器人会学到朝出口方向前进却被困在死胡同，怎么也走不出来。
这种典型的目标欺骗让寻路算法陷入局部最优。反之，如果应用新奇性搜索，算法根本不考虑与出口的距离，而是奖励机器人的每一种新奇行为：一开始它可能四处乱撞碰壁，但撞过几次后就不再重复这些简单行为，转而尝试不同路线。随着简单尝试被穷尽，机器人被迫“学习”更多关于环境的信息（墙在哪、门在哪），行为也变得越来越复杂、有策略。最终，它会找到迷宫的真正通路并走出出口——惊人的是，它达到出口时甚至还不知道出口是它的目标，这一切只是为了“探索新路线”而自然发生。实验结果表明，在这个具有欺骗性的迷宫中，新奇性搜索比直接朝目标优化的算法更快、更可靠地找到了出路。
新奇性搜索的原理可以概括如下：在任何给定的问题空间，我们定义一种“行为多样性”或“状态差异性”的度量，用它来判断一个行为或解答有多新颖。如果某个行为与过去见过的都不同，那么它被认为是“有新意的”，算法就倾向于选择它。这样做的效果是逼使搜索过程不断发散，探索问题空间中各种不同的区域。
传统的目标导向搜索则相反，它鼓励收敛到最接近目标的方向，往往忽略那些表面上“不相关”的路径。新奇性搜索相当于在黑暗中摸索，但每摸到一个新地方就做好标记，下一步就去摸尚未探索的地方。通过这样“面向过去而非未来”的对比——不问“离目标还有多远”，而问“我走到了一个多么不同于过去的位置”——新奇性搜索逐步绘制出完整的地图，从而有机会发现隐藏的通路。
当然，有人会问：这种方法不会太随机、低效吗？ 毕竟纯粹找不同听上去像无头苍蝇乱飞。然而作者解释道，新奇性并不等于完全随机，现实世界本身提供了约束，保证探索不会毫无意义。
例如，在物理环境中，乱来会碰壁、跌落，这些基本规律限制了行为空间，使得有些“新奇”行为根本不可能（你不可能通过墙去探索另一边，因为物理不允许）。随着探索进行，智能体会不断累积关于环境的知识，也就是对“什么可能”与“什么不可能”越来越有数。那些遵循物理法则并巧妙利用环境的行为，往往能导致更多新机遇，因此新奇性搜索自然会倾向于这些\\“有意义的”新奇\\，而不是无意义的胡闹。从信息论角度看，新奇性搜索实际上是一个信息获取过程：通过不断寻找新情况，它在无意识中积攒了解决问题所需的各类信息。就像生物进化在漫长岁月中积累了对于环境的海量“知识”——鱼的形状揭示了流体力学，眼睛的结构反映了光的性质——新奇性搜索也逐渐逼近问题的结构本质，为最终“水到渠成”式地解决问题奠定基础。
作者还澄清了一个容易误解的点：“追求新奇”本身不等同于又一个目标。
有人或许会说，那你不过是把“达到目标”换成了“找到新奇”当作目标，有什么区别？区别在于，传统目标是一个固定的、预先定义的终点，而新奇本身并不是固定终点——它更像一系列动态的里程碑。一项行为一旦被尝试过，就不再新奇；因此新奇性搜索没有最终的“理想状态”，而是不断自我更新方向。它追求的是一个持续的过程（总能找到更不一样的东西），而非最终状态。用作者的话说，将“寻找新奇”称为目标会混淆概念，因为新奇性只是判定探索方向的原则或约束，类似于进化中“生存下去”的约束，而不是传统意义上明确要产出的成果。这一点非常关键：新奇性搜索并不是反对任何约束和评估标准，而是主张用开放的、多维度的标准（新颖、多样）取代狭隘的单一指标（距离终点的远近）来指导搜索方向。
Picbreeder实验：无目标协作进化的惊喜
为了让读者更直观地理解“无目标更易出奇迹”，作者详细介绍了他们的研究项目 Picbreeder。
Picbreeder 是一个在线进化艺术平台，用户可以像培育生物一样“培育”图片：系统随机生成许多抽象图像（像模糊的彩色斑点），用户从中选出自己觉得好看的作为“父母”，然后系统对它们“繁殖”产生变异的下一代图片，再让用户选择，如此迭代。用户也可以在他人分享的成果基础上继续培育（分支繁殖），使得那些经过多代演化的图像可以被不同用户接力改良。有趣的是，即使参与者不需要任何美术技能，只要凭直觉选择喜欢的图像，就能在演化过程中产生令人惊叹的复杂艺术作品。
Picbreeder 的关键一点在于：它并没有预先设定任何统一的目标。每个用户可能有各自偏好的方向，但整个系统不存在比如“进化出一只猫的图片”或“得到最高评分图片”这样的总体目标。
结果，正是这种无目标的开放式进化，带来了许多出人意料的艺术图像，其中不少根本无法通过直接设计得到。作者指出，如果给定一个明确目标图像，让算法去演化逼近它，常常反而失败：即便是Picbreeder里已经出现过的漂亮图案，事后再让程序以它为目标去进化，几乎都达不到。这一点通过计算机模拟得到证实：目标导向的遗传算法无论如何调整，都很难重现那些由无目标进化产出的图像。换句话说，那些精彩的发现只会在没有刻意追求它们时出现。
作者本人在Picbreeder中亲历了一个著名案例：他最初从一个看似“外星人脸孔”的抽象图案出发，希望进化出更多好看的外星人脸，但经过若干代选择后，意外得到了一个酷似汽车的图像。
这个被称为“汽车”的图像根本不是有意培育的目标，而是突变和选择的意外结果：原本当眼睛的部分一再下移，看上去变成了车轮，最后整个图像呈现出小汽车的形状。令人惊叹的是，在Picbreeder社区的协作下，用户们后来甚至从最初的“汽车”进一步演化出了“轰炸机飞机”等更加复杂的图像——这一连串成果的开端只是一个没人计划要培育的“外星人脸”。类似的故事在平台上屡见不鲜：许多让人大开眼界的图像都源自某个无心插柳的踏脚石，而它们与最终结果表面上毫不相似。如果当初有人直奔主题想“我要进化出一架飞机”，很可能无从下手；但通过不断追随好奇和审美，一步步积累，反而达成了看似不可能的造物。
Picbreeder 实验证明了作者的论断：当没有统一的终极目标束缚时，多样化的探索反而开辟出意想不到的可能性。
各用户自由发挥兴趣选择，使得整个系统成为一个庞大的“踏脚石收集器”——不同人发现的图像彼此成为他人的起点，层层叠加，远远超出了任何单一目标所能企及的范围。作者戏言，这个平台就像进化本身一样，“创造了一条通往所有地方的路”（a road to everywhere）。正因为无人规定“什么是最终好作品”，Picbreeder才能充分利用集体的创造力，探索出众多分支。如果反过来，让一群专家来评审每一代哪张图片“最接近目标”，那么探索路线将大幅收窄，多数有潜力的分支会过早被放弃。Picbreeder 的成功奥秘恰恰在于没有目标的多元探索，这和科学研究、技术创新中的情形如出一辙：过早的共识和统一方向往往抹杀掉对未知可能性的探索。
通过Picbreeder和迷宫实验，作者向我们展示了一个耐人寻味的策略：不要明确指向成功本身，而是创造条件去发现成功的踏脚石。这有点像侦探寻找线索而不是直接找到凶手。目标导向就像直指凶手名字，但很多时候我们并不知道真凶是谁；而“宝藏猎人”式的方法则是在暗中搜集各种线索和宝物碎片，最后自然拼出真相。
正如作者所言，Picbreeder、自然进化以及人类历史上的创新都体现了一种“踏脚石收集”的过程：各自为营的小目标和兴趣，最终编织出通往伟大的路径。
暂无评论内容