为什么伟大不能被计划

Stanley 和 Lehman 不是励志作家，是进化算法研究者。他们的问题从一件实验室怪事开始：给算法设一个明确目标——走出迷宫、进化出会走路的形态——目标函数经常把搜索带进死胡同；反倒是删掉目标、只奖励「和已知不一样」的算法，一路撞出了会走、会跳的解。

最扎眼的证据是 Picbreeder，一个让用户协作进化图片的在线平台。铆足劲想「进化出一辆汽车」的用户几乎从未成功；随手探索有趣形状的用户，却在不经意间撞出了逼真的汽车、人脸、骷髅。回看进化路径才发现：汽车的前一代图案和汽车毫无相似之处——任何用「像不像车」打分的搜索，都会在半路把这块关键前体淘汰掉。

于是问题不再是算法调参，而是指向所有人：商业的 OKR、教育的考试、科研的经费申请，全都默认「设定目标、衡量进展、逐步逼近」是唯一理性的路径。如果这套逻辑在一个小小的图片空间里都系统性失灵，那么目标越宏大、空间越复杂时，「朝目标优化」到底还能不能把人送到目标？这就是全书咬住不放的 x：为什么伟大恰恰不能被计划？

作者的回答是一台四个部件咬合的机器，核心一句话：在复杂空间里，把尺子从「离目标多近」换成「离已知多远」。

第一个部件是欺骗性（deceptiveness）。它不是错觉，是复杂搜索空间的几何性质——「局部看最优的一步」系统性地背离全局最优。通往高峰的路，几乎从不经过看起来更高的山头，得先下到谷底、绕进一片看不出名堂的荒地。由此推出目标悖论：目标在简单空间（迷宫小、路径短）是好导航；目标越宏大、空间越欺骗，目标函数越从导航退化成诱饵——你越朝它爬，越被困在最近的小山头上。

第二个部件是新奇性搜索（novelty search）。既然「离目标的距离」量不出真进展，就换一个信号：只奖励与已有一切的差异。机制的巧妙在于自带驱赶力——一块区域被探索透了，留在原地就不再计分，算法被迫背对已知、走向未知。在迷宫导航实验里，这个「不看终点」的算法把目标搜索的解决率甩开一个数量级。

第三个部件是垫脚石（stepping stones），它解释了没有目标为什么还能抵达：复杂成就是一串中间发现的接力，每一块的价值都事后才显形。真空管是为改进灯泡造的，不是为了计算；晶体管、集成电路、微处理器、互联网，没有一步是「为了造出下一步」而做的。作者的比喻是宝藏猎人 vs 目标导向者：前者不知道宝藏在哪，只知道哪块石头值得踩上去看看——复杂空间只认前者。

第四个部件把算法翻译回人：有趣（interestingness）就是人肉版的新奇性信号——有趣 = 与已知有差异 + 还能继续往下探。四个部件合起来才是完整回答：欺骗性诊断出旧路径死在哪，新奇性给出替代罗盘，垫脚石解释无目标如何抵达，有趣让没有公式的人也能上手执行。

接受这台机器，最先改的是判断顺序。以前拿到任何计划，第一问是「目标清不清晰、进度可不可衡量」；现在第一问变成：这个空间是平原还是欺骗性山地。路径短、反馈快、地形已探明的事——修一个 bug、考一张执照——目标导航照用不误，OKR 无罪；而科研、创业、职业转型、艺术这类多峰空间，先承认终点地图画不出来，画出来的多半是诱饵。

其次是换筛选标准。评估一个方向，旧标准是「它离我的目标多近」，新标准是两问：够不够新（与已知的差异有多大），能不能踩（它打开多少下一步）。于是「看起来没用」不再是淘汰理由——那常常正是垫脚石的标准长相；反过来，「所有人都看得出它更近」的热门路径，多半已经挤满了困在同一个山头上的人。

对制度的判断也跟着变：要求申请者先写明「预期成果」的经费体系，等于要求探索者出发前交出终点地图——在欺骗性空间里这恰好筛掉真正的突破。组织里那支不背 KPI 的探索小队，短期财报上是成本，长期是唯一能踩到荒地垫脚石的通道。

最后是一道克制：新奇性不是放纵的许可证。算法里的新奇性搜索有「新且可行」的底线兜底，人这边对应的自检是——这件让我兴奋的事，是真的够到了下一块石头，还是换个姿势原地打转。而全书最硬的推论要留到最后：你无法「有目的地」去「无目的探索」，所以把「伟大」从目标栏里删掉，让它只出现在事后的描述里。

The greatest things in life are never reached by trying to reach them.

• 主源：取景框页六段拆解，Picbreeder、迷宫实验、垫脚石链条与制度批评皆出自此
• 增强：X 光拆书报告（2026-03），提供三支柱章节结构与汽车前体、真空管起源等书内锚点
• 数字口径：「解决率甩开一个数量级」沿用源料 10x 表述，未另行核对原论文
• 材料等级：完整拆书