让读书不再是负担、历史也可以很有趣。
图片
图片
图片
在程序员的逻辑体系中，“目标导向”似乎是一种本能：我们编写代码时追求功能实现，优化性能时紧盯指标，开发产品时遵循需求文档。但《为什么伟大不能被计划》一书却以人工智能领域的算法实验为起点，揭示了一个颠覆性的真相——真正的创新往往诞生于对目标的背离。这种反直觉的思维模式，与前一阵读到的黑客文化中“即兴探索”、“打破规则”的精神不谋而合……
图片
图片
图片
书籍简介
书籍的起点是作者对于人工智能和机器学习领域算法的思考，如果屏幕前的你恰好也是一名程序员、恰好也了解过一点点机器学习算法的底层执行逻辑，那么一定听说过“目标函数”(objective function)这个词，它是机器学习算法中最基础的一个概念，可以用来衡量程序是否正在朝着预期的目标行进。如果你此前对此未作了解也没关系，书中使用了一个通俗易懂的例子来解析机器学习算法是什么：小孩子们玩的一种“回答冷或热”的推理游戏，可以完美解释这一概念：一位年轻的寻宝人，需要找到一处隐秘的宝藏，藏宝处只有其他玩家们知道，但他们仅能说“更冷”或“更热”这两个词中的一个来提供线索。这个游戏的思路很简单，连小孩子都能自然而然地按照温度不断上升的“梯度”规律完成游戏，而且几乎不需要提前给出游戏讲解（当然更不需要了解优化理论）。只要梯度呈上升趋势，寻宝者离成功就越来越近。从某种意义上说，我们在生活的各个领域中都在玩同一个游戏。在我们的文化观念中，设定目标、努力实现目标，并在过程中衡量进展，已经成为我们追求成功的主要途径。
在机器学习算法中，计算机就像是这个玩游戏的小孩，你不需要告诉它宝藏的具体位置，直至需要通过目标函数来给出反馈，这次是更近还是更远就好了。以上“回答冷或热”的推理游戏虽然可以简单解释机器学习算法运行的本质，却并不是机器学习算法的全部，为更全面了解其中提到的“梯度”规律我们来看下面一张出现在众多机器学习算法中的经典图片：梯度下降中的全局最小值与局部最小值 ▼图片
在上图中算法运行的起点在左侧，“全局最小值”是我们要寻找的真正目标，在那之前存在一个“局部最小值”，这意味着，如果要到达“全局最小值”的位置，必须经历一段逐步加大偏离目标的过程（曲线不断向上），如果一切以目标函数论，那么算法的执行终点就会停留在局部最小值的位置，这也就是书中所提到的图片孵化器网站例子：但回顾上一章关于图片孵化器网站的内容，我们讲到了一个汽车图片的故事，在“繁育”出汽车图片的过程中，这种选择方法往往会产生误导。回想一下，“汽车”图片的前身是“外星人脸”图片，如果我们为“获得汽车图片”这一目标设定的函数是“它有多像一辆汽车？”，那么外星人脸图片的函数得分会很低，因为它看起来根本不像汽车。但实验最终证明，“外星人脸”图片恰恰是通往“汽车图片”的正确踏脚石。这个故事充分说明，总是将当前的现状与预期的目标进行比较的方法，蕴含着很高的潜在风险。
嗯，你看整本书的成因大概这么几段文字就能说明白，而作者是实实在在写了快15万字，也难怪豆瓣短评是一堆对其凑字数的吐槽：《为什么伟大不能被计划》一书豆瓣短评 ▼图片
而我想说的是，这本书的价值其实并不在作者揭示出了什么，而恰恰是在作者啰七八嗦进行揭示的这个过程上，这种跨领域融合思考的过程正是一种创新的元动力。以达尔文的进化论为例，在遗传学领域通常强调的是“适者生存”这样一条竞争逻辑，也就是物种的“进化”是为了应对竞争，而作者在反复的啰嗦思考中发现这事儿不对，就像长颈鹿不断伸长脖子去吃更高的树叶、难道不是因为在地面打不过大象么？这样看不恰恰是在逃避竞争：重要的是，在自然进化中，生存和繁衍这两项任务，是一种普遍存在而又开放的约束，其允许了不同的生存和繁衍方式。各类物种的不同生活方式，是通过进化的创造性力量实现的，包括建立新生态位来逃避竞争，也是由进化的创造性来驱动的。
更进一步，雷蒙德在《大教堂与集市》中提出大公司的种种KPI事实上并不具备真实的“可测量性”，既然如此，那是不是可以通过取消部分考核来换取员工的“多样性”呢？懂得这个道理，本篇序言一开头提到的那个假设的部长，他要做的恰恰是减少一些竞争，取消无谓的考核，用减少内卷换取增加多样性，用自由发展取代顶层设计，营建更宽松的环境……
如果从这个角度来审视本书你会惊奇的发现，作者不仅仅是发明了一种叫作“新奇性搜索”(Novel Search)的算法，而是把自己活成了运行新奇性搜索算法的计算机，因为如果仅仅只是局限于计算机程序算法的研究，而不去阅读大量哲学、历史、遗传学、甚至是公司管理方面的书籍，是很难作出如书籍中所记录的这一系列思考的。图片
书籍目录
第1章 对目标的质疑第2章 无目标者的胜利第3章 繁育艺术的艺术第4章 目标是错误的指南针第5章 有趣的和新奇的探索第6章 寻宝者万岁第7章 解开禁锢教育的枷锁第8章 解开禁锢创新的枷锁第9章 彻底告别目标的幻想第10章 案例研究1：重新诠释自然进化第11章 案例研究2：目标和人工智能领域的探索参考文献 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。