掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿易戰簡史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業與企業制度
-
>
貨幣之語
-
>
眉山金融論劍
-
>
圖解資本論
為什么偉大不能被計劃 版權信息
- ISBN：9787500173625
- 條形碼：9787500173625 ; 978-7-5001-7362-5
- 裝幀：精裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
為什么偉大不能被計劃 本書特色
想要深刻領悟人工智能和ChatGPT的奧義，你需要讀一讀這本《為什么偉大不能被計劃》。兩位OpenAI研究院將用豐富的實例為我們徐徐展開人工智能的秘密。
工作中遇到瓶頸，想要尋找突破，你需要讀一讀《為什么偉大不能被計劃》。這本書將揭示一個秘密，即藝術和科學等領域中偉大的發現，需要遵循好奇心，即一塊塊踏腳石。
苦于無法如期實現自己的人生的規劃時，你需要讀一讀《為什么偉大不能被計劃》。本書將通過智能機器人、生物進化、人類杰出藝術作品的例子告訴讀者，目標可能根本不存在，只是一種模糊的感覺而已。
為什么偉大不能被計劃 內容簡介
兩位作者持續多年扎根人工智能前沿領域，這本書是他們在科學研究的過程中蹦出的意外火花。因為這一全新發現并不是直接回饋于他們本身所處的人工智能領域，而是“無心插柳”收獲了對人類約定俗成的思維方式的全新顛覆。這一研究打破了人類世界延續多年、難以撼動的、依靠目標和計劃成事的文化基因，真正開啟了人類偉大創新的驚喜之旅。
他們在學校、TED、科研論壇等場合公開演講，讓這一新思維方式影響并激勵了許多人。他們自身也憑借寫入本書的“尋寶者思維”“踏腳石模型”“新奇式探索”等具體思維方法，在人工智能研發領域取得了飛躍式的突破和進展，產生了一系列惠于人類的偉大創造。
為什么偉大不能被計劃 目錄
1章：對目標的質疑
第2章：無目標者的勝利
第3章：繁育藝術的藝術
第4章：目標是錯誤的指南針
第5章：有趣的和新奇的探索
第6章：尋寶者萬歲
第7章：解開禁錮教育的枷鎖
第8章：解開禁錮創新的枷鎖
第9章：徹底告別目標的幻想
10章：案例研究1：重新詮釋自然進化
11章：案例研究2：目標和人工智能領域的探索
參考文獻
第2章：無目標者的勝利
第3章：繁育藝術的藝術
第4章：目標是錯誤的指南針
第5章：有趣的和新奇的探索
第6章：尋寶者萬歲
第7章：解開禁錮教育的枷鎖
第8章：解開禁錮創新的枷鎖
第9章：徹底告別目標的幻想
10章：案例研究1：重新詮釋自然進化
11章：案例研究2：目標和人工智能領域的探索
參考文獻
展開全部
為什么偉大不能被計劃 節選
薦序
想象在某個平行宇宙中，你被任命為某國的科技部部長，你的任務是把該國科技發展水平提升至發達國家的水平。為此，你的助手給你提供了一份計劃:
選定若干個戰略方向，投入巨額研發資金；
選拔一批國內企業，各自設定明確研發目標；
組織優秀的科研工作者和著名學者作為項目軍人物，要求責任到人；
在每個方向上都安排至少三家公司，強化競爭；
定期考核，監督研發進度……
你躊躇滿志，但是內心多少有點不安。這樣的計劃能成功嗎？
這就回到一個問題：創新的邏輯是什么？
*
創新，是一件神奇的事情。要知道，一些實現偉大成就的發明家并非比同行更勤奮、更努力，而是因為他們經常能撿到“意外的”寶藏。
近全球令人矚目的重大創新事件是一個生成式人工智能（Generative AI）模型ChatGPT的誕生。我認為這可能是工業革命以來了不起的發明之一，它由OpenAI（開放式人工智能公司）研發，且在初并未得到美國政府的特別關注。
OpenAI的四位領導人都是三四十歲的年紀，首席執行官山姆·阿爾特曼（Sam Altman）在斯坦福大學學過計算機專業，中途退學；首席技術官米拉·穆拉蒂（Mira Murati）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（Greg Brockman）上過哈佛大學和麻省理工學院，但終都退學了；首席科學家伊利亞·蘇茨科弗（Ilya Sutskever）原本是俄羅斯人，小時候跟隨父母先移民到以色列，后又移民到加拿大，后來到美國。
兩位沒有學位的美國人和兩位外國移民，領著幾十位研發人員組成了一家小公司，采用了一個當初包括谷歌在內的大公司都不看好的技術路線，搞出了震撼的科技。
這樣的事情是可以計劃的嗎？
幸虧當下創新不是由政府主導，像OpenAI這樣的小公司才有可能得到巨額的風險投資資金，才可以任性蠻干，才有機會做出偉大的創新。
這可不是特例，這是常理。
當你考察科技史時，你會發現偉大的創造幾乎都是由一些誰也想不到的人，在誰也沒計劃的領域中做出來的。比爾·蓋茨迎合極客打游戲的需求普及了個人電腦；硅谷的一個車庫里誕生了谷歌；埃隆·馬斯克起家是在網上支付領域，后卻推出了SpaceX和特斯拉。
對比之下，那些由政府從上而下主持的大科研項目呢？
1971年，時任美國總統尼克松發起一場“癌癥戰爭”，但貌似什么都沒干出來；1982年，日本通商產業省搞了一個為期10年的大項目，投入巨資，要研發第五代計算機系統，也是沒有突破出來。
歷史上似乎是一一個由政府主導，且后獲得成功的大科技項目，就是時任美國總統肯尼迪為了跟蘇聯競爭而推動的載人登月計劃。它激勵了后來的各國政府，但仔細考察，彼時美國其實在很大程度上已經具備了相關科技能力——并不能稱得上是奇跡。
如果路線已經近在眼前，你當然可以設立目標、制定計劃，多花點錢加速進行。但是真正的偉大突破是不能計
劃的。
這個道理并不是新認知，過去幾十年間幾乎有關于科技創新的研究都是這么說的——但是都沒有說服政策主
導者。
如果掌握了充足的資源，“無為而治”也并不容易。
所以我們確實需要進一步的解釋。為什么偉大創新一定是意外所得？
*
肯尼斯·斯坦利（Kenneth Stanley）和喬爾·雷曼（Joel Lehman）的《為什么偉大不能被計劃》（Why Greatness
Cannot Be Planned: The Myth of the Objective）一書，算是把這個問題徹底講明白了。兩位作者都是人工智能專家，而且都有在OpenAI工作的經驗，可謂當今科技領域的前沿人物。他們對于書名這個問題的解釋，來自一個AI算法。
比如，你想要從一些簡單線條出發，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。但實驗中這個做法的效果并不好。
肯尼斯和喬爾發明的算法叫作“新奇性搜索”（Novel Search）算法，根據書中的描述，這是他們于2008年推出的。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，從而像生物演化一樣發生一定的變異，如此往復循環，直到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，哪怕這個方案是往墻上撞，或者一站起來就跌倒。產出的方案再怪異、再不靠譜也沒關系，只要是新奇的就留下——只問新不新，不問好不好。
然而各種實驗都證明，這種方法找出來的方案能解決問題。它能生成好看的圖片，能快找到迷宮的走法，能讓機器人快學會直立行走。這是為什么呢？
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之后還要新的，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，掌握信息多意味著更高級，也就更容易解決問題。
更重要的原因是，新方案是通往其他新方案的“踏腳石”（Stepping Stones）。這就如同你在一片沼澤地里尋寶，須踩到更多的踏腳石才能探索更多的地方，而你須探索很多很多地方才更有可能找到好東西。
*
因此，如果你一開始就向著一個明確的目標努力，你就走不遠。目標會窄化你的探索范圍。對偉大事業來說，目標具有誤導性。
比如前面教機器人直立行走的例子。如果你一開始就一門心思想著直立行走，你就會刻意避免能讓機器人摔倒的方案。可是恰恰是那些會摔倒的方案教會了機器人踢腿！學踢腿，自然就容易摔倒；可是不踢腿，怎么能會走呢？
而對新奇性搜索算法來說，機器人從“不會摔倒”到“會摔倒”，絕對是大好事！機器人會的越來越多就意味著越來越高級，便自然會將會直立行走這項技能收入囊中。
求新確保了探索范圍寬廣，好東西也會隨之而來。考察科技發展史，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展出來的。
萊特兄弟發明飛機，早用的是自行車技術——此前無數人曾經想要發明飛機，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個部件，意外成就了微波爐；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明的。
個人的成長也是如此。考察了不起的搖滾樂手、作家和企業家，他們幾乎都是半路出家。哈佛大學的托德·羅斯（Todd Rose）和奧吉·奧加斯（Ogi Ogas）所著的《成為黑馬》（Dark Horse: Achieving Success Through the Pursuit of Fulfillment）也講過類似的道理。書中的成功者并沒有長遠的規劃，都是先做過一些事情，發現自己更感興趣的是什么，并為之轉行，從而找到為其帶來巨大成功的職業。
公司也是這樣。比如YouTube初的設想是一個視頻約會網站，后來發現人們喜歡在上面分享五花八門有類型的視頻……
偉大不是目標指引的結果，因為通往偉大的路線從來都不是直線，很多時候快反而就是慢——沒有特殊目標，每次只是選擇下一塊踏腳石，你反而能找到珍寶。
*
請注意，這可不是說人生就應該漫無目地、隨波逐流。新奇性搜索算法不預設具體目標，但是它有價值觀的指引，這個價值觀就是新奇和有趣。只要你每次都選擇更新奇和更有趣的方向，你就不會是平凡的。
這就如同一個小孩，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。但是孩子不會一直覺得看電視有趣，他很快就會發現打游戲比看電視有趣多了，于是他會把精力轉移到游戲上來。而只要他眼界夠高，他遲早會發現世界上還有很多比打游戲更新奇、更有趣的東西，比如自己編程、自己制作游戲，后他會發現搞科研更新奇、更有趣……
沒錯，真正能把追求新奇、有趣堅持到底的，都不是一般人。他們不會在中途沉迷，始終能看見下一塊踏腳石，成就和實用性早晚會隨之而來。
如果你一開始就認準了想要得到一個什么樣的珍寶，你就不會得到珍寶；終得到珍寶的人，只是一直在尋找下一塊踏腳石……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。
*
這些道理不符合普通人升職加薪的攻略，也與很多后發進取的國家發展經驗相悖。
這些國家在過去幾十年間經常講目標、談規劃，確實取得了偉大的成就。后發優勢使它們不用踩踏腳石就知道飛機、微波爐和計算機是怎么回事兒，它們便可以確立明確的目標。這樣的發展方式速度雖快，但是也在無形中限制了它們——它們不太擅長尋找踏腳石。
如今，我們已經在很多科技領域進入無人區，前面沒有現成的路了，我們就須自己尋找踏腳石。那種認準一個方向猛干，不惜成本投入人力物力，指望大力出奇跡的做法不是通往發達之路。中國經濟需要轉換到以“高技術高品牌+顛覆創新”為主的高端發達模式，需要像新奇性搜索算法這樣的思想。
然而轉變是有條件的。要讓人們敢于追求新奇、有趣，起碼得有點余閑和余錢才行。
肯尼斯和喬爾非常理解這些。他們甚至用算法演化的視角重新審視了生物進化，認為地球生物之所以有這么繁華的多樣性，并不是像很多人想的那樣是因為自然選擇非常殘酷——而恰恰是因為自然選擇并不是很殘酷。物種競爭并不是全方位的，有時候你開辟一個新的生態位就可以暫時避免競爭。
多樣性不是競爭的產物，是逃避競爭的產物。
懂得這個道理，本篇序言一開頭提到的那個假設的部長，他要做的恰恰是減少一些競爭，取消無謂的考核，用減少內卷換取增加多樣性，用自由發展取代頂層設計，營建更寬松的環境……
*
然而這一切是如此反直覺，幾乎難以實現。
肯尼斯和喬爾炮轟了美國的科研和教育體制，認為其太過強調目標和計劃，正在制造平庸。過分尋求共識的評審機制讓真正新奇、有趣的項目很難拿到經費，全美國統一的教育標準和考試讓老師們紛紛內卷，不敢搞教學創新……
現實是，世界上只有很少的國家能成為發達國家，成為發達國家以后也不一定能一直發達下去。偉大，那是非常非常難的事情。薦大家閱讀這本書，并從中找到自己的收獲。
科學作家、“得到”App《精英日課》專欄作者
萬維鋼
2023年4月
為什么偉大不能被計劃 作者簡介
肯尼斯·斯坦利，[美]肯尼斯 斯坦利（Kenneth Stanley），全球創新思維和前沿科技領域的代表性專家、人工智能科學家，OpenAI（開放式人工智能公司）研究員。他曾任中佛羅里達大學教授，深耕機器學習領域，發表了80多篇專業論文，其中數10篇獲得了佳論文獎，并經常受邀在世界各地發表演講。他還曾是Uber（優步）人工智能實驗室的創始成員，在行業內具有卓著的影響力。
喬爾·雷曼，[美]喬爾 雷曼（Joel Lehman），全球知名的人工智能科學家，OpenAI研究員。他也曾是Uber人工智能實驗室的創始成員，目前在OpenAI做“大型語言模型（大模型）+演進算法”方面的研究，聚焦的領域包括人工智能安全、強化學習和開放式搜索算法。2022年，喬爾所率領的研究團隊發表了一篇“神奇”的論文，度揭秘了OpenAI的一項研究：大模型自己學習、自己寫代碼，然后自己“調教”出了一個智能體機器人——“成精了！”這也揭示了大模型的代碼生成能力已足夠影響智能體的進化，而這一進展反過來也能增強大模型的生成能力。這篇論文當時在科技圈和創投圈都曾引發爆炸式討論。
近，喬爾還發表了一篇名為《機器之愛》的有趣論文。
他們二人都是當下火爆全球的智能語音機器人ChatGPT的核心研發科學家。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:故事新編
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
姑媽的寶刀
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
自卑與超越
- >
回憶愛瑪儂
- >
伊索寓言-世界文學名著典藏-全譯本
