哥伦布本来想绕一条路去印度，结果意外发现了新大陆。这种意外在人类的创新史上是一种常态。
肯尼斯·斯坦利、乔尔·雷曼，两位人工智能的研究者，他们写了一本书《为什么伟大不能被计划》。他们发明了一种算法，叫新奇性搜索算法。这种算法的最大特点是没有目标，而是随机生成一组解决方案，通过评估新奇性并保留新奇性比较高的方案，从而像生物演化一样发生一定的变异，如此往复循环，直到达到预定的迭代次数或者将问题彻底解决。
这么描述还不是很容易理解，比如什么叫新奇性。举个例子你就明白了，训练机器人走迷宫，从一个起点开始，到一个出口。你该如何给机器人设定目标，让机器人表现越来越好？人的直觉反应是，如果一个程序比上一次更接近出口，就奖励它，让它不断接近出口。这就是常规的渐进式抵达目标的方式。
新奇性搜索算法不是这么来的，一开始压根不给机器人“你要不断接近出口”这个目标，而是让机器人“只是纯粹地尝试做一些与以往不同的事情”。机器人可能先撞上一堵墙，在新奇性搜索算法里，撞墙被认为一件好事，因为它之前没干过这个，这就是算法要找的“新奇性”。接下来，让机器人换着花样撞墙，通过穷尽各种撞墙的方式，新奇性搜索不断增加机器人对探索和穿越走廊的理解，并最终使它发现出门的方法。
也就是说，这款算法不鼓励机器人“不断接近出口”，而只鼓励机器人“搞点新意思”，就能完成一开始看起来很复杂的迷宫任务。
如果有人说这是穷举法，那是误读。重点是新奇性。机器人不能反复同一种方式撞墙。所以不断求新，就会求出复杂。简单的方案先出现，所有简单的方案都尝试过之后还要新的，出来的就一定是更复杂的方案。复杂的方案，就能够驾驭复杂的信息，解决复杂的问题。
通过人工智能的训练方式，我们也能够明白，在这个时代还要对孩子搞题海战术，是非常愚蠢的。机器都这么智能了，人还要往原始机械的方向去培养。
新奇性搜索算法并不是完全没有方向，两位研究者提出的新方向是寻找踏脚石。探索者不必追求最终的、实用的目标，只要始终看到下一块踏脚石，不断前进，珍宝就会随之而来。
这就回到了书名，伟大不能被计划，计划得太精细，反而会杀死下金蛋的鸡。再举个例子，真空管是计算机发明道路上的一大关键踏脚石，但当时没有人能预见到它的作用。如果你穿越回去做全世界的秦始皇，为了发明计算机，命令集中所有资源按照你的心思造计算机，结果那个要发明真空管的家伙也被你征调过来，最终你只会阻碍计算机的问世。
这本书对我的启发还是很大的。我以前的一些想法，得到了验证，和科学合理的解释。
CDT 档案卡
你不必或者说不可以直接奔着一个清晰明确的目标狂奔，神挡杀神，佛挡杀佛。就连孙悟空也证明了这样是行不通的。但你可以沿着可能错误的方向的方向，拼尽全力。在奔跑的过程中，与其说要留心终极目标，不如留心你已经踩上了什么有价值的踏脚石，以及你周围还有哪些可以努力够到的踏脚石。
踏脚石是有衡量标准的。“真正成为下一步行为的踏脚石的那些行为，必须尊重现实世界运作的方式和规律。”但是通往伟大目标的踏脚石链，通常是不可预测的。“对未知的机会秉持开放和灵活的态度，有时候比明确地知道自己要做什么更重要。毕竟，条条大路通罗马，哪怕是最出乎意料的道路，也可能通往幸福的彼岸”。
我知道这个观念非常重要，但是在传播过程中也很容易被误读。有人一说反对应试教育，心里想的就是撒手不管的所谓快乐教育，好像把孩子放到大自然里，大自然就能给他培养成当代梭罗。
没有显性目标的学习和进步，才是最难和最有挑战性的。不断寻找踏脚石，就是不断驾驭更大的复杂。希望天上掉下一个苹果，自己就能变成下一个牛顿，这都是庸人的自我安慰。《为什么伟大不能被计划》也说：“伟大的发现从来都不是什么稀里糊涂的意外。现实情况是，人类天生对有趣事物有着敏锐的嗅觉。大家都知道，如果我们选择了一条有趣的道路，它可能会通往重要的目的地，尽管我们可能并不知道这个目的地确切在哪里。”
就像哲学界怀特海说的：“一个命题的趣味性比真实性更重要。”
我们在生活中也会发现，真正有趣的人并不是那些嘴里别着一大堆段子的人，那样的人往往是油腻而非有趣。有趣的人是那些永远向未知敞开自己的人。他们不停留在自己已经得到的身份、荣誉或者标签上面，永远在寻找理解世界的下一块垫脚石在哪里。与别人的评价相比，他们更关心自己对世界的理解到了哪个层次。
