书评丨创新的目标路径之辩

郑磊

创新活动既是科学学研究的目标，也是经济学研究的重要课题，甚至也引发了管理专家的兴趣。但是，至今人们对如何创新还没有取得共识和定论。创新不是一个简单的概念，而且创新的层次和形式有很多种。近期由两位OPEN AI研究员肯尼斯·斯坦利和乔尔·雷曼撰写的讨论科学研究创新的书，引起了坊间热烈讨论。两位作者都是人工智能专家和GPT大语言模型的参与者，他们基于自身经历提出了一个值得商榷的观点。正如书名《为什么伟大不能被计划》，作者认为创新更多是来自无目的、无目标的自由探索。

很少有人能够提前知道自己将会发现什么，更无从按既定计划取得发明成果。依靠目标导向的思维很难引导人们达成创新，很多伟大的创新是自由探索的结果，是科研工作者的兴趣而不是明确的目标和计划，为伟大的发现打下了基础。从现有的发明成果中，我们能够清晰地看到一条发明路径，比如从灯泡到阴极射线管、发光二极管、发光三极管、模拟计算机、晶体管、半导体、集成电路、芯片、电子计算机，但是排在后面的发明的出现，都具有偶然性，并没有人为了最终发明电子计算机而预先规划出这样一个路线图。

该书作者舍弃了科研管理最推崇的目标和计划，更多地强调研究过程的中间步骤（踏脚石）对创新产生的作用。书中，作者通过人工智能研究的两个实例，说明了如果一开始就向着一个明确的目标努力，目标会收窄你的探索范围，而这无疑会阻碍研究者发掘必不可少的真正的踏脚石。以机器人走迷宫为例，作者通过实验发现，先设定AI算法的目标，以更接近目标为筛选下一步行动的标准，这种做法对于复杂的迷宫，效果并不好。而与之相对，他们还发明了一种称作“新奇性搜索”的算法，算法会随机生成一组解决方案，通过评估新奇性，让机器人按照新奇性较高的方案行动，很多时候反而能够解决更复杂的迷宫问题。这个算法有可能导致机器人往墙上撞，或者一站起来就跌倒，但这类情况通常不会发生在以目标为导向的算法中。类似的结果也出现在图片孵化器项目中，创作者可以选择网站推荐的自己喜欢的图片作为母本，交给网站进行加工处理，然后再从中选择一幅自己喜欢的图片，依此进行任意多次重复操作，就能得到与开始选择的简单图片完全不同的惊艳的复杂图像。作者展示了其中一些作品，像是一些简单的几何图形，在经过创作者多轮即兴选择之后，也会变成“蜡烛”“鲸鱼”“热水壶”“人脸”“汽车”等各式各样的现代艺术作品。

作者在得出上述结论之后，对科研项目的立项流程和教育的目标考核制度进行了分析和批评，他们指出：过于关注目标和形式化导致教育科研管理违背创新规律，进而阻碍了创新。笔者赞同作者对这些问题的分析。但是笔者认为该书作者在论述中有些偏颇之处，而这可能来源于作者工作领域带来的认知偏见，即计算机数据处理能力的飞跃提升，让人工智能取得了令人震惊的进展的同时，也极大地消除了人类研究能力的限制。

为什么发明创造不能预设目标或者提前规划，笔者认为这里面至少有两个原因。其一是不确定性，我们从现有的发明成果向前追溯时，就会发现导致出现这个结果的前一项发明可能有多种选择，比如N种，再往前追溯又会发现同样的情况，比如也存在N种可能。一项复杂的发明成果可以追溯到很多个前置发明，比如M个，那么我们看到的是一个树形结构，最终取得成功的路径是N的M次方中的一条。因此，人类碰到的真正问题是如何才能更快找到正确的那条路径。比如电子计算机这样复杂的创新，需要很多种重要部件，比如多层线路板、开关电源、硬盘等等，它们都需要这样一个复杂的创新过程，条件同时具备，才可能出现电子计算机，许多个单独创造发明的“树形结构”又构成了更复杂的“网状结构”。在缺乏快速计算和推理能力的情况下，人类能够解决的复杂问题很有限，这就导致了研究者不得不尽可能将问题进行简化处理，而预设目标的作用也正在于此。

其二是，每一项前置成果可能都需要耗费很长时间才能取得。发明创造是突然涌现的，并不是连续出现，要想得到M个前置发明，也许需要花费几百年的时间。任何一个人都没有超越几百年时间的“慧眼”，这属于“上帝视角”而非人力所能及。研究者受到时间和资源限制，只能在较短的时间里进行个人力所能及的尝试。人工智能领域的创新和其他科技领域不同之处，在于前者主要依靠算法进行数据处理，而现代计算机超级运算速度和处理能力已经远远突破了人类大脑思考的极限。人工智能专家利用这种强大的技术工具，已经能将前面所说的树状和网状选择过程压缩到微不足道的时间。以前借助于计算工具进行人工思考可能需要几年时间的工作，现在只需要几分钟就能完成，而且不易出错。在人工智能的帮助下，我们解决复杂问题的能力越来越强大，但是还有很多方面的研究并不如此，尤其是对于方向和目标较明确的研究任务，这意味着研究者已经预测到了最可能成功的有限几条路径，此时采用非目标导向的方法，可能效果适得其反。工欲善其事，不仅要利其器，选择最合适的工具和方法同样重要。

（作者系萨摩耶云科技集团首席经济学家）