为什么伟大不能被计划
Why Greatness Cannot Be Planned: The Myth of the Objective · 2015
Stanley 和 Lehman 是进化算法研究者，2008-2010 年在做一件奇怪的事——用神经进化算法跑机器人走路、机械臂操控、艺术生成。他们发现一件反直觉的事：明确的目标函数（fitness function）经常让算法卡在局部最优；放弃目标、纯粹追求「与已知的差异」（novelty search）反而能爬出局部最优。
他们对主流的不满很具体——商业、教育、科学界都默认「设定明确目标 → 朝目标优化 → 达成目标」是高效路径。但 Stanley 看见的数据是：高目标导向在简单空间有用（迷宫小、路径短），在复杂空间（多重峰、欺骗性梯度）灾难性。
不写不行的那股劲儿——他们要把这个反直觉的实验证据扩展成一个论点：目标越雄心勃勃，目标函数越是误导你。这一刀切在硅谷的 OKR 文化、教育的考试主义、科学的 NSF grant 系统。
五条天花板，不证，摆桌上：
一句话：Novelty search > Objective search。新奇性搜索胜过目标搜索。
Stanley 的取景框：把任何创新、发现、伟大成就的搜索过程，重新理解为「在巨大的可能性空间中寻找垫脚石的旅程」——不知道垫脚石通向哪里，但每一块都让你够到下一块。
他们的独占术语和区分——
Objective Paradox：目标越明确，欺骗性越强。直觉的「朝目标爬坡」在欺骗性景观里把你困在局部最优。
Novelty Search：放弃目标函数，改为「最大化与已知行为的差异」。Stanley 用进化算法实验证明：迷宫导航任务中，novelty search 平均比 objective search 解决率高 10x。
Stepping stones（垫脚石）：通往任何复杂成就的中间步骤，事先无法识别为「通往那里」的。真空管 → 晶体管 → 集成电路 → 微处理器 → 互联网 → 移动 → AI——每一步在发明时都不是「为了创造下一步」。
Deceptiveness（欺骗性）：搜索空间的内在性质，不是错觉。某些空间的几何让「最优局部步骤」系统性地远离全局最优。
Treasure hunter vs Goal-driven explorer：宝藏猎人不知道宝藏在哪，只知道哪里值得挖；目标导向者知道目标但不知道怎么去。复杂空间属于前者。
Interestingness as compass：当目标不可靠时，「这件事有趣」是更可靠的搜索信号。有趣 = 与已知有差异 + 可继续探索。
目标导向的搜索在欺骗性空间里会持续把人困在局部最优。真正的突破来自放弃目标、追逐新奇性——让无数看似无关的「垫脚石」自发涌现出你事先无法想象的结果。
更狠一刀：这不只是搜索算法的实验结果。Picasso 没设定「成为现代艺术之父」的目标，他在追逐当下让他兴奋的实验；Wright 兄弟没设定「发明客机产业」，他们在追逐让风筝稳定的几何；甚至 Apple 的 Macintosh 没诞生于「占领个人电脑市场」的 OKR，它诞生于 Xerox PARC 一群没目标的工程师对图形界面的好奇。
再更狠：现代制度（科研基金、教育、企业 KPI）系统性地选择 objective-driven 路径，因为它「看起来理性」。这种系统性偏好正在压制 novelty search，导致整个社会的探索能力在下降——你拿不到钱做没有明确目标的研究。
带走的一句——
The greatest things in life are never reached by trying to reach them.
形态：取景框
内容：复杂空间是欺骗性的。目标函数在简单空间是导航，在复杂空间是诱饵。真正的突破来自追逐 novelty 和 interestingness，让垫脚石非线性涌现。
为什么是这一件：换上这副眼镜，你看 OKR、看创业规划、看科研路线图、看教育考试体系，全是 objective search 在欺骗性空间里的失败模式。看自己的「人生规划」，问「我现在追的目标是导航还是诱饵」「最近让我兴奋的事是什么——那才是真正的垫脚石」。十年后还在用的取景框，翻回原书是想再校准一次「interestingness 作为指南针」的精度。
带走了这一件，这本书的精神内核就在你手里。
Stanley 和 Lehman 给了 novelty search 作为 objective search 的替代。但他们没充分回答一个核心 trapdoor：「资源稀缺时怎么办？」
Novelty search 在算法实验里成功，因为算力便宜——你可以并行运行 10,000 个 agent，让 9,990 个失败也无所谓。现实世界的探索不一样：人的时间有限、企业的资金有限、政府的政策窗口有限。「无目标地追逐新奇」需要的资源弹性，多数主体不具备。
这导致一个反讽：novelty search 的论点在算法实验里被证明，但论点的推广受限于实验条件——廉价并行、无失败成本、容许大量 dead end。把这套搬到真实创业、研究、人生决策时，需要先解决「探索的资源约束」，Stanley 没处理。
另一条 trapdoor：「interestingness 作为指南针」是 Stanley 推荐的替代信号。但 interestingness 本身是文化和经验的产物——一个被训练得只对「目标驱动」感兴奋的人，他的 interestingness 信号已经被污染了。「让我兴奋的事」不再是 novelty 的真实指针，是社会塑造的奖励 schema。Stanley 默认人能识别真实的兴趣，但识别能力本身可能被现代制度（应试教育、KPI 培训）系统性弱化。
再一条：垫脚石必须事后才能识别为「通向某处」。但「事后」需要有人活到那个时点写下故事。novelty search 在算法里漂亮，因为整个实验都在我们的时间窗口里完成。一个具体的人在追求 novelty 时，可能在他活着的时间窗口里看不到任何 stepping stone 通向任何东西——他的探索可能是无效的（绝大多数物理可能性确实通向死胡同）。Stanley 的论证基于「事后看历史成功者的轨迹」，有 survivorship bias——失败的 novelty 探索者没机会写书。
对 Why Greatness Cannot Be Planned 取景框的用户来说：第一刀是看见 objective 在复杂空间是诱饵，第二刀是接受 novelty search 需要资源弹性这个隐含前提，第三刀是警觉 interestingness 信号可能被污染——并不是所有「让你兴奋的事」都是真的垫脚石。