迭代为什么是这个世界的最优策略

本文目录
  1. 一、真实世界有着怎样的结构?
  2. 1. 目标需要自己寻找
  3. 2. 信息需要主动获取
  4. 3. 行动通常可以不断重复
  5. 4. 失败可以提供反馈
  6. 二、什么是迭代思维?
  7. 三、迭代思维为什么适合真实世界?
  8. 四、迭代有效的两个跨领域例证
  9. 1. 物种进化
  10. 2. 神经网络训练
  11. 尾言

上一篇文章里,我们分析了学生思维是如何被学校培养起来的。简单来说,学校本身提前定义了目标、提供了信息,把机会集中在少数几次考试中,并对失败给予惩罚。在这样的环境里,先找到正确答案,再开始行动,确实是一种有效的生存方式。

但进入真实世界以后,整个结构都发生了变化。

一、真实世界有着怎样的结构?

我们仍然沿用上一篇文章的结构:

定义目标 → 搜寻信息 → 发起行动 → 获取反馈

只不过,真实世界在这四个环节中,几乎都与学校相反。

真实世界的四个特点

1. 目标需要自己寻找

在学校里,目标通常是明确的:考试取得高分、完成老师布置的任务、达到某项评价标准。

但在真实世界里,往往没有人告诉你什么才是值得追求的目标。

你需要自己判断想做什么、适合做什么。更麻烦的是,很多目标只有真正开始行动以后,才能知道自己是不是真的想要。

因此,真实世界里的目标不是一次定义完成的,它也需要不断调整。

2. 信息需要主动获取

学校会提前提供教材、课程和题目,学生只需要利用已有信息寻找答案。

但真实世界里的信息永远是不完整的。很多重要信息不在书本里,也无法仅靠搜索获得。

你只有真正进入一个环境,与具体的人交流,开始处理真实的问题,才能获得此前不知道的信息。

这意味着,行动不仅是为了完成目标,行动本身也是获取信息的方式。

3. 行动通常可以不断重复

学校里的重要机会往往是有限的。一场考试结束以后,通常很难重新来过。

但真实世界中的许多事情,并不是只有一次机会。一个方案不合适,可以修改;一个方向不适合,可以调整;第一次没有做好,也可以根据结果再试一次。

我们不一定要把一次行动变成决定命运的豪赌,而是可以把一个大问题拆成许多次小行动。

4. 失败可以提供反馈

学校里的失败通常意味着扣分、排名下降,以及来自老师和家长的批评。因此,学生会本能地认为失败是一件负面的事情。

但在真实世界里,失败往往意味着:我们对目标、环境或者行动方式的某些判断出了问题。

失败暴露了问题,也带来了原本没有的信息。只要一次失败的成本可以承受,它就能帮助我们调整下一次行动。

二、什么是迭代思维?

当目标尚未确定、信息并不完整的时候,我们不可能提前找到一个完美答案。

这时,更有效的方式是:

根据当前认知确定一个暂时的方向,先采取一次行动;通过行动获得新的信息和反馈,再调整自己的目标、认知与下一步行动。

整个过程可以概括为:

当前认知 → 发起行动 → 获取反馈 → 更新认知 → 再次行动

迭代思维的循环

这就是迭代思维。

迭代不是不思考,也不是漫无目的地反复尝试。它是在当前认知下采取行动,再根据反馈调整方法;必要时,也重新审视自己的目标。

三、迭代思维为什么适合真实世界?

迭代思维之所以适合真实世界,是因为它恰好对应了真实世界的结构。

因为目标不确定,所以我们需要在行动中不断校准目标。

因为信息不完整,所以我们需要通过行动获取新的信息。

因为行动可以重复,所以我们不必要求自己第一次就做对,而可以通过多次迭代最终达到目标。

因为失败同样能够产生反馈,这些反馈跟成功一样重要,能帮助更新我们的认知。

许多人希望先掌握足够多的信息,找到最好的方案,再开始行动。

但问题在于:如果一些重要信息只有行动之后才会出现,那么站在原地继续思考,无论思考多久,都无法得到这些信息。

在这种情况下,行动并不是思考结束后的执行环节,而是认识世界的一部分。

真正有效的方案,往往不是在行动之前被完整设计出来的,而是在一次次行动和反馈中逐渐形成的。

四、迭代有效的两个跨领域例证

有价值的东西总是普世的。迭代并不只在人类行动中有效,在物种进化和神经网络训练这两个完全不同的领域中,我们也能看到相似的结构。

迭代有效的两个跨领域例证

1. 物种进化

物种进化没有一个提前设计好的最终目标。

生物在繁衍过程中产生变异,环境对不同的变异进行筛选,更适应环境的特征更容易被保留下来,并进入下一轮繁衍。

整个过程可以概括为:

产生变化 → 接受环境反馈 → 保留有效变化 → 继续产生变化

进化并不知道未来的环境会是什么,也不会提前设计出一个完美物种。它只是通过无数次变化和筛选,让生命不断适应当下的环境。

如此复杂的生命,并不是被一次性设计出来的,而是在漫长的迭代中逐渐形成的。

2. 神经网络训练

神经网络的训练过程同样如此。

训练开始时,模型并不知道正确的参数应该是什么。它先使用当前参数产生结果,再计算结果与目标之间的误差,然后根据误差调整参数,进入下一轮训练。

整个过程可以概括为:

产生结果 → 计算误差 → 更新参数 → 再次产生结果

神经网络不是先找到一组完美参数,再开始完成任务。恰恰相反,它是在一次次产生误差和修正参数的过程中,逐渐获得能力的。

物种进化和神经网络训练,看起来是两个完全不同的过程,但它们都不是先找到答案再开始,而是在不断迭代中逐渐得到结果。

尾言

回到最开始那位学弟的问题:课程、比赛、实验室和实习,到底应该按照什么顺序安排?

也许这个问题本身就没有一个能够提前找到的标准答案。

真正有效的方式,是先进入一个能够获得反馈的环境,开始做一些具体的事情,再根据自己的兴趣、能力和实际结果不断调整。

因为在真实世界里,很多答案并不是被找到的。

它们是被一次次迭代出来的。

聊聊这篇文章

评论提交后公开显示,请勿填写私人信息。