# 《发现，而非设计》7：元方法（完） ![](https://piccdn3.umiwi.com/img/202505/28/202505281427269018450086.jpeg) 我们把肖恩·麦克卢尔的《发现，而非设计》这本书讲完。最后这一讲我们总结几种使用整体论去创造和构建事物的方法 —— 不妨称之为「元方法」。 元方法和我们日常在学校里学的、刻意练习的那些方法很不一样。它不是从底层原理出发或者按照固定套路去搭建一个东西，而是从外面着手，靠模式识别和启发式，用天真的试错的精神推动进展。 形象地说，这就像欧洲中世纪传说的那种巫师，躲在自己的小实验室里搞炼金术：你把各种神秘的药剂、粉末混在一起，在一个瓶子里搅拌搅拌，也许加点热，看会发生什么。 也许什么都不会发生，也许会发生爆炸，也许你只得到一堆废料……但也有可能，你在一通反应之后得到了一点黄金！又或者瓶子里突然蹦出一个精灵或者一个恶魔。 这就是整体论做事的方法。其实这种方法一点也不神秘，而且是靠谱的，因为这就是人类最原始的能力。我们的祖先在大自然中探索，可不就是这儿摸一摸、那儿试一试、把几个不相干的东西拼在一起看看能得到什么吗？ 感谢AI，现在我们又一次拥有了这种能力。 ✵ 并不是非得领导和艺术家才需要元方法，我们日常的工作中也一样用得上。最基本的思路，是要「感觉」。 现在很多人用AI写东西，把AI的作品当成最终输出，我认为这是错误的用法。比如我最近看到一幅漫画，讲了这么一个现象 —— 员工接到上级指令，要写一份12页的工作汇报。他没时间写那么长，但他其实清楚自己做了什么，其实就五个要点。于是他就把这五个要点列出来，让AI据此生成了一份12页的报告。 员工把报告交给领导，可是领导根本没时间看这么长的报告！于是领导让AI把这12页总结成五个要点…… ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2025052819/1877365223023788332/052819.jpeg) 你说这不是有病吗？你直接把那五个要点告诉领导不行吗？ 世间大部分文案工作，都是在追求形式的正确，而忽略了背后真正重要的东西。AI的报告无非更正式、更标准化一些，其实没有增加新的有效信息。 要在几十年前，你写篇文章如果没有拼写错误、格式整齐、符合单位固定套路，人家就会说你有水平。这在今天可不能带给你阿尔法。什么拼写、语法、格式那些东西早就可以交给计算机自动完成，现在有了AI更是轻松处理。 那你的阿尔法在哪呢？在于你要传达的那个真正的想法。在于你在反复思索和写作中终于找对的那个「感觉」。麦克卢尔说： 「别急着找对词，先把对的感觉写出来。」 ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2025052819/1877365253088559404/052819.png) 工作是否做到了高级水平，首先看自己是否从中发掘出了新的感觉。你真正着手做、做成之后的那个感觉，会跟你出发的时候非常不同。 做得好的一个标志，是你在过程中收获了一些惊喜，一些你之前没预料到的感觉。 把那个感觉表达出来，就是你最好的作品。 当然，一开始你的表达会磕磕绊绊，可能措辞不准确，但那都不是问题 —— 你可以迭代。写一篇文章就相当于构建一个复杂系统。它会有自我引用、有反馈循环，会慢慢生成自组织结构：字词连成段落，段落变成章节……磕磕绊绊的语句突然变得通顺，就像一个复杂系统在临界点时发生相变一样。 ✵ 那你说我们总不能就靠“跟着感觉走”吧？这完全没有章法啊！章法，来自「属性」。 我们前面讲了，属性是从外部观察，一个系统表现出来的宏观性质，比如温度、强度，比如魔法瓶炼出来的是不是黄金。属性是对系统的约束和限制。 你的创造章法就是事先设定自己想要什么样的属性。 元方法要求，这个东西能否满足你要的属性，只能在事后评测，而不要在事前设计。如果你在一开始就拿着属性去反推怎么才能实现它，那你就陷进了还原论的陷阱。 比如说我们要发明一种新药。你希望它具备一些属性：有一定的颜色、质地和形态；能溶解在水中，最好还能溶于脂质溶剂，这样更容易被人体吸收；它的性质要稳定，不会在阳光、空气或高低温环境下迅速降解；更关键的，它毒性要低、有效性要高，针对目标症状要有显著疗效。 元方法，是你先凭启发式和模式识别的感觉弄个差不多的化合物原型出来，试错迭代，一直到得到一个满足所有属性要求的化合物为止，然后你再对它检验。 而还原论的方法，却是先根据那些属性倒推什么样的分子结构满足要求，试图从头设计这个化合物。对复杂事物来说这是不可行的，因为中间有太多不可预测甚至不可描述的路径了。 ✵ 注意这里并非绝对没有设计 —— 你之前设定想要的属性，就是一种设计。只不过这里是从外面设计，麦克卢尔称之为「元设计（meta design）」。 只有元设计，不管内部如何实现，结果自动呈现……这并不神秘。我们用AI不就是这样的吗？ 对高水平、特别是会推理、会自己调用工具的AI来说，你要给它安排什么任务，现在推荐的做法是只告诉它你想要的结果，而不必告诉它该怎么做。因为它往往比你更懂得怎么做。我们以前说要有「甲方心态」[1]，也是这个意思。 现在用AI找药也是这个思路。你只管告诉AI想要一个能满足什么什么条件的化合物就好，你不需要知道这种化合物的分子结构大概长什么样，AI就能从海量数据中寻找，并合成可能的候选。 其实就算没有AI，我们自己有时候也是这样工作的。 比如作家写小说。他可能先设定一些属性：“我要写一部武侠小说，我希望让读者爽，所以小说要有复仇和除暴安良的桥段。”这就算是元设计。 那怎么实现这些属性呢？作家不会按照某个现成的配方写 —— 往往他的做法是「找」和「等」：他脑子里不断地设想一个又一个的剧情，某天终于灵感乍现，脑子里呈现的那个故事正好满足那些属性，于是留用。这里真正起作用的是启发式和模式识别，是感觉。 终究不是靠设计，而是事后发现。 ✵ 再进一步，麦克卢尔还要求我们重新思考科学和工程的关系。人们一般的印象是先有科学发现了新的知识，工程师再用这些知识做出技术，实现应用。但如果你看看真正的技术史，你会发现根本不是那么回事。 有人说没有量子力学就没有今天的计算机 —— 没错，计算机要用到集成电路，集成电路要用晶体管，晶体管是一种半导体，而半导体的原理包括量子力学……可是设计集成电路的那些工程师，可根本用不上什么量子力学！最早的计算机用电子管，甚至更早的灵感来自机械操作，那跟量子力学一点关系都没有。 工程的演进有它自己的逻辑，是靠实践、靠经验、靠不断的试错和优化往前推的。 当然我们肯定不能说科学对工程毫无价值，那太极端了。科学知识设定了你必须遵守的硬条件。但工程师的确很少从科学原理出发搞发明创造。就连马斯克提倡「第一性原理」，也不是要从量子力学出发去推演下一代芯片 —— 他大多数情况下还是从工程原理出发，琢磨怎么把东西做得又简单又便宜。 而且历史上常常是工程先走一步，发明了一个好东西，然后科学才跟上来解释为什么这个东西好使。 比如喷气式飞机，你要说安全飞行、量产和商业运营，那早就解决了 —— 但你要说飞机发动机和机翼的湍流、发动机燃烧为啥不稳定、噪声到底是怎么回事……这些问题一直到现在，科学家也没完全搞清楚。 这个道理是你不需要把原理彻底搞清楚就可以造出好东西来。再比如很多著名药物，也都是先被发明出来，患者吃了之后，才发现它居然对某种病有效，才引发科学家的研究。 AI大语言模型就更是如此，工程上早就做出来了，科学家至今还没搞明白它为什么好使。 2023年2月，山姆·奥特曼发了一条X说：什么是科学？科学是一个东西按理说不该好使，但它居然好使，这时候科学家必须登场，去研究为什么它好使。什么是工程？工程是一个东西按理说应该好使，但它却不好使，这时候工程师必须登场。 ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2025052820/1877369254924328636/052820.png) 所以我们真的不应该把科学和工程划成两条互不相干的路线，它们最好并行推进：工程师不断试错，创造出新东西，科学家不断总结，从中发现规律，然后有时候科学家的研究也能反过来启发工程师。 ✵ 麦克卢尔更激进的说法是我们学习的所有还原论知识，并不是为了直接使用。 比如说你学了原子物理，你知道原子的各种性质，那你真的能靠这些知识去设计一个分子、或者一种新材料吗？当然不能，那中间隔着很多层。 那我们为什么还要学原子物理学呢？麦克卢尔的回答是：为了类比。 不要把科学知识当成底层原理，要把科学知识当成大自然的作品，当成案例！你可以从中提炼某种模式、隐喻、结构，作为通用真理类比到其他领域上去。 比如说，各个原子之间的结合力比较弱，才让材料具备了一定的柔韧性和弹性。那从这个案例中也许你就能悟出来，人与人之间如果要实现灵活协作，是不是也不应该绑定得太紧？是不是也需要一种“弱结合”才可能有弹性和应变能力？ 再比如说，原子晶格的排列方式，是不是也能对城市规划、组织架构带来启发？一个系统的结构，是不是比单个单元的性质更重要？ 为什么杰弗里·辛顿（Geoffrey Hinton）和理查德·萨顿（Richard Sutton）在AI领域取得如此巨大的成就？他们都学习过脑神经科学和心理学 —— 但他们并不是把人脑的神经元一比一搬到AI里，也不是把心理学知识直接变成算法。他们做的其实是类比，是在某个抽象的侧面效法大脑，构建AI系统。 他们不是直接*应用*脑科学，而是*借鉴*脑科学，是从大自然的成功案例中提取出可以迁移的结构。 ✵ 总而言之，麦克卢尔崇尚「感觉」而不是理性计算。他甚至认为哪怕你的那个感觉不准确，是一个偏见，也没关系！ 你的偏见，其实是你在你所处的本地环境中反复试错之后形成的感知结果，是有实际效用的。当然个体偏见有效不等于群体偏见合理，但没关系 —— 只要通过某种机制把众人的偏见集合起来，就能形成群体智慧，从而消除整体上的偏差。 我认为他说的太乐观了，毕竟我们知道有些偏见不能互相抵消，比如老百姓对经济学就存在系统性的偏见，比如民粹容易反对自由贸易。 但是的确，个人的偏见，往往是宝贵的。我们专栏以前专门讲过，个人保留主观的本地偏见，才有可能为群体智慧提供有效输入 [2]。如果你什么偏见都没有，所有观点和主流媒体一致，那你的观点反而没有输出价值。 ✵ 《发现，而非设计》这本书至此就给你讲完了。我最后想说的是整体论工作法让人更像人。如果是老子、庄子听说麦克卢尔这套学说，肯定会大加赞赏 —— 他们会说还原论的工作方式是对人的异化。 就在此时此刻，因为AI编程能力越来越强，程序员已经在流行「氛围编程（vibe coding）」：你只要说说你想要什么，AI已经能相当自动、相当自主地给你生成一切。一句话生成一个网站甚至一个APP都已经成为现实。 氛围编程就是感觉编程。也许我们原本主要该做的就是把握氛围。 最后我们用麦克卢尔书中的一句话结尾：「或许，人类最伟大的发现将是：当进步达到最佳状态时，它其实让我们愈发贴近最初的起点。」 ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2025052820/1877369311832654124/052820.png) （The End） ![](https://piccdn2.umiwi.com/uploader/image/ddarticle/2025052820/1877369327938781484/052820.jpeg) 注释 [1] 你不需要提示工程，你需要迭代和追问 [2] 松弛感四则 ## 划重点 1.「元方法」不是从底层原理出发或者按照固定套路去搭建一个东西，而是从外面着手，靠模式识别和启发式，用天真的试错的精神推动进展。 2.创造的章法不是事先设计具体实现方式，而是设定想要的属性。元方法要求在事后评测是否满足属性要求，而不是在事前设计如何实现这些属性。 3.科学和工程的关系不是单向的科学指导工程，而是并行推进、相互启发。工程常常走在科学前面，通过不断试错创造新事物，科学则总结规律并反馈给工程。