Было раннее утро, когда я получил еженедельный блог от моего бизнес-тренера. Когда мои глаза просмотрели первые несколько строк, мой разум начал восставать против того, что я читал, вместо того, чтобы принимать это. Тихое «нет» заполнило мой разум… затем осознание: я был не согласен со своим тренером. Основное внимание в статье уделялось целям, намерениям и способам их достижения, используя простые ежедневные шаги, а не тратить время на разработку более сложной стратегии. Мой тренер посоветовал человеку действовать быстро, делая небольшие шаги к цели, а затем переоценивать прогресс в достижении этой цели на этом пути. Только продвигаясь вперед, человек может обнаружить информацию, которая поможет направить его в правильном направлении. Ожидание раскрытия пути вызывает значительную задержку роста.

Следует ли нам стремиться к постоянному прогрессу и переоценивать каждый шаг на этом пути?

Давайте на мгновение подумаем об этом, используя лабиринт: войдите в лабиринт с очень высокими внушительными стенами. Начните двигаться вперед, решая проблемы и вырабатывая стратегию на каждом шагу, который вы делаете. Вы можете столкнуться с препятствиями, заблудиться или даже вернуться назад. Вы должны проявлять творческий подход, думать постоянно и учитывать, что ваша первая идея может оказаться неправильной, чтобы довести вас до конца. Полезна ли оценка того, как далеко находится выход от вашего текущего местоположения? Поможет ли это вам быстрее приблизиться к решению?

В случае лабиринта ответ отрицательный. Достаточно большой лабиринт может ускользать от кого-то очень долго, прежде чем он найдет конец. На самом деле большинство жизненных проблем, которые стоит решить, намного сложнее, чем найти выход из лабиринта.

Машинному обучению нравится определять функцию «приспособленность» как выражение прогресса в достижении цели в пространстве поиска. Это заставляет алгоритм действовать как целевая функция. Давай еще раз посетим лабиринт. На этот раз игрок - робот. Робот выбирает направление в зависимости от того, насколько близко он может подойти к конечной цели. Обманом такие целевые функции могут помешать достижению цели. Посмотрите на лабиринт справа: робот входит в №1, конечная цель - №3, а робот застревает в №2. Пытаясь добраться до №3, робот всегда будет застревать в близком месте, но любое дальнейшее движение требует от робота отодвигаться от центра, что не дает функции «приспособленность» и заставляет робота останавливаться.

Несмотря на то, что существуют методы смягчения последствий обмана, они оставляют основную патологию без лечения: «Объективные функции сами по себе могут активно направлять поиск в тупик [1]».

Осознание: мне нужен лучший план или лучшая стратегия.

Цель состоит в том, чтобы решить лабиринт целей: перейти из точки А в точку Б, зная, что без хорошей стратегии будет сложно добраться до места назначения.

В общем, для нашего обсуждения здесь предположим, что «проблемы, которые стоит решить» редко бывают простыми или прямолинейными, а большинство простых на вид проблем, скорее всего, обманчивы. Непонимание того, что является обманчивой проблемой, может дорого обойтись.

Можем ли мы быть духовными и одновременно достигать своих целей?

Восточная духовность избегает привязанности к целям. Хотя это звучит просто, само по себе это цель, создавая циклическую зависимость. «Отказ от всех целей» кажется очень запутанным и случайным поведением, из-за которого кажется, что нет контроля над достижением целей. Людям сложно понять случайное. В машинном обучении это может быть проще. В машинное обучение нет личных вложений, поэтому ничего страшного, если цель не достигнута! Это упрощает риск и пробовать что-то новое - откажитесь от всех целей и посмотрите, что произойдет!

С математической точки зрения: чтобы отказаться от наших целей, нам нужно просто отказаться от использования цели в нашей фитнес-функции. Как это работает? Вернемся еще раз в лабиринт:

Люди обычно перенимают идею исследования неизведанного. Робот может сделать то же самое, хотя цель состоит в том, чтобы достичь центра, давайте попросим робота продолжить движение, но всегда в место, где он никогда не был раньше. Это стратегия, которая не включает цель в качестве директивы, но она приведет к тому, что робот достигнет цели - роботу может потребоваться много времени, чтобы достичь конечной цели, но цель будет достигнута.

Чтобы улучшить указанную выше стратегию, машинное обучение развертывает сразу несколько агентов / роботов и требует, чтобы каждый агент / робот был уникальным, например всегда идти туда, куда не попали другие агенты / роботы. Это позволяет намного быстрее прийти к правильному решению и не включает цель как часть эвристики. Отказ от целей не означает, что нет стратегии или эвристики, ведущей к решению. Определение этой эвристики иногда очень сложно и может потребовать времени, чтобы разобраться.

Более хитрый пример - использование сетей для достижения целей продаж. Прямая идея для продавца состоит в том, чтобы установить сеть для выявления потенциальных клиентов, которые могут помочь ему / ей в достижении его / ее целей (целей) продаж. Продавцы стараются изо всех сил, в то время как некоторые организации предпочитают быть «любителями». Эти организации используют другую эвристику. Вместо того, чтобы создавать сети для достижения бизнес-целей, они сосредоточены на привлечении других людей и создании деловых возможностей для других. Это совсем другой подход. Он не включает цель как часть эвристики, но в то же время укрепляет отношения и ведет к созданию нового бизнеса.

Вот итог:

Отказ от целей не обязательно означает, что цели не будут достигнуты, он лишь заставляет человека использовать эвристический подход, который позволяет легко сделать каждый маленький шаг на этом пути.

Для себя я предпочитаю эвристику, чтобы представить «кто я» и рассмотреть «то, что я оставляю после себя, когда все сказано и сделано».

Когда я в конце 2010 года основал Multi-Innovation, я использовал эту идею для получения проектов. Правильно - я использовал отдавать, чтобы получить. Сегодня, по прошествии многих лет, это один из основных атрибутов членов моей команды, который мы любим отдавать. Я никогда не перестаю удивляться тому, что потом возвращается в результате такой отдачи.

[1] Отказ от целей: эволюция через поиск новинок в одиночку, Джоэл Леман и Кеннет О. Стэнли, Журнал эволюционных вычислений, (19): 2, страницы 189–223, Кембридж, Массачусетс, Массачусетс, США: MIT Press, 2011