学习与搜索

地图里有陷阱

你正在设计一个产品,要做 6 个是/否决策。
每个决策都会牵动其他决策。找出最好的那个版本。

下方就是你的搜索空间:64 种可能的设计,按 8×8 布局摊开。 每一格有一个隐藏的适应度 —— 用户有多喜欢这种组合。 黄色格子是赢家。 深紫色格子是哑炮。 相邻格子之间恰好只翻转一个决策 —— 设计空间里的小步,也就是地图上的小步。

如果你的 6 个决策能相互独立工作,地图就是一座光滑的山丘:逐一微调,一路爬上山顶。 可现实中的决策是相互影响的 —— 一个响亮的声音在大而快的产品上很棒, 在小而安静的产品上却极烦人。相互影响一多,光滑的山丘就碎成一片布满小山头的雷区。 拧一下 K 旋钮,看看:

现在换你来爬

你从一个随机设计出发(蓝色小人)。地图下方的卡片就是你的 6 个决策。 每张卡片告诉你翻转这个决策会发生什么 —— 绿色 ↑设计变好, 红色 ↓设计变差。 点任一张卡片翻转它,小人会瞬移到地图上的新家。

三位探险者,同一片地形

同一张地图。同样的步数预算。三种性格:

• H · 爬坡者。永远选当前最优的那一步。最快登顶 —— 然后永远卡住。
• R · 重启小队。先爬坡;一卡住就瞬移到一个随机新起点。多样性保险。
• L · 大跳者。多数时候爬坡,偶尔一次性翻好几位。代价不低,但能跳出局部峰。

看他们怎么走。每位探险者会在地图上留下自己颜色的痕迹。下方的进度条比赛的是 目前为止最好的适应度 —— 这才是真正算数的指标,因为你记得的只会是自己最好的那个设计。

多样化团队 > 同质专家

Scott Page 的 The Difference 把“重启小队”推而广之。 如果一群聪明的搜索者都从同一个起点、用同一套启发式去搜索,他们会被卡在同一个局部峰上。 不同的搜索者会被卡在不同的峰上 —— 并且可以彼此交换走法。 认知多样性的数学论证,就藏在一张 NK 地形里。

相关模型

• 🎮 生命游戏与局部多数 — 又一个“规则简单、结果惊人”的故事,复杂性从局部交互中涌现。
• ♟️ 博弈论 — 决策之间的策略互动,是 NK 中特性相互影响的近亲。
• 🟦🟧 Schelling 隔离 — 基于主体的近亲:局部决策汇总成一张全局的结果地形。