数据驱动型设计正好比一种知名的优化算法——“爬山（hill-climbing）”法。设想你身在一座不熟悉的山丘上，一片漆黑伸手不见五指。如果你看不见，要如何爬到山顶呢？你可以测试自己周围的地形，哪个方向是最陡且往上的，就向哪个方向迈一步。重复探寻，直到你周围任一方向都往下行为止。

但如果这片地区有很多山丘怎么办呢？如何能知道你是否处于整片山丘的最高处呢？答案是：你不能知道。此即“local maximum（局部最大值）”问题：你无法判定你是在最高的山丘顶上（即全局最大值，global maximum）上，还是在一个小山丘顶上。

在数学空间中，计算机可尝试从空间中多个不同的部分同时施行“爬山”算法，并选取所有尝试结果中的最大值，从而避免“局部最大值”问题。这种做法仍然无法保证能取到真正的最大值，但能避免被局限在单一的局部最大值上。这种策略对设计师而言鲜能凑效。确定一个起点就已经很不容易了，更不用说确定多个不同的起点。如此一来，通过测试来进行改进的设计只可能达到一个局部上限。测试永远不可能告诉我们，是否存在好得多的方案（也许另一个山丘要高得多）。

于是就需要有创意的人来参与。当这个人重新构造问题，认识到之前探索的局限性，突破就会出现。设计和发明需要创意的一面。渐进式的设计无法做到这一点。

石家庄网站制作 石家庄网站建设