人工智能时代应如何学习（第4/10页）

人类学习的最精华特点，凝结在孩子身上。

人工智能时代，当我们越来越熟悉机器学习，我们也就越来越对孩子的学习充满惊叹。我有时候在家观察孩子的行动，听她议论周围的世界，会对她展现的领悟力感到叹为观止。孩子是造物的奇迹，他们用神奇的表现，一次次让科学家感到不可思议。而如果没有和人工智能对比，我们可能还察觉不到这种不寻常的能力。

传统教科书上只说如何用奖惩实现教育，只探讨课堂的教学法，但实际上，儿童的学习远远超越课堂范围，普通的奖惩也无法限制他。儿童的学习从婴儿期就开始，一直持续到成年，甚至终身。与人工智能的学习方法相比，孩子的学习有一系列非常独特的学习特征。

总体而言，小孩子和人工智能相比，有下面几个明显的特别优势：

以偏概全；

走神；

厌倦；

出错；

依赖情感；

叛逆。

我先带大家看一下，为什么这些特点是人类小孩的优势。

小数据学习vs.大数据学习

孩子是小数据学习。与人工智能对比，小孩子的学习能力高效得惊人。人工智能学习认鸭子，需要看数百万张鸭子的图片，小孩子只需要看两三张就够了，下次就能认出来。而且不仅仅是生活中有可能出现的熟悉的事物，小孩子看图片认袋鼠、考拉——北半球的小孩子可能从来没机会见到真的——也是一样高效。

这种能力，可能就和前文提到过的“抽象认知”能力相关。人类记住某些事物，是以非常抽象的方式提取关键特征，记忆成“模式”。这是如何做到的，现在还是谜。预言学家雷·库兹韦尔猜想，人类记忆“模式”是存储在大脑的三亿个柱状结构中。且不管他的猜想是不是正确，我们只要知道人类的这种模式识别能力的强大，就足以发出感叹。

到目前为止，计算机“深度学习”仍然需要海量数据，人工智能对每一件事的学习都要有足够多的数据支持。因而很多人说“未来最宝贵的资源将是数据”，如果得不到足够的数据，人工智能就很难发展。对于一些有海量现存数据的领域，这是自然而然的事情，例如金融、医疗，但是人类社会生活还是有诸多领域缺乏足够多的数据记录，人工智能一时就很难习得。对人情世故的理解也往往受限于数据。人类拥有“从经历中学习”的能力。当一件事发生，作为单一的事件数据，人类就能学习到很多规律。在事件学习方面，人类不仅不需要很大的样本数据，就可以“吃一堑长一智”，甚至是可以超额学习，也就是“举一反三”。

每个孩子都是“一叶知秋”学习者，小时候，我们都能观察到他们胡乱总结生活规律。一两岁的小孩就可以总结“这样扔东西奶奶会笑”的规律。这样的坏处当然是“以偏概全”，但实际上，我们需要珍惜他们的这种特性。因为这正是他们在用强大的“模式提取”思考方式进行小数据学习，试图从生活小数据中提取宝贵的知识。

我们应该鼓励孩子们的思索，“以偏概全”也可以转化为优点。若想避免“以偏概全”，可以让他们看到更多、经历更多、体验更多，但是思考和总结的能力是千金不换的。

联想学习vs.逻辑学习

孩子的思考总是充满联想跳跃。我们通常认为走神是缺点，但其实也是优点。人工智能学习一个领域的知识，会局限在这个领域内，按照这个领域内的数据，寻找相关联系，寻找因素之间的相互影响。如果存在逻辑规则，人工智能学习毫无难处。人工智能在一个领域内得到的知识很难联想或类比到其他领域，因为它们并不具备多个领域的知识记忆。

人类的语言里充满类比和联想。当我们说起时代变化，我们说“风起云涌”的时代，表明时代的剧烈变化；当我们说起事态严重，我们说“山雨欲来”，暗示即将有大变化。天气和我们讨论的政治经济趋势毫无关系，但是所有的这些比喻之所以能成立，是因为人能注意到事物背后相似的部分，这些相似性也很抽象，如风云的变幻感和趋势感，这种相似性人工智能难以想到或理解。

类比并不仅仅是文学修辞，它是我们的思维方式，在知识领域同样有用。我们从前经常批判“廉价的类比”，感觉类比并不是真知，只是人们大脑胡乱的关联。但实际上，我们的知识发展很大程度上是靠类比和联想。逻辑演绎能保证我们在一个领域内推导出真知，但是根据哥德尔不完备定理，一个领域内总有一些基础公理是不能自我推导的。这就是说，每个领域至少有一些基本假设，要“无中生有”，而“无中生有”的来源，往往是从原有的领域类比而来。