人工智能时代应如何学习（第5/10页）

有价值的类比实际上是发觉深层的结构，外在的信息无关，不意味着深层的机理无关。爱因斯坦的广义相对论，由自由落地的电梯类比而来，把整个地球类比于电梯，得到了令人瞠目结舌的对宇宙的新知。电梯和宇宙结构之间的关系，就是用跨领域联想找到深层原理。爱因斯坦有着非同寻常的视觉敏感度，联想能力与此密切相关。

我们跟小孩对话的时候，几乎很难将话题保持在同一脉络上。小孩子总是说到一半，就想起其他相关事物，然后话题就漫无边际地拓展下去。在孩子小的时候，我们会发现他们很难集中注意力在同一件事情上，思维常常飞跑，这让我们试图给他们传授单一知识的时候感觉非常困难。但实际上，孩子的这种天马行空的自由联想是极为宝贵的思想资源。发散的思维不受限制，注意到事物与事物之间的关联。3—7岁是大脑突触连接最快速增加的时段，到了小学之后，大脑突触连接数量逐渐减少，联想和跳跃的思维也减少，可以更有逻辑地思考，集中精力，但是终其一生，在逻辑思考和跳跃思考之间找到平衡，往往是最有成果的。

习惯化学习vs.重复学习

小孩子总是三分钟热度，一件事情喜欢上两天就不喜欢了。要是人工智能，我们可以让它念唐诗念上一年也不厌倦，但小孩子能坚持三五天就很了不起了。

我们都知道这是人工智能的优势，那我们又为什么说“厌倦”是孩子的优势呢？

实际上，厌倦来自一种心理学特征：习惯化。习惯化是指：大脑对于新奇的刺激有本能的兴奋，人的注意力喜欢追随新奇刺激，一旦一个新鲜信息变得习惯了，大脑就感到厌倦，不再加以注意。婴儿身上就展现出这种特征，心理学家给三四个月大的婴儿看屏幕上的画，如果是他觉得奇特的，他就目不转睛盯着看，如果是已经看得习惯的画，他就不怎么看了。科学家就是用这种方式测定婴儿的本能知识。

那这有什么好的呢？

实际上，习惯化反映了大脑的学习过程。“注意力”是大脑的稀缺资源，大脑总是要把注意力“投资”在最值得的地方。一旦一个知识学会了，融入了自己的知识框架，大脑就要把注意力投资到其他地方。习惯化实际上就是学会之后的注意力转移。这种习惯化也正是形成“常识”的过程。大脑有常识体系，一旦一个信息是“反常识”的，大脑就加以注意，新知识变成常识的一部分之后，注意力就向其他新知识转移。

大脑注意力永远向新异信息转移，这种倾向实际上是创新的本能。

人工智能学同样的知识、做同样的练习，永远都不会厌倦，好处固然是永远可靠地工作，但问题在于，如果注意力永不厌倦地放在已经学会的知识上，还有什么动力去学习新知识？有很多人说，人类大脑的“自动化”过程是一种懒惰，但实际上，它是“自动化”旧过程，以便搜索新信息。大脑就是在学习与搜寻的过程之间永恒切换。这是创新的推动力。

如何才能让孩子坚持一件事呢？如果“厌倦”是好的，孩子岂不是永远缺乏坚持毅力？最好的教学节奏，是让孩子在一件事情上，总能找到新的趣味和挑战。就好比难度阶梯合适的游戏，总不会太难，也不会简单枯燥，内容有乐趣，而且跟着孩子的水平不断抛出新挑战。每次习惯化发生之后，就有下一关的冒险。这种合适的节奏，常常不容易找到。因此，好老师始终是至关重要的（未来人工智能技术辅助教学也有帮助）。

试错学习vs.优化学习

小孩子会犯错，甚至会故意犯错。人工智能学习的过程，实际上是在寻找最优解。它也会小步试错，但最终目标始终是寻找解空间的全局最优。它不断根据最终的答案调整步骤，直到所有参数都有利于获得最佳答案。人工智能计算永远都是可靠的，每次提出同样的问题都得到同样的解答，如果不特意安排它出错，它不会出错。

小孩子的思路走不了那么远，他更多是从现状出发，东试一下，西试一下。有的时候，尝试的过程中他发现了另外的问题，有的时候给出另外的答案，不一定是最优解，但有时候带来新的洞见。另外一些时候，他故意做错，只是觉得按照另一种方式做更有意思。例如你让他用积木按照图纸搭一座高塔，他在搭的过程中，发现塔可以断成两截，再连接成一座桥，于是就把搭高塔的计划忘记了，开始搭桥，然后又建房子。