|
本系列文章预计会有10个章节，这套文献会系统讲述学习本身，这里是第一季第一章为什么要了解学习？我觉得有两个原因： 第一，在这个快速发展的时代，我们必须学会如何快速、高效学习，以至于能够快速接受这个时代的快速变化； 第二，我们对大脑充满好奇，我们想知道学习到底是个什么机制，就像要知道软件到底是如何运行起来的一样； 这次我会系统谈谈我所理解的学习本身，让我们理解学习，同时也能够轻松自如的应用学习的技巧。 万维钢老师在《学习究竟是什么》中谈到学习的六个境界。即，学精第一、学广第二、创造第三、策略第四、兵器第五、无为第六。 所以，要成为学习的专家，必须先了解大脑。前面几节我们先不讨论学习方法，先了解大脑科学。也就是理解学习本身，了解大脑。 好吧，我们开始！ 20年前，人们以为小孩在出生的时候，大脑是一个白板，所有的学习都是通过出生之后才一步步开始。但是人们以往的这个认知是错误的。 《创造的起源》作者爱德华·威尔逊曾谈到过“先备学习（prepared learning）”，也就是说，科学家的最新认识是大脑不是白板，小孩刚出生，就已经预装了很多知识。 对光线和声音怎么反应，关注语言，害怕危险的东西，这些事儿不用专门学，都已经写在基因里了，天生就会。 而人们对现在的学习属于后天学习，后天学习的方式取决于周围环境和学习者的性格，比如网球明星费德勒的学习方法，后面再谈。  01 AI算法与大脑相似点  上世纪八十年代，计算机科学家有感于传统算法做人工智能不行，转向人脑学习，这才搞出了神经网络算法。也称“机器学习”，这是一切 AI 基础。 计算机科学家在这个基础上发明了各种策略和方法，其中也是不断地在借鉴人脑，他们非常关注脑科学的进展。可以说 AI 是对大脑的仿生学。 其实，大脑也是一个神经网络。有时候你和一个跟自己相似的东西对照，更能看清自己是怎么回事儿。大脑的一些基本学习原理跟 AI 相同，高级的原理比 AI 高得多，我们先看看最基本的相似点。 1.模型 所谓学习，本质上就是训练我们大脑内部的模型。 学习就是训练模型，通过和真实世界互动，用数据的反馈来调整那些所谓的认知参数。 2.分层 神经网络模型是分层的。比如学语言，不管是小孩学说话还是 AI 学语音识别，最底层都是识别音节，是简单的声音。 往上一层是字词，再往上是语法，帮你连成句子，再往上一层是意思……每一层有每一层的规律。在机器学习领域，分层是一个重大进步，分层的神经网络就叫“深度学习”网络。 3.监督学习 训练模型的参数最简单的方法就是随时提供有效的反馈。 你要时刻调整自己的参数，比如练习投篮三分球，第一次投不中，第二次要调整姿势和力度等等。 4.“任意的震动” 大脑学习也应该这样。你得博览群书开卷有益积极探索，时不时跳跃到别的地方看看。 我们要时不时给自己制造意外，就像干扰一样，才能使自己的学习变得牢固。 5.无监督学习 比如，小孩学走路，大人并没有告诉他每一步腿迈的对不对 —— 他自己摔倒过几次就有经验了，知道走成什么姿势容易摔倒，然后就会避免走那个姿势。 6.抓住本质 上数学课，你学解题学的是套路的一般性，而不是那些例题里特殊的细节。你既要善于学习，也要善于忽略，才能抓住本质。 7.内在知识 你从来都不是“从零开始”学什么东西，你总是把新知识看做旧知识的组合。我们出生之前，基因就已经告诉我们如何识别声音和光线，所以接下来的语音和人脸识别都是在更高的层面上进行的，所以才学的那么快那么自然。 02 大脑的优势 我们谈完与AI相似之后，再看看不同点。人脑比人工智能厉害的地方主要是，第一、对抽象概念的理解；第二、学习速度；第三、知识的传递；第四、思想知识，等等。 比如说椅子，不管是三条腿还是四条腿，什么颜色什么材质，你都知道它是椅子，因为你抓住了椅子内在抽象的概念，你理解椅子的精髓。 AI学习要海量的数据，并且要训练很久，而人只需要一个案例瞬间即可。 总结 通过审视机器，我们也能审视自己的学习。你的基础知识学扎实了吗？你是把失败当做反馈还是把反馈都当做失败呢？你做事的时候内心有个“批评者”吗？ 你的批评者会影响你的情绪吗？你喜欢新东西吗？ ……这么一对比，大多数人的学习态度远远不如！ 今天先谈到这，下一讲我们谈谈人工智能具体学习的方法，即“机器学习”。 参考文献： 《我们如何学习：大脑为何（暂时）比机器学得快》（How We Learn: Why Brains Learn Better Than Any Machine… for Now） 《万维钢精英日课》 |
|
|
