how we learn 学习笔记 1 AI方向预测

第一部分：简介

我们大脑的认知能力如何抵御环境的创伤，剧烈的大脑创伤后的变化（作者举例失明小孩的写作经历）?鉴于我们截然不同的感官体验,为什么菲利普和我会有相同的想法?不同的人类大脑是如何在相同的概念上趋同的？

其他例子：

海伦耳聋眼瞎,然而,经过多年艰苦的社会隔离,学会了手语,最终成为杰出的思想家和作家

伊曼纽尔·吉鲁,他从11岁开始失明,但后来成为了一流的数学家

大脑的右半球在三岁时几乎完全被切除了!尼科的大脑像往常一样,学会了把他所有的天赋都挤到半个大脑中:演讲、写作和阅读,但画画和绘画也是如此,这通常被认为是右半球的功能,还有计算机科学,甚至轮椅击剑,在这项运动中,他在⻄班牙达到了冠军的地位

反例：

其他大脑疾病中风等会导致各种认知障碍；

大脑可塑性相关：

跟大脑神经网络回路的关系？

可塑性可以重新打开吗？灵活性怎么样？规则是什么？

什么算法允许我们的大脑回路形成世界的表象?

理解它们会帮助我们学得更好更快吗?

我们能从他们中汲取灵感来制造更高效的机器,最终模仿我们甚至超越我们的人工智能吗?这是本书试图以一种激进的多学科方式回答的一些问题

大脑的完全预连线既不可能也不可取

基因信息有限，已经编码了整个身体的组织结构；大脑容量太大

我们面临着一个悖论:我们大脑中的奇妙宫殿包含了比建筑师用来建造它的蓝图多十万倍的细节!我只看到一种解释:宫殿的结构框架是按照建筑师的指导方针(我们的基因组)建造的,而细节则留给项目经理,他可以根据地形(环境)调整蓝图。预先连接人脑的所有细节是完全不可能的,这就是为什么需要学习来补充基因的工作

学习的能力行动更快——它可以在几分钟内改变行为,这是学习的精髓:能够尽快适应不可预测的条件

秀丽隐杆线虫的小虫

大多数个体标本有959个细胞,包括302个神经元,它们的连接都是已知的,并且是可复制的。

研究人员最初认为它是一种只会来回游泳的机器人,但后来他们意识到它至少拥有两种学习形式:习惯化和联想。

习惯化是指生物体适应重复存在的刺激(例如,动物生活的水中的分子)并最终停止对其4 反应的能力。

另一方面,联想包括发现和记住环境的哪些方面预示着⻝物或危险的来源。线虫是联想的倡导者:例如,它可以记住哪些味道、气味或温度水平以前与⻝物(细菌)或排斥分子(大蒜的气味)相关联,并利用这些信息选择穿过其环境的最佳路径

学习的精髓:能够尽快适应不可预测的条件

大脑是妥协的结果——

我们从漫⻓的进化史中继承了大量的先天电路(编码为我们细分世界的所有广泛的直观类别:图像、声音、运动、物体、动物、人...)

但是,也许在更大程度上,一些高度复杂的学习算法,可以根据我们的经验提炼这些早期技能

用一个词来说,我们物种的独特才能,我会用“学习”来回答我们不仅仅是智人,而是智人——自学的物种

人类的故事是一个不断自我改造的故事。所有这些的根源 成就隐藏着一个秘密:我们的大脑具有非凡的能力来制定假设并选择那些适合我们环境的假设

:在进化过程中,达尔文算法仔细描绘了哪些大脑回路应该预先布线,哪些应该对环境开放。在我们这个物种中,学习的贡献尤其大, 因为我们的童年比其他哺乳动物⻓得多。因为我们在语言和数学方面拥有独特的诀窍,我们的学习设备能够浏览大量的假设空间,这些假设空间重组为潜在的无限集合——即使它们总是基于从我们的进化中继承的固定和不变的基础

由英国教育捐赠基金会(EEF)建立的一个优秀网站列出了最成功的教育干预措施——它对元认知的教学给出了很高的排名(知道自己大脑的能力和极限)。学习学习可以说是学业成功最重要的因素

所有的学习者都受益于集中注意力、积极参与、错误反馈以及每日排练和每夜巩固的循环——我将这些因素称为学习的“四大支柱”,因为正如我们将看到的,它们是存在于我们所有大脑中的人类普遍学习算法的基础,无论是儿童还是成人。

大脑确实表现出个体差异,在某些极端情况下,可能会出现病理。发展病理学的现实,如阅读障碍、计算障碍、运动障碍和注意力障碍,不再是一个疑问的主题。幸运的是,随着我们越来越理解产生这些怪癖的公共架构,我们也发现存在简单的策略来检测和补偿它们

虽然孩子们在他们所知道的方面有很大的不同,但他们仍然分享相同的学习算法。因此,对所有儿童最有效的教学技巧也往往对有学习障碍的儿童最有效——它们必须以更大的注意力、耐心、系统性和对错误的容忍度来应用。

机器的挑战

传统的深度学习算法只模拟了我们大脑功能的一小部分,我认为,这一部分对应于感觉处理的第一阶段,即我们大脑以无意识方式工作的前两三百毫秒。

这种处理绝不是表面的:在几分之一秒内,我们的大脑可以识别一张脸或一个单词,把它放在上下文中,理解它,甚至把它整合成一个小句子....

然而,局限性在于,这一过程仍然是严格自下而上的,没有任何真正的反思能力。只有在随后的阶段,即更慢、更有意识和更具反思性的阶段,我们的大脑才能设法部署其所有的推理、推理和灵活性能力——这些特征是今天的机器仍然远远不能匹配的

我们的大脑仍然优于机器的原因是它充当了统计学家的⻆色。

通过不断关注概率和不确定性,它优化了学习能力。

在进化过程中,我们的大脑似乎已经获得了复杂的算法,能够不断跟踪与所学知识相关的不确定性——从精确的数学意义上来说,

对概率的这种系统关注是最大限度利用每条信息的最佳方式

最近的实验数据支持这一假设。甚至婴儿也能理解概率:

从出生起,他们似乎就深深地嵌入了他们的大脑回路。

孩子们表现得像小的萌芽中的科学家:他们的大脑充满了假设,这些假设类似于他们的经历经受考验的科学理论。

用概率进行推理,在很大程度上是无意识的,深深地铭刻在我们学习的逻辑中。

它允许我们中的任何人逐渐拒绝错误的假设,只保留对数据有意义的理论。

与其他动物物种不同,人类似乎利用这种概率感从外部世界获得科学理论。

只有智人能够系统地产生抽象的符号思想,并在新的观察面前更新它们的合理性。

预感是,⻉叶斯算法将彻底改变机器学习——事实上,我们将看到它们已经能够以接近人类科学家的效率提取抽象信息

根据这一理论,最好的学习者是一个合理使用概率和统计数据的科学家。新的 模型出现了:大脑作为统计学家,大脑回路作为概率计算。这一理论明确了先天和后天之间的分工:基因首先建立了大量先验假设的空间,然后环境选择了与外部世界最匹配的假设。这组假设是基因指定的,他们的选择取决于经验

“学习的四大支柱”中,详细介绍了一些技巧,这些技巧使我们的大脑成为当今已知的最有效的学习设备。

四种基本机制或“支柱”极大地调节了我们的学习能力。

首先是注意力:一组神经回路,它们选择、放大和传播我们认为相关的信号——将它们在我们记忆中的影响增加一百倍。

第二个支柱是主动参与:一个被动的有机体几乎什么也学不到,因为学习需要主动产生假设,有动机和好奇心。

第三个支柱,也是积极参与的另一面,是错误反馈:每当我们因为世界违背了我们的期望而感到惊讶时,错误信号就会传遍我们的大脑。它们纠正我们的心智模型,消除不恰当的假设,并稳定最准确的假设。

最后,第四个支柱是巩固: 随着时间的推移,我们的大脑将已经获得的东⻄进行编译,并将其转换为⻓期记忆,从而释放神经资源用于进一步学习。重复在这个巩固过程中起着至关重要的作用。即使是睡眠,也不是一段不活动的时间,而是一个特权时刻,在此期间,大脑以更快的速度重新审视其过去的状态,并记录白天获得的知识。

后续将介绍第一章内容

原书链接：https://www.amazon.com/gp/product/B07S1K4TB2/ 请阅读原文访问。

欢迎反馈