Mindstorms张安昇导读

麻省理工学院（Massachusetts Institute of Technology）的 Seymour Papert 教授，不仅仅是人工智能先驱，也是全世界首位提倡儿童要学程式的人。他认为人工智能与人类学习是一体两面，电脑与程式语言的发展，对未来学习的模式将造成重大改变，因此在1967年，他与图灵奖得主Marvin Minsky 一同开发出LOGO程式语言／LOGO画图机器人，并且在30年前受 LEGO 委托开发 LEGO-LOGO 机器人—— 后来根据本书英文书名“Mindstorms”改名为著名的 Mindstorms 机器人。Papert 本人对电脑发展的影响深远，细读此书你会发现图灵奖得主 Alan Kay 开发的物件导向编程以及视窗作业系统，甚至这7-8年内流行起来的 iPhone、深度学习（Deep learning），都可在此找到端倪。目前普世较为通用，Papert 的弟子 MIT 的 Mitchel Resnick 教授发明的 Scratch 语言，也可看成是 LOGO 、Mindstorms 机器人的改版，而市面上各式各样的程式机器人，几乎都可以看成是 LOGO 或是 Mindstorms 的廉价复制品。就算是加上人工智能的服务型机器人，大致上也脱离不了他们几十年前论文研究的范畴。

Mindstorms此书的宗旨，并不是解释 LOGO 或是 Mindstorms 机器人的使用方法或开发流程，而是阐述 Papert 以及他老师 Jean Piaget的教育理念。Papert 在获得剑桥大学数学博士之后追随心理学大师 Piaget，并且深受其影响，在此书中大量用 LOGO 语言的实际使用状况，甚至是人工智能的观点辩证了 Piaget 的观点。Papert 认为程式语言跟自然语言一样，都是用来描述世界的，但程式语言更加严谨，以及更加具有互动性，一个精心设计的程式语言，更能与深层次的儿童认知结构相呼应，大幅改变数学科的学习方法，进而造成一系列革命性的教育提升。

Papert 在数学、发展心理学、人工智能、科学哲学等领域都到达了顶尖专家或奠基人的水平，因此产生了如Warren Buffett 合伙人Charlie Munger 所说的 Lollapalooza多重叠加效应，也许这本书成书当时不见得能被大众理解，然而随电脑不断蓬勃发展，Papert提到的许多问题与现象，逐一印证，这更像是一本跨越时代的预言书，很多当下急需处理的问题，其实 Papert 约40年前就进行了深入思考，只是鲜少有人认真加以实践，如果深入挖掘，必然如当初 Steve Jobs进 Xerox 实验室一样，满载而归。

Piaget 的理论说到：人类的学习能力在学龄前是最强的。语言是极度困难的东西，可人类不需要老师也能学的很好。最近神经心理学的研究也发现儿童的大脑结构跟成人的确是不一样，特别适合学习语言。从50年前 Papert 开始的研究主题是，希望把人类早期语言学习的超能力，扩展到别的学科、例如数学上。用的方法就是从自然语言延伸到编程语言。“让儿童熟悉使用编程语言，并且使用编程语言建构一切。”

对应 Papert 的建构主义观的是，自两百年前普鲁士国民义务教育以来的“传统教育”，工业化以来传统手工艺的生产流程被拆解成流水线（assembly line），导致生产力大规模的提升。而普鲁士国民义务教育则是把传统手工艺的学徒制度，模仿工业化流程拆解流水线的方式，有效率大批量的的训练出一批合乎规格的人。事实上在流水线作业下，每个人可能一辈子都只需执行一部分功能，所以这种不强调因果关系教育长时间下来也十分堪用。

这两种教育看法并无对错，孰优孰劣，可能更像是马克思主义（Marxism）所说，上层结构要看当下社会，真正偏好的生产方式决定。Albert Einstein自述早年非常不适应普鲁士国民义务教育。在一个随大流的社会中，像 Einstein 有着自己的想法，可能反而减少自己的机会，也许别人就希望你当一个安份的螺丝钉。当然在Papert的愿景之中，未来社会在电脑加持之下，人人都能成为人机结合的超人，唯一的限制只会是是自己的想像力。

Papert 在 MIT 的同事多媒体实验室主任Nicholas Negroponte也认为，好的教育是为孩子提供机会，去构筑自己的知识体系，而非更好的复制教师观点。再过去的几十年中苹果、微软、谷歌、脸书崛起，都反应出要取得大的成功都是要建构些自己的东西，而非重复别人的老路。在机器人与人工智能即将崛起的现在，重复性流水线工作终将归于机器人，人必须要能掌握全局。如同毕卡索所说，电脑只懂得回答问题。如果要学习问出正确的问题，应该还是要采用倾向Papert 的教育观点。

“在科幻小说中有非常多场景，将电脑视作辅助人类思考的工具。比方说“Star Trek”的粉丝一定知道，“企业号”里面有一个电脑能对任何复杂问题快速的给出精准的答案，然而在“Star Trek”中的角色，思考方式跟20世纪现代人并无二致，在剧集之中，与电脑的接触，并没有改变人对自己的认知，或是改变他们处理问题的方法。在此书之中，我将尝试解释电脑除了作为工具外，如何从源头改变人类思考的方式，而且这种思考方式在没有“联机”时依旧有效。（就如同玩齿轮的经验帮助我学习代数，然而我学习代数时身边并没有齿轮）我想这是一个时代的终结，一个大部分人与科学精神无关的时代终结，一个万众创新时代的来临。当下有许多教育文化的障碍，阻止这些创新精神的培养，比方说美国欧洲普遍存在的"数学恐惧症"，害怕小孩自己摸索，害怕无法将数学学好，一定要老师带，无形之中扼杀了小孩发明创造的能力。在我的愿景之中，当小小的个人电脑遍布世界的每个角落时，这些文化障碍将会被清除。相较于硬体，更加重要的是电脑带来的思想改变，打破现有社会科学，自然科学之间的分界，打破现有既定谁在几岁学习什么的概念，打破发展心理学与性向测验的标准假设，电脑不再是专属于“电脑工程师”，每个“人文学家”都将有充分的电脑编程技能。”

这序言中的愿景，包含大量资讯。在文雅的修辞底下，反对南非种族隔离的Papert 一直有着革命家的血液，相较于推翻一个国家，他想推翻的是全世界的固有思想。大众的想法，在四十年后还没有显着的改变，而Papert的愿景仍然是未来式。Papert 在“四十年前”看出来，在大数据时代来临之后，人文学科的研究将重新建立在电脑编程上，将瓦解科学与人文的“种族隔离”政策。他似乎也看出来，在机器人与人工智能展开的“新大量复制”时代下，大部分人都得学会利用机器创新。

儿童当下如果要学习编程，LOGO 用的已经很少了，比较正规的当然是C、Javascript、Python、Swift，常用入门的是Scratch，不过真正推荐的还是从GoBot实体编程开始。

Mindstorms里面有很多洞见，近几年来获得逐步的证实，比方来说，Papert 反覆强调将自己想像成齿轮结构的一部分，或是将自己想成海龟在走路，可以有效促进学习，并且70年代就做过研究证明实际的机器海龟，会带来比荧幕海龟更好的学习效果，这与最近流行的体禀认知(embody cognition)理论是切合的，并且也与欧美国家从编程教育，逐步走向机器人教育是吻合的。值得一提的是一系列实体程式 Tortis (Perlman,1974)、Algobloks (Suzuki,1995)、Bloks(Blikstein,2016)、GoBot(张安升, 2017)，又将LOGO的体禀认知往上提升一个层次。

以 GoBot 为例，用实体控制板进行编程，有着极大的好处，举例来说，要幼童描述自己的数学思想是困难的，而实体控制板非常清楚且高效地进行了沟通。从另一个角度看，研究也指出，实体化造成身体姿势的改变，会引发学习者的心智状态的改变，比方说当儿童共同看向控制台时，形成一同讨论模式，而儿童共同看向小车时，则更倾向独自思考，这意味着学生的思考模式转换为教师能观察到的外显现象，也意味着更加细腻的学习历程。

再来我们看实际的编程，比方说我们在控制板上放上前进指令 按下启动后小车前进 1步；放上前进+前进2 ， 则前进3步。如果我们将指令反过来，小车依旧前进3步，但是从外表看，看不出是前进2，此时我们已经引入了未知数的概念，如果用数学式表达，可以写成 1+X=3 其中 X、等号都是很抽象的概念，原本要小学3-4年级才会教，GoBot透过实物的方式很好的阐释，小学一二年级就能很容易的理解。

另外算数结构、与编程结构有高度的雷同，操纵小车在一维数线运动的编程语言，包含前进、后退、重复、掉头，基本等同于算数结构，前进后退相当于加减法、重复就相当于乘法，而除法可以用重复+缩短移动距离达成。因此儿童在学会编程结构之后，自然而然的理解了，四则运算，先乘除后加减，如果复杂点就是初一程度了。

LOGO 机器人的精神，是以适合儿童的形式，传达严肃的数学知识。GoBot 忠实继承了LOGO 的精神，并且将形式做的更加简单，以及提高了传达知识的广度与深度。以实体化的方式表示编程指令，将使用年龄降到幼稚园程度。同时因为实体化的限制，在进行运动、画图时，孩子必须进行更多的计算，其中包含了加减乘除，并且非常容易的引入未知数的观念，另外透过规则或是装置的设计，单人游戏可以导入图论问题，而双人游戏则是加入了博弈论设计，甚至引入随机运动以学习统计概念。在发展LOGO机器人中，原本Papert 花比较多时间在几何以及微积分上，以及抽象化的除错、结构化思考。GoBot 则是在 算数结构、代数、限制性上做出了补充，另外也包含了应用数学、几率统计。

数学、编程是非常重要的，只是这些技能还只能算是Papert 的“道具”，如果要深入的了解 Papert对教育的看法，首先得了解 Papert 对人工智能的看法：

“飞行的物理学原理是根据空气动力学，但人类对空气动力学大部分的理解，是在造出飞机之后。一开始人类的确想透过模仿鸟飞行，认为羽毛有神奇的魔力，将羽毛贴在身上用力挥动，结果失败了。直到后来造出跟鸟类差异巨大的飞机，反而更好的理解了空气动力学，也更好的理解了羽毛对鸟飞行的意义。”

鸟也会飞、飞机也会飞，没人会把飞机看成鸟，人工智能也是类似的道理。在想方设法，让机器模拟出人类思维的“功能”后，我们也许可以从中提炼出思考的关键因素。令人惊奇的是，如果我们仔细看“深度学习”的各项特征，分别对应了除错思维、结构化思维、抽象概念操作，正是Papert根据Piaget的儿童心理发展理论反覆强调的，也许这三种思维正是人类思考核心元素。

除错与迭代思维

人工智能并不害怕错误，它的运作原理是即使训练初中期都是错的，经过反覆迭代后，最后也能达到正确结果。这种快速迭代（Iteration）思维，在几年前互联网开始蓬勃发展时也开始流行起来，一个APP，最后的样子，几乎保证跟最初的想法是南辕北撤，因为经常要适应市场需求做改变。Papert 指出，编程中除错 （Debug） 是电脑文化的特性之一，写程式很少有一次写对的，无论是用电脑写代码、写文章、做研究都是一样，经常都需要反覆来回好几次。

相对应的则是考试主义下，学生界定自己擅长范围，首先就是分文理科，对范围以外的事物，会害怕失败，而不愿意尝试。同时应付完考试后就忘光光，也不想纠正错误。当然我们可能也要反省下，考试内容是不是不切实际，无论如何，长期而言，学习内容总是连贯的，如果很多东西都似懂非懂，累积下来会必然有很多问题。不只学生如此，过去几十年，我们可以看到没几个人文学科的教授学习使用编程。甚至连数学科理工科的教授也不愿意学习编程。如果连这些教师都不愿意学习。那么学生不愿意学习也是理所当然的。本质上我们找了一堆不愿意学习的老师与学生，在考试制度下，勉勉强强地低效学习。

根据Piaget学说，每个小孩都是天生的哲学家，都具备除错迭代思维来构建关于这个世界的理论，但是大部分的状况下，现存学校制度不但没有继续培养这类思维，反而将将这种天分抹杀了。

结构化思考

经常可以在深度学习中看到的一个重要特征就是结构化，以人脸图像识别为例，在神经网路中，会有几个节点是辨认眼睛、嘴、耳朵等等特征，之后再根据眼睛、嘴、耳朵的相对位置，构筑一张完整的人脸。

Papert指出结构化思考也是编程教育的一个核心概念。Papert解释到，如果用 LOGO 编程语言画出一个人，一次画出很困难，但是如果要画出，头、手、身体、脚，拼接一个人出来就容易多了。大的问题要切成小的问题，辨认小的问题，根据边界条件，拼凑出正确的答案。无论编程、或是进行计划都是一样的。以程式来说主要是架构的问题，整体需求，配置合理性。如果要完成一个大计划，先拆解成几个小计划，逐步完成计划。如果进阶点，可能要随小计划的进行，动态更新大计划。

不仅机器学习与编程教育在结构化思考上有很多共同点，Papert 指出在 Piaget 学说中，语言学习本身就有结构化思考的特性。人出生下来，婴儿主体与构成“爸爸”这一团概念的东西互动，这些互动的经验形成了“爸爸”意义。在根据婴儿主体与“已知词汇”的互动逐渐构建出整个世界的关系。

另外结构化思考其实对应了人类思考过度简化特性，过度简化可以说是人类的奇迹，同时也是人类思考的陷阱，牛顿力学、占星术、巫术神话其实都是简化得来的结果，鸟、飞行、羽毛三者相关，人会倾向将飞行的原因归结到羽毛上；牛顿力学则是忽略了摩擦力，人类有强烈的解释动机，但是符合抽象逻辑思考的抽象概念操作需要训练得来。

抽象概念操作

排列组合一向是是高中数学中比较困难的主题，Piaget的儿童认知发展理论对此也有阐述，与除错、结构化思考不同，前两者在很早在语言学习阶段就反应出来，排列组合所代表的形式化思考则是儿童认知发展的最后一步。

概念操作也是深度学习中的核心元件。深度学习在结构化萃取出基础概念同时，比方说眼睛、嘴、耳朵，会尝试连接各种不同可能，最后加以优化，看那种组合权重，可以更有效地堆砌出更上一层次的认知。

传说日本软银孙正义大学的时候，靠一些常见字卡排列组合想出一个翻译机的专利，卖给夏普，赚到了第一桶金。从这故事给我两个启示，首先即便有这么多普通人有着强烈的赚钱欲望，也可以自己想出一些商机，但是如果常听创业项目路演，就知道这些概念彼此大同小异，大部分基于日常经验的排列组合，像翻译机这种当时超出日常经验的东西，很难直接跟强烈的赚钱欲望做连接，因此一般人也不会想到发明。第二、就连孙正义也需要用字卡，这种外在道具来协助自己的抽象概念操作，才能进行，可见得抽象概念操作就算对成人来说也是一件高难度的事情。

为什么Papert 如此看重抽象概念操作？他引用了人类学家Claude Lévi-Strauss的观点，无论是强是弱，创造力的本质在于对既有知识的排列组合。

“修补匠和原始人类解决问题的方法类似：修补匠喜欢凡事自己动手做，并且会运用手边现有的工具和材料来完成工作；而当原始人类面对未曾遇过的问题时，并不会想出新的概念来解决，而是会重新组合并修改现有的方法，以适应这些新的状况。”

Papert 观察到无论是写作或是数学研究，经常会把已知的各种方法都拿来试一试，或是把各种观念拿来类比，一个没看过的东西，没人看得懂，就好Papert在此书中将“人工智能、编程语言、人类学习、数学的共通点拿来比较一番，产生了令人惊奇的结果。

在这个立场上，来看Papert所指的数彩色豆子的实验，可能就更加清楚一些。对Papert来说电脑类似鹰架能辅助儿童进行，符号与符号之间的一一对应的抽象化思考，机器进行一部分的计数操作，最后儿童再归结出重复计数。儿童只需清楚描述规则，剩下工作可以交由机器执行。也许Papert 希望儿童在人机协作下，补足智力发展欠缺的部分，尽早开发创造力。

除错思维、结构化思维、抽象概念操作，与其说是三件事情，不如是学习的三种特征，有些人会认为Papert的哲学可以化简为让儿童学习编程，用编程学习一切，就是没看出Papert对“学习”的深入见解。

对传统教育的看法

宣传一种教育看法是简单的，只要根据自己的利益即可，所以我们看到国文老师要捍卫国文教学时数、数学老师要捍卫数学教学时数，但是要具体保证其效用则是困难的。Papert 对学校的革命性看法即是基于正在发生中的电脑时代革命，这种革命是双重的，电脑对社会造成了革命性的影响，电脑也对个人影响力造成了革命性的影响，电脑相当于强力赋能机，一个人能在电脑大量复制的协助下，无论是写作、写程式都可以形成巨大的影响力，也因此每个人从社会机器的螺丝钉，逐渐变成超人，也因此 Papert 的教育主张一开始就是以实用性为依归，儿童学会熟悉使用电脑（编程），并且使用电脑学习一切，也因此他的好朋友 Minsky 称 Papert 为当代最伟大的教育理论家。

大部分传统教育人士对于电脑的态度是把现有的教材搬到电脑上，更有效率的教，例如无所不在的学习或是适应性的学习，但学习内容大同小异，Papert指出从数学出发，所有学科无论是内容或是形式，都得重新设计，才能符合电脑时代的需求。

以内容来说，Papert 提出很多质疑，为什么要学y = x^2 ，不学更复杂的函数呢？为什么小学生就不能学习微积分呢？他认为电脑的特性其实很容易阐述微积分的原理。不能因为纸笔好画图形，传统的测验好考，这在电脑时代都要重新审视，电脑时代中编程技能成为新的纸与笔。如果熟练掌握电脑技能，微积分的概念并不难理解。

从形式来说，Papert Papert 指出现存课程中原本非常实用观念，之所以学生学习之后无法加以应用，源自于把一个完整复杂的观念拆解成数个看似不相干的部分。这就如同流水线分解流程一样，比较好教，也比较好考，但是学生能不能把另外的复杂概念拆解成流水线，就得看造化了。以GoBot作为改良版的LOGO机器人为例，我们希望设计一个从测量、算数、统计、到随机运动的课题，里面测量、算数都是有目的性，我们希望能将上课过程记录下来，最终累积到一个完整东西。这有点像有多个子题的连锁题，只是我们现在要延伸好几年连贯式的教学。

近年来在欧洲流行的任务式的学习其实有很大的潜力，只是我想应在更大的架构之下，检视其成果。让学童完成一样工作并不能保证他们能学到东西。Papert 真正想要儿童学习的是如前所叙元学习（meta learning）的技巧，学习如何学习。如果以登山作为比喻，老师更像是对周边的环境很熟悉向导，辅助学生根据现有手上的资源，往目的地前进。与其说目的是到达目的地，更像是因应遇到各种状况做反应。相对而言，传统的学习方法下，也许学生更像是碰运气，自己悟到这些学习的原则。

目前电脑与教育的结合还停留在初级阶段，在即将来到的物联网时代还有极大的提升空间，统计机率，被数学界的重视，还没被反应到课本中。大多数的成人，包含教师或大学教授都无法熟悉使用电脑，以及准备好相对应的环境用电脑学习一切。就如同 Papert生前指出，很多推广LOGO语言的学校，只停留在画正三角形以及正方形的层次。

未来在教育技术上其实有很多挑战，如果我们要类比samba学校，在小学阶段更大规模的推行戏剧学习，用以增进写作能力，我们是不是要让儿童先学习打字，或是用语音输入，或是用图像辨识把手写的内容输入，采用这些措施的前提，都是要对教育的方向有清晰的认识。

执行者到底是谁？由哪里开始？

与绝大多数人认知不同，Papert主张教育是相当高难度的一件事，因为必须对全局有所把握，做一个类似LOGO机器人的教具，必须要具备电脑知识、专业知识、对人的知识，对内容以及形式有把握，对长期效果有把握。就比方说重复练习四则运算，如果我们已经确知其目的，就可以用其他更具教育意义的方式替代。

Papert解释说未来教育内容要由了解产学界的人创新、形式要由了解教育的人创新。可是自古以来产学界的人在教育领域不受欢迎，因为他们说的话，教育专业听不懂。了解教育的的人在学界也不受欢迎，学界觉得他们举例太简单。我是认为，整体来说教育改革还是该由产学界的人，在学习教育理论后进行。教育的一大目的是把学生送去就业，如果教育的人，本身就没有竞争力，基本上不可能培养出有竞争力的人。

Papert 指出50年后电脑以及人工智能普及的社会中，学习是终身的，学校不见得一定得存在，至少不是以过往几百年的传统而存在。我的看法是未来教育改革应从两端着手，幼教以及大学。人们总是用更简单的方式去理解世界，雇用人才。学校的评鉴失灵之后开始失去意义、知名度，人开始用大公司来取代原本的名牌学校。由另一个角度看产业端知道自己要什么人，比较大的企业，比方说现在中国台湾的中信集团，已经自己开始办大学。幼教端则是可以采用更多 Piaget 式学习，很多人包括诺贝尔奖得主莫言就提出现在小学生都很聪明，没有必要念六年。不过可以预期的是这会造成大量现有教师失业，以及产业界进来，产生很多利益争夺问题。

Papert 在书中写到“可能性是一个科学问题，但是选择是个政治问题”，将来的国际社会如果彼此选择了不同教育制度，将对原有的次序造成剧烈动荡的，而且如前段所述这是一个极度困难的工作。我们相信在Mindstorms成书38年之后，将中文版翻译出来，对于未来中文世界教育工作者、学习者、注重教育的父母如何做出选择，会有很大的帮助。