深层学习:心智如何超越经验1.2 在混乱的世界中学习

简介:

1.2 在混乱的世界中学习


在原始人类进化的某个时刻,我们人类(更准确地讲,最终进化成智人的原始人类)开始采用一种不同寻常的生存策略。不同于其他动物,他们逐渐更多地依赖习得技能,而不是先天本能。尽管人类行为的某些方面需要遗传基因作为基础,但是我们每天的行为却主要由那些必须事先练习的动作构成,比如开车、打电话和发电子邮件,只有极少的行为无须学习,比如微笑、眨眼等。[37]虽然其他动物也会学习,但目前为止我们是更有效率的学习者。即使是通常被认为动物当中最为聪明的海豚和黑猩猩,它们吸取新知识、获取新技能也不如人类幼儿来得轻松。[38]更重要的是,我们可以轻松地学会使用工具和符号,这是猿人取得惊人发展的两个关键因素:没有石斧,就没有航天飞机;没有骨刻,就没有数学。[39]我们在这些方面和其他动物不是单纯的不同,而是存在着数量级的差异。

学习超越先天技能的优势在于适应速度。学习和生物进化都是追溯环境变化的方式。[40]物质环境变化对已适应原环境的所有物种产生新奇的选择性压力,历经一段时间后,这些物种会经历自然选择而重塑以适应变化的环境。物种的变化反映了环境的变化,其系统发生谱系记录了这一连续的变化。类似地,当一个人面对熟悉任务的变化时,他能够通过调整先前技能来适应新的情况。这种技能的变化反映了环境的变化,而一个人的学习史则记录了他一生所面对的所有挑战。尽管相似,但这两种反映变化的方式却在不同的时间尺度上发挥作用:进化通常需要成千上万年甚至更久来创造一个新的物种以及相应的生活方式,而学习通常需要相对很短的时间,短到几分钟,长到几年。主要依赖先天技能并以进化速度来变化的物种最终落得灭绝,沦为环境飞速变化的受害者。而另一方面,学习者则可以应对快速的变化。

高级的学习能力为我们物种所特有,因此人类心智理论需要将学习理论纳入其中。只要心理学家将环境概念化于钟表式思维,便可从本质上弄清学习的机制:因为变化是一种幻觉,而真实由稳定的规则构成,所以个体可以经由累积经验而学习,分析并识别其规则,并将这些规则投射到未来,据此行动。

学习需要某些认知能力。累积经验需要记忆。每一个事件或经历都会留下某种痕迹,这种痕迹随后会被激活,提醒未来某一时刻的活动,Richard W. Semon建议将其称为记忆印迹,但现在通常称为情景记忆。[41]尽管Karl Lashley等人早年未能成功地定位个体大脑中的记忆印迹,但记忆印迹的存在却是毋庸置疑的。[42]每个人都可以回忆许多过去曾经发生的事件和情形,而认知心理学教科书需要大幅章节去描述那些研究我们形成、保持和回溯情景记忆的实验。[43]

个体的事件记忆本身并非十分有用,但是根据普遍观点,它们是为将来的学习累积原材料。通过从一系列相关情景记忆中提取共同点,我们可以鉴别出潜在的规律,这个过程被称为抽象化、概括化或者归纳化。这一假设的过程将产生出可以概述个体过去经验规律的知识结构。[44]毋庸置疑,人们能够从一系列经验中鉴别出类别。显然人们形成了一般性概念,如食物、家族和工具,而且在我们称为科学开始的系统调查还未出现的很久之前,人们已经能够鉴别季节的推移、月相的变化以及潮汐的循环。

在钟表式科学中,由于过去经验的规律对未来经历同样有效,因此认为一般知识是有用的。我们或多或少地可以对那些与过去相似的未来情景进行准确预测。的确,过去是我们了解将来信息的唯一来源。心理学家通常将过去规律应用于未来情景的过程称为迁移,逻辑学家称之为归纳,但哲学家Nelson Goodman提出了更具描述性的术语投射。[45]不管哪个名字,这一过程在反映过去经验规律在将来继续有效的方面都是有用的。

最后,想要从我们记忆、加工和投射过去经验的能力中获益,个体还必须具有使用结果预期做出相应计划和行动的能力。人们坚定目标,并制定各种计划以实现目标,尽管我们经常需要对突发事件做出反应,但是我们一天中的大部分行为都处于计划之中。和记忆、概括化与迁移一样,认知心理学家对计划的过程进行了大量研究,这种认知过程的存在是毋庸置疑的。[46]

简而言之,对于一般性认知系统和特殊性学习能力的普遍观点与对现实的钟表式观点紧紧交织在一起,见图1-3。因为过去经验为潜伏在表面之下的规律提供了线索,所以我们可以通过在记忆中存储情景来处理未来状况,然后加工并提取潜在规律,再将这些规律投射到未来,以产生某种预期,最后制定相应计划并予以执行。我就心智与世界如何交互作用这一观点提出了经验归纳主义这一术语,将这种心理理论和人工智能、数学以及哲学中的归纳法区分开来。

经验归纳主义像是掩藏在认知研究之下的地下河流,不仅浇灌学习相关的研究,而且几乎涵盖了整个其他的子领域。它是自然的钟表式观点的完美拍档。正如那些看似完美的拍档有时会做的那样,这两种观点均道出了彼此的最大缺点。归纳学习理论证明了钟表式科学家的自圆其说,而后者的发现反过来确认了归纳学习理论也设定了如此的世界观。心理学家指出,关于记忆、归纳、迁移和计划的细节仍在研究,但是所寻求的解释分类尚不明确。在世界范围内,每年心理学研究机构会进行成百上千的实验去填补这些细节。[47]因此经验归纳主义可以在认知变化的研究中充当一个内隐元理论的角色,这一套广泛的原则并不是用来解释特定的心理现象,而是对心理学家寻求的解释进行分类。

如果物质和社会现实并不像钟表一样运行,而是复杂、混乱且无法预测的,那么经验归纳主义将不能完全解释学习。适应一个混乱的世界并不像弄清楚一个时钟如何运作那么简单,而更像在下变换棋。变换棋十分复杂,但它看起来着实像普通的国际象棋,有着同样的棋盘和棋子。不同的是,当变换棋手移动一颗棋子时,他不仅改变了棋子的位置,也改变了移动棋子的规则。当棋手的车向前走,那么兵就只能往后退,皇后只能在任意一个方向上移动三步,马只能在直线上移动。棋手每动一步都会改变规则。为了决定下一步怎么走,棋手不仅得考虑棋子间关系的变化,还要考虑相应变化的规则将会如何影响到他自己的局势以及对手的局势。更加复杂的是,移动棋子相应改变的一系列规则还和目前为止动了几步有关。并且,每隔一段时间(这取决于π的小数位数),改变规则的规律又变了。我们要说的不是这个游戏玩起来有多难,而是一个人并不能通过经验归纳法的想象过程就学会下变换棋。每动一步不仅改变了棋盘上棋子的布局,更会涉及全局。我们尚不能归纳出这个游戏基本的稳定特征。奇怪的是,变换棋定义是完整的,但玩起来仍然非常混乱。

如果现实比起时钟更像是变换棋,如果生活就像在玩一个变化规则本身不断变化的游戏,那么这必定在人们的认知机制中有所反映,即在人类进化过程中表现为认知的灵活性。如果说20世纪末关于复杂系统的发现几乎不可能影响到15万年前的前人类祖先或古老狩猎者,那么也许会有人提出反对意见。当然,气候变化的自组织特性或是针对万有引力常数的一个缓慢漂移的可能性也许并没有影响到他们。

上述观点颠覆了我们生活中混乱的物质、社会体制与经典自然科学研究的钟表式系统的关系。与物质和社会体制不同,我们很难在实验室以外的地方发现钟表式系统。大多数经典的展示系统——从钟摆到电路——都和时钟一样带有人工因素,即人们“制造”了它们,而不是“发现”了它们。研究者不得不在特定的人为环境中,在所谓“实验室”的特殊房间,“制造”出符合钟表式思维的系统,并开展研究。即使这样,研究者只有在科学仪器的帮助下才能进行观测,这些仪器也是人工的产品。正如许多实验室科学家在他们读博期间所发现的那样,使一个物质系统符合时钟系统的假设可以算是一个挑战。尽管有大量的实验控制——采取各种措施减少相关变量和外界影响,但是额外变量、偶发事件、样本不纯甚至附近驶过一列火车而引起的震颤都能毁掉一个实验设计,使得这一系统不能符合钟表式游戏的规则。

相比之下,复杂系统中混乱的特点总是无处不在的:对于每一个曾经听说过Pompeii和Herculaneum[48]的人来说,花园里花开花落是能够被看见的,天气的不可预测性是众所周知的,火山爆发难以避免也是显而易见的,严重洪灾总会引起一系列的后果:大坝里的一个小小的分支流了出来,就能淹没整个村子。人类在经历混乱之前早就遭遇了森林火灾。在每天的日常生活中,常见的是复杂、混乱且不可预期的系统,而鲜有钟表式系统。

在原始的狩猎-采集社会,人类进化的环境也是如此吗?49思考三个假想情景。想象一下,一个原始部落生活在一个山谷中。在这里,特定的食物链已经形成了某种特殊的饮食结构。一个新来的捕猎者可能打破这个山谷中的食物链,造成猎物数量急剧下降。这种现象可以迅速出现,可能在这些捕猎者的有生之年发生。先前的经验可能对这种突变无能为力。这个部落将作何反应呢?过去的经验可能表明了年复一年猎物数量呈现平缓、稳定的变化。如果将这些经验用于新捕猎者引发的全新的环境中,则可能导致无效的决策:无视部落成员的要求而使猎物数量下降,部落成员不得不吃树根充饥,干等好时代的来临。一个更具建设性的意见则可能是发展新技能去捕捉其他猎物,或者干脆收拾细软离开山谷。此前部落没有做过这样的决策。

尽管与人类寿命相比气候的变化通常需要更长的时间,但是是突然间发生的。“寒冷与温暖、草原与森林、冰河期与融化期的突发交替,在人类后期一次又一次发生,每当发生,改变会长达几十年到数百年。”[50]同样,一个狩猎部落从一个气候带迁徙到另一个气候带也许要历经十余年。在部落成员有生之年的记忆中,他们的部落可能经历雨旱两季型的气候到气温四季分明型的气候的变化。然而,应对雨季的方法也许是临时搬到高原地带,应对秋季的适当反应是储存足够的粮食过冬;而搬到高地过冬只能使冬天难过得多,并非明智之举。

很多时候,一个狩猎部落中的孩子总是比一般人更容易生存,其结果可能导致前所未有的人口大爆炸、团体资源紧缺和随之而来的资源划分等问题。部落后裔在包含其他潜在的竞争团体的环境中生存,这也许是前所未有的环境。竞争可能引起战争,之后就和现在一样,军事技术的发明又会创造出新的环境。[51]第一个使用掩护技巧的狩猎部落必定迷惑了敌人,我们怎能和无法匹敌的敌人对抗呢?

我们不知道这些假设是否如此准确,但它们很有可能是这样。与20世纪末那些主要出于兴趣和好奇心而做研究的哲学倾向科学家不同,我举这些例子的目的不是说它们是在某些特殊时刻或者特殊场合发生,而是去证实这样的观点——对于原始与古老的人类先祖来说,环境的历史性和经验违反特征是生存的日常现实。经过几百万年的人类进化,物质、生物与社会环境中的混乱一次又一次地改变了生存法则,如果没有这些混乱,那么也将会有别的混乱。这是需要系统研究才能发现的物质系统的钟表特性。

我们遭遇了悖论:先前的经验是我们未来的唯一指引。我们没有其他期待。然而,在一个复杂而混乱的世界中,唯一不变的是变化。而且,变化是彻底的,变化的规则自身也在发生变化。在这样的世界中,先前的经验在很多时候是一种误导,尽管它发生的环境或短时期内与过去经验极为相似。在这样的世界中,除了使用经验归纳法,学习还需要认知能力。

相关文章
|
25天前
|
机器学习/深度学习 算法 搜索推荐
【高效率学习】探索最适合你的学习之路:从心理学、动机到教育学的深度解析
【高效率学习】探索最适合你的学习之路:从心理学、动机到教育学的深度解析
92 0
【高效率学习】探索最适合你的学习之路:从心理学、动机到教育学的深度解析
|
7月前
|
机器人 程序员
大模型的出现,程序员的出路在何方?
随着人工智能技术的不断发展,大模型的出现已经成为了一个热门话题。这些大型模型需要大量的数据和算力来训练,但是它们真的会取代程序员吗?我认为答案是否定的。
327 2
|
11月前
|
安全 架构师 测试技术
【真实感受】超越专业局限,职场人拓展更多可能性!
【真实感受】超越专业局限,职场人拓展更多可能性!
|
机器学习/深度学习 人工智能 定位技术
举出其他监督学习,无监督学习,强化学习的例子?说一下非显著式编程的优势?AlphaGo的胜利,带给我们什么样的人生启示?当代大学生如何在人工智能时代增加自己的核心竞争力?
举出其他监督学习,无监督学习,强化学习的例子?说一下非显著式编程的优势?AlphaGo的胜利,带给我们什么样的人生启示?当代大学生如何在人工智能时代增加自己的核心竞争力? 监督学习:比如手写体识别,我们将许多汉字的手写数字图像数据作为训练数据。汉字的数据的分类目标被称作标签和类。训练数据有一个标签(某一个汉字),根据标签可以找到关于手写数字图像的正确答案信息,例如“此手写数字图像为‘人’”。在学习阶段,当将手写汉字图像输入系统时,调整系统的参数以尽量将输入图像分类为正确的标签,最后进行识别输出正确结果。 无
161 0
|
机器学习/深度学习 算法 API
不该被忽视的五个机器学习项目
本文将介绍5个机器学习或机器学习相关的项目,你可能还没有听说过,但可能应该考虑重视一下了!
4700 0
《认知设计:提升学习体验的艺术》——技能差距
本节书摘来自华章社区《认知设计:提升学习体验的艺术》一书中的技能差距,作者:(美)Julie Dirksen,更多章节内容可以访问云栖社区“华章社区”公众号查看
929 0
《认知设计:提升学习体验的艺术》——分解
本节书摘来自华章社区《认知设计:提升学习体验的艺术》一书中的分解,作者:(美)Julie Dirksen,更多章节内容可以访问云栖社区“华章社区”公众号查看
917 0