學習系統就是大腦的算法

著名的人工智能倡導者馬文·明斯基（Marvin Minsky）說過一句流傳甚廣的話：“大腦無非是肉做的機器。”這句話在過去的半個多世紀里不斷地被驗證。AI研究者一直致力于用機器模擬人的思維過程，目的是賦予機器智能。在這個富有挑戰的探索過程中，AI研究者對人的大腦的運行機制有了更深層次的理解，讓機器變得越來越“聰明”。正如明斯基所指出的，大腦與機器之間的界限正變得愈發模糊。基于這樣的背景，我一直熱衷于將機器學習的技術與思維逆向應用于解決學生的學習問題。在求索的過程中，我同樣也深深感到大腦與機器極為相似，特別是在學習這一情境下，參照機器學習能幫助人們更加透徹地理解人的學習機制。

對比生成式人工智能（Artificial Intelligence Generated Content，AIGC）的發展歷程與人類孩子的成長過程，你會發現兩者有著異曲同工之妙。我們都知道數據、算力和算法是AIGC全面升級的三大關鍵要素。數據就是AIGC的“食糧”，涵蓋各種信息和知識；算力是AIGC的“能量之源”，直接決定了其處理數據的速度和效率；算法最為核心，它猶如“靈魂導師”，決定了AIGC通過數據學習能具備怎樣的能力、達到怎樣的水平。

孩子就像一個個小小的AIGC，他們渴望著“數據”——那些能夠滋養他們心靈的信息和知識。家長傳遞的經驗、老師教授的知識，還有孩子自己在探索中獲得的點滴體會，都是珍貴的“數據”來源。

為了捕捉這些寶貴的“數據”，孩子需要發達的感官（感官是他們與外部世界連接的橋梁）——一雙明亮的眼睛去觀察世界，一對敏銳的耳朵去聆聽聲音。同時，他們也需要健康的大腦來加工上述“數據”。感官和大腦如同AIGC的“算力”，能幫助孩子高效地收集和處理信息。

但光有“數據”和“算力”還不夠，孩子還需要一套精湛的“算法”來整合和應用所學。這套“算法”就是學習系統，它幫助孩子吸收、處理信息，并逐步培養孩子獨立思考、解決問題的能力。

對AIGC而言，算法決定其優劣；在孩子的學習過程中起決定性作用的則是學習系統。

剛出生的嬰兒能力非常有限，只會用嘴巴吮吸，不能講話，只能利用雙手和軀體做簡單的動作。然而，隨著時間的推移，在與撫養者和外部環境的互動中，嬰兒開始逐漸“喚醒”自己的身體：首先是嘴巴，接著是雙手。這個小小的生命開始發出簡單的音節，雙手的動作也變得精細、有意義。在這一發展過程中，嬰兒的大腦不斷地調整著對嘴巴和雙手的“算法”。同樣，控制其他感官（如眼睛、耳朵）的“算法”也是這樣形成的。當然，“算法”不僅限于感官，還會涉及感知覺、記憶、思維等更深層的認知活動。隨著各個局部“算法”的逐漸形成，整個學習系統也隨之發展。

在這個過程中，優質的“算法”會讓學生在學業上表現出色。例如，若控制眼睛和耳朵的“算法”精良，孩子就不容易看錯、聽錯，收集的信息會比較準確；若控制理解和記憶的“算法”高明，孩子就會學得快、記得牢，知識儲備勝人一籌。事實上，學習高手們之所以能夠取得引人注目的學業成績，正是由于他們在成長中不知不覺發展出了多個優秀的“算法”，即搭建了優秀的學習系統。相反，若孩子的學習系統發展得不夠完善，存在缺陷或瑕疵，那么孩子在學習過程中可能遭遇各種挑戰，正如早期的自然語言處理模型在處理復雜數據時所面臨的困境一樣。

也正是在這一理念的指引下，我提出了人類的學習系統模型。我的這一設想在對清華大學學生的調研中得到了證實。