神父托马斯贝斯,是18世纪时的统计学家和数学家。
他通过数学语言,用概率定理描述了科学家探索世界的方式,并将其个性化。科学家探索未知的方式,是基于已经知识、经验和观察等提出假设,然后寻找证据。寻找证据的过程包含了大量实验或者案例的统计分析,据此反馈回假设,修改假说,或者提出新假说,然后再次回到证据,多次往复......整个过程就是这样。贝斯用数学公式描述了这个过程。
从10年前开始,研究发育学的专家提出,婴幼儿的思考过程跟科学家的研究过程相似。为此他们设计了很多实验,证明了这个假设。
幼儿在玩耍的时候,在探索四处环境时,其大脑在同时进行复杂的数学计算,通过自定义的条件概率,他们不停试错,反馈,最后找到世界上各式各样的东西是怎么运转的规律。尽量小孩子不懂数学上的概率统计理论,但他们的随意玩玩,实际上是在尝试自己提出的多个假设并反复试错验证或否定假设的统计计算过程。
幼儿跟成年人学习过程有个很大不同。成年人的注意力和意识是集中的,成年人已经决定了哪些事情对他们是重要的,值得关注的,因而会把注意力和意识集中在这些事情上,像聚光灯一样。大脑的前额皮质发出指令,让一部分大脑变得非常灵活活跃,容易学习,并关闭了大脑的其他部分。成年人注意力集中而有目的性。幼儿的注意力和意识是分散的,他的大脑对外界的关注像个均匀发光的灯笼。
我想,从某种意义上说,科学家这个群体保留了更多儿童好奇的特征。
看完这个视频,我想起另一个有趣的例子。Daniel Kish在十三个月大时失明。他的父母给了他充分自由,允许他四处探索尝试。他通过弹舌头并倾听反射,发展出一种类似蝙蝠的声呐系统,能建立周围环境的三维立体模型。还能根据声波的吸收率判断各种材质的硬度等。有些专家认为他的大脑里的网络也被这个学习过程训练塑造成不同视觉认知模式的听觉认知模式。这个例子极好演示了一个婴幼儿不断试错并下意识利用统计计算,建立一个关于世界的模型的例子,同时也反映了人类惊人的适应性。
到了今天,机器学习获得巨大突破。其理论基础,正是托马斯贝斯提出的统计学原理。幼儿学习和机器学习基于同一原理。
我们人类在成年的过程中,不仅学习、了解了自身所处的世界,同时也被束缚了各种清规戒律和躲避危险意识。我们的大脑会存储很多“不能干的事情”的清单,前额皮质的某个部分很多时候会跳出来,约束我们很多事情循旧例或者不能干、不能想。很多搞研究的人喜欢喝咖啡,很多搞艺术的人酗酒、吸毒,甚至有精神失常创作力却异常旺盛,因为这些东西会让人摆脱思维的束缚,激活创造力和新想法。
还有,人类作为擅长分工协作的物种,在成年过程中,会自觉或被迫进入某个特定行业。为了准备好从事将来的行业,从儿童时代起,很多人就被迫放弃了自由玩耍、四处乱试模式,进入了一种“监督学习”模式。成年人会筛选出未来对这个儿童生存有利的知识,强制其集中注意力在指定科目上。好处当然是一分耕耘一分收获,坏处可能就是世界变化快,思维方式过早被剪枝不利于培养开放的思考。
“监督学习”模式在人工智能领域也有,比如谷歌阿法狗被喂筛选过的棋局用来学习人类围棋高手。
机器学习相对人类来说,确实有很多优势,比如单个机器人注意力集中、多个机器人兴趣广泛、不知疲倦、没有道德戒律等等约束等等。何况人生而有涯,每一代人都要重新学习,机器人可以保持记忆,一直升级。机器学习成果正在很多领域超越人类。