学习系统就是大脑的算法

著名的人工智能倡导者马文·明斯基（Marvin Minsky）说过一句流传甚广的话：“大脑无非是肉做的机器。”这句话在过去的半个多世纪里不断地被验证。AI研究者一直致力于用机器模拟人的思维过程，目的是赋予机器智能。在这个富有挑战的探索过程中，AI研究者对人的大脑的运行机制有了更深层次的理解，让机器变得越来越“聪明”。正如明斯基所指出的，大脑与机器之间的界限正变得愈发模糊。基于这样的背景，我一直热衷于将机器学习的技术与思维逆向应用于解决学生的学习问题。在求索的过程中，我同样也深深感到大脑与机器极为相似，特别是在学习这一情境下，参照机器学习能帮助人们更加透彻地理解人的学习机制。

对比生成式人工智能（Artificial Intelligence Generated Content，AIGC）的发展历程与人类孩子的成长过程，你会发现两者有着异曲同工之妙。我们都知道数据、算力和算法是AIGC全面升级的三大关键要素。数据就是AIGC的“食粮”，涵盖各种信息和知识；算力是AIGC的“能量之源”，直接决定了其处理数据的速度和效率；算法最为核心，它犹如“灵魂导师”，决定了AIGC通过数据学习能具备怎样的能力、达到怎样的水平。

孩子就像一个个小小的AIGC，他们渴望着“数据”——那些能够滋养他们心灵的信息和知识。家长传递的经验、老师教授的知识，还有孩子自己在探索中获得的点滴体会，都是珍贵的“数据”来源。

为了捕捉这些宝贵的“数据”，孩子需要发达的感官（感官是他们与外部世界连接的桥梁）——一双明亮的眼睛去观察世界，一对敏锐的耳朵去聆听声音。同时，他们也需要健康的大脑来加工上述“数据”。感官和大脑如同AIGC的“算力”，能帮助孩子高效地收集和处理信息。

但光有“数据”和“算力”还不够，孩子还需要一套精湛的“算法”来整合和应用所学。这套“算法”就是学习系统，它帮助孩子吸收、处理信息，并逐步培养孩子独立思考、解决问题的能力。

对AIGC而言，算法决定其优劣；在孩子的学习过程中起决定性作用的则是学习系统。

刚出生的婴儿能力非常有限，只会用嘴巴吮吸，不能讲话，只能利用双手和躯体做简单的动作。然而，随着时间的推移，在与抚养者和外部环境的互动中，婴儿开始逐渐“唤醒”自己的身体：首先是嘴巴，接着是双手。这个小小的生命开始发出简单的音节，双手的动作也变得精细、有意义。在这一发展过程中，婴儿的大脑不断地调整着对嘴巴和双手的“算法”。同样，控制其他感官（如眼睛、耳朵）的“算法”也是这样形成的。当然，“算法”不仅限于感官，还会涉及感知觉、记忆、思维等更深层的认知活动。随着各个局部“算法”的逐渐形成，整个学习系统也随之发展。

在这个过程中，优质的“算法”会让学生在学业上表现出色。例如，若控制眼睛和耳朵的“算法”精良，孩子就不容易看错、听错，收集的信息会比较准确；若控制理解和记忆的“算法”高明，孩子就会学得快、记得牢，知识储备胜人一筹。事实上，学习高手们之所以能够取得引人注目的学业成绩，正是由于他们在成长中不知不觉发展出了多个优秀的“算法”，即搭建了优秀的学习系统。相反，若孩子的学习系统发展得不够完善，存在缺陷或瑕疵，那么孩子在学习过程中可能遭遇各种挑战，正如早期的自然语言处理模型在处理复杂数据时所面临的困境一样。

也正是在这一理念的指引下，我提出了人类的学习系统模型。我的这一设想在对清华大学学生的调研中得到了证实。