精准学习 - 周加仙译
第一部分 什么是学习
第1章 学习的7个定义
学习就是调整心理模型的参数
学习是在利用组合爆炸
学习就是将错误降到最低
学习就是探索各种可能性
学习是一种优化的奖励函数
学习限定了搜索空间
学习是投射先验假设
第2章 为什么人脑的学习能力比目前的人工智能机器更强
人工智能缺少了什么
学习是对领域语法的推理
学习就是像科学家一样推理
第二部分 人脑如何学习？
第3章 看不见的婴儿知识
物体概念
数感
对概率的直觉
关于动物和人的知识
面孔感知
语言本能
第4章 脑的诞生
婴儿的脑是组织有序的
语言通路
皮层的自组织
个体差异的起源
第5章 养育的作用
记忆的描述
真实突触和虚假记忆
营养是学习的核心要素
突触可塑性的能力与局限
什么是敏感期
突触的可塑性必须被打开或关闭
布加勒斯特奇迹
第6章 脑的再利用
神经元再利用假说
数学再利用了估算的神经回路
阅读再利用了视觉和口语的神经回路
音乐、数学和面孔
丰富的环境刺激所带来的益处
第三部分 学习的四大核心支柱
第7章 注意
警觉：脑的觉醒
定向：脑的过滤器
执行控制：脑的总机
学会去注意
共同关注
教学是去关注别人的知识
第8章 主动参与
被动的有机体无法学习
加工的深度越深，学习的效果越好
发现教学法的失败
好奇心以及如何去激发它
想要知道：动机的源泉
学校可能扼杀孩子好奇心的三个方法
第9章 错误反馈
惊讶：学习背后的驱动力
脑中充斥着错误信息
错误反馈并不等于惩罚
分数是错误反馈的糟糕替代品
自我检测
黄金法则：间隔学习
第10章 巩固
释放脑资源
睡眠的关键作用
沉睡的脑会重演前一天的轨迹
睡眠期间的发现
睡眠、童年和学校
结论 教育与神经科学的“联姻”
致谢
注释
第1章 学习的7个定义
第2章 为什么人脑的学习能力比目前的人工智能机器更强
第3章 看不见的婴儿知识
第4章 脑的诞生
第5章 养育的作用
第6章 脑的再利用
第7章 注意
第8章 主动参与
第9章 错误反馈
第10章 巩固
参考文献
译后记
版权信息
书名：精准学习
作者：［法］斯坦尼斯拉斯·迪昂（Stanislas Dehaene）
译者：周加仙 等
出版社：浙江教育出版社.湛庐
出版时间：2023年03月
ISBN：9787572253300
字数：280千字
版权所有·侵权必究
大胆挑战脑科学研究的终极问题
人脑拥有目前人类已知的最复杂的结构，是人类自身最大的未解之谜，宛若研究领域最闪耀的一顶王冠。而王冠之上那颗璀璨的明珠，则要属意识研究——它如此令人着迷，如此深不可测，充满挑战性，吸引着全世界科学和脑研究领域的巨擘的目光，他们也正为探究人类意识之谜做着卓越贡献。
在他们之中，作为全世界最有影响力的认知神经科学家之一，斯坦尼斯拉斯·迪昂厥功至伟。
“神经科学界诺贝尔奖”获得者
迪昂是目前欧洲脑科学研究领域的领头人、法兰西学院实验认知心理学教授、著名认知神经科学家，其研究涉及脑与学习、意识、数学、阅读等多个领域，均取得了令世人瞩目的成果，比如，他通过实验在人脑中发现了主观意识的客观标志，让人们能真正“看见”意识。他已在《自然》《科学》等国际权威杂志上发表400多篇文章，是阅读、数学、意识、学习领域公认的专家。
迪昂是一位世界级的科学家，他开创了一系列研究意识的实验，这些实验彻底改变了神经科学领域，并为我们带来了第一个直接研究意识生物的方法。
埃里克·坎德尔
Eric Kandel
2000年诺贝尔生理学或医学奖获得者
由于为人脑领域的研究做出了重要贡献，2014年，迪昂同其他两位科学家共同获得了有“神经科学界诺贝尔奖”之称的“脑奖”（The Brain Prize）。该奖项每年评选一次，奖金100万欧元，是世界上影响力最大、最有分量的脑科学研究奖项。迪昂实至名归。
站在巨人肩上的探索者
其实，迪昂最初所学的专业并非认知神经科学，而是数学。他本科毕业于巴黎高等师范学院数学专业，后又获得巴黎第六大学应用数学及计算机科学专业硕士学位。
后来，被让-皮埃尔·尚热（Jean-Pierre Changeux）在神经科学方面的研究吸引，他将研究方向转向了心理学及神经科学，跟随认知神经科学创始人乔治·米勒、转换生成语法理论创始人诺姆·乔姆斯基、认知发展理论创始人让·皮亚杰三位大师的学生杰柯·梅勒学习，获得博士学位，可谓传承了三位“师爷”的智慧结晶。
众多领域的先驱开拓者
迪昂在他涉及的各研究领域都是先驱研究者。
迪昂在其最新佳作《精准学习》中，系统介绍了人脑中最伟大的才能——学习能力，并就人脑的学习能力为什么远超当下的人工智能进行了详细阐释。在数学认知领域，迪昂是公认的专家，他的《脑与数学》一书被哈佛大学等著名大学用作专业教材。迪昂也是语言及阅读领域的专家，他在《脑与阅读》一书中提出关于人类阅读能力的新理论，有力地驳斥了人脑具有无限学习能力的传统观点；另外，他在阅读障碍及阅读学习方面取得的研究成果，在教育领域也同样具有重要参考价值。在另一本佳作《脑与意识》一书中，迪昂总结了近20年来关于意识与思维的前沿研究成果，翻开了脑科学领域研究的新篇章。
迪昂的科学探索还在继续，他将不断挑战更难、更复杂的问题，破解人脑中更多未被开发或未被探索的秘密，进一步帮助人类拓宽视野，为解开人脑之谜谱写新篇章。
献给
刚出生的奥罗（Aurore），
以及曾是孩子的我们
推荐序1 架设起脑科学与教育的桥梁
教育是人类动用各种手段，获取知识和技能、塑造人的心智的社会性活动，教育与以阐明脑的工作原理和机制为目标的脑科学（神经科学）有着千丝万缕的联系。
脑科学是当代前沿科学之一，解析脑的奥秘是人类认知面临的重大挑战。之所以这么说，首先是因为大脑是一个极其复杂的系统，它所包含的神经细胞总数达860亿，这些细胞并非独立存在，而是通过数量高于神经细胞数千倍的突触联结起来，形成神经环路。这种环路是大脑实施某一特殊功能的基本单元。进而，神经环路的结构和活动方式并非一成不变，而是处于动态变化之中。更重要的是，脑具有高度的可塑性，其形态、结构以及活动方式，随着机体的发育、所处环境的改变，在其功能实施的过程中不断改变，从而又增加了解析的难度。从认识世界的视角而言，对脑的研究是一种所谓的自我指涉性（self-referential）研究，即认识的主体——脑对其自身的研究，存在固有的哲学上的困难，这不可避免地为这一领域的发展设置了障碍。
近年来，随着技术上的巨大进步和认识上的突破，我们对脑的工作原理和机制的认识发生了革命性的变化。人们清楚地认识到，人脑的高级功能（如感知、认知、思维、智力等）是多个神经环路相互作用所形成的脑的大型神经网络活动的结果。在这样一种神经网络中，单个神经细胞的活动都是处于不同区域、不同层次的众多神经细胞活动的综合，从根本上来说，各类信号在时间域和空间域中的分布模式，才对这些高级功能的实施具有关键的意义。这就好比一首交响曲，决定其产生听觉印象的，并非单个音符所发出的声音，而是一群音符组合起来所形成的旋律。在脑科学的其他领域，研究进展也十分迅速，认识到脑的可塑性是学习、记忆等生理过程的生物学基础，就是其中的突出成果。所有这些研究清楚地表明，对脑的活动及其工作原理和机制的认识，对于教育至关重要。这必然引起人们对教育神经科学研究的高度重视。
在这样的背景下，法国神经科学家斯坦尼斯拉斯·迪昂撰写的《脑与意识》《脑与阅读》《脑与数学》《精准学习》等著作相继出版。迪昂是法国科学院院士、国际著名的认知科学大家，在认知研究的许多领域中都有杰出的贡献。他的这些著作深入浅出、生动地阐述了教育神经科学的基础和研究进展，引起了社会各界的强烈反响。
《精准学习》一书，可谓教育神经科学的概论，对大脑如何进行学习做了全景式的系统阐述，用扎实的证据说明，为什么学习能力是人脑最伟大的才能，介绍了学习的四大核心支柱，同时也精当地阐述了与学习有关的其他方面，例如，注意和睡眠在学习过程中的重要性等。在另外三本书中，作者更是对“计算”“阅读”“意识”等三个迥然不同的专题，以一位认知科学家的视角，分别做了细致的剖析。
在《脑与数学》一书中，这位数学认知领域公认的权威科学家，综合对数学思维过程的认识，以及对人类计算能力、先天禀赋的理解，改变了我们数学学习的观念，改进了数学的教育方式。《脑与阅读》则涉及人类阅读之谜。作者对人脑阅读能力的形成、发展，以及对如何重塑大脑及其行为所作的深入思考，耐人寻味。
他在《脑与意识》一书中，对有着“世界之结”称谓的意识问题进行讨论，用丰富的实验资料，解析了人类主观意识的客观规律，对梦的神经机制作了引人入胜的分析。他以实证方法确定了意识现象涌现的必要条件，从而提出了有关意识的“全脑神经工作空间”的富有启发性的假说。特别需要指出的是，在这些著作中，作者自然地把自己的研究成果融入其中，从而在全景式的画面上展示了个人的特色。
他在这套书中就某些特殊问题提出了自己的观点，值得我们深思。例如，他对“人工智能”和人脑学习能力的比较是一个既有理论高度又有现实意义的重要问题。特别是机器人ChatGPT的问世，颠覆了人类固有的思维定势，引起了人类社会的恐慌。对这个问题作正确的引导，将会促进社会的进步，而误导性的舆论，则有可能引起灾难性的后果。作者适时地提出了自己的观点，促使人们尽可能以冷静的态度对这场炙热的讨论做出自己正确的判断。
另一个例子是关于“人脑并非白板”的论述。作者认为，在人脑中对应某种文化学习的神经结构和功能是由遗传和进化决定的，这些结构与功能联结在人类文明开启之前就已经存在。文化学习的过程，就是借助人脑的可塑性，把遗传、进化决定的有关神经资源重新分配给“文化学习”这一新功能，使之获得对高级文化进行编码的能力。这就意味着，由进化、遗传决定的神经结构和功能，会对后天的文化学习产生重大的影响。简言之，人脑并非白板，而是在出生时就携带着由进化、遗传所带来的痕迹，因此，要想使数学、第二语言、科学等学科的学习更有成效，都必须找到与之相应的“神经环境”。这些论述生动地体现了作者对论述主题的出色把握，以及对内容的精准驾驭，充分显示了一位科学大家的风采，这些著作在国际上所引起的热烈反响是完全可以理解的。
迪昂院士的这套书，架设起了脑科学与教育间的桥梁。脑科学研究所取得的大量成果，对教育显然具有重要的意义，而教育实践又会对脑科学研究提出更高的要求。这套书所显示的双向促进作用，赋予了这种交流更丰富的内涵。迪昂院士的这些著作，不仅对于从事脑科学及相关研究的专家们有重要的参考价值，对教育实践者有指导意义，对于广大读者提高知识素养也大有裨益。
丛书的主编周加仙研究员，二十多年来一直致力于教育神经科学的专业发展与研究工作。2010年，她邀请迪昂院士来华东师范大学，担任该校教育神经科学研究中心的荣誉教授，双方从而建立了长期的合作研究关系。她本人就是教育神经科学领域中一位优秀的专家，在探索中国文字学习、数学学习对脑、认知与行为的影响，在运用人脑学习的规律提升教育的质量方面，卓有成绩，且对中文、英文均驾驭自如，是翻译此类著作的不二人选。她不仅组织了翻译团队，还亲自参与翻译，并校译了全部译文，保证了译文的准确流畅。相信这套丛书的出版，不仅会促进我国教育神经科学的基础研究，也将有力地推动教育实践和教育决策走向科学化的进程。
中国科学院院士，复旦大学教授
2023年2月28日
推荐序2 人脑具有非凡的学习能力
“学习”一词每个人耳熟能详，学习的活动也贯穿每个人的整个人生。但是，学习究竟是什么？在人类已经冲出太阳系，探索原子、原子核、基本粒子奥秘的今天，这个问题仍然难以破解。迪昂的这本书通过揭开人脑学习的黑箱，来揭示人类学习的奥秘。本书以计算机科学、神经生物学和认知心理学的交叉学科视角，解释了学习的真正运作方式，描述了幼儿园、中小学、大学，以及日常生活中，不同年龄段的人怎样才能最好地利用人脑的规律来学习。本书展示了大量最新的神经科学研究证据，是一本极具创新价值的科学启蒙读物。
本书的作者斯坦尼斯拉斯·迪昂院士是法兰西学院（Collège de France）的认知神经科学教授，是研究人脑如何学习的世界顶尖专家。他根据长期以来对儿童的研究与观察，得出结论：出生几个月的婴儿，就具备获得语言、视觉和社会知识的能力，其学习速度已经“超过了任何现有的人工智能算法”。迪昂的研究表明，婴儿已经能够理解语法、数量和空间关系，并形成了抽象的思维；能够提出假设、验证假设，并根据感官所获得的新数据不断地调整思维。为了探索还没有具备语言能力的婴儿的脑与认知能力，研究者们设计了一系列精巧的实验，对不满一岁的婴儿的脑进行了大量的研究。在一个实验中，只有几个月大的婴儿看到一个球沿着一条直线自主移动时，他们不会感到惊讶，但是看到球跳过一堵墙继续移动时，他们就会感到非常惊讶，因为这不符合自主运动的原理。这些研究表明，婴儿的脑不是一块白板，而是已经拥有了复杂的认知结构，拥有先天的思维语言。对于人工智能来说，婴儿的这些推理能力已经过于复杂了。本书的研究表明，目前，机器还无法超越人脑的智慧。机器要达到婴儿这样的智力水平，仍然还有很长的路要走。这个结论应该会让那些担心人工智能即将接管世界的人心安神定。
本书对人脑的学习机制与人工智能的算法进行了深入的剖析：人工智能领域研究者可以从人脑学习机制中获得发展人工智能的灵感。这一方面启发了人工智能朝向揭示人脑规律的深处迈进，使得模仿人脑的人工智能机器仅仅依靠编程计算技术就已经达到了前所未有的机器智能高度。另一方面，借助人工智能所提供的高效、便捷、精准的工具，我们可以更好地研究人脑，通过挖掘数据、寻找信号中的模式，对人脑的活动进行解码。同时，我们还可以通过建立一个简化的包含数百万个神经元的向量空间的人脑模型，来比对计算模型和脑成像采集的数据之间的异同。机器之于人类的优势在于，人类会遗忘、会死亡，而机器不仅不会遗忘，还能通过迭代更新，进而获得信息的不断积累、算法的不断升级，最终实现能力的不断提升。现在的人工智能已经可以识别面孔和声音、转录语音、翻译外语、控制机器，甚至可以下国际象棋或围棋、与人类进行对话，而且在某些方面比人类做得更好。我们相信，人工智能最终会在很多领域成为我们的得力助手，比如，帮助我们设计方案、分析数据等。这将是一种愉快合作而不是相互取代的关系。
迪昂在定义学习、分析人工智能与人脑智能的基础上，详细地阐述了人脑学习的原理，提出学习的最重要机制是神经元的再利用，即人脑的学习再利用了原本用于其他用途的脑区。例如，识字者的脑中视觉词形区是将识别面孔和形状的脑区再利用来识别文字，专门用于面孔识别的部位会从大脑左侧移至右侧，以便为人脑新程序的运行留出空间。在此基础上，他提出了学习的“四大支柱”：注意、主动参与、错误反馈以及通过睡眠进行记忆巩固。“四大支柱”本身并不新颖，迪昂的创新之处在于：基于人脑的运行方式，从人工智能的发展与教育应用的视角对它们进行了系统的阐述。这些研究对于教师、家长以及受教育者的实践活动都会产生重要的影响。以“注意”为例，注意是人脑对特定对象的指向与关注，其目的是选择并放大相关信息。人工智能需要输入大量的数据，进行广泛的训练，才能够获得特定的注意能力，但是人脑可以迅速地对特定的内容集中注意，同时抑制分心脑区的神经活动。而一些人引以为傲的多任务处理能力，其实是一种“纯粹的幻觉”，因为神经科学的研究证据证明，人脑是按照顺序在关注的多个事件之间进行切换，并不能同时做多件事情。
人类能够自我教育。人类对世界的大部分认识并不是由基因传承下来的，而是通过实践和向他人学习获得的。为了培养人类非凡的学习能力，人类建立了专门的机构——学校。在人脑具有最大可塑性的时间段，教师在课堂上向人们传授知识，传递智慧。虽然幼儿在敏感期的脑的可塑性最强，但是人脑学习能力的提升可以持续终身。
本书是教育神经科学交叉学科领域的优秀著作。2010年12月，我应邀与迪昂院士在华东师范大学共同为我国的第一个教育神经科学研究中心揭牌。在揭牌仪式上，迪昂院士说，华东师范大学成立教育神经科学研究中心，不仅对于中国教育神经科学的发展具有重要意义，而且也推动了国际教育神经科学的发展。
本书的译者、华东师范大学教育神经科学研究中心的创始人周加仙研究员在十多年的磨砺中成长为我国教育神经科学领域的著名学者之一。她在多个国际组织任职，并参与了多项国际组织的全球性研究项目以及国际脑研究组织-联合国教科文组织国际教育局主办的全球教育部长论坛，在国际上具有一定的话语权。在她的积极推动下，在教育神经科学支持者们的共同努力下，教育神经科学的学科发展得到了我国自然科学基金的持续支持。周加仙研究员具有神经科学、心理学、教育学的学习、研究与工作背景，是典型的交叉学科研究者，她的这种研究背景十分适合本书的翻译，因此，她和合作者出色地完成了本书的翻译工作。
本书就人脑学习的创新成果进行了详细阐释，内容具有重要的创新性，尤其对于教育而言，颠覆了传统教育研究中缺乏严谨、科学、可靠证据的局面，打开了人脑学与教的黑箱。本书语言浅显，内容深刻，面向读者广泛，适合不同学段的学校教师、家长和学生阅读，也适合教育神经科学、心理学、教育学的研究者与实践者阅读。
中国科学院院士，浙江大学教授
2022年12月16日
测一测 你知道人脑是如何学习的吗？
· 人脑遭受严重创伤后，学习能力会随之彻底丧失吗？（ ）
A．会
B．不会
· 学习的四大核心支柱是：（ ）
A．反省、主动参与、正确反馈、巩固
B．注意、被动参与、错误反馈、巩固
C．注意、主动参与、正确反馈、巩固
D．注意、主动参与、错误反馈、巩固
· 新生婴儿的脑如同一块白板，等待外界刺激来“填满”，这是对的吗（ ）
A．对
B．错
扫描下面二维码查看本书更多测试题
扫码鉴别正版图书
获取您的专属福利
扫码获取全部测试题及答
案，了解人脑的学习机制。
导言 人脑中最伟大的才能：学习能力
2009年9月，一个不同寻常的孩子彻底改变了我的学习观念。我当时正在参观巴西利亚的莎拉医院（Sarah Hospital）。这是一家神经康复中心，白色建筑的设计灵感来自奥斯卡·尼迈耶（Oscar Niemeyer），我的实验室已经与他们合作了大约10年。医院的主任露西娅·布拉加（Lucia Braga）带我去见了她的患者费利佩，一个只有7岁的小男孩。费利佩从出生起有一半的时间都是在医院的病床上度过的，露西娅向我讲述了他4岁时在大街上被枪击的全部过程。不幸的是，这在巴西并不少见。流弹切断了他的脊髓，使他近乎瘫痪。子弹还破坏了他脑中的视觉区域：费利佩完全失明了。为了帮助费利佩呼吸，医生为他做了气管切开术。3年多来，费利佩一直住在病房里，被禁锢在他僵硬不动的身体这个“棺材”里。
在去往费利佩病房的走廊里，我为自己将要面对一个残缺的孩子做了很多心理准备。然后我见到了他……费利佩和其他7岁的孩子一样，是个可爱的小男孩——健谈，活力十足，对每件事都充满好奇。他的语言表达流畅、词汇量丰富，还淘气地问我一些关于法语单词的问题。我了解到费利佩一直对语言充满热情，他会说葡萄牙语、英语和西班牙语。费利佩从不错过丰富自己三语词汇量的机会。虽然双目失明、卧床不起，但费利佩热衷于写小说，沉浸在自己的幻想中，医院团队鼓励他走这条路。仅仅几个月的时间，他就学会了向助理医师口述自己的故事，然后使用联结电脑和声卡的特殊键盘自己记录下了这些故事。儿科医生和语言治疗师轮流陪在他的床边，把他的作品转译成了盲人专用的点字书，书中还配有浮雕插图。他自豪地用手指——他仅剩的一点触觉，摸着这些插图。费利佩在故事中讲述了他永远没有机会看到的英雄、山脉和湖泊，他和其他小男孩一样梦想着这些。
与费利佩的会面深深地触动了我，也驱使我更深入地研究人脑(1)中最伟大的才能：学习能力。这个孩子的存在本身就对神经科学构成了挑战。人脑的认知能力是如何抵御如此剧烈的环境变化的呢？既然我们的感官体验截然不同，为什么费利佩和我会有相同的想法呢？人脑是如何对相同的概念达成共识的？这几乎与如何学习以及何时学习这些概念无关。
许多神经科学家都是经验主义者：他们与英国启蒙运动哲学家约翰·洛克（John Locke）一样，认为脑只是从环境中汲取知识。这种观点认为，大脑皮层回路的主要特性是它们的可塑性，即它们适应输入的能力。事实上，神经细胞拥有一种非凡的能力——根据接收到的信号不断调整它们的突触。然而，如果这是脑的主要驱动力，小费利佩被剥夺了视觉和运动输入后就应该变成一个严重受限的人，那他又是靠什么神奇的力量发展出完全正常的认知能力的呢？
费利佩的情况绝不是个例。很多人都听过海伦·凯勒的故事，她1岁多时因病丧失了视力和听力，然而，在经历了多年与周围世界隔绝的生活后，她不仅学会了手语，还成了杰出的教育家和作家。1接下来的内容中，我们会认识许多这样的人，希望他们能从根本上改变你的学习观。伊曼纽尔·吉鲁（Emmanuel Giroux）就是其中之一，他11岁双目失明，后来成长为一名顶尖的数学家。吉鲁借用圣·埃克苏佩里（Saint-Exupéry）的作品《小王子》（The Little Prince）中的狐狸的话说：“在几何学中，本质的东西是用肉眼看不见的。只有用心，你才能看得清楚。”这位盲人在看不见的情况下，是如何在代数几何的抽象空间中畅游，操纵平面、球体和体积的呢？我们会发现，他和其他数学家使用的是相同的神经回路，而他的视皮层尤其活跃，实际上已经改变功能去学习数学了。
我还将向你介绍尼科，一位年轻的画家。他在参观巴黎的玛摩丹美术馆时，完美临摹了莫奈的著作《日出》（见彩图1）。这有什么特别之处吗？并没有，他只是用他仅存的左脑就完成了这个任务——他的右脑在3岁时几乎被完全切除！尼科的大脑学会了将他的所有才华都挤进左脑：像常人一样说话、写作和阅读，甚至学会了绘画，而绘画通常被认为是右脑的功能。此外他还学会了计算机科学和轮椅击剑，并在这项运动比赛中夺得了西班牙的冠军。忘掉别人曾经告诉你的两个脑半球功能各异的观点吧。尼科的经历证明，任何人都可以在右脑缺失的情况下成为一名有创造力和才华的艺术家！人脑的可塑性似乎可以创造奇迹。
彩图1
脑的可塑性可以克服部分重大创伤。
尼科在3岁时做了右脑切除手术（中间插图为核磁共振检测结果），然而右脑的缺失并没有阻止他成为一名成就卓越的艺术家，他依然可以临摹画作（下图），也可以创作新的画作（上图）。
他将语言、数学、阅读和绘画等需要学习的才能，全部挤到了自己的左脑半球。
我们还参观了布加勒斯特臭名昭著的孤儿院，那里的孩子从出生起就被遗弃了。然而，他们当中在一两岁之前被收养的孤儿都能正常上学和社交。
这些例子都证明：人脑具有非凡的韧性。即使遭受严重创伤，如失明、大脑半球被切除或失聪，也无法熄灭其学习的火花。语言、阅读、数学、艺术，所有这些人类独一无二的、其他灵长类动物所不具备的才能，都能抵御这些严重的损伤。人脑具有极强的可塑性——通过学习自我改变、适应环境。当然，我们也会发现迥然不同的反例。在这些反例中，学习似乎没有任何进展，停滞不前。想想失读症患者，他们一个字都读不出来。我临床研究过几位成年患者，他们都曾是优秀的阅读者，但在他们遭受了轻微的中风、伤及一小块脑区之后，他们连“狗”或“垫子”这样简单的字词都无法认识和理解。我记得一位才华横溢、会讲三种语言的女士，她曾是法国《世界报》（Le Monde）的忠实读者，在她的脑部受伤后，报纸的每一个文字对她来说都像复杂的希伯来语，这一事实让她痛不欲生。她遭受的伤痛有多深，重新学习阅读的决心就有多强烈。然而，经过两年坚持不懈的努力，她的阅读能力仍然停留在幼儿园孩子的水平：读一个单词需要好几秒钟，必须逐个字母阅读，每个单词都读得磕磕巴巴。她为什么无法学会阅读呢？为什么有些存在阅读困难、计算困难或运用障碍的孩子在阅读、计算或书写方面会表现出类似的、令人绝望的状态，而有些孩子却在这些领域得心应手呢？
人脑的可塑性似乎是“喜怒无常”的：有时它可以克服巨大的困难，有时它又会让原本积极性很高、智力很高的儿童和成年人连生活都无法自理。这取决于特定的神经回路吗？这些神经回路是不是随着时间的推移失去了可塑性？可塑性可以重新开启吗？管理它的规则是什么？人脑是如何做到从人类出生到青年时期都高效运行的？什么样的算法可以让我们的神经回路形成对世界的表征呢？了解它们能帮助我们更好、更快地学习吗？我们能否从人脑汲取灵感，以制造更高效的机器和人工智能，最终模仿甚至超越人类？这些都是本书试图以多学科视角为基础，引用大量认知科学、神经科学以及人工智能与教育领域的最新科学发现，来回答的一些问题。为什么要学习？
我们为什么一出生就要学习呢？学习能力的存在本身就为我们提出了这个问题。对我们的孩子来说，像雅典娜一样生来就会说话和思考不是更好吗？相传雅典娜是从宙斯的头颅中跃出的，在跃出之时，她就已经完全长大、全副武装。为什么我们不是编程软件，预先被装载了生存所需的知识呢？连达尔文学派的学者都很疑惑，先天成熟、较其他物种拥有更丰富知识的物种不应该最终获胜并延续它的基因吗？为什么物种会首先演化出学习这么一项技能呢？
答案很简单：人脑先天拥有完整的神经“布线”既不可能也不可取。不可能？这是真的吗？是的，因为如果我们的基因组必须包含我们需要的所有知识，它的容量会爆掉，根本没有足够的存储空间。我们的23条染色体包含30亿对碱基对，其碱基包括腺嘌呤（A）、胞嘧啶（C）、鸟嘌呤（G）和胸腺嘧啶（T）。它们可以代表多少信息？若用二元决策0和1来分析，则基因组的A、C、G、T可以编码为00、01、10和11，因此，我们的DNA总共包含60亿位信息。而在今天的计算机中，我们是以字节来计算的，一个字节存储8位无符号数，存储的数值范围为0～255。因此，人类基因组的容量可以换算为大约750兆字节，相当于一个老式CD或一个小型USB密钥的容量！然而，这个基本的换算还没有包含我们DNA中存在的大量冗余信息。
我们的基因组最初只存在于一个受精卵中，承载着从几百万年的进化中继承下来的少量信息，这些信息成功地勾画了整个身体的蓝图：我们的肝脏、肾脏、肌肉，当然还有我们脑中每个细胞的每个分子（860亿个神经元，1 000万亿个联结）……我们的基因组怎么可能确定它们中的每一个呢？假设我们的每根神经联结只编码一位，那么我们的脑容量大约是100太字节，约1015位。或者说这个容量是我们基因组的容量的十万倍，而这还只是保守的估计。我们面临着一个悖论：我们的脑是一座奇妙的宫殿，它包含的细节比“建筑师”用来建造它的蓝图多出数十万倍！唯一的解决方法是：按照建筑师的指导方针（即我们的基因组）完成宫殿的结构框架，而细节则留给“项目经理”，他可以结合地形（即环境）调整蓝图。因此，将人脑的所有细节预先“布线”是完全不可能的，需要通过学习来补充基因组的工作。
然而，简单为脑算一笔账得出的结论并不能解释为什么学习在动物界如此普遍。即使是蚯蚓、果蝇和海参等没有任何大脑皮层的简单生物，也具备学习的能力。以线虫（C. elegans）为例，在过去的20多年里，这种几毫米大的动物成了实验室的明星，原因就在于它的结构几乎完全受基因的控制，研究人员可以分析到最小的细节。大多数线虫个体样本显示959个细胞构成，包括302个神经元，它们的联结路径已被完全破解，并且是可再生的，线虫会学习2。研究人员最初认为，线虫是一种只能来回游泳的“机器人”，但后来他们发现，它至少有两种学习方式：习惯性学习和联想学习。习惯性学习指有机体适应反复出现的刺激（如动物生活的水中的某个分子）并最终停止对其做出反应的能力。联想学习指发现并记住环境中的哪些因素可以预测食物的来源或危险的靠近。线虫是联想学习的能手。它可以记住与自己的食物（细菌）或厌恶的东西（如大蒜的气味）相关的气味或温度水平，并利用这些信息来选择它在环境中游走的最佳路径。
线虫的神经元数量很少，因此，它的行为有可能是完全预设好的吗？显然，事实并非如此。线虫适应自己的出生环境对它的生存是非常有利的，甚至是不可或缺的。即使是两个基因完全相同的生物也很难有机会生活在相同生态的环境里。线虫能够根据出生地的水的浓度、化学成分和温度快速调整它的行为，使它更高效地适应环境。更广泛地说，每一种动物都必须迅速适应其当前生存环境的不可预测情况。这就是自然选择（Natural Selection），达尔文的进化算法。它成功论述了每个有机体为何能够适应其所在的生态环境，但这个过程发生的速度出奇的慢。如果缺乏适当的适应性，整个生态的物种都注定会死亡，只有等到有利的基因突变出现才能够增加物种生存的机会。然而，学习能够加快这个过程，它可以在几分钟之内改变物种的行为。这就是学习的精髓：能够快速地适应不可预测的情况。
这就是物种进化出学习能力的原因。随着时间的推移，那些即使只拥有基本学习能力的动物都比那些行为固定的动物拥有更好的生存机会，而且它们更有可能将自己的基因组（这些基因包括学习算法）传递给下一代。因此，自然选择驱使学习能力出现。进化算法发现了一个很好的诀窍：让身体的某些参数迅速改变，以适应环境中最不稳定的方面。
诚然，物质世界有很多因素是严格不变的，比如万有引力是普遍存在的，光和声音的传播方式也不会在一夜之间发生改变。这就是为什么我们不需要学习如何长出耳朵、眼睛，形成前庭系统迷宫般的结构，或记录我们身体的成长，所有这些特性都是基因层面已经编码好的。然而，其他的许多参数，比如我们双眼的间距、手脚的重量和长度、声音的音调都会因人而异，这就要求我们的脑必须适应它们。正如我们在后文中将看到的，脑是妥协的结果——我们从漫长的进化史中继承了大量天生的神经回路（我们将世间万物细分成广泛而直观的类别，并进行编码：图像、声音、动作、物体、动物、人……）。也许在更大程度上，那些高度复杂的、可以根据我们的经验改进我们早期技能的学习算法，也有生而有之的神经回路。
教育智人
如果让我用一个词来概括我们人类的非凡才华，我会用“学习”来概括。我们不是简单的智人（Homo Sapiens），而是教育智人（Homo Docens），一种能够进行自我教育的物种。我们对世界的大部分认知并不是由我们的基因遗传给我们的，而是从环境或周围的人那里习得的。除人类以外，没有任何一个物种能够如此彻底地改变其生态环境，人类从非洲大草原迁移到沙漠、山脉、岛屿、极地、洞穴、城市，甚至太空，所有这些都是在几千年内完成的，学习为这一切推波助澜。从发现火种到制造石器、发展农业、探索世界，再到发现原子裂变，人类的故事是不断进行自我重塑的故事。所有这些成就的根源在于：我们的脑有着提出假设并选择适合环境的假设的这种非凡能力。
学习是我们人类的创举。在我们的脑中，数十亿的神经元参数可以自由地适应我们的环境、语言和文化，以及我们的父母和食物……这些参数是经过精挑细选的：在进化过程中，达尔文的进化算法仔细地勾勒出哪些神经回路应该预先“布线”，哪些应该留给环境去决定。对人类这个物种来说，学习的意义重大，因此人类的童年时期比其他哺乳动物的要长得多。由于我们拥有独特的语言和数学能力，我们的脑才能在广阔的假设空间中畅游，即使这些假设可能总是植根于我们从进化中继承下来的固定不变的基因基础之上，这些假设重新组合，形成潜在的无限可能的集合。
人类发现，在一种机构的帮助下，我们可以进一步提升这种非凡的能力，它就是学校。教育学是人类所独有的，其他动物不会留出特定的时间去教导并监督后代学习的进步，帮助其解决遇到的困难，纠正其所犯的错误。学校的出现使所有人类社会中的非正规教育系统化，极大地挖掘了我们的脑潜力。我们发现，我们可以利用儿童的脑丰富的可塑性，向他们灌输大量的信息，发展他们的才智。几个世纪以来，我们的学校系统在效率上不断提高，孩子上学的时间越来越早，教育持续时间更是长达15年，甚至更长。越来越多的人脑的发展受益于高等教育。大学是神经“精炼厂”，我们的脑回路在这里获得最优质的触发。
教育是我们脑的主要加速器。不难证明，教育支出在政府支出中位居前列是合理的：没有教育，我们的大脑皮层回路就会像一颗未经加工的钻石。我们的大脑皮层在阅读、写作、计算、数学、音乐、空间、记忆等方面带来的改善造就了社会的复杂性。你知道吗，一个受过教育的人的短期记忆，即他能重复的音节数量，是一个从来没有上过学的成年人的2倍左右。一个人每多接受一年教育，他的智商测试分数就会提升好几分。
学会如何学习
教育增强了人脑已经相当强大的能力，但它还能表现得更好吗？在学校和工作中，我们不断地改进脑的学习算法，但我们是凭直觉这么做的，而没有刻意学习。从来没有人向我们解释人脑记忆和理解事物的规则，或者遗忘和犯错的规则。这真的很可惜，因为这方面的科学知识已经很全面。英国教育捐赠基金会（Education Endowment Foundation，EEF）创建的网站3上列出了最成功的教育干预措施，其中元认知教学（了解自己脑的能力和限制）被给予了非常高的评价。学会如何学习可以说是学业成功的最重要因素。
幸运的是，我们现在知道了很多关于学习是如何运作的知识。30多年来，计算机科学、神经生物学和认知心理学的合作研究在很大程度上阐明了我们脑运作的机制，包括使用的算法、涉及的回路、调节其有效性的因素，以及唯有人类能高效使用这些资源的原因。在本书中，我将依次讨论所有这些问题。当你合上这本书时，我希望你能更多地了解你自己的学习过程。在我看来，每个孩子和每个成年人都要了解自己的脑的全部潜力，当然，也要意识到它的局限性，这才是最重要的。当代认知科学通过系统地剖析我们的脑算法和机制，赋予苏格拉底的名言“认识你自己”以新的含义。今天，学习的重点不再仅仅是加强内省，而是理解产生思想的微妙的神经元机制，使之能最佳地服务于我们的需求、目标和欲望。
当然，关于我们如何学习的新兴科学对所有那些认为学习是一种专业活动的人，如教师和其他教育工作者都具有特别的意义。我深信，一个人如果不能对学习者的脑中正在发生的事情有一个或模糊或明确的心理模型，就不可能实施正确的教学。学生以什么样的直觉开始学习呢？他们必须按照哪些步骤学习才能有所进步？哪些因素可以帮助他们发展技能？
虽然认知神经科学并不能给出所有的答案，但我们开始了解到，所有孩子都拥有一个相似的脑结构：他们的脑都是智人的脑。它与其他类人猿的脑截然不同。当然，我不否认每个人的脑是不同的，我们基因组的瑕疵以及早期脑发育的无常性赋予了我们略微不同的学习强度和学习速度。然而，我们所有人的基本脑回路都是一样的，我们的学习算法的架构也是相同的。因此，每一位教师都必须遵守一些基本原则，才能最有效地发挥其教学作用。在本书中，你会看到很多例子。所有年幼的孩子在语言、算术、逻辑和概率领域都有抽象的直觉，这是高等教育立足的基础。所有学习者都会从集中注意力、积极参与、错误反馈以及反复进行每日训练和夜间巩固中受益。我将这些因素称为“学习的四大核心支柱”，正如我们将看到的那样，这些因素是所有人的脑中通用学习算法的基础，无论是儿童还是成年人都是如此。
同时，我们的脑确实表现出个体差异，在一些极端的情况下，脑可能会表现出病态，如阅读困难、计算困难、运动障碍和注意力障碍等。幸运的是，随着我们越来越了解产生这些缺陷的原因，我们也发现了很多应对策略来检测和弥补这些缺陷。本书的目的之一就是传播这些不断更新的科学知识，让每一位教师和家长都能采取最佳的教养策略。虽然孩子掌握的知识存在很大差异，但他们使用的是相同的学习算法。因此，对正常孩子最有效的教学技巧也往往是对有学习障碍的孩子最有效的教学技巧，只不过教师和家长必须以更加专注、耐心、系统的方式加以应用，对他们所犯的错误更加宽容。
宽容很关键。虽然错误反馈很重要，但许多孩子因为他们所犯的错误受到了惩罚，而错误本身没有被纠正，因此丧失了学习的自信和对知识的好奇心。在世界各地的很多学校，错误反馈往往是惩罚和耻辱的同义词。在本书的后面部分，我将谈到学校对学习成绩的过度关注助长了这种不良的风气。负面情绪粉碎了脑的学习潜力，而为脑提供一个无须感到恐惧的环境会重新打开神经元可塑性的大门。如果不同时考虑情感和认识对脑产生的影响，教育就不会进步。在今天的认知神经科学中，这两者都被认为是学习的关键。
机器的挑战
今天，人类智力面临着新的挑战：我们不再是最会学习的物种，学习算法正在各个知识领域挑战人类这一物种的独特地位。这些算法让智能手机可以识别面孔和声音、转录语音、翻译外语、控制机器，甚至可以下国际象棋和围棋，而且比我们做得更好。机器学习已经成为一个价值数十亿美元的产业，并持续受益于人脑的启发。这些人工算法是如何工作的？他们的工作原理能帮助我们理解什么是学习吗？它们是否已经能够模拟人脑，或者它们还有很长的路要走？
虽然目前计算机科学的进步令人着迷，但它们的局限性也是显而易见的。目前机器的深度学习算法只是模拟了人脑的一小部分功能，我认为，这一部分对应到我们知觉加工的第一阶段，即人脑以无意识方式处理信息的前两三百毫秒。当然，这种类型的加工绝不是肤浅的：我们的脑可以在几分之一秒内识别出一张人脸或一个单词，并将它放在上下文中去理解，甚至把它整合成一个短句子……然而，这个过程的缺陷是，它严格地遵从了自下而上的传输方向，没有任何反思的机会。只有在更慢、更有意识、更具思考的后续阶段，我们的脑才会设法发挥其所有的演绎、推理和灵活性能力。这些都是今天的机器远远无法比拟的。即使是最先进的计算机体系也无法拥有任何人类婴儿构建抽象世界模型的能力。
即使是在计算机的专长领域，例如对形状的快速识别，现代算法的效率仍然远远低于人脑。机器学习的最新前沿涉及在计算机上运行数百万，甚至数十亿次训练尝试。事实上，机器学习已经成为大数据的代名词：没有海量数据集，算法很难提取并概括新情况中的抽象知识。换句话说，机器并没有最高效地利用数据。
在这场比赛中，婴儿的脑轻而易举地获胜了：婴儿不需要超过两次的重复就能学习一个新单词。他们的脑可以最大限度地利用极其稀少的数据，这一能力在今天的计算机中仍然难以实现。神经元的学习算法通常接近最优化的运算：它们设法从最细微的观察中提取出本质。如果计算机科学家希望在机器上实现同样的效能，他们的灵感只能来自脑中的许多学习技巧。例如，注意帮助我们选择并放大相关信息，睡眠帮助我们的脑通过算法整合前几天学到的东西。具有这些特性的新机器正在开始涌现，它们的性能也在不断提升，在不久的将来，它们无疑将与我们的脑竞争。
根据一项新兴的理论，人脑之所以仍然优于机器，是因为它扮演着统计学家的角色，通过不断关注概率和不确定性优化自己的学习能力。在进化的过程中，我们的脑似乎获得了复杂的算法，这些算法不断追踪与所学知识相关的不确定性。从精确的数学观点上讲，如此系统地关注概率是最大限度地利用每一条信息的最佳方式。4
最近的实验数据支持了这一假设。即使是婴儿也能理解概率。从出生起，概率理论似乎就深深地植根于他们的脑回路中。孩子的行为就像初露尖角的小科学家，他们的脑中充满了类似于科学理论的假设，通过生活经验来检验这些假设。概率推理允许我们逐渐排除错误的假设，只保留对数据有意义的理论。而且，与其他物种不同的是，人类似乎可以利用这种对概率的敏感从外部世界获取科学理论。只有智人才能系统地生成抽象思维的符号，并在面对新的观察时更新这些思维的可能性。
创新的计算机算法开始融入一种新的学习愿景，即“贝叶斯算法”。这种算法以牧师托马斯·贝叶斯（Thomas Bayes）的名字命名，早在18世纪贝叶斯就勾勒出了这一算法的雏形。我的预感是，贝叶斯算法将引起机器学习的革命。事实上，它已经能够以接近人类科学家的效率来提取抽象信息。
当代学习科学之旅由三部分组成。
在第一部分“什么是学习”中，我们首先探讨学习对人类或动物意味着什么，包括学习的所有算法或机器的学习。学习的定义很简单：学习就是在脑中逐步形成外部世界的内部模型。当我初次来到一个陌生城镇时，我会在脑海中形成它的布局地图——一个由街道和小巷构成的微缩模型。同样，一个正在学习骑自行车的孩子在他的神经回路中正在塑造一个潜意识的模型，即对踏板和车把施加的作用力如何影响自行车的稳定性。类似的，学习识别人脸的计算机算法正在获取各种可能形状的眼睛、鼻子、嘴巴及其组合的模板模型。
但是我们如何建立合适的心理模型呢？正如我们将看到的那样，学习者的脑可以被比作一台拥有数百万个可调参数的巨型机器，这些参数的设置共同定义了学习者所学到的东西，如某条街道可能在我们的心理地图中的什么位置。参数就是脑中的突触，也就是神经元之间的联结，它们的强度可能会因人而异。而在大多数现代计算机中，它们是一系列可调节的权重或概率，反映了每个可能成立的假设的可靠程度。因此，无论是在脑中还是在机器中，学习都需要寻找参数的最佳组合，这些参数一起定义了心理模型的每一个细节。从这个意义上说，学习是一个巨大的搜索问题，理解学习算法在当今计算机中如何运行对揭示学习在人脑中如何工作非常有帮助。
通过比较计算机算法和脑算法，即硅基系统和活体系统中的性能，我们将逐步对学习在脑层面的意义有一个更清晰的认识。可以肯定的是，数学家和计算机科学家还没有设计出像人脑那样强大的计算机算法，至少现在还没有。但他们开始研究一种最优学习算法的理论，如果它的目标是最高效学习的话，任何系统都应该使用这种算法。根据这一理论，最好的学习者是一个合理使用概率和统计的科学家，他的脑对应统计学家，脑回路对应概率计算的模型。这一理论明确了先天和后天之间的分工，基因首先建立巨大的先验假设空间，然后环境来决定与外部世界最匹配的假设。假设是由先天基因决定的，它们的选择依赖于后天的经验。
这一理论是否与脑的工作原理相符？学习是如何在我们的神经回路上实现的呢？当我们获得一种新的能力时，我们的脑会发生什么变化？在第二部分“人脑如何学习”中，我们将转向心理学和神经科学。我将把重点放在婴儿身上，因为他们是真正的学习机器，无可匹敌。最近的实验数据表明，正如该理论所推测的一样，婴儿确实是初出茅庐的统计学家。他们在语言、几何、数字和统计领域的非凡直觉证明，他们绝不是一块一无所知的白板。从出生起，婴儿的脑回路就已经组织好了，并将假设带入外部世界。但它们也有相当大的可塑性，这反映在脑的突触变化上。在这台“统计机器”里，先天和后天不是对立的，而是联合起来的。其结果就是造就了一个结构化但可塑的系统，它们在面对脑损伤时具有无与伦比的自我修复能力，并再次利用脑回路获得进化没有预料到的技能，如阅读或数学计算能力。
在第三部分“学习的四大核心支柱”中，我详细介绍了使我们的脑成为当今已知的最有效的学习设备的诀窍。四种基本机制（或称“支柱”）在很大程度上调节了我们的学习能力。第一大核心支柱是注意，即一组神经回路，它选择、放大和传播我们认为有用的信号，将这些信号在我们记忆中的影响放大100倍。第二大核心支柱是积极参与，即被动的有机体几乎什么都学不到，因为学习需要动机和好奇心，主动地产生各种假设。第三大核心支柱，也就是积极参与的另一面，即错误反馈。每当我们因为世界违背了我们的期望而感到惊讶时，错误信号就会传遍我们的脑。错误反馈纠正了我们的思维模式，消除了不恰当的假设，并稳定了最准确的假设。第四大核心支柱是巩固。随着时间的推移，我们的脑将所获得的东西汇总起来，并将其转化为长期记忆，从而释放神经资源，为进一步学习做好准备。重复在巩固过程中起着至关重要的作用。即使是睡眠，也远不是一段不活动的时期，而是脑以更快的速度重温过去的状态并记录白天获得的知识的特权时刻。
这四大核心支柱具有普遍性。无论是婴儿、儿童还是不同年龄段的成年人，只要他们锻炼学习能力，就会不断地使用它们。这就是为什么我们都应该掌握这四大核心支柱，它们是学会学习的方式。在结论中，我将总结这些科学进步的实际成果。改变我们在学校、家里或工作中的做法并不一定像我们想象的那样复杂。玩耍、好奇心、社交、注意和睡眠等非常简单的行为，都可以增强人脑最伟大的才能——学习。
这是第一篇第一部分 什么是学习
