《精准学习》 于理解读

《精准学习》| 于理解读

你好，欢迎每天听本书。今天我要为你解读的书叫《精准学习》，是2023年3月出版的一本新书，万维钢老师曾经在《精英日课4》里解读过。这本书的作者是斯坦尼斯拉斯·迪昂，法国人。他是在世界范围内颇具影响力的认知神经科学家，也是欧洲脑科学研究领域的领头人。他还获得过“脑奖”，大脑的脑，这个奖相当于神经科学界的诺贝尔奖。在《精准学习》这本书里，他回答了一个很经典的问题：我们应该如何更高效地学习？

从脑科学切入，讲怎么学习的书我们听了不少了。不过，这本书的特别之处在于，作者不仅有神经科学的教育背景，他还学过数学、计算机科学和心理学。所以，作者不单单是从脑科学出发，而是把脑科学、认知心理学和计算机科学结合了起来，跟我们讲该怎么学习。

比如，AI的学习算法对人类学习也有启发。万维钢老师解读这本书的时候，就提到了“反向仿生学”这个概念。在书里，作者把人脑学习和机器学习做了对比。计算机科学家们在设计AI的时候，借鉴了人脑的工作原理，可以说，AI就是对人类大脑的仿生学。同时，脑科学家也很关心AI算法的进展，有时候计算机科学家独立发明出了一个提高机器学习效率的新方法，脑科学家一看，人脑也是这样的。了解了AI是怎么学习的，反过来也能对我们有所启发，这就叫反向仿生学。下面我们也会具体聊一聊，我们能怎样利用反向仿生学，向AI学习如何学习。

此外，作者根据脑科学的最新研究成果，揭示了人脑学习的底层逻辑，也就是学习的四大核心支柱，分别是注意、积极参与、反馈和巩固。这四点你估计都听说过，但作者结合了脑科学和认知心理学，深入剖析了这四点在学习中发挥的作用，给出了具体的教育建议。无论你是想提高自己的学习能力，还是想更好地指导自己孩子的学习，这本书都值得你花时间听听。

那么接下来，我就分三部分为你解读这本书。在第一部分，我们来聊聊AI的学习算法能带给我们什么启发；在第二部分，我们来说说关于人脑学习的一些最新研究成果；最后，我们再来说说，学习的底层逻辑是什么，以及我们能怎样更有效地学习，或者更好地指导孩子的学习。

好，下面我们就正式进入这本书。

我们先来聊聊，机器都模仿了人脑学习的哪些原理。

我们知道，AI的学习依靠一套算法，这套算法就是它的内部模型。其实这就是在模仿人脑，我们大脑里的知识也不是“散装”的，而是以一个个微缩模型的形式储存着。比如，我们大脑里都有一张自己家附近街区的思维地图，闭上眼睛就能回忆起来；再比如，看英语文章的时候，我们也得调动自己的英语心理模型，来理解文章内容。

AI和人脑的学习过程，都是在训练内部模型。学习，就是根据外部反馈，不断调整内部模型的过程。就比如你练习投球的时候，会不断根据上一次的投球结果，调整自己的力度和距离，这时，你的大脑就在调整手臂力量、角度等方面的参数。AI也是这样，它会根据提供的数据和反馈，不断调整这套模型。

对于大脑来说，像投球这样的活动，调整的参数算是比较少的，大部分的学习比它要精细得多，要调整成百上千个参数。很多模型是非常复杂的，就比如语言模型，理解一个句子，你要先理解音节、单词，再理解语法、语义，才能听懂这个句子。为了分解这样复杂的问题，人脑就创建了多层分级的模型，一个模型嵌套在另一个模型中，就像俄罗斯套娃一样。最初级的模型理解音节，信息一层层地传递，直到传递给理解语义的高层级。AI就模仿了人脑的分层结构，对输入的数据逐层处理，这种处理方式也被称为“深度学习”。

你看，机器和人脑学习都是在训练分层内部模型。那我们就可以反观自己，基本知识学扎实了吗？学习的时候，脑内是否形成了关于这个领域的知识框架？建构知识框架时，我们也可以利用思维导图，因为它恰好就符合了大脑分层模型的那个原理。

要想训练模型，就得有反馈。对于人脑来说，上个球没投中，就是一种反馈；身边的人的评价，也是一种反馈。那对于AI来说，训练AI的人会给它反馈，术语叫“监督学习”。人是机器的监督者，告诉机器它输出的答案对不对。你告诉AI它这个答案错了之后，AI就会调整自己的参数，纠正错误。

不过，对机器来说，利用反馈学习有一个问题，那就是有时候机器通过一系列反馈找到了一个最优解，但我们不能确定它是不是全局最优解，因为也许别处还有更好的答案，但机器没发现。就像你在一家商场里淘到了一个物美价廉的商品，但你没去街对面的另一家商场逛逛，而它那有更低的价格。机器学习很容易犯这种错误，只在起点周围探险，所以错过了更远一点，但更好的参数配置，因为机器觉得自己已经学到所有能学到的东西了。那么，计算机科学家是怎么解决这个问题的呢？他们会故意给算法加入一些随机的变化，或者在数据里添加一些噪声，这样就能让算法去到一个更远的地方，看看有没有更好的答案。就像是生物演化中的基因突变一样，变化或许就能制造惊喜。

对于我们人类来说，学习也是这样。你喜欢读历史类的书，也得偶尔跳出去，读读各种领域的书籍。随机的探索，过程中产生的好奇心，是推动人类学习和创新的重要力量。无论研究数学问题的各种可能的解法，还是即兴弹一首曲子，随机性都是很重要的。哪怕是发呆时的胡思乱想，也可能有灵光闪过。

所以你看，我们上面说的各类机器学习的方法，都借鉴了人脑学习的原理，只是我们平时没意识到罢了。了解了这些原理，我们就能有意地强化它们。比如，机器利用反馈不断训练自己，那么我们面对他人的评价时，能否不受情绪干扰，吸纳这些反馈呢？再比如，你对新事物有好奇心吗？你愿不愿意多去接触新领域，给自己引入一些随机性呢？就像万维钢老师在解读中说的那样，这样一对比，大多数人的学习态度可能还不如机器。所以，机器学我们，我们也要向机器学习。

说完了AI在学习上能给我们哪些启发，接下来我们来说说书里的那些关于人脑学习的最新研究成果。

首先，作者提出了一个有点违反常识的观念，那就是婴儿的大脑不是一块白板。我们总觉得，知识都是后天获得的。但其实，我们一生下来，大脑里就预装了很多知识，这些知识我们不用专门学，天生就会。

比如，婴儿天生就具备一些物理学知识。几个月大的时候，婴儿就知道，物体不会凭空消失，也不会同时出现在两个不同的地方。有研究人员做过实验，他们在婴儿面前表演一些把戏，通过一些小道具，让某个球穿墙而过，或者让小球看起来像是突然消失了，这时婴儿会表现出惊讶。婴儿对违反物理定律的情况表现出惊讶，就意味着他们具备一些基本的物理学知识。所以，当你因为宝宝一次次把勺子丢到地上而生气时，请注意，他们只是在做物理实验！

除了物理学知识，作者还通过实验，证明了婴儿还天生具备一些数学、生物学、语言知识等等。此外，还有更有力的证据。研究人员用精确的磁共振成像技术扫描了婴儿的大脑，结果显示，几乎所有成人的脑回路都已经存在于新生婴儿的大脑中。所以，婴儿的大脑不是一块白板。万维钢老师解读时，借用了一句佛经里的话，说每个人一出生都是“自身具足”的。你身上有学习的种子，就像人人都有佛性一样，你也有“学习性”。

除去发育障碍等特殊情况，出生时，我们的大脑都有相同的初始结构，共享一套学习算法。当然，个体差异是存在的，每个人大脑皮层的褶皱都不一样，但这些差异只是程度上的。那么，在先天预装的这些知识之外，塑造大脑的另一个变量，就是后天的学习了。与先天硬件相比，后天学习对大脑的影响更大。

我们的神经系统由神经元组成，两个神经元交会的地方叫“突触”。我们的大脑里，有大概一千万亿个突触，它们是大脑的微处理器。每个突触就像一个小型的化工厂，你不断学习，突触就不断被激活，这个化工厂的生产力就会变强。一些突触会变大，甚至复制出一个新的突触，从而提高这两个神经元之间的联结强度。随着学习，神经元的形状也会发生变化。神经元长得像是一棵枝繁叶茂的树，在学习时，这棵大树就迎来了它生长的“春天”。无论是学习乐器、阅读，还是学一门运动，我们的大脑皮质都会增厚，皮层区域之间的联结也会增强。

在孩子的教育方面，我们有一个共识，那就是学习是有一个最佳时期的。这个共识是正确的。大脑确实有一个发育的“敏感期”，也就是大脑可塑性最强的时期。一个两岁儿童的大脑里，突触的数量是成人的两倍。在成长发育的过程中，有用的突触会被保留，没用到的则会被修剪，许多脑回路几个月或者几年后就会关闭。比如到两岁，人类大脑的视觉区域就发育好了，听觉的成长期则是到三四岁的时候结束。社交能力也是这样，有研究发现，如果婴儿在20个月前没能得到父母很好的照顾，没有和人充分互动，那他长大后就很可能在社交方面出现一定障碍。

随着年龄的增长，我们大脑的可塑性会慢慢减弱。拿学外语来举例，研究发现，人学习语法的能力从童年时期就开始缓慢衰退了，17岁时急速下降。而且，学外语学得越晚，越有可能有口音和语法错误。所以，按照大脑的发育规律，学习外语是有一个最佳时期的。不过，虽然我们的学习潜力会减弱，但不会完全消失。我们的大脑还是很有韧性的，哪怕到了五十岁，你也能学会一门新乐器，只是学得比较慢罢了。

所以，给孩子创造一个丰富多彩的早期学习环境非常重要。那些每晚听睡前故事的孩子，口语语言的脑回路就比没故事听的孩子发育得更好。那些在双语家庭里出生的孩子，大脑能发展出更强的语言处理能力。无论是带着孩子学单词、听故事、玩拼图，还是和孩子探讨各种问题，给孩子提供一个充满刺激的环境，就能让孩子的大脑保留更多的突触，和更灵活、丰富的神经回路。

不过，突触有可塑性这一点，还不足以解释人类强大的学习能力。因为多数动物也具有这种可塑性，甚至连苍蝇也有能改变的突触。作者认为，人类强大的学习能力，要归功于我们在进化过程中出现的四个主要功能。它们是学习的四大核心支柱，分别是注意、积极参与、反馈和巩固。接下来，我们就来说说这四大核心支柱是怎么发挥作用的，我们又能如何利用它们，提高我们的学习效率。

我们先来说说“注意”。为什么注意那么重要呢？因为我们大脑的资源是有限的，而注意能帮我们解决信息饱和的问题。注意力机制就像一个巨大的过滤器，它帮我们判断什么信息是重要的，然后只把资源分配给那些核心信息。传统的AI速度很慢，就是因为它们没能学会注意。它们浪费大量时间分析所有数据，而不是先筛选信息，再聚焦。直到2014年，有学者把注意应用到了人工神经网络上，这才大大提高了机器的学习速度。现在，AI识别图片的时候，就会先把资源集中到图片里要识别的那个物体上，把其他像素暂时删除掉，从而提高自己的运行效率。

只有注意到，才能学到。不同信息进入大脑的深度不一样，有些信息可能到达感官就结束了。比如，老师在上面讲课，我走神了，我能听见老师的声音，但“没进脑子”。老师的话困在了我的感官回路里，没能进入负责认知和思考的前额叶皮层。只有我真正注意到了老师说的话，信息才能传递到我的前额叶皮层，产生神经冲动，改变我的大脑突触。这样，老师说的话才能被我记住。因此，注意是学习的必要条件。

当我们注意到了某些信息后，处理信息的是大脑的“执行控制系统”，这个系统是大脑的总机，它位于前额叶皮层，负责督导大脑的活动。不过，执行控制系统一次只能执行一种任务，不能同时处理两种思维活动，这也是为什么人不能“一心二用”，除非其中一项活动是高度自动化的，能在无意识情况下执行，不占用大脑的核心资源。比如我们能边跑步边听听书，就是因为跑步已经是高度自动化的活动了。

那么有没有什么办法，能控制自己的注意力呢？

好消息是，执行控制系统是可以训练的。事实上，人不是天生就会自我控制的，这个系统要花15—20年才能发育到成熟状态。从童年到青少年时期，我们的执行控制系统就在缓慢发展，我们也慢慢学会了自我控制，控制自己做什么，不做什么。有一个实验很有意思，实验人员把一个玩具藏在A点，让1岁以下的孩子找了几次，之后孩子就记住了这个地方，每次都去这里找。然后研究人员把玩具转移到了B点，孩子也知道该去B点找玩具，但每次做实验，孩子还是要先去A点。为什么呢？这是因为孩子形成了一种去A点找玩具的习惯性冲动，而他们没法抑制住这个冲动。他们缺乏的不是对物体位置的判断能力，而是控制自身行为的能力。等到孩子1岁的时候，就不会犯这样的错误了，就是因为他们的控制执行系统发育得更完善了些。

因此，在孩子小时候，家长就可以开始训练孩子的注意力了。学乐器就能培养注意力，对一个孩子来说，学乐器的时候，既要协调双手，又要找好节奏，还要控制自己的视线，这其实挺不容易的。小时候学乐器，就能影响我们的注意神经回路，音乐家的前额叶皮层就比普通人要厚。我小时候就被我妈逼着练钢琴，虽然到今天，钢琴忘得差不多了，但现在回想，说不定真的在一定程度上训练了我的专注能力。

在学乐器之外，玩电子游戏也是个办法。很多家长不允许孩子玩电子游戏，因为觉得它会分散孩子的注意力。但在这本书里，作者提出了一个有些违反常识的观点，那就是电子游戏其实能提升我们的专注力。因为当我们的大脑受到刺激，产生警觉时，会激活大脑皮层的神经元，恢复突触的可塑性。还有研究表明，玩10个小时动作类游戏后，我们的视觉检测功能、对目标的注意集中度都会提高。你看那些游戏高手，他们判断局势的能力，还有手上操作的速度，都是让人叹为观止的。当然，电子游戏也有坏处，会导致成瘾等问题。好在我们还有其他选择，比如读一本小说，或者看一部电影，这都能刺激大脑的可塑性。

所有哺乳动物都拥有注意系统，但人类的注意系统有个独特之处，那就是“共同关注”。也就是说，人会关注别人关注的东西。婴儿听到了什么声音的时候，第一反应不是去看声音的来源，而是去找大人的眼睛，然后再看向大人看着或者指着的东西，这就叫共同关注。妈妈看着孩子的眼睛，教他说“妈妈”这个词，孩子很快就能学会。但要只是用手机在一旁播放“妈妈”这个单词，放多少遍孩子也学不会。“共同关注”这一点对家长、老师来说格外重要。孩子会通过你的注意力，来判断你是不是要教给他什么。所以在教给孩子东西时，眼神交流、手势都非常重要，这也是为什么网课效果比不上线下教学，成功的演讲者总要用眼神和手势打配合，时刻让观众知道自己的注意力在哪。

讲完了注意，我们来说说学习的第二个支柱，积极参与。这里的“积极”说的是认知上的积极，就是要在心里主动生成假设。也就是说，当我要学一个新知识的时候，我的大脑里要先主动形成了一个假设，然后再通过老师的讲解或者各种渠道，验证我想的是否正确。人要积极参与某件事，一个最基本的动力就是好奇心，也就是求知欲。对我们的大脑而言，发现之前不知道的信息，本身就是一种奖励，它会促使我们分泌多巴胺，感到快乐。学到了一个新知识，就能让我们产生极大的愉悦。但一个现实存在的问题是，我们不是对所有知识都感到好奇。这是为什么呢？

这是因为，好奇心是由“你现有的知识”和“你想知道的知识”之间的差距决定的。差距小了，你觉得无趣，差距大了，你又觉得太复杂，望而却步。这也解释了“三分钟热度”，我们的大脑会自动评估学习速度，如果你想学的那个东西特别难入门，你没法很快学会它，好奇心可能就关闭了。所以，新的知识不是越熟悉越好，也不是越新奇越好，而是要处在“熟悉”和“新奇”之间的某个平衡点。

那么，对于老师或家长来说，这就意味着要给孩子设计一个合理的教学层级。这要求老师知道孩子目前对知识掌握到了什么水平，孩子的好奇心的范围又在哪里。给孩子提供既有刺激性，又符合他们当下能力的问题，才能保持孩子对学习的好奇心。这就暴露了学校的一个问题，那就是在一个班级里，孩子们的水平是不一致的。老师统一讲的内容，对有些孩子太难，对有些孩子又太简单，这样，两类孩子的好奇心都得不到满足。

总之，学习需要积极参与，要主动生成假设并且验证它，而积极参与的基本条件是好奇心，好奇心要求一个恰当的学习进度。说完了积极参与，我们再说说学习的第三个支柱，反馈。

我们都知道，及时、准确的反馈对学习很重要。反馈之所以有用，是因为除了好奇心之外，惊讶也是学习的基本驱动力。人只有在事件违背了他们的预期时，才会去学习。只有大脑注意到了某个信息，并且我们在大脑里形成了假设后，又收到了错误反馈，学习才会发生。你看这句话，是不是就包含了我们上面说的三个核心支柱了？这里的错误，不是说我们一定得犯错。只要我们的预期和实际得到的结果有差异，反馈就是有效的。学习就是降低我们心中的不确定性，哪怕我心中对某个问题的不确定性只是从90%下降到了50%，这也是有效的学习。

对于学生来说，最常见的反馈手段就是测试。大多数老师和学生都认为，测试只不过是一个评分手段，但作者认为，测试是学习的一个重要过程，而且要定期、频繁地测试。一个学期结束后的大考，效果就不如每周、每半个月、每个月都做一次的小考。这是为什么呢？

脑成像研究表明，如果集中学习好几个小时，我们的脑活动反而会减少。一方面，重复的信息会让人无聊，另一方面，对这些信息的瞬时记忆会让我们有一种错觉，觉得自己好像已经掌握了，实则不然。如果把学习分散到几天里，我们的脑活动反会增加。多次测试能让你不断提取学过的知识，巩固加深记忆，也让你能查漏补缺。所以，测试的次数越多，你的学习效果越好。

我们要说的最后一个支柱，是巩固。我们不光要学东西，还得把它巩固在大脑里，变成快速的、可以随意提取出来的知识才行。要巩固学习成果，靠的不光是白天的练习，还有睡眠。

晚上睡觉的时候，我们的大脑没闲着，而是在回放白天的经历，巩固白天学到的知识。有研究人员做过实验，让一群人白天玩了几个小时的俄罗斯方块，然后晚上的时候扫描他们的大脑，结果发现他们在睡梦中真的产生了一连串几何图形幻觉，他们的眼球也在相应地上下左右转动。睡觉的时候，我们白天用过的神经回路会被重新激活，而且它们活动的速度是白天实际经历的10—100倍。所以，睡眠状态下的巩固，可能比白天的练习更有效。睡眠质量不同，巩固的效果也不同。

除了巩固知识之外，睡眠还有一个非常重要的作用，那就是它能孵化新的思想和观点。我们在白天获得的知识，在睡眠中会被打乱，重新编码，这会激活一些新的想法。我们睡觉的时候，大脑在加速上演事件的各种解决方案，就像是电影里加速了的蒙太奇混剪。这也是为什么有一些科学家确实在睡梦中获得了重要的灵感，比如爱因斯坦自己就说过，他曾经梦见自己坐在光子上，从而获得了关于相对论的灵感。睡眠这么重要的话，机器可以睡觉吗？这个问题乍一看有点离谱，但现在科学家已经设计了好几种模拟睡眠周期的学习算法，打算用到机器上了。机器的进化方向，就是更好地模拟人的大脑。

所以，一方面我们要保证充足的睡眠，另一方面，你可以有意把学习的时间放到睡前，它能让你的学习效果更好。对孩子来说，短暂的午睡也能让孩子巩固上午学到的知识。不过，大脑会根据白天的刺激，自然调节孩子的睡眠需求，所以如果孩子不觉得困，也不用强迫孩子睡午觉。

好了，到这里，这本书就为你解读完了。学习是人类大脑最伟大的才能，机器学习就是在模仿人类大脑的学习过程。人们赋予了机器一套能根据外部数据来调整内部模型的算法，而对于人脑来说，这套学习算法是我们天生具备的。一方面，人类大脑具有可塑性，另一方面，人类还具备注意、积极参与、反馈和巩固这四种能力，这些让我们具备了远超其他生物的学习能力。了解了这四种能力的作用规律，我们就能利用这些规律，更好地学习。

其实，谈到AI发展得有多快，这本书本身就是个很好的证明。这本书的英文版是2020年出版的，2023年3月份的时候，它被翻译成中文在国内出版了。作者写这本书的时候，还没有ChatGPT。他花了6页的笔墨，告诉我们机器还不具备哪些能力，而现在，ChatGPT都能做到了。比如，书里写，AI还不能像人类一样理解抽象规则，或者把不同技能结合起来解决新的问题，但ChatGPT能做到了。研究人员让它利用字母Y、O和H的形状来画出一个人，它就画出了一个火柴人；让它用莎士比亚的文学风格证明数学定理，它也做到了。ChatGPT已经具备了抽象能力，还能把不同学科的知识结合起来解决问题，甚至能理解人类的动机和情感。

你看，AI发展得有多快。这边书才刚翻译成中文出版，AI的最新研究成果就把书里的这部分内容颠覆了。2023年2月的一次媒体采访里，作者就说，AI正在飞速发展、迭代，相比之下，人类教育却不是这样，所以现在可不是我们发呆的时候。面对AI的挑战，不断学习、提升自我，在今天格外重要。

不过，对于AI会不会替代人类这件事，作者并不悲观。他举了个例子，说一个孩子刚学习阅读的时候，特别费力，因为他的阅读能力还不熟练，他得调动大脑的视觉区域、处理音节的回路、前额叶皮层等很多区域，高度集中注意力，才能阅读。但是，通过不断的练习和巩固，大脑就能形成特定的阅读回路，快速识别常见的词语、句式，阅读就成了一种自动化和无意识的行为。这就能节约下来一些大脑区域的资源，给其他用途腾地方。作者说，AI和人类的关系可能也是这样。工作时，AI能接管一些占用时间的、机械性的常规任务，让人类腾出部分精力去做更重要的事。人类不会被AI替代，而是会与AI更好地协作。

好了，以上就是这本书的精华内容。你可以点击音频下方的“文稿”，查收我们为你准备的全文和脑图。要是你喜欢这本书，也可以点击右上角“分享”按钮，把这本书免费分享给你的朋友。恭喜你，又听完了一本书！

划重点

1. 学习，就是根据外部反馈，不断调整内部模型的过程。

2. 给孩子提供一个充满刺激的环境，就能让孩子的大脑保留更多的突触，和更灵活、丰富的神经回路。

3. 新的知识不是越熟悉越好，也不是越新奇越好，而是要处在“熟悉”和“新奇”之间的某个平衡点。