好奇心是因为知道得越来越多才丧失的吗？

好奇心是外部灌输破坏的。好奇心是人类自主探索世界、了解世界的内在动力。好奇心基于每个人的知识背景，估计新知识的价值，发出控制信号，指导学习的方向。

而外部灌输则相反，在不完全了解学习者的知识背景的情况下，强行用外部控制信号覆盖个人的内部控制信号，长此以往，不把电路烧坏才是奇迹。

以下内容摘自 @Thoughts Memo 汉化组的译文《好奇心就像开关》

摘要

好奇心像个开关，控制着高效的学习。通往高效学习之路，好奇心是最优解，也是唯一解。一旦我们把孩子送去学校，我们就有可能破坏这一开关。如果没有持续的数据供给，我们的智能将无法据此构建现实世界的模型，世界上的所有知识也就失去了价值。而好奇心开关恰恰是做到这一点的关键。我们需要好奇心来滋养智能！

电路比喻

为了描述学习内驱力的最优性^[1]，我们不妨假设一个学习内驱力^[2]电路。它的输入包括（1）一个人当下的记忆状态（即前置知识^[3]）和（2）待评估的新知识。它将输出在前置知识背景下，给定新知识的估值。

我们说好奇心是最优解，实际上是因为任何其他「电路」都无法对前置知识^[3]进行完整考量，所以无法胜任这个评估任务。教师尽可以阐释某份知识在绝对意义上或普遍意义上的价值，但这缺乏记忆状态的参与，故而学生无法从自己的角度评估知识的真正价值，导致这一块知识的碎片将无法嵌入整体知识的拼图^[4]中。

当我们获取一连串数据时，学习熵^[5]系统就会持续计算学习内驱力^[2]输出的滑动平均值。在此基础上，我们将分别评估获取外界信息的不同信道，并根据个体学习内驱力评估的最优性，选出一条最优的信道。而推动区^[6]概念却描述了在外界强迫下，人可能做出有益转换（包括从一条信道切换到另一条信道）的模型——然而，这一模型并没有否认评估、选择过程中的最优性；它之所以可能有益，是因为当我们只注重于抉择出的一条最优信道时，其他信道的信息往往就会被持续忽略。本来，我们的大脑通过探查的方式解决这一问题：即使信道 A 取得了比信道 B 更高的估值，但若在目前的认知背景下，个人对信道 B 保有着好奇心，那么信道 B 仍然随时可能被激活，尤其是在信道 A 的学习熵骤降的时候。大脑随机地采取这种探查行为，就像问题解决^[7]过程中采取创造性中断一样，因为大脑的学习内驱力算法无法保持某一信道的学习熵稳定——这也正是我们构建渐进阅读^[8]概念的基础。

外界强迫者（比如教师或家长）无法作出信道上的最优选择。虽然，在完全偶然的情况下，他们确实可能提升大脑探查信道的频率，从而提升学习熵^[5]的输出。但即使如此，外界的强迫还是应该降低到零，因为这种强迫的有益与否完全不可预料。并且，即使这种信道的切换是有益的，外界强迫带来的其他负面效应也可能与其抵消（例如，一个逼迫孩子的家长如果没有引发有益的信道切换，他的权威就会受损，孩子的反抗^[9]行为可能导致信道的估值被扭曲）。

对于人类族群来说，那些可能困住学习内驱力^[2]的局部优化是没有必要的。人类认知探索的整个过程是随机的，并且可能覆盖了那些最有希望对人类族群有益的发现。对于诺贝尔奖级别的独一无二的重大发现，我们还是得依靠创造性工作上的好运。信息领域存在着很多搜索算法，但绝大多数都无法匹敌在学习内驱力引导下，用健康的头脑武装自己的人类族群。

学习内驱力是最优的，因为它是唯一能够胜任知识估值^[10]任务的系统。

参见：

• 学习内驱力的最优性^[1]
  
• 知识估值网络^[5]
  

学校伤害

学校教育对学习内驱力^[2]的伤害，可以看作是破坏了好奇心这一电路。如果学校持续推翻这一处理器输出的控制信号，那这就是在烧毁电路^[11]。

而学习内驱力控制系统只有在完好无损的情况下，才能发挥它的最佳性能。就好像电灯开关也只有无损的情况才是最好的——如果它随着时间生锈，你大可以把生锈的部分移除，但那总是比不上全新且完整的开关。对于学习内驱力系统来说，即使我们存储的记忆状态不变，仍能够为学习内驱力的复苏提供必需的输入，可一旦系统本身出现了故障，它将很难获取清晰、一致的知识，从而抑制了创造力的涌现，最终无法为学习内驱力提供反馈激励。

故障的学习内驱力电路无法评估知识的价值。这就使得整体知识的拼图^[4]更为困难。见：导弹比喻^[12]。而基于广泛的知识，我们固然可以做出更好的抉择，但这并不等同于更好的学习内驱力控制系统。这就像，电灯发光的性能可能受到电力来源是否稳定的影响，但这不会影响它的开关，我们关于电灯开关完整性的论断仍然成立。知识估值系统^[5]的结构正像处理器和内存，学习内驱力电路的崩坏足以对这一系统的顶层决策机制造成损伤，从而低估我们在多年教育中收获的那些知识。这恰恰是学校教育的开始 2~5 年内所发生的事：我们童年的知识增长，被我们为了达到短期、按特定顺序^[13]且无语义^[14]的目标所采取的自律^[15]所主宰、所取代。死记硬背^[16]成为了家常便饭。

学习对于学习内驱力的恢复至关重要，然而，除非知识连贯且结构良好，否则知识本身并无疗效。这种优质知识是学习内驱力电路的摇篮，可这电路一旦受损，获取优质知识就会变得困难。这就是为什么我们必须全盘抛弃学校内的强迫。否则，我们会接受混乱无序的知识流入，这相当于在人类智能^[17]的基础上挖洞。

如果学习内驱力控制系统只是个软件的话，那么通过重构就可以简单地恢复它。如果它像比喻的那样，是个硬件电路，那么恢复就是不可能的，电路一旦被烧毁就无力回天。所幸，我们的大脑介于两者之间。不是所有的输入都是压迫的、无益的；而新的、有益的输入是可以培养的。外界输入和学习内驱力控制系统之间的界限目前还不明晰：它们之间有许多的反馈循环；它们拥有可塑性；它们的电路连接机制仍然不为我们所知。「处理器」和「内存」之间的界限就如同整个系统本身如何联通一样朦胧未知。（见：知识估值网络^[5]）

学校教育破坏了学习内驱力控制系统。

参见：

• 学校压制学习内驱力^[18]
  
• 导弹比喻^[12]
  

学习内驱力的准则

AI 研究者们知道好奇心^[2]的相对性。每个人都有自己的兴趣。人们倾向于认为，什么决定了好奇心，是个永远也没有统一答案的问题。然而，我们每个人的大脑都在出生时得到一套基于生存和幸福的准则。这些准则适应了这个世界，让生命体得以生存。正是这些准则决定了「什么是有趣的」。所有得以保留的兴趣，都是从这一名为「生存」的种子生长而来。对于 AI，如果我们一开始不设定任何优化的准则，智能和熵的法则让它仍然能产生一些东西。这就好像宇宙的诞生一样。智能将倾向于自我强化，这一论断，随着我们对宇宙的未来越来越深入的理解，也许很快会成为物理的一条新法则。

学习内驱力是人类智慧的钥匙。

对学习内驱力的伤害

图：秀丽隐杆线虫的神经系统仅由 302 个神经元组成。然而，这足以实现类似人类好奇心、创造力和问题解决能力的探索算法。当线虫找到一块食物时，它就会开始探索。偶尔，它会冲向某个随机的方向，寻找新的食物（细菌）。类似的算法也在其他动物中找到。然而，人类的学习内驱力^[2]要复杂得多。它基于知识估值^[10]，并且随机探索的行为会被留到学习熵^[5]远远低于预期的时候才被触发。人类的创造力基于知识，而线虫只是采取完全随机的行为。对于线虫来说，找到一块新食物就是「解决问题」；而人类的「解决问题」可能是关于火星地貌改造的新想法。最后但同样重要的是，我们对习得性无助^[19]（图中记作「学校」）的形成所作的比喻，在原始动物身上也许只会体现为染上了一种「驱动习惯」。然而，在解释我们的观点方面，这种小线虫可能比「智能导弹」的比喻要更具说服力，因为它更加普遍，并且可能与原始神经系统有关。欲了解更多关于学习内驱力的普遍性，请参阅：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4635443/

Thoughts Memo 汉化组译制
感谢主要译者 vspefs、校对 jianglutan、Jarrett Ye
原文：Curiosity is like an electric switch - supermemo.guru

相关文章

创作声明：内容包含教育建议，国外经验仅供参考。

← 返回目录