适应性悖论
两种说法之间似乎存在矛盾:(1)大脑是一个具有完美适应能力的装置[1],(2)我们在学校失去了大量的适应能力。如果大脑如此优越,那么学校是如何轻易地令其损坏的呢?
常见问题。什么是常见问题?
一位朋友注意到:你说,大脑是一个具有完美适应能力的装置[1]。你说,这使得孩子可以适应任何环境。如果真是如此,那么你又怎么能同时声称,孩子们在离开学校后的调节能力很差呢?他们怎么会失去适应能力而变得无助?我认为这个问题与世界的复杂性有关。毕业生必须面对日益复杂的现实。
适应性和容易产生无助感之间并不存在矛盾。习得性无助[2]只是对混乱控制的一种适应形式(如下所述)。
损害适应性的适应方式
适应性是大脑概念网络[3]的属性,而学习内驱力[4]只是该网络的一部分。适应性可能涉及关闭学习内驱力,而这正是在学校发生的事情。孩子们失去了对学习的热爱,干脆停止学习。如果学习内驱力本身被控制系统屏蔽,学习内驱力的优化[5]就毫无价值。如果适应导致神经元死亡或大脑线路的改变,我们可能最终会陷入不可逆转的适应力低下。
大脑本身对非适应性的伤害并不是密封的。它可以完美地适应在集中营生存。然而,一旦营养不良开始侵蚀大脑蛋白质结构,神经细胞会开始流失营养物质、失去功能或凋亡。控制系统会出现混乱。适应性是大脑的范畴,而大脑本身是位于一个更高级别的控制生态系统中的。
我们还可以在短短几小时内削弱大脑的适应性。很大一部分人都睡眠不足[6]。自稳态内驱力[7]是睡眠控制系统的一个重要组分。然而,当我们通过长时间保持清醒来推翻它的控制时,我们不分青红皂白地伤害了大脑中的所有控制系统(包括学习内驱力[4])。完美的适应能力很容易被控制装置的错误率不断增加所湮灭。困倦的大脑不仅适应力低下。它实际上可以消除先前的适应性,例如通过干扰[8],由于在睡眠不足的状态下失去了控制(见:睡眠不足的瑞士奶酪模型)。
导弹比喻
学校对智能[9]的影响可以用一个智能导弹类比来说明。这个类比解释了适应性如何导致适应力低下:
比喻。为什么使用比喻?[10]
想象一下,一个适应性极强的低空巡航导弹,它可以学习在充满障碍物的地形上巡航以寻找目标。就像人脑适应环境一样,导弹也能适应在复杂地形中的巡航。随着飞行时间不断增加,导弹将变得越来越能够应对不可预测的情况。然而,如果我们试图手动控制导弹,就像对学校里的孩子所做的那样,这种适应可能会导致控制能力下降。让我们想象一下,导弹飞入一个长长的黑暗隧道。很快,导弹就会掌握保持直线的艺术。在隧道里,没有复杂的控制,先进的导航也没必要。在隧道里呆了很多年后,当我们把导弹放回充满复杂地形的自由地带时,它很可能会坠毁,因为它的导航能力已经由于多年的弃用而丧失了。在学校里,我们确实得到了一些知识,可能有助于学习内驱力恢复的过程。然而,这些知识相当于带上了一车的导航手册。离开隧道后,导弹需要巡航。带着理解阅读手册可能已经太迟了。智能巡航需要流畅地做出选择。这种流畅性并不直接来自于教科书的知识,而是需要数小时或数年的练习。
另见动物学习界的一个类似的例子:论老鼠比受过学校教育的人更优越[11]
在学校获得的知识,不仅一致性低、稳定性[12]低,适用性[13]也低。从大脑的角度来看,它背负着低估值[14]的负担。这就是为什么这种类型的知识会因为干扰[8]而被迅速遗忘[15]。最重要的是,低抽象性[16]和低适用性[13]的知识对于提高智能[9]没有多少帮助。
在隧道中飞行可能类似于给导弹输入相互矛盾的数据。学习内驱力[4]说「学习化学」,而老师说「学习物理」。这就像你的配偶不停地告诉你「我爱你」、「我恨你」、「我爱你」,等等。在某些时候,配偶的信号会被忽略,因为它毫无意义(大脑会自动屏蔽)。类似地,大脑会开始忽略来自学习内驱力系统的信息。它变得被分数和表扬所驱动,或许还有惩罚。在最坏的情况下,无助的大脑只专注于在学校多活一天。有着虚假激励的学校堪比一个嘈杂的制导输入数据。
如果一枚导弹收到随机数据,或一个带有大量噪音的信号,它的控制系统将很快学会忽略这些噪音。这就好比导弹在隧道里飞行,没有任何有趣的输入。导弹失去了它的智能。它在隧道中飞行,任由风和重力的摆布。
自相矛盾的是,在学校,我们通过失去适应性来适应被操控。
学校通过加速概念化[17](例如由于压力的影响)来损害适应性。适应的方向是使大脑成为被动接受知识的容器。在成年后恢复学习内驱力[4]很难,因为概念化过程是收敛的。而且由于平均记忆稳定性[18]的增加,这一过程很难逆转(见:不可逆转的适应力低下)。
当毕业生重获新生时,如果没有学校的指导,他们很容易迷失方向。他们已经失去了智能[9]的关键成分。在学校的适应性被用来培养被动性。
在学校接受了 20 年的指导后,学生可能会发现很难走进现实世界。
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[4]要复杂得多。它基于知识估值[14],并且随机探索的行为会被留到学习熵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[2](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「智力导弹」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/
学习内驱力可以为了适应环境而改变
我们生来就有健康的学习内驱力[4]。婴儿对世界充满好奇,甚至在出生前就开始学习。
学习内驱力由知识估值[14]驱动,这种估值是分层次的,可以通过学习来扩展。我们学得越多,就越能看到新奇有趣的东西来学习。带着乐趣学习会鼓励更多的学习。我们学得越多,我们的好奇心就越强。
起初,孩子可能出于自负而想成为重要人物。他可能会努力成为一名科学家。不久,他可能发现化学或物理是科学的有趣分支。孩子可能会重视化学,因为它有助于实现目标。很快,他可能会喜欢各种爆炸性的化学实验。对这个《流言终结者》的孩子来说,玩强酸肯定是最有价值的。
然而,在学校里,这个孩子似乎还太小,不能学化学,而且有很多语法和拼写的练习要做。也有一些地理知识。分数和惩罚将决定新的知识估值[14]。孩子可能想读化学书,但需要继续学习乘法表。由于神经决策冲突,如果学校教育的压力足够大,化学的估值将被抑制。被抑制的学习将会形成网络化的负估值,从化学书的概念[19],通过与实验相关的概念,通过对化学的一般热爱,向成为科学家的目标方向传播。最薄弱的底层连接将首先被抹去,以防止控制冲突。
激情可能很难熄灭,但学校在执行其要求时可能同样强硬。在逆学习过程中,我们抹掉了以前的估值。它们反转了。我们可能会逐渐失去所有的激情、对学习的兴趣、对解决问题的兴趣,而重新关注分数和奖励,或关注惩罚,或者仅仅是在痛苦中以最小的代价度过学校的日子。
注释掉学习内驱力[4]后,我们就关闭了生活中奖励的主要来源。因此,无助的成年人将很容易抑郁[20]和成瘾[21]。
通过诱导习得性无助[2],学校教育提高了抑郁和成瘾的风险。
知识贬值
学习内驱力[4]依赖于知识估值[14],它是层级式的:目标决定子目标的价值,而知识的价值则基于它有助于实现的目标。
学校操练是一种反向学习过程,其中学习内驱力[4]引导系统与学校设置的激励系统相冲突(对称起见,我称其为学校外驱力[22])。研究人员在习得性无助实验中观察到类似的现象(例如,将老鼠囚禁在水箱中,无处可逃)。
Ray Kurzweil 是这样描述概念计算[23]的:
信号在概念层次上有上有下。一个向上的信号意味着「我检测到了一个模式」。一个向下的信号意味着「我正在期待你的模式出现」。这本质上是一种预测。向上和向下的信号都可以是兴奋性或抑制性的。
用 Kurzweil 的话来说,学习内驱力[4]发出了兴奋信号:「我已经检测到有价值的知识模式」。然而,这个信号被学校外驱力[22]的抑制信号所取代:「我认为这个模式没有价值。这方面的知识并不重要。别分心了!」。
下面幅图显示了可能发生在知识估值网络[24]任何层级的概念冲突。只要学校的惩罚足够强大,估值树就会瓦解,负估值会向目标传播:
图 :学校就是这样摧毁了对学习的热爱。学习内驱力[4]是孩子愿意去追求的一系列激情和兴趣。学校外驱力[22]是学校系统设置的一套奖励和惩罚措施。学习内驱力帮助形成了简单、助记、连贯[12]、稳定[18]且适用[13]的记忆,这是因为知识的质量决定了学习内驱力系统中的奖励程度。由于学校通过课程[25](而不是通过学习内驱力的神经机制)将知识序列化,学校外驱力导致了复杂的短期记忆容易受到干扰[8]。在学习内驱力和学校外驱力通路之间的竞争抑制将导致神经连接的减弱。强大的学校外驱力会削弱学习内驱力,破坏学习的热情,并导致习得性无助[2]。强大的学习内驱力会导致反抗[26],会保护内在的激情,但也可能会让你在学校闯祸。在学习内驱力的影响下,储存新的知识是非常有意义的,而且没有任何惩罚(根据学习内驱力的定义)。这将使学习内驱力茁壮成长,导致学习上的成功(和在学校)。相反,由学校外驱力的压力引起的知识质量低下将产生较弱的奖励信号,并可能产生强烈的不连贯性惩罚[27]。这种惩罚将反馈产生对学校外驱力的反抗,这反过来又需要学校系统的进一步强制纠正,这又会进一步降低知识的质量。这些反馈循环可能会导致学习内驱力和学校外驱力的竞争,并最终压制一方而助长另一方。蓬勃发展的学习内驱力会增加反抗,从而增加对学校外驱力的防卫。同样,在学校增加惩罚会增加习得性无助,削弱学习内驱力,导致对系统的服从。可悲的是,在大多数情况下,控制系统定格在这两个极端的中间位置(见:老汤问题[28])。大多数孩子讨厌学校[29],失去对学习的热爱,仍然服从于奴役。他们恢复的最好机会是大学的自由,或者更好的是成年后的自由。见:在神经元水平上二元决策的竞争性反馈回路
版权说明:你可以在知识共享许可下重新发布这张图片,并注明 SuperMemo World,这里查看最新的版本
长期抑郁导致的价值反应消除,是建立知识估值[14]网络的反向过程。知识贬值将通过概念网络[3]在建立知识价值的同一过程中逐层传播。同样的结构将形成方向相反的知识贬值网络,取代知识估值网络[24](估值从知识的目标到细节,而贬值则从底层开始,通过长期抑郁和消除连接来注释掉底层兴趣,并向上层蔓延)。大脑中知识贬值的目的是找到最近的、可以打破的估值连接,以消除冲突。
适应学校生活与建立学习内驱力[4]层级知识估值[14]的过程完全相反。
处于废弃过程中的断裂连接可能会遭到永久移除。如果冲突十分剧烈,可能会引发网络战争[30],并快速改变概念网络[3]。这些变化促成了学校可以诱发快速变化的说法。他们确实如此。这些变化消耗了本可以用于发展智力[9]的神经基质。
学校的加速带来蝇头小利,对未来学习能力贻害无穷。
当学生在大学或成人生活中重新获得自由时,持续学习可以恢复学习内驱力[4]。激情和兴趣可能会恢复。然而,概念化[17]过程主要倾向于提高记忆稳定性[18]。这就是为什么经过多年的忽视,受压抑的学习内驱力很难恢复。古老的谚语说:「教老狗变新戏法是很难的」。这一确论与大脑老化无关。它的主要原因是,概念化倾向于使大脑结构结晶,年轻时各种形式的疏忽都很难扭转。
由于概念化[17]过程,学校中发生的知识贬值可能会影响到对生活的热爱。
复杂的世界
世界可能变得越来越复杂,但从个人角度来看,它却越来越容易应对。这是因为不断进步的知识获取途径、持续扩展的知识资源,以及我们不断增长的、可以表达复杂概念的抽象[16]水平。人类智慧擅长使用简单模型来感知复杂现实。
知识量的增加是无足轻重的。它并不妨碍任何人浏览谷歌的前 5 个搜索结果,以获得对一个概念的首次洞见。这只会变得更好。今天,一个孩子可以通过从成千上万的资源中选择与她先前的知识相匹配的资源来学习相对论,该理论可以用比爱因斯坦推理时使用的模型更简单的模型解释,等效原理可以解释为简单的乘坐电梯。
如果我们体验到改进过的可观察性和可控制性,那么复杂性增加是无关紧要的。世界上的机器越来越复杂,但它有了更多的传感器,它也有了更多制动器。生活越来越容易了。
为了在日益复杂的世界下保护人类智力[9],我们需要:
越来越难应对复杂世界的想法可能是一些试图提高学校教育压力的基础。如果目前的学校教育还不够,也许更多的学校教育会有帮助?因此,这种对复杂性的思考可能相当有害。相反,我们需要在学习内驱力[4]的指导下,努力更好地学习。
世界的复杂性最好用丰富的抽象知识[32]来解决
背离的研究
学校教育的危害对于任何了解智力根源的人来说都显而易见。对任何研究伟大发明或发现的历史的人来说,这都很显然。如果这还不明显,那么向附近学校的孩子们询问学校教育对智力的影响也不难。
然而,如果没有任何研究的支持,学校教育的工厂模式[33]的整个机器会很快停滞不前。为了纳税人的钱,研究人员发明了学习、创造力[34]和智力[9]的荒谬指标。只要打捞出一点数据,不需要太多,就可以衡量学校教育的好处。
例如,研究人员可能声称,学校可以提高智力,因为智商分数与受教育年限相关。他们也可以声称,分数与智力相关。最后,我们可能会发现,提高分数可以提高孩子的智力,这显然是荒谬的。
分数可能反映服从性。它们也可能反映出学生与生俱来的聪明才智。死记硬背[35]可以提高分数,但是,它也可能对智商分数产生积极的影响,而智商分数是基于在学校钻研的技能(3R)(见:智商(IQ)对于衡量智力是低劣的标准[36])。
当我的兴趣与学校的要求相吻合时,我的分数就很高。但在大多数时候,我的分数都很糟糕。我的智商分数在我关心的时候很好。但有时也很糟糕(例如,在半夜做实验时)。在我的情况下,相关关系是没有意义的。结果将是不可预测的。然而,同行评议[37]和「不发表就灭亡」的规则确保了有大量的研究来支持监管者的愿望,他们经常声称,更多的学校教育意味着更多的教育,这意味着更好的经济。
当你读到学校能提高智力[9]的文字时,你应该认真地重新审视数据、来源或动机。
使用任何形式胁迫的学校都是对社会智能的严重威胁
儿童感知未来
普鲁士学校系统[38]的终结已经临近。大人们可能看不到,但孩子们已经感觉到他们在学校的生活与世界的需求之间的差距越来越大。
教育者和教师将是最后注意到崩溃的人,这是因为他们的鱼缸视角[39]和多年来沿着错误模式的训练。概念网络[3]是完美的适应装置,但其适应性会随着知识的稳定性[18]而下降。老一代的教育工作者在错误方向上的推动效率很高。他们将是最后一个醒来的人(见:老年人学习较慢)。
见:
- 强制学校教育必须结束[40]
- 教育解放宣言[41]
Thoughts Memo 汉化组译制
感谢主要译者 JarrettYe、校对 Arete
原文:School undermines intelligence - supermemo.guru
这段文字选自《我永远不会送我的孩子上学[42]》,作者是彼得·沃兹尼亚克[43](2017)
创作声明:内容包含教育建议,国外经验仅供参考。
参考
1. 大脑是完美的适应装置 ./630451665.html2. 习得性无助 ./575245791.html
3. 概念网络 ./266541480.html
4. 学习内驱力 ./52990549.html
5. 学习内驱力的优化 ./357209357.html
6. 睡眠不足会放大学校的危害 ./599716977.html
7. 自稳态的睡眠倾向 ./532216678.html
8. 干扰 ./269974053.html
9. 智力 ./492731786.html
10. 我在文章中为什么要使用比喻? ./583216628.html
11. 论老鼠比受过学校教育的人更优越 ./272801606.html
12. 一致性与连贯性 ./264327134.html
13. 适用性 ./517317208.html
14. 知识估值 ./560852624.html
15. 遗忘 ./558542113.html
16. 抽象性 ./570979040.html
17. 泛化与概念化 ./264989664.html
18. 记忆稳定性 ./559298549.html
19. 概念 ./571218385.html
20. 学习和抑郁 https://zhuanlan.zhihu.com/p/602150910#h_602150910_48
21. 学校压力使学生更容易成瘾 ./488362923.html
22. 学校外驱力 ./539022457.html
23. 概念计算 ./304193622.html
24. 知识估值网络 ./617467538.html
25. 课标 ./469943493.html
26. 反抗 ./514347163.html
27. 解码失败惩罚 ./359921139.html
28. 老汤比喻 ./306014650.html
29. 为什么孩子们讨厌学校? ./70779863.html
30. 神经网络战争 ./359658715.html
31. 知识达尔文主义(知识进化论) ./264940693.html
32. 抽象知识 ./270927894.html
33. 教育工厂模式 ./252300144.html
34. 创造力 ./450093869.html
35. 死记硬背(填鸭式学习) ./360416156.html
36. 智商(IQ)对于衡量智力是低劣的标准 ./444286053.html
37. 同行评议的问题 ./591919206.html
38. 普鲁士教育模式 ./251148900.html
39. 鱼缸视角 ./604405780.html
40. 强制学校教育必须结束 ./418098485.html
41. 教育解放宣言 ./268258730.html
42. 学校教育的问题 ./611469462.html
43. 彼得 · 沃兹尼亚克 ./303204832.html