成为一名「人工」智能学习助理

如我去年 12 月所述^[1]，我正在尝试一些对我而言颇为新奇的研究方法。通过数据分析和众多用户访谈，我已经对学习活动有了一种鸟瞰全局的感觉。而现在，我开始转变角度，深入挖掘，试图理解每一项学习行为和设计决策随时间演变后在情感和实践上的影响。

这里再次阐述我（虽然颇为荒诞）的追求：我希望能发明一个彻底变革的学习和成长环境。我想让人产生一种奇妙、近乎陌生的，毫不费力且高效的感觉。到目前为止，我一直在通过构建和迭代可扩展的系统来追求这个目标。但现在，在开始系统化或扩大规模之前，我打算先为一个人打造出那种奇妙的感觉。我想让一个人感觉到他被赋予了不可能的超能力。如果我能一次又一次做到，我希望我能找到在一个系统中捕获那种「闪电」的方法——这样的系统将比我在「系统空间」中迭代创造的系统更为强大。至少，我期待这种 N-of-1* 研究方式会带来一些不寻常的洞察。（*译注：在临床医学中，N-of-1 是一种研究设计，单个患者是分析单位，并作为他或她自己的对照。N-of-1 试验也叫单病例随机对照试验。）

结识 Alex

因此，在过去的一个月里，我一直在担任 Alex（这个名字和性别都是随机挑选的）的「个人学习助理/教练」。他是个富有创新精神、极具进取心的成年人，正在一家初创公司工作。去年，通过朋友的引荐，他遇到了一些正在研究物理学中一项鲜为人知问题的研究者。对此，Alex 对此产生了极大的兴趣，他决定要做出贡献。但是，他面临着一个「小小的」问题：他并没有深入研究过很多高级物理学知识。

去年 12 月，Alex 开启了为期六个月的全职学习之旅。他的目标是理解这个领域的最新成果，并能在讨论这个问题的过程中发挥自己的作用。他雇了两个导师（一个教数学，一个教物理），并开始研读相关的论文和教材。

我提议在他的学习中全程伴随，就像他肩头的一只小精灵，尽我们认为最有用的方式帮助他。我预期会使用记忆系统干预：Alex 已经有使用 Anki 软件学习和编写概念材料卡片的经验。但是，我故意保留了领域的开放性，为可能的创新实验留下空间——无论当前看起来对手头问题最有效的方法是什么。

对我来说，这是一个不太舒服的安排……我认为这是好事。我的实践、经验和文化都专注于抽象和系统化。我心中有一部分总觉得，N-of-1 的洞见都是「虚假」的，当我为单一用户精心定制一次性用品时，我感觉并没有在「做实质性的工作」。挑战这些预设观念，将我的研究领域扩展到新的方向，既令人满意又具有挑战性。现在，我已经在这个实验中度过了四周的时间，我发现，比过去几年，我与设计空间的联系在许多方面都变得更加丰富、深厚。

真实项目的推动力

在我听到 Alex 的计划和他的辅导课程时，我首先感受到的就是他的项目带来的持续的推动力——那些他想理解但又无法理解的论文，那些他无法评估的论点。

举个例子：Alex 的辅导课主要受他提出的一系列问题的驱动，而非导师安排他接下来要学的内容。Alex 的问题既非抽象，也非学术。这些问题是他非常关心的事情中的现实难题。他的项目驱动着学习循环：决定接下来学什么，评估何时理解得够透彻，以及何时该进入下一阶段。而这个特殊的项目在每一步都要求深入的理解。

过去几年里，我访谈并观察了众多的学习者，然而这对我来说是一种全新的学习行为模式。我的直觉告诉我，这正是我的工作所需的那种压力。

我之前观察过的认真投入的参与者，他们的行为大多遵循两种模式。

我称第一种模式为「大纲式学习」，这种模式的目标是「学习某个主题」。有时这意味着试图通过考试或面试。有时这会带来一种义务感觉，觉得是「应该」做的事，例如「我一直觉得我『应该』好好学习统计学」。有时心中有一个项目或兴趣——「温习概率论知识可能对我的数据科学工作有帮助」——但这个项目并没有在日常生活中推动学习循环。它们的共同点在于，学习者与学习内容的情感联系是抽象的。一个外部结构（通常是课程或教材）主导着学习循环：决定下一步要学什么，何时理解得足够，何时该进入下一阶段。大部分的这类学习者并不真正试图把材料内化；他们试图「完成课程」。如果他们能够「应付」他们「应该」做的阅读和练习，那么他们就会觉得大纲式学习已经足够了。

我称第二种模式为「探索式学习」。有人阅读《量子国度》，只是因为他们对量子计算好奇。周日喝着咖啡，寻觅新知，寻找快乐的火花，或者未来的行动灵感。新鲜感和兴趣是他们学习的引擎：决定下一步学什么，知道何时已经理解够了，选择何时前进。由于这种好奇心往往不太会深入到细节，探索式学习通常只是尝试理解结果、方法和思路，而不一定要深究其底层原理。

可能你会认为我在贬低这些学习模式，但我并无此意！这些模式都有其用处；人们（包括我自己）之所以选择这些模式，肯定是有原因的。大纲式学习可以让你以较低的成本，在某个主题上有初步的了解。探索式学习则非常适合向自己介绍各种各样的想法。无论是哪种情况，初步的接触可以指导未来的项目和更深入的学习。

但话说回来，作为一名设计师，我现在正努力创造一种环境，这种环境可以帮助人们深入理解艰深的主题。这样的环境可能对大纲式学习和探索式学习都有所帮助。但这些模式并没有真正提供合适的压力，帮助我创造这种环境。这就像是试图根据那些在城市街道上开车的通勤者的反馈来设计赛车。他们可能会说：「嗯，看起来它能跑得很快。」

因此，我从和 Alex 的合作中获得的第一个重要洞见是：哇，好啊，这才是我想要的压力。炽烈的学习。他被一个项目所驱动，这个项目要求他理解艰深的材料。他对项目的情感投入促使他真正理解材料，而不仅仅是像在大纲式学习中那样「应付」过去。与探索式学习不同的是，这个项目坚决要求他理解到每一个细节。这是一种要求极高的学习模式。在没有援助的情况下，Alex 真的很挣扎。他非常需要帮助。他把赛车带到了一条艰巨的赛道上，尝试打破一个难以匹敌的记录。性能上的任何微小变化都变得极其明显；任何小小的困扰都变成了大麻烦。对我这个设计师来说，这是一个信号强烈、充满活力的环境。

作为强大设计输入的辅导课文字记录

我提出的第一个干预措施是：设想我给你一支特殊的紫色荧光笔和紫色钢笔。当你阅读或做笔记的时候，你将获得新的能力。如果某些内容看起来特别重要或有趣，只需用你的紫色钢笔写下来，或者用你的紫色荧光笔标记。然后，就像魔法一样（通过我像「人工」智能般的努力），你会发现你的记忆系统里开始充满这个材料的各种卡片，以确保你能够内化它。

但是，起码在我们开始的时候，对 Alex 来说最重要的材料并不是来自教材或他自己的笔记——而是来自他的辅导课。幸运的是，他用 Otter 记录了每一次课程的内容，所以他能把音频和对应的文字记录发给我。对于学习系统的设计师来说，这是多么难得的材料啊！这种对话形式让我能看到许多原本对我不可见、隐藏在 Alex 头脑中的内容。

在开展这个项目之前，我一直在思考，如何才能深入洞察 Alex 的认知发展情况。但有了这些文字记录，导师们在很大程度上帮我解决了这个难题。他们提出问题、设计难题，深入考察 Alex 的理解。通过他的回答，我获得了一个关于困扰、自信、挫败、兴趣、惊奇、迟缓和熟练程度的细腻画面。这比我过去收集的任何日记、访谈或观察中所得到的材料都要丰富得多。部分原因在于，导师提的问题是为了帮助 Alex，而当我问访谈对象类似的问题时（比如「你能试试为我解释一下 X 吗？」），更多地是为了帮助作为研究者的我自己。在这种情境下，人们的投入和情感联系要强得多。

因此，我一直在听着这些辅导录音，只要有重要的内容出现，我就会写下卡片。这种方式让「豁然开朗的瞬间」出奇地明显。我可以相当准确地从 Alex 的声音中听出他何时感到惊讶，何时在学习新东西，何时发现了某些重要的事情。我大多数时候并不需要靠紫色荧光笔来帮我找到他想要内化的时刻。但这并不意味着我总能分辨出该时刻令人惊讶或兴奋的具体内容。有好几次我找对了时刻，却对错误的内容编写的卡片。当然，靠他的语气找出这些时刻确实挺费时。我们想要弄个「遥控器」，让 Alex 能实时地标出那些我需要回顾的重要时刻。

辅导课还产生了有力的参考点，从感性层面锚定记忆卡片。比如，有一次，Alex 在处理一个棘手问题时深感困惑，因为他误解了矩阵运算的一个基本特性。我为相关的线性代数问题写了一些抽象的卡片，而他机智地建议：我可以在卡片的答案里添加一个「动机」说明，以阐明这个卡片是如何与他真正关心的物理讨论中的困惑联系起来的。这看起来是个好主意。我写的问题既抽象又直接。很容易想象，几个月后，当这个问题再次出现时，他可能会疑惑：「“为什么我会收到这个随机的关于矩阵的抽象数学问题？谁在乎？」在我自己的学习实践中，我经常遇到这种情况。但如果我能将这个问题与一个深入的讨论、经历或项目联系起来，我想重新激发我的兴趣应该不会太难。Alex 对「冬季」说明的第一印象非常积极。我很好奇他在几个月后会有什么感想。

我的一个目标，就是理解记忆系统卡片与实际流利度之间的联系。在何种情境下，他们两者能够相辅相成？效果有多好？是不是某类特定的卡片对这种技能迁移更为关键呢？我目前的记忆实践在培养实际流利度方面，又有哪些短板呢？在这些辅导课中，我遇到了一个例子，让我对这最后一个问题有了新的认识。虽然 Alex 有大量关于量子系统测量的记忆卡片，但是当他真要动手写出系统的状态，并在测量的情境下操作它们时，仍然感觉笨手笨脚，迟疑不决。我想，这可能是因为记忆卡片都只是停留在理论层面，比如法则、定义、性质等等，但它们并没有真正练习应用那些知识。我想试一试更偏向「练习」的卡片，看看效果如何。

辅导课文字记录的形式也提供了一些我之前可能未曾考虑的方便之处。例如，我注意到有时在 Alex 提出一个问题后，对话在完全解决问题之前就不知不觉地偏离了主题。我能够用诸如「这个问题回答了吗？」和「你对此还感到困惑吗？」这样的注释来标记它们。在某些情况下，Alex 告诉我他其实已经意识到了这个情况，并决定那个问题并不重要；而在其他情况下，他发现指出困惑仍然存在是有用的。他已经建立了一个待解决问题的队列（我想，部分是作为这些辅导课的素材），所以这些已提出但还未解答的问题有了一个自然的归宿。可以想见，在未来的学习环境中，这些问题可以自动呈现。

关于这些辅导课的最后一点说明。对 Alex 来说，早在我来之前，这些录音就已经带来了翻天覆地的变化。他在我们的一次谈话中，对他的音频转录应用 Otter 赞不绝口：「没有 Otter，我简直感到手足无措。[笑]……复习这些课程……这可是学习这些东西的关键……我一开始接触时记不住那么多。[我也]无法抓住足够的信息来制作[记忆系统]卡片。我真是觉得 Otter 对我帮助太大了！」作为一个系统设计师，我感到很惭愧。

在这里，我得提一句，Alex 在刚才的那段话中谈到了复习辅导课程对他的重要性。在我们开始合作之前，他已经在反复细读文字记录，把自己仍然感到困惑的地方都标出来，并编写自己的记忆卡片。对于我给他写记忆卡片这件事，他起初有点疑虑：「这会不会让我变懒？」可能会。这里的确有取舍。情况复杂。从经验上看，他很愿意用我给他写的这些卡片。我希望随着时间的推移，我能对这些取舍有更深的理解。

在复习环节大声思考

另一个让我眼前一亮的事情是一段十五分钟的视频片段。我想知道，几周后，我写的这些卡片会给人带来什么感觉。它们在哪些地方让人觉得枯燥？哪些地方又起到了帮助？哪些地方没击中要害？Alex 能否察觉到某张卡片如何影响他实践的熟练度？因此，我首先要求他提供反馈，建议他在做记忆系统复习时顺便做些笔记。这些笔记的确对我有点帮助，但我希望得到更多的详细信息。我也担心那些笔记过于精挑细选，稍显生硬。所以，我问 Alex 他是否愿意在他复习时，用 iOS 的屏幕录制功能，一边复习一边说出他的想法。

还有，这太神奇了！我觉得我好像触碰到了一个新境界，那是关于为别人编写记忆系统卡片这件事的新洞见。以前，我在读者初次阅读助记文章时，就已经收到他们对每张卡片的第一反应。那些观察对我非常有益，但其实也有局限性——那些读者对卡片的理解还不够深入。但从 Alex 那儿，我却能得到对每张卡片反应，像这样的：

• 「我知道答案，可我发现我并不清楚为啥这就是答案。我只是在机械复述。」
  
  
• 「只要这道题一出现，我总忍不住想赶紧过掉。看那一大堆文字就让人浑身不自在。」
  
  
• 「我在机械地回答这个问题，脑子根本没怎么动过。」
  
  
• 「我感觉这个问题跟前面的那个差不多。」（实际上并非如此...但这样的感觉却透露出了一些有趣的信息）
  
  
• 「这张卡片对我来说真的很有用，我注意到在辅导课上已经碰到过好几回了。」
  
  
• 「刚开始这个问题还挺有帮助，但现在我觉得我已经烂熟于心了，继续被问到就有点烦了。」
  
  
• 「我觉得这张卡片其实应该拆成两个问题。」
  

有时候，这样的反馈促使我重写卡片或编写新卡片。另一些时候，合适的做法是把一些问题放到 Alex 的待解答问题队列里。还有一些时候，问题似乎更多地出在系统本身。不管怎样，我深信这种方式为我们提供了一个更有效的反馈循环。

在 Alex 的反馈中，一个常见问题是：很难真正准确地把握卡片的目标。我经常写出了乍一看没问题的卡片，使用了所有正确的关键词。但当 Alex 练习它，他发现它并没有强化恰当的方面。又或者，我写的一张关于他曾困惑的事情的卡片，他现在可以回答了…但他仍旧感到困惑；有些重要的东西我没能捕捉到。这种情况与我试图让大语言模型写出好卡片时的体验相吻合。模型能写出看似卡片的文本，里面也都是正确的词，但大多数时候，这些卡片都会微妙地（或者不那么微妙地）偏离了目标。更麻烦的是：通常很难评估一张卡片是否准确，也难以表述它偏离目标的方式。在很多这样的情况下，我觉得可能我们可能无法（无论是人还是语言模型）在首次尝试时就精准打中目标。卡片的编写过程，可能真的需要后续复习环节对反馈压力，才能恰当地给卡片塑形。

从更实际的角度说，这些录制的课程，似乎是改善记忆系统的一个好办法，可以通过引发和解决细致的摩擦日志，来实现一些唾手可及的改进。比如说，Alex 在面对许多题目时，发现自己忍不住想一头扎进去，但又被大段大段的文字吓住了。回头一看，这个反应也在情理之中。他在用 Anki——我猜可能是因为 Anki 最初设计用来背单词——它对长文本的默认排版真的很糟糕。更结构一点，确实应该有一个层次分明的区分，一个是应该检查的「答案」，另一个是如果想要更多细节可以阅读的较长解释。如果两者的呈现方式相同，那么答案部分就会显得异常庞大。（在《量子国度》中我们也遇到了相同的问题，并在卡片背面的可展开部分放置了解释。）所以我进行了一个快速的排版优化，对扩展解释采用了不同的样式。下面有个我修改前后的对比；Alex 反馈说，现在这些卡片看起来舒服多了。

这种事儿小菜一碟，说白了并不算什么大不了的事。但如果我们多做做这类尝试，就能更清晰地看出这些系统真正的界限，不会被无谓的阻碍扭曲了视线。

下一步

虽然刚过去几个星期，我还在试探着脚步；我们也在摸索如何更好地协同工作。说实话，我还没能创造出有革命性突破的工具。但我兴奋得很，比以往任何时候都更快地打造原型，并且我觉得我正在吸收大量知识，即使我还无法具体地表达出来。

我眼下要解决的挑战，就是找到一个好方法来「深入」Alex 的学习循环。在我们刚开始的几轮合作中，他可能在周一提出一个问题，周二去找导师辅导，周三接收我给出的卡片，周四开始复习，周五在我面前反馈学习情况。我们已经将这个过程缩短了几天，而每天关于他的学习计划和遇到的困难的讨论，也让我能更迅速地回应。部分困难在于，我一边进行这个过程，一边还要构建原型，这自然要花费一些时间。可能当我那个「武器库^[2]」建立得更为稳固后，跟上他的学习节奏就会容易些。

这次的经历真是热血沸腾，让人心潮澎湃。我们两个人都感觉如烈火中炼，相当激烈！Alex 他挑战的是难题，既要吸收深奥的知识，又得在有限的时间里去探索未解的问题。而我这边，想要通过第二方的干预，给他的学习之旅带来深远的影响。这两个任务对我们来说都像是登天一样困难。我想，有种同病相怜的感觉或许能助我们一臂之力，但说实话，压力之大让人有些喘不过气来，然而紧接着的总是满满的兴奋感。总的来说，我已经迫不及待，想要迎接接下来的挑战。

————————

首先，我要特别感谢 Alex，他勇敢地把自己的学习之旅向我敞开心扉。我也要感谢 Michael Nielsen，Gary Wolf，Robert Ochshorn，Ben Reinhardt，Joe Edelman 和 Nick Barr，他们关于这项工作的深入讨论给我带来了很大的帮助。

Thoughts Memo 汉化组译制
感谢主要译者 GPT-4，校对 Jarrett Ye
原文：Becoming a Wizard-of-Oz learning assistant | Patreon

← 返回目录