（本文根據(jù) 庫逸軒在 ''人工智能與未來教育”高峰論壇上的主題發(fā)言整理）

大家好,，今天主要是結(jié)合我們之前的一些關(guān)于記憶解碼的工作談一點(diǎn)對于教育的想法,。我今天可能跟魯白老師一樣，是為數(shù)不多的研究“腦”的研究者,。我們也想在教育方面,，看看怎么樣能夠往前推進(jìn)一步。有一些不恰當(dāng)?shù)牡胤?，還請大家多多指教和包涵,。

關(guān)于“教育”實(shí)際上所有人心中都有一個(gè)定義，在當(dāng)今這個(gè)人工智能飛速發(fā)展的背景下,。教育的目標(biāo)究竟是什么,？我想很多人可能有一個(gè)共識，那就是教育實(shí)際上是“授人以魚,，不如授人以漁”,。AlphaGo之所以引起人們的關(guān)注，很大程度上是在于它通過深度學(xué)習(xí)能夠?qū)崿F(xiàn)真正的有目標(biāo)性的學(xué)習(xí),。學(xué)習(xí)的這個(gè)目標(biāo)又是什么呢,？很大程度上，是在于記憶,。這個(gè)在我們傳統(tǒng)的計(jì)算機(jī)的發(fā)展過程當(dāng)中,，實(shí)際上已經(jīng)很大程度上的超越了；在前面很多嘉賓也講到過這些問題,。我這里想要進(jìn)一步回過頭來,，從記憶的角度上，看看怎么樣反過來連接到我們的教育,，怎么樣來監(jiān)控教育的過程,。因?yàn)閷τ谟洃泚碇v，我們非常熟知的是，我們從小到大有很多考試,，這些都只是對結(jié)果的考量。

對于記憶的過程,，怎么樣可以通過一些新的方法進(jìn)行監(jiān)控,？今天前面的很多嘉賓也講了，我們整個(gè)社會有很多職業(yè)被取代,，我們都不愿意職業(yè)被取代,。關(guān)于金融、醫(yī)生,、律師,、教師等等這些行業(yè)，都是很容易被取代的,。原因在于他們是極大程度上依賴于經(jīng)驗(yàn),，也就是依賴于記憶。對于計(jì)算機(jī)來講,，這個(gè)記憶是一個(gè)非常非常容易的事情,，它可以檢索非常海量的信息。我們怎么樣在教育的過程當(dāng)中去體現(xiàn)出人跟計(jì)算機(jī)所擁有的不同,？前面也有很多嘉賓提到比較著名的所謂的“奇點(diǎn)迫近”的理論,。“奇點(diǎn)迫近”的理論核心的問題,，是在于指數(shù)的增長,。有個(gè)傳說，國王想要獎勵發(fā)明國際象棋的人,，問他想要什么,？大臣說：您能不能把我這個(gè)棋盤第一個(gè)棋格擺一粒麥子，第二個(gè)棋格擺二粒,，第三個(gè)擺四粒,，依此類推將64格全部擺滿，國王想著很簡單,，但是真正一擺發(fā)現(xiàn)根本實(shí)現(xiàn)不了,，總共需要1844億億多粒麥子，全世界的加起來也不夠,。這是一個(gè)指數(shù)級的增長,。因?yàn)橹笖?shù)的導(dǎo)數(shù)是它本身乘以常數(shù)，因此,，當(dāng)基數(shù)足夠大的時(shí)候,，增長率也會急速上升，呈現(xiàn)這種陡峭的方式。

電子工程學(xué)中大家非常熟悉的摩爾定律,，我們所有的計(jì)算成本實(shí)際上是隨著時(shí)間的推進(jìn)逐漸呈指數(shù)型下降的,。也就是說，我們單位成本能夠購買到的計(jì)算力,，實(shí)際上是呈指數(shù)上升的,。庫茲維爾進(jìn)一步推廣這個(gè)理論，認(rèn)為技術(shù)發(fā)展到一定程度的時(shí)候,，增長速度也將呈指數(shù)上升,。也就是說，它是呈指數(shù)的指數(shù)的增長,，這就是所謂的“奇點(diǎn)”,。這個(gè)時(shí)候技術(shù)的發(fā)展，已經(jīng)超越了我們的想像,，就到了一個(gè)“奇點(diǎn)爆發(fā)”的階段,。在書里面他對于未來產(chǎn)生了一些預(yù)測，有些預(yù)測實(shí)際上現(xiàn)在來看是非常準(zhǔn)確的,。比如：他在2005年的時(shí)候在講,，2010年有越來越多的電腦會作為網(wǎng)絡(luò)服務(wù)器、云計(jì)算,。2018年1千美金能夠購買到的電腦存儲量能夠達(dá)到10T,，這也是現(xiàn)在能夠?qū)崿F(xiàn)的。但是他略微低估了大腦的容量,。

在2020年的時(shí)候,，個(gè)人電腦將會擁有和人腦相同的信息處理能力。2030年心智上傳具有可行性?，F(xiàn)在很多時(shí)候大家在看到的媒體上,，納米機(jī)械將可以直接注入到腦部并且可以和腦細(xì)胞互相溝通。納米機(jī)械讀取我們的腦細(xì)胞,，這個(gè)時(shí)候我們的所謂人工智能跟人的智能很有可能就混而為一了,。到2040年代人們將把他們大部分的時(shí)間花在完全的沉浸式的虛擬實(shí)境，就像是Matrix電影中所描述的科技,。2045年是奇點(diǎn)爆發(fā)的時(shí)候,，一千美金可以買到的電腦將擁有十億顆人腦的計(jì)算力。很多時(shí)候大家在預(yù)期,，人類是不是會變成寵物,？人工智能這個(gè)時(shí)候?qū)嶋H上已經(jīng)跟人類的智能合二為一了，人類智能借助人工智能已經(jīng)可以向宇宙進(jìn)行發(fā)布,，甚至可以傳遍整個(gè)宇宙,。在很多科幻的電影里面也出現(xiàn)類似的場景,，比如：2014年的《超越駭客》也描述了科學(xué)家在臨死前將思想上傳到云端服務(wù)器的場景。

Elon Musk今年3月份成立了一個(gè)新的公司,，叫做Neurolink,，致力于將腦和計(jì)算機(jī)融合到一起。他是一個(gè)看上去很瘋狂的人,，但是他第一個(gè)實(shí)現(xiàn)了電動汽車真正在地球上跑,，他還成立了SpaceX，可以進(jìn)行回收的火箭的發(fā)射,，讓人類可以永久的移居火星,。他的很多想法雖然看似瘋狂,，但是卻真的實(shí)現(xiàn)了,。我們對于他這個(gè)新的夢想是不是能實(shí)現(xiàn)，還是拭目以待,。他所構(gòu)想主要采用的一種方式,，是在2015年已經(jīng)出來的一個(gè)技術(shù)，就是通過一個(gè)非常細(xì)的電子網(wǎng)的發(fā)射,，發(fā)射之前縮在一起非常小,，但是到了大腦里面可以展開，形成網(wǎng)格,，可以記錄很多神經(jīng)元的活動,，通過這種方式讀取大腦的思維。

這一切似乎像庫茲維爾的預(yù)期那樣發(fā)展,，但我今天還要再潑一點(diǎn)冷水,，我們的理想和現(xiàn)實(shí)其實(shí)還存在很大的距離，所以大家也沒有必要過于恐慌,。

首先我們對于僅僅三磅的人腦的了解并沒有比浩瀚的宇宙了解得更多,。此外，對于部件的理解不等于整體,，早在1986年線蟲這種簡單的模式生物,，我們就已經(jīng)可以把它僅有的302個(gè)神經(jīng)細(xì)胞之間的連接圖全部都劃出來，但是直到今天還是很難準(zhǔn)確的預(yù)測線蟲每一個(gè)準(zhǔn)確的運(yùn)動,?；剡^來看大腦有890億神經(jīng)細(xì)胞，每一個(gè)平均跟其它一千個(gè)神經(jīng)細(xì)胞發(fā)生連接,，這是非常復(fù)雜的網(wǎng)絡(luò),。即使全部讀出來，我們是不是真的能夠把mind（思維）真正能夠讀出來,？這也是一個(gè)問題,。

第二個(gè)部分,，關(guān)于計(jì)算機(jī)的架構(gòu)，顯然是需要突破的,。傳統(tǒng)的馮諾依曼結(jié)構(gòu)是串行的,，雖然快，但是容錯性低,，我們通過深度學(xué)習(xí)的人工智能,，已經(jīng)能夠在人臉識別很多方面超越人類，但是如果在輸入端給出一些小小的擾動,，也有可能產(chǎn)生很大的分類錯誤,。比如：把一個(gè)狗的臉識別成人臉。相反,，我們?nèi)四X雖然很慢,，但是是并行的機(jī)構(gòu)，容錯性非常的好,，所以這個(gè)方面是我們所特有的地方,。研究者們也在實(shí)際中的很多方面進(jìn)行努力。比如在2014年的Science封面文章,，通過類似于神經(jīng)網(wǎng)絡(luò)的這樣一個(gè)并行結(jié)構(gòu)的搭建,，已經(jīng)可以實(shí)現(xiàn)比傳統(tǒng)的計(jì)算機(jī)好很多的復(fù)雜分類。但是實(shí)際上現(xiàn)在只能達(dá)到一百萬個(gè)神經(jīng)元系統(tǒng)的搭建,，離我們的890億還非常遠(yuǎn),，而且每一個(gè)神經(jīng)元與其它的神經(jīng)元平均只有256個(gè)突出連接。另外一個(gè)方面的進(jìn)步是材料方面的進(jìn)步,，2016年Nature Nanotechnology的封面文章發(fā)現(xiàn)一個(gè)新的相變材料,，叫做鍺銻鏑的合金，通過加電壓,，可以從晶體變成無定形,，可以實(shí)現(xiàn)模擬的信號變化，我們知道傳統(tǒng)計(jì)算機(jī)晶體管是數(shù)字的輸出,，而模擬的輸入和輸出,，我們將更加接近于神經(jīng)元的一些反應(yīng)模式。

第三個(gè)部分,，我覺得在于從長時(shí)記憶到工作記憶的這樣一個(gè)問題,。接觸過心理學(xué)的都知道，所謂的“一般智力”可以分為“流體智力”和“晶體智力”,。晶體智力更多的跟長時(shí)記憶相聯(lián)系,，隨經(jīng)驗(yàn)增加而增加；流體智力更多和工作記憶相聯(lián)系,，不太隨經(jīng)驗(yàn)改變,。工作記憶大家也比較熟悉,，是短時(shí)間操縱信息的能力。它實(shí)際上跟很多認(rèn)知功能,，如我們的語言,，我們的理解、我們的計(jì)算,、我們的思維都有極密切的關(guān)系,，跟流體智力的相關(guān)度可能達(dá)到60%以上，所以它能很好的預(yù)測我們的一般智力,，但是它容量卻非常有限,。

從1956年George Miller發(fā)現(xiàn)我們對于數(shù)字的記憶只有區(qū)區(qū)的5-9個(gè)，少得可憐,。對于物體的記憶,，通常是2-4個(gè)。我們大腦雖然沒有計(jì)算機(jī)儲存著那么多的信息,，但是硬盤也是非常大的,，為什么我們的CPU和內(nèi)存卻如此之低,。這個(gè)問題沒有答案,，但我們的思考在于，對于一個(gè)完全并行的系統(tǒng)來講,，有可能是涌現(xiàn)的特性,。而且這樣的方式可以限制表征之間的競爭，在很多情況下存在一定的優(yōu)勢,。比如：我們在很多表征同時(shí)出現(xiàn)的時(shí)候,，你的決策就會出現(xiàn)問題，所以可能是一種進(jìn)化的優(yōu)勢,，或者是涌現(xiàn)的一個(gè)特性,。

我們的工作記憶到底在大腦里面怎么樣去動態(tài)地去表征的？更進(jìn)一步問,，表征為什么很重要,？學(xué)習(xí)人工智能的都非常熟悉David Marr，他是個(gè)英年早逝的天才,，曾提出認(rèn)知的三層次模型,，包括計(jì)算層，算法/表征層,，以及實(shí)現(xiàn)層,。我們對于神經(jīng)網(wǎng)絡(luò)的計(jì)算層的模擬已經(jīng)在深度學(xué)習(xí)網(wǎng)絡(luò)DNN里面取得了非常舉世矚目的突破。在實(shí)現(xiàn)層,，像魯白老師這樣的神經(jīng)科學(xué)家也已經(jīng)在不斷的往前推進(jìn),。對于表征層,，我們覺得它可能是這兩個(gè)層面的非常好的切入點(diǎn)。

我們的研究發(fā)現(xiàn)對于工作記憶不僅僅是你記多少,，你為什么會有容量的限制,，實(shí)際上跟額頂網(wǎng)絡(luò)的控制有關(guān)系。而且對于每個(gè)東西記的精確度也有限,，這表征在枕葉,。我們的額葉會對枕葉皮層有自上而下的控制。正是這個(gè)控制力,，是我們的真正瓶頸所在,。控制力導(dǎo)致容量相對比較低,。同時(shí)我們通過利用人工智能里面的機(jī)器學(xué)習(xí)的一些方法,，來試圖去解析這些表征。我們到底記住的是什么,？動態(tài)的看這個(gè)過程,。我們通過一些機(jī)器學(xué)習(xí)的方法，利用功能磁共振的數(shù)據(jù)可以看到,，對于表征的解碼可以達(dá)到80%以上的準(zhǔn)確率,，而且可以看到這個(gè)過程中有動態(tài)的變化，在編碼的時(shí)候記憶的準(zhǔn)確性會非常高,，然后會逐漸降低,，當(dāng)你需要提取這個(gè)記憶的時(shí)候，又變得很高,。而且非常有趣的是,，我們采用更簡單的無線腦電的記錄我們也可以解碼記憶變化的過程，達(dá)到70%以上的準(zhǔn)確率,。而且我們可以看到每個(gè)人的曲線是不同的,，他們到達(dá)記憶的準(zhǔn)確度最頂峰的時(shí)間是不一樣的，每個(gè)人能夠達(dá)到的最高值也是不一樣,，每個(gè)人記憶下降的趨勢是不一樣的,。正因?yàn)槊總€(gè)人動態(tài)的變化曲線是不同的，我們在未來也可以針對這個(gè)曲線采用一些干預(yù)的手段,，這就是教育里所謂“因材施教”,。

另外，我們還會做一些更細(xì)致的研究,?？催@些記憶的表征到底在什么位置？我們通過簡單的視覺刺激方法,，就可以把大腦視覺皮層做很多層級劃分,，從V1到V7,。我們可以清楚看到這個(gè)表征到底存在哪里，也就是我們記憶的痕跡到底在什么地方,。實(shí)際上我們在這個(gè)過程中,，很好地利用人工智能的發(fā)展，以便更好的去實(shí)時(shí)的監(jiān)控這些記憶表征的動態(tài)變化,。在這個(gè)基礎(chǔ)上,，我們可以通過一些干預(yù)的手段，比如通過訓(xùn)練的手段或者電刺激和磁刺激等來增強(qiáng)表征,。實(shí)際上我們已經(jīng)有一些初步的結(jié)果,，非常的振奮人心。

我覺得在未來的教育我們應(yīng)該能實(shí)現(xiàn)人工智能跟人類智能的合作共存,，從1999年深藍(lán)擊敗卡斯帕羅夫到2016年AlphaGo擊敗李世石,，當(dāng)事人很痛苦，但我們應(yīng)該以更積極的態(tài)度看待這些結(jié)果,。

回到今天上午的最后一個(gè)問題,，當(dāng)時(shí)因?yàn)闀r(shí)間關(guān)系沒有被回答。問題是：現(xiàn)在有沒有人工智能的方法在課堂里面監(jiān)控教學(xué),？實(shí)際上答案是肯定的,，而且不僅僅是人工智能，而是通過神經(jīng)科學(xué)的方法來監(jiān)控大腦的動態(tài)變化,，這是在《當(dāng)代生物學(xué)》雜志上,，在這個(gè)禮拜最新一期的一篇論文,。在課堂里面讓老師跟學(xué)生全部戴上簡易的無線的腦電電極帽,，然后看人跟人之間同步性的變化。結(jié)果發(fā)現(xiàn),，不管是教育者和被教育者之間的腦電同步性,，還是被教育者之間相互討論時(shí)的同步性，都可以預(yù)測最終學(xué)習(xí)效果的好壞,。

我想未來在教育的實(shí)踐當(dāng)中,，大家不妨更多的運(yùn)用腦科學(xué)的一些成果、腦科學(xué)的一些技術(shù)來研究更多更深入的教育問題,。

謝謝大家,！