狩猎采集部落成员（图片来源：pixabay）
DeepMind推出的AlphaGo在古老的围棋比赛中击败了人类对手，在人工智能领域引发了巨大的轰动。AlphaGo接受的训练并不是去执行一套预先编写好的指令，而是进行不断的练习和反馈。事实证明，新一代的机器学习技术和未受过正规教育儿童的技能习得方式有着惊人的相似之处。
我之所以会提出这样一个观点，是因为在刚果进行田野调查时，我发现那里的狩猎采集部落中，人们要教给孩子一项技能，通常不会直接给出指令。相反，他们会给孩子创造学习机会（例如提供一个工具），并且在不干扰孩子的情况下监控他们的行为。随后，孩子会根据自身表现所收到的反馈来调整自己的行为。同样，神经网络的运作就是为机器提供学习机会（例如输入信息），并根据从网络结构中获取的输出信息为机器提供反馈。
人工智能研究的终极目标就是形成通用人工智能（AGI），能够像人类那样去理解和学习。许多人工智能研究人员（例如DeepMind团队）相信，采用更加独立的学习策略将使类脑智能成为可能。例如，在无指导学习中，机器在没有预先设定目标或明确指导的情况下，通过观察数据进行学习。这种学习方式与狩猎采集社会中儿童习得大部分技能的方式相类似。
在过去的六年里，我一直在探访姆班吉拉部落的狩猎采集者，他们是生活在刚果盆地的巴亚卡俾格米人的一支。姆班吉拉儿童三岁就开始学习使用刀具、照顾婴儿和采集野生植物等技能。我们通过观察发现，姆班吉拉幼儿主要是通过自由探索他们的环境，观察并模仿他人来习得这些技能的。指导性学习只占我们所观察到的学习情景中的一小部分（准确来说是6%）。
我感兴趣的是，在没有接受正规教育的情况下，我们是如何学习并教授技能的，因为理解这一点能够帮助我们理解复杂的文化实践（例如围棋）是如何进化的。我们已经进化出了通过模仿他人进行学习的能力。反过来，我们又能够通过这种能力非常准确地传递出需要被学习的信息。研究人员发现，如果人们能够忠实地传递信息，文化实践在人群中就会存留更久，人们也因此有足够的时间对其加以修改，从而产生更加复杂的实践。这就是人类文化进步的方式。我们的文化特征建立在过去信息的基础上，但这也意味着它们会受到这些信息的制约。
虽然机器学习中的新算法训练与人类儿童的学习方式有相似之处，但人工智能有能力超越人类文化，因为这些新算法不拘泥于我们的文化历史遗产。2017年，DeepMind团队推出了AlphaGo的升级版AlphaGo Zero。它通过和自己对弈成为自己的老师，是现在世界上公认最好的围棋棋手。人类棋手基于3000多年积累的知识，构建了他们的游戏策略，而AlphaGo Zero却可以脱离这种知识架构，成为最顶尖的棋手。
计算机算法（图片来源：pixabay）
我们能从AlphaGo Zero的成功中学到什么呢？AlphaGo Zero程序从零开始，通过和自己比赛，将结果与一个强大的搜索算法相结合，从而选择下一步棋。去年，DeepMind团队开发了一个通用版的AlphaGo Zero。通用版程序不仅自学了围棋，还自学了国际象棋和将棋（日本版国际象棋），并一举击败了相应领域的“世界冠军”。前国际象棋世界冠军加里·卡斯帕罗夫（Garry Kasparov）说：“实际上，我们可以从机器产生的新知识中学习。”“我认为，这些程序在和自己比赛的过程中强化学习，这种运作方式也可以启发我们如何培养拥有好奇心的学生：让他们多多探索，并在需要时提供反馈。”
拓宽孩子成长中的“探索空间”
幼儿会去模仿他们在抚养者身上所看到的特质。因此，如果一个13个月大的婴孩看到人们每天都在使用砍刀，她/他就会非常理所当然地拿起砍刀玩耍。当然，我要说的并不是我们应该给婴儿锋利的工具，而是说，我们可以为孩子们创造一个环境，让他们自己探索世界，并通过观察他人来学习。
例如，如果想让孩子多读书，你可以尝试自己多读点书。我记得自己小时候在父母的床头柜上看到过陀思妥耶夫斯基的《罪与罚》。当时，我对作者的名字很感兴趣，因为它听起来一点也不像土耳其语。后来，陀思妥耶夫斯基成了我最喜欢的作家。
让孩子探索他们的环境并不意味着让他们独处。相反，狩猎采集部落的儿童很少独处，他们周围不仅有自己的父母，还有其他的社会成员。同样，在一个社会中，老人和孩子的互动不仅可以使老人受益，还能够为孩子提供更多的学习机会。
在这些研究中，我们发现稍年长的孩子在照看孩子方面起到了重要作用。例如，一个三岁的孩子完全有能力安抚婴儿，而婴儿可以通过模仿年长的孩子来学习一些技能。事实上，大多数狩猎采集部落的孩子从四岁开始就和不同年龄段的孩子玩耍，在无人指导的情况下学习。
而我们可以建立一些户外玩耍的场所，改善儿童（尤其是城市儿童）的生活，让不同年龄的儿童在无人指导的情况下进行活动。森林幼儿园等项目就是很棒的例子（这篇文章提供了一些实用的建议）。
一旦狩猎采集部落的孩子通过观察他人获得技能，他们就开始练习了。这就是为什么一个年仅6岁的姆班吉拉女孩可以和其他成年女性一起在森林里采集山药。当然，教学对于学习像数学这样复杂的学科是必要的，而我们的教育体系还没有足够的实践空间。我还在读本科的时候，花了好几个小时学统计学，然后就忘得一干二净了。只有在我不得不使用统计学来做研究时，我才真正明白为什么要做统计，才学会了如何做统计。
我认为我们都应该开始对未来的教育方式出谋献策：如何才能创造一个环境，让学生的兴趣、探索和实践来引导他们学习？也许我们可以从狩猎采集部落儿童的技能习得方式和机器学习的新策略中寻找一些灵感。
作者：Gul Deniz Salali，英国科学院的研究员，伦敦大学学院（UCL）进化人类学/医学的讲师
翻译：林溪滢
审校：马晓彤
引进来源：科学美国人
本文来自：环球科学
特别声明：本文转载仅仅是出于科普传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或其它相关事宜，请与我们接洽。
[责任编辑：环球科学]
京公网安备11010502039775号
