|||
你的思维到底是如何运转的(一)
http://www.sohu.com/a/339676074_765466
你的思维如何能应对自己以前从未遇过的新情况?你又是如何解决之前从未解决过的问题?这是意识思维的魔力吗,还是存在某种潜在流程—— 或算法—— 供你的思维背后使用,来应对处理自己每天遇到的独特经历体验?假如确实存在某种处理流程,你又如何能用它来改进提升自己的思考能力?
电脑对解决从未见过的问题仍然很不灵活,但你的思维不会显得那么局限。无需太费劲,你就能和从未见过的人交流沟通,阅读并理解自己从未读过的内容,或在你从未去过的商场里穿行。
不过你应对新情况的能力远远超越行为层面。你可以完全在脑中解决一个问题,甚至无需采取任何直接行动。有时你会意识到处理过程,有时整个过程则是无意识完成,但不管是哪种方式,人类智能都有着独立于行为而存在的纯粹认知层面。
我认为你会同意当尝试解决一个新问题时,即使在采取任何行动前,只要你对事情的理解达到一定水平,解决方案便会自动浮现。当有了新的洞见,决定或观点时,行动步骤也许就显得直接了当。对某些问题而言,落实外在行动肯定依旧很难,但那常是因为我们在认知层面还有未能解决的各种次要问题。例如,你可能意识到自己感情问题的解决方案就是与当前伴侣分手,而且某种程度上那也的确是解决办法。不过在落实方案前,你还必须解决大量次要问题,比如如何以及何时告知伴侣这个决定,谁该搬出去住等等问题。
一个解决问题的练习
让我们怀着获取对人类智能关键层面的洞见认识的目标,考虑一个简单的真实世界问题。这个练习对你来说应该相当容易。
假设我告诉你,自己刚搬进一栋新房子,然后遇到了一个问题。新家办公室的光线环境太暗。我能做些什么来解决这个问题?(它是我必须解决的现实问题。)
请暂停片刻,思考你会如何解决此问题。当你有了怎样解决它的想法点子后,再接着往下读。我先在这儿等着…
想出来了,很好。虽然这个问题非常简单,而且偏好的解决方案看起来可能显而易见,但实际解决它的方式有很多。或许最简单的解决方案就是安装更亮的灯泡或添加更多灯具。其他有效解决方案包括给办公室选择不同的房间,或把这个问题外包给懂照明的专业人士。针对每种解决方案,还有更多需要解决的次要问题,比如具体买什么灯具和/或灯泡,该买多少,要放置在哪里,去哪里采购,该花多少钱等。但我们在这件事上并不对具体解决方案感兴趣,而是对你用来想出解决方案的思维过程感兴趣。
请花上片刻思考你是如何解决这个问题的。你对自己思维处理问题的方式有什么看法?实际处理方式有许多可能性,但下面是更常见的一些处理模式:
立即知晓—— 你一看到问题,答案就立马在脑子里蹦了出来。你甚至不必去思考它。
多个选择—— 你脑中出现两个或更多可能的答案,自己从中选择了偏好的一个。
清醒分析—— 你反复阅读我对问题的描述,试图推理出明智解决方案,也许还会考虑潜在的约束条件,比如时间,成本和可用空间等。
需要更多数据—— 你感觉我对问题的定义不够充分,想要获取更多细节,比如房间照片,需要在办公室完成的工作类型,我对灯光环境的个人偏好,墙壁颜色等。
猜疑—— 你猜这很可能是个陷阱问题,认为我有可能误导你得出某种观点。
漠不关心—— 你根本不在乎回答问题,会继续往下读,或略过部分文章内容,不愿麻烦自己思考任何解决方案。
可能的处理方式还有很多种。也许你的思维甚至会采用混合途径,结合上面提到的多种处理元素。
若你对个人思维实际处理问题的方式只有部分意识觉知,也别担心。虽然你的清醒意识思维会受限于个人注意力的狭窄带宽,自己的潜意识思维却不会受太多局限。
你的思维到底是如何运转的(二)
http://www.sohu.com/a/339959613_765466
人类智能的各个层面
无论你采用什么特定处理流程,即使完全拒绝解决那个问题,我也断言整体思维过程会涉及几个关键元素:
认知层面的预处理—— 当阅读我对问题的文字描述时,你的思维会把从眼睛获取的原始输入信息,转化为内在的认知理解,这种认知结果只存在于你的想象中。因为问题属于视觉方面,你甚至可能视觉化想象我办公室看起来的样子,或是想象一个灯光昏暗的房间。即使没有进行任何视觉化想象,你仍必须把这个问题“载入”自己的思维缓存。请注意你对那个问题的思维认知,和现实世界的实际问题并非同一件事。你所理解的问题只不过是个人思维构建出的一个想象结果。
关联记忆—— 一旦你形成内在的认知理解,自己的思维就会搜寻与那个认知结果相关联的记忆内容。你也许会想起浮现的特定回忆,或有非常模糊的记忆。这些记忆可能是视觉,听觉,肌肉反应,或直接想起改善照明的一个好方法就是安装更亮灯泡。你还可能有这个问题简单到不值得麻烦去想的关联回忆,或觉得这篇文章里提到的大多数练习都不值得你花费时间。你并非天生就有这些知识经验。你的思维会存储过往学到的各种信息,现在则能回想起那些信息。那些知识可能清晰或模糊,但它始终停留在你的记忆层面。如果无法读取自己的记忆,你就没有可能解决,甚至是理解那个问题。你将表现得像个新生儿一般。
模式匹配—— 随着自己关联想起浮现的各种回忆,你的思维开始找到一个或更多潜在解决方案。但它是如何做到此事的?请考虑这项能力有多不可思议。毕竟你很可能从未见过我的办公室。我的办公室是个有着独特照明环境的独特房间。这是一个全新问题,它从未以相同形式存在过。然而你仍可能轻松解决它,即便自己必须在现实世界中落实那个解决方案。你能解决这个问题的原因在于,自己能对问题进行概括总结,并把它与你存储在记忆里的普遍解决方案相匹配。你的思维能通过类比,推理出我的问题与其他有解决方案的照明问题足够相似,于是完成模式匹配。
预想结果—— 一旦你的思维想出潜在解决方案,它便会形成假如落实解决方案后会发生什么的预想结果。这些预想结果源于对往事的关联回忆。你可能会把解决方案想象成拥有更亮照明效果的一个房间,或直接知道自己的解决方案会管用。当思维创造出的预想结果,与它对解决方案的内在认知相匹配,你便会收获那个问题现在有了解决方案的清晰感。
人类思维是如何思考的
为更好理解为何大家认为人类聪明智慧,而如今最出色人工智能仍相对愚蠢,不灵活和有严重局限,我们来直接对人类智能和现代电脑的各项能力做些比较。
电脑能对现实世界的各种现象形成自己的内在认知结果吗?在很大程度上,可以做到。电脑能用数字形式存储实时的感官输入信息,并以各种方式进行预处理,而且那些内在认知结果能以高度准确和可靠的形式保存下来。在某些情形下,电脑的输入能力已经超越人类;例如,机器可以处理来自红外传感器的原始数据,感知到可能烫伤或冻伤人类的外界温度。而且通过恰当的备份存储,数字记忆明显要比人类记忆更持久。
电脑能充分利用关联记忆吗?虽然电脑的关联记忆可能不如人类丰富,但这个问题的答案也是肯定的。例如,我的博客网站就使用了关系数据库,能存储和检索不同信息片段间的关联性。你可以点击一个文章链接,这篇文章就会载入呈现,因为那个链接与文章内容,标题,发布日期和其他数据都已内部关联。所以电脑有能力在它们存储过的任何数据间形成关联。事实上,整个互联网都在基于这个原则运转—— 一个超链接就是基于某些链接文本,网址和电脑数据文件的关联记忆。
电脑能形成预想结果吗?可以,但只能达到非常有限的程度,因为电脑的这种能力会受到它们模式匹配缺陷的严重束缚。虽然我们一般不认为电脑会预想未来,但它们至少能展示相关联的行为元素。例如,电脑的用户界面会准备好处理我可能输入给它的任何指令,即使每次的键盘输入,鼠标移动和按键点击都完全不同。因此,电脑的行为响应会显现出半智能状态。但电脑最缺乏的,就是适应意料外情形的能力。当电脑遇到某种超出预先编程的经历状况时,便会失灵;相比之下,人类则能学习和适应那些全新和预料之外的情形。
电脑能完成模式匹配吗?如果我们指的是通用层面的模式匹配能力,那么答案绝对是否定的。这也是人类完全主宰电脑的地方。即使当今最出色的人工智能,也比不上一个小孩的通用模式识别能力。在像语音识别之类非常局限的领域里,人工神经网络很大程度上也仍难以胜任(不然此刻我就在用那种软件口述这篇文章了)。我们存储和识别各种通用模式的能力,就是人类何以能解决如此多连超级电脑都无法解决的问题的关键原因。很有趣的是,人类神经元激发活动需要数毫秒,而电脑不用一纳秒便可完成指令。不过我们仍能在一瞬间看出电脑连续处理数天都无法弄清的各种潜在模式。让人工智能拥有更快处理速度对这种情形也没太大改善,原因就在于人类存储和处理各种模式的独特方式。我们的模式匹配能力也是人类学习和适应能力的核心所在。电脑不擅于学习的主要原因,也在于它们缺乏实现多用途模式匹配的能力。
你的思维到底是如何运转的(三)
http://www.sohu.com/a/340215307_765466
恒定表征
电脑以数字形式存储数据。它们可以任意预处理,压缩和转换那些数据,但所得结果仍是数字形式。数字数据准确,精密和永久不变,但也有极其死板的缺点。二进制的数位不是1就是0,不是开就是关,不是是,就是否。
另一方面,人类不用数字形式存储数据。我们的记忆并非对现实世界的完美模拟呈现。它们模糊,不具体,经常还不准确,而且比电脑内存的读取速度慢了几个数量级。在很多地方,人类记忆看起来都完全逊于数字形式的数据存储。但它的关键优势也潜藏在那些记忆的存储方式上,稍后你就明白,这种存储方式远远弥补了它的许多短处。
你的思维会以被称为恒定表征的方式存储和处理各种信息。恒定的意思就是不变。
随着你在生活中摄取各种感官体验,个人思维会把那些体验处理到内部数据库里。但与存储所有具体细节不同,你的思维会努力识别和保存那些普遍模式。它把具体的感官数据转化为抽象形态,而那些抽象形态就是人类智能的基石。
说明恒定表征的一个例子就是人。人便是一个不会有太多变化的概念。它可能很难用语言来定义,但你的思维“知道”一个人指的是什么。若我指着屋里的某样事物问你:“那是个人吗?”你瞬间就能告诉我答案。你并非生来知道此事—— 你的思维是从应对具体人的大量体验中学会这个恒定表征。
你整个人生的知识,都是以相互关联,分层组织的恒定表征形式,存储在自己脑中。
具体到普遍再到具体
电脑被迫要用具体数据和算法进行推理,但人类天生有能力对具体事物进行概括总结,存储那些普遍模式,再把普遍模式与新遇到的具体情形进行匹配。
学习就是经历体验具体感官输入信息,注意到普遍模式,再将那些模式存储为恒定表征的过程。例如,一旦你见过大量汽车,个人思维便能识别出“汽车”的特征模式,然后把那种模式作为恒定表征存储下来。你看到,听到,感觉到和闻到的汽车越多,脑中存储的恒定表征就越丰富。
预期则是把恒定表征应用到具体情形的过程,此时思维流程从普遍模式转向了具体事物。例如,当你在路上看到自己从未见过的一辆车时,个人思维仍能将它识别出来,打上汽车标签。你不需要像首次见到汽车时采取的做法一样,去处理来自那辆汽车的复杂感官信息数据。除非它有什么不同寻常的地方和你的预期产生了冲突,你很可能甚至不会清醒留意到那辆车。
你也许看出以恒定表征的形式存储信息,有它的缺点。这个缺点就是损失了精确性,因为那些恒定表征只是对不断变化的现实世界的近似表达。因此,对于每种恒定形态,你都会遇上难以将具体现实事例与对应恒定形态相匹配的麻烦情形。在现实生活中,这意味着你可能遇上一个难以分类为男性或女性的人,无法辨认的手写字体,或不确定该当做喜剧片还是剧情片的电影。不过尽管有这些缺陷,用恒定表征的方式理解现实世界,有着难以置信的强大和有用效果。你此刻感知到的每个字,每个词和每个想法,事实上都正被思维归类到自己已经学会的各种恒定表征里。
你的思维到底是如何运转的(四)
我们是如何学习的
你的思维既可进行有意识,也可进行无意识的学习,而且它能存储许多层次的恒定表征。例如,你可以存储雪佛兰汽车,普通汽车,摩托车等各种交通工具的恒定表征。只要符合你的预想结果,这个思维进程通常会在潜意识层面处理完成。不过,无论何时出现不符合预想结果的事情,那件事便会突破潜意识层面,夺取你的清醒注意力。
学习就是现实情形不符合预想结果时,自然而然发生的事情。当你经历某件不知该有何预想结果的新事情,或发生的事情与预想结果冲突时,你的思维便会奋力识别和存储那些新模式。
你最清晰的记忆就是那些在某种程度上不符合思维预想结果的情形。比如意料之外发生的事情,或无法与个人思维以前学会的恒定表征相匹配的事情。当你的经历体验和预想结果匹配时,个人思维本质上就会舍弃那些事件具体、低层级的细节信息,记忆也将逐渐消退成更模糊与不明确的状态。你记忆最清楚的经历体验,也是与常规体验相冲突的那些。
我认为个人思维以远比存储常规体验详细的方式来存储预想之外的经历体验,其原因就是为了日后有机会将那些记忆处理为恒定表征。你的思维还无法弄清如何对那些体验进行归类,所以直接将其保存供日后使用。个人思维也把那些记忆用更高的分辨率进行存储。每过一段时间,当某件事触发那些记忆,你就会重新载入它们,这会给思维形成匹配模式提供额外机会。当思维终于能把某个旧记忆归类到一个新恒定表征时,你便会收获某些最大的顿悟突破体验。对于创伤体验,这种顿悟会体现为内部的治愈感受,因为你的思维终于能对那些强烈的情感经历放手。否则它便可能导向某种受害者思维。另一方面,如果思维认定对于你所经历的众多体验,最好的恒定表征就是给自己打上永久受害者的标签,那么它便可能直接存储那种恒定的受害者模式,而有助于认同受害者模式的具体记忆,也就可以被允许逐渐消退遗忘。
人类智能的本质
你到底有多聪明智慧—— 你解决新问题和适应新环境的能力有多强—— 很大程度上取决于你的思维存储和处理恒定表征的能力。智能基本上就是对具体经历体验进行归纳总结(学习),再将那些普遍模式应用到理解新具体情形(预期)的能力。因此你可以说变得更聪明智慧,基本上就是指增强你在广泛输入信息中得出预想结果的准确性。这并不意味着你知道未来会发生什么,而是未来发生之事将落入你的合理预想结果范围内。所以,若你无比聪明智慧,就没有什么事会真正让你感到意外或震惊。
我们不必清醒主动地学习如何学习,因为人类天生有此能力。感官输入会提供让思维开始处理的原始数据,从那之后我们将花费一生来归纳总结各种具体经历,之后又把普遍模式应用到理解具体经历上。这个进程永不终结。
从终极意义上讲,我们可以把自己的所有知识追溯到自身的感官输入,以及自己从那些输入信息里归纳总结的各种普遍模式。虽然看起来可能很奇怪,但我们没法解决那些不能与恒定表征建立起联系的问题。即使清醒自主的推理活动,也依赖于这个思维过程。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-24 09:45
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社