魏忠

2015年11月，美国南加州大学神经生物学教授Theodore Berger宣布，已经对癫痫患者进行人体实验，破解人体记忆的奥秘。在此之前，Theodore Berger已经完成猴子、老鼠的记忆实验，一个特制的芯片从一只被特殊训练过的猴子大脑移植到另外一只根本没有接受训练的猴子大脑海马体，第二只猴子展现出被训练后才有的某种能力。Theodore Berger教授宣称大脑芯片的发明能够解决癫痫和老年痴呆等病人的脑损伤，但事情不会仅仅如此。Theodore Berger教授还表示，随着植入硬件的发展，未来人类的意识有望永存。

从坎贝尔发现短期记忆和长期记忆的关系开始，脑科学飞速发展，坎贝尔用最简单的海兔做了几十年实验才有成果，而今天的Theodore Berger能够直接用人做实验。两者的不同是，Theodore Berger不仅需要将短期记忆和长期记忆搞清楚，还必须搞清楚信号是如何传输和存储的。坎贝尔获诺贝尔奖的同时，成立了一家饱受争议的医药高科技公司去治疗脑疾病，而Theodore Berger的成果不只是治疗，它对人工智能的走向及教育思维都有着很大的冲击。

几十年来，教师一直受一种错误观点的影响，即人脑真正被开发出来的比例只有5%或10%，这两种错误观点是人类脑科学研究的早期阶段性研究成果或误传。1920年，脑科学家Karl Lashley进行记忆实验时，发现只留下老鼠5%的大脑，它还能够正常钻出迷宫，于是5%的大脑使用率由此得出。同样，一位计算机学家和一位生理学家探讨脑科学问题，生理学家提出“人类数十亿神经突触，只有数亿与记忆相关”，而计算机学家根据生理学家提出的结论得出人脑只使用了10%，也因而高估了人脑的开发潜力。

如果说，记忆存储和人工智能不断发展，将来机器记忆和人脑记忆打通，是不是原先无用的记忆就不需要了呢？当我们的教育中大多数时间用来记忆可以通过网络随时得到的知识的时候，人的价值到底何在呢？

有一则笑话或许可以解释这一切：爱因斯坦和白痴去世后，都到了天堂。上帝需要将他们的大脑格式化然后重新投胎。在投胎前，上帝会购买两人大脑的容量，结果爱因斯坦的大脑5美金，而白痴的大脑5000美金。爱因斯坦大惑不解，上帝解释：“白痴的大脑没有用过，因此值钱。”

没有用过的大脑会更值钱吗？在没有人工智能的时候，教育界的人从来不这样认为，因为只有经过知识灌输的大脑才能适应社会，因此得出“知识就是力量，知识越多越好”的结论。可是，随着信息过载时代的来临，再加上人工智能的发展，今后未必是这样的情况。

大家知道蜜蜂不经过训练就可以工作，很多动物生下来就可以自力，而人不行。动物获得本领有两种渠道，一种是基因本身带来的，另一种是通过学习得来的。很显然，越低级的动物，其技能越来自基因本能，而越高级的动物，其技能越来自后天的学习。为什么人类的大脑中没有遗留更多的遗传基因，如生下来就会说话、就会做数学题、就会背诗歌呢？似乎智慧的人类遗传时只造就了一个智慧的人的空壳，而大脑只保留了部分必要的基因，其他的被完全格式化。脑科学研究显示，大脑被格式化是非常重要的，因为，只有如此，人类才能不断学习近几十年甚至近几年才出现的事物，而不需要人类大脑快速进化，不然，一个孩子一生下来就会说话当然好，但如果说的是古代安阳的殷墟土语呢？人类的进步远快于大脑进步的意义在于，它可以学习，而可以学习必须是生来有个“无知”的大脑。

一寸光阴一寸金，寸金难买寸光阴。人类记忆的成长使很多技能具备窗口期，过了窗口期，很难会再有所建树。例如，语言、音乐、美术、体育、计算机等，都有其窗口期。随着窗口期的发现及大脑容量开发的有限性，学习就成为科学，而不只是情怀。知识越多，不一定越好，从这个角度来看，所谓天才是否就可以理解为“大脑没有被格式化得很干净的人”？而白痴是“拥有格式化得太干净的大脑”的人？

Theodore Berger的海马体芯片技术的黑科技，使得“海马体外包”成为可能，并冲击了人类数千年形成的教育哲学。在海马体可以外包的年代，什么是人的价值？什么又是教育的价值？

2016年3月，AlphaGo大战韩国棋手李世石，4∶1大胜。在我看来，这件事是迟早的，原因是，就李世石的大脑来说，能够记住几千个棋局已经是天才，而AlphaGo的“大脑”中可以输入数不尽的棋局。AlphaGo模型是靠两个“大脑”：一个是落子选择器，另一个是棋局评估器。无论前面一个还是后面一个，人类的大脑都无法与之相比。有一句话叫“观棋不语”，而AlphaGo不仅说话，在下棋时还利用分布式的计算机，使用40个搜索线程，1202个CPU，176个GPU实现每一步计算，从这个角度看，机器比人脑拥有更多的外援（外脑）。也就是说李世石只有动用40个场外指导，1202个团队成员，176个棋局演示，再给予足够的计算时间，才可算是和AlphaGo平等对弈。

“利用外脑，利用技术手段”，这也就是马克思所说的人与动物最大的区别：人类可以发明和使用工具。而千百年来，我们的教育更多的是在如何开发大脑和让大脑存储更多的知识层面上起作用，而这个临界点，已经到了。

AlphaGo和人下棋，只是谷歌为了让人们了解人工智能科技而进行的一场市场营销活动，事实上，其应用远比下棋广泛得多。例如，人们可以下载App，将病情输入，人工智能可以将数以亿计的案例，数以千计的药品，数以百计的厂家关联起来，这些智能计算的难度并不比下棋困难，因而医生用药的准确性是肯定会输给人工智能的。那么，将学校的每位学生的情况输入计算机，所得出的针对性的教学方案是否也会比“特级教师”好得多呢？

无论是AlphaGo还是深蓝，人工智能使用的都是具有创造性的科学家发明的算法，并且这些算法一旦成型，机器本身效率很高，但却很难改进，存在系统性误差。而且在非常个性化的针对性及创造性思维上，机器是不能与人相比的，原因是，自然给了我们格式化大脑的同时，也给了我们学习的能力。例如，一个机器可以代替人类搜集网络的数据，并进行贝叶斯的算法分析，也可以通过频度的算法给出结论，然而人类争论了几百年的统计学的频度派和贝叶斯派，只有具有数学思维和学习能力的人，才可能判断其间的微妙差距。

2014年2月，《自然》杂志发表评论，在统计学中具有重要意义的P值，并没有科学家想象的那样重要，而过去的几十年中，绝大多数科学家都会不正确地使用P值进行科学统计和归纳。与此同时，绝大多数人工智能软件，也都会在统计处理中，计算P值，并当作原理不分场合地应用。而这个事实，也只有学习能力和思辨能力很强的Regina Nuzzo才会发现。

2013年，我在卡内基·梅隆大学访学，见到了匹兹堡大学著名的层次分析法之父托马斯萨蒂，年纪将近90岁的老教授，还在坚持授课。上世纪，萨蒂发明了AHP分析法，也就是专家评判法。这个方法简单地说就是通过检验不同专家对同一件事情的分歧算法，而进一步对一件客观事情的构成要素的权重进行计算。有了专家评判法，才有了后来的专家系统，以及智能决策，在人工智能方面它也是重要的基础。然而，萨蒂说，其实专家算法是专家对一件事情的主观评价，一致性检验也和客体毫无关系，可无论是中国学者的论文还是其他国家学者的论文，用错的比例都不在少数。

既然统计学中的贝叶斯派和频度派关于统计的基石有截然不同的看法，既然大多数科学家对简单的统计学P值都误用几十年，既然所谓的专家主观评价都会被滥用，那么，建立在黑箱中的人工智能，效率可以很高，但出错也都是预料之中，这就是人的价值。这也是为什么李世石也会赢AlphaGo一局的原因，即使那一局直到最后一刻AlphaGo系统中也一直打胜率领先；这也是为什么可以让计算机开药，但医生必不可少的原因，今后指导学生可以更多依靠数据科学，但教师会更加重要。

我相信，有了人工智能后，医生需要的会更多而不是更少，但医生工作的侧重点将被转变，教师需要的也会更多，但教师的职责不再是自己仅存的经验，而是更具有创造性和个性化的指导。

未来教师的职责在于，感谢学生们的无知天赋，并让自己去指导在适当的时间窗口学习，同时极力避免学生大脑输入不需要的“垃圾”。