新学习科学的基础

来源:用户上传      作者:

　　[摘要]与其他物种相比，人类学习是由可学技能的范围和复杂性以及所能达到的抽象程度来区分的。人也是唯一一个形成了教师、学校和课程这样一种正规方式去增强学习的物种。人类婴儿对人和人的行为有着强烈的兴趣，并且他们具有受社会互动所影响的强大的内隐学习机制。神经系统科学家开始理解隐含在学习中的大脑机制，以及用于感知与行为的共享大脑系统是如何支持社会学习的。机器学习算法正在被开发出来，它允许机器人和计算机进行自主学习。来自于不同领域的新见解被汇聚到一起，以创建一种可以改变教育实践的新学习科学。
　　[关键词]学习科学；神经科学；脑机制；学习算法
　　[中图分类号]G442　[文献标识码]A　[文章编号]1672－0008(2011)01－0019－07
　　
　　“文化进化”(culture evolution)极少在物种中出现，它却在人类发展中达到了一个顶峰。当新的学习形式随着我们祖先的自然选择压力而逐渐进化时，文化进化变成了可能。文化是支撑语言、艺术和科学上成就的基础，而语言、艺术和科学是自然界中没有的。人类智力的起源仍然是一个深奥的谜。但是，有关儿童发展、人脑的可塑性以及学习的计算方法的研究则为新的学习科学奠定了基础，而这种新的学习科学为人类智力的起源提供了见解。
　　人类学习和文化进化是以一种看似矛盾的生物适应(biological adaptation)为基础的：我们生来是不成熟的。婴幼儿不会讲话、走路、使用工具或采纳他人的看法。这种不成熟带来了一笔巨大的代价，不仅对于新生儿，他们的大脑消耗了全部精力预算的60％，而且对于父母来说都是如此。在生命的第一年，婴儿的大脑充满了结构性活动，同时神经元在规模和复杂性上逐渐增长，并且在它们之间形成了数以万亿的新联系。大脑在儿童期继续成长，在青春期左右达到成人的规模。大脑皮层的发育有一个“敏感期”(senslhve period)，在此期间，神经元之间的联系更具可塑性且更易受到环境的影响：感觉加工区(sensory processing areas)的敏感期发生在发育过程中的早期，越高级的皮质区成熟得越晚些，而前额皮质则要持续发育到成年期早期。
　　然而不成熟也有价值。延缓大脑回路的成熟和增长会使得初始学习可以以一种支持后续更复杂学习的方式来影响神经结构的发展。在计算机模拟中，一个完全发展良好的感觉系统与一个低分辨率的感觉系统相比，利用一个低分辨率的感觉系统来开始学习过程会使学习更加高效。
　　在儿童期出现的充满活力的学习有哪些特点呢?来自于心理学、神经科学、机器学习和教育学这几大交叉学科研究中的三个原则，促成了新的学习科学(见图1)。这些原则支持跨地区和跨年龄的学习，并且对解释儿童在人类智慧的两个独特领域(语言和社会理解)中的快速学习特别有用。
　　1.学习是计算化的
　　发展心理学和机器学习中的新发现正聚合成新的学习计算报告。最近的研究结果显示：婴儿和幼童拥有强大的计算技能，这些技能使他们可以自动根据其经历过的统计模式，来推断他们环境中的结构模型。婴儿运用从经验中收集来的统计模式，去学习语言和因果关系。在三岁之前，儿童使用频率分布(frequency distribution)来了解哪些语音单位可以区分他们母语中的单词，利用音节之间的过渡概率(transitionalprobability)来分割单词，并且使用共变(covarlation)来推断物质世界中的因果关系。
　　
　　机器学习的目标是开发能自动从经验中得到提升的计算机算法和机器人。例如，宝贝机(BabyBot)是一种配有摄像机、麦克风和扬声器的玩具娃娃，它使用机器中已编程好的发音与试图回应这种婴儿般发音的人之间的短暂关联性，来学习检测人脸。在6分钟的学习之后，宝贝机检测出新的人脸，并把它们归纳到用于婴儿人脸识别研究的人脸范例库中。
　　因此，真实世界中的统计规律和共变，提供了一个比我们先前所想更为丰富的信息源。婴儿对于这种信息的获取是隐性的；它无需父母的训练就会发生，并且在婴儿可以掌控物质世界或讲出他们第一句话之前即已开始。新的机器学习程序也无需直接的强化或监督就能成功。根据概率输入(probabiIistie input)来学习，为我们在斯金纳的强化学习和乔姆斯基的先天论之外提供了另一种学习理论。
　　2.学习是社会化的
　　儿童不会不加区别地使用计算统计的方法。社会线索会提示他们学什么以及何时学。甚至是幼小的婴儿也会偏好于去关注他人，并积极模仿他们所观察到的他人的行为。婴儿更容易学习和重演由人制造而不是由无生命的装置所产生的行为。
　　机器学习的研究显示：系统地增加一个机器人的类社会行为(social－like behaviors)和关联性反应(contingentl'esponsivity)可以提升婴幼儿与之进行互动与学习的意愿。动物模式也许能帮助解释社会互动是如何影响学习的：在鸟类中，进行社会互动时影响学习的神经甾体(neurosteroid)会调控脑的活动。社会互动可以延长鸟类学习的敏感期。社会因素亦在终身学习中扮演角色――新的社会科技(如短信、Facebook及Twitter)都满足了人类对于社会沟通的需求。教育技术正日益将社会互动的原则运用于智能导师系统以增进学生的学习。
　　3.学习是由连结感知与行为的大脑回路来支持的
　　人类社会与语言学习是由连结自己与他人行为的神经认知系统所支持的。此外，大脑机器需要感知世界并运动我们的身体去适应复杂的人类与社会环境，需要连续不断地适应与塑形。思考一下为何有必要解释人类的模仿学习。出生42分钟的新生儿会配合呈现给他们的姿态，包括吐舌与张口。这是很值得关注的，因为新生儿看不到自己的脸，也从未在镜子中见过自己的样子。但是，新生儿能仿照观察到的行为来自己进行相类似的动作，这表明新生儿脑中对于自己与他人的行为有着共通的表征。
　　
　　神经科学家已经发现，感知与行为产生所使用的脑系统有明显的重叠。例如，当成年人观察关节运动时，大脑皮质区中控制关节运动的部位发生了神经元激活现象。社会学习、模仿以及感觉运动经验(sensorimotor experience)可能会产生并进而改进和完善感知与行为共享的神经回路。正在发展中的社会神经科学领域，致力于探索支持自我与他人之间紧密联结与协调的大脑机制，而自我与他人之间的紧密联结与协调。是完美的社会沟通与互动的标志。
　　
　　一、社会学习与理解
　　
　　人类儿童很容易通过与他人的社会互动来学习，在人类的成长过程中有三种基础性的社会技能，并且这三种技能在其它动物中是很罕见的：模仿(imitation)、共同关注(sharedattention)和移情性理解(empathic understanding)。
　　1.模仿
　　人类通过观察与模仿文化中的专家来学习，是一种强有

力的社会学习机制。儿童会模仿各种不同的行为，包括父母的举止、语言形式以及使用工具来把事情做好。例如，一个幼童可能看到她的父亲使用电话或电脑键盘，然后她就会爬上椅子对着话筒呢喃自语或是去拨弄键盘上的键。这些行为并不是被明确训练出来的(有可能还被家长阻止)，而且这样对着一个塑料盒子说话也没有天生的倾向性――它说明儿童通过观察和模仿他人来学习。
　　模仿会加速学习并增加学习机会。它比个人发现学习更快速，也比试误学习(trial－and－error learning)更安全。儿童可以使用第三人的信息(观察他人)来创造本人的知识。它是学习的加速器：儿童不用自己去探讨因果关系，而是可以通过观察专家来学习。模仿学习是有价值的，因为“似我的”他人的行为，可以被用来当作自己的替身在行动。
　　儿童不会盲目地重复他们的所见，而是会重演一个人的目标和意图。例如，假设一个成年人想托开一个东西但却失手了，即使只有18个月大，婴儿也可以经由这个来成功的动作去推测他并未看见的那位成年人的目的。他们会去达成成年人试图要实现的口的，而不是去进行那个不成功的尝试。儿童会选择模仿的人物、时间和内容，并且很好地将模仿和自我发现结合起来以解决新的问题。
　　模仿是一个极具挑战性的计算问题，目前机器人与机器学习的专家正在深入研究它。模仿行为的实现要求算法能够推断复杂的感觉运动映射，这种映射超越了对于观察到的运动的简单重复。匹配一定会被实现，尽管存在这样一个事实：教师可能在一些方面与观察者不同(如大小、空间定位、形态和灵巧性)。最终的目标是建造可以像婴儿一样通过观察和模仿来学习的机器人。目前。模仿的计算方法可以分为直接法与目标取向法。直接法是观察并再生所见的行为；目标取向法则更新一些，对其探索也更少些，它是先推断出所观察行为的目标，然后再产生实现那些目标的行动方案。
　　2.共同关注
　　当人们具有共同关注倾向时，社会学习就会得到加强。对同样的人或事具有共同关注，为沟通和教学提供了共同基础。共同关注的一个早期成分是注视追随(gaze lollowing)(见图2)。当周边目标在视野中时，6个月大的婴儿更经常性地会往成人转头的方向去看。到9个月大时，婴儿在与一个反应机器人(responsive robot)互动时，会跟随它头部的转动，其时机和关联性似乎是婴儿动作的关键，而非只是机器人的视觉外表。但究竟婴儿是尝试去看他人之所见或只是追随他人头部的动作，这还不得而知。到12个月大时，婴儿已能感知他人眼睛的方向与状态，而非只是感知转头的方向。当一个成人睁着眼睛转头看两个等距离物体中的一个时，12个月大的婴儿就会跟随着看向那个物体，不过若该成人眼睛闭着同样转头看物体时，婴儿就不会跟随。
　　
　　当成人用眼罩遮住眼睛时，12个月大的婴儿就会犯依然跟随其转头的错误。他们理解闭眼会阻碍视线，但却不知道眼罩也会阻碍视线。自我体验(self―experience)会纠正这一错误。在一项培训研究中，让1岁的婴儿实际体验眼罩，这样他就会明白眼罩会使人看不见。随后当成人带上眼罩时，已经体验过眼罩的婴儿就会认为那个成人是看不见的，而控制组婴儿则不会这么认为。婴儿会把自己的经验投射到他人身上。他们将自己当成模型以诠释他人的行为与经验，这是一种高度有效的学习策略，这种能力可能是人类特有的，并且正是自闭症儿童所缺少的。在机器学习中若能加入这种策略就大有帮助了，而有关此方面的研究已经取得了初步进展。
　　3.移情性理解
　　感知与调控情绪的能力对于了解人类智慧是至关重要的，目前它已成为人与计算机互动研究的热门领域。人类的许多情感过程具有独特的社会性。控制实验得出的结论显示：还不会说话的幼儿会进行利他的、有效的帮助行为。儿童也显示具有初步形式的感情共鸣。当一个成人看起来像伤到一根指头而痛苦哭泣时，还不到三岁的幼儿会去安慰他，有时会提供一个绷带或泰迪熊给他。类似行为也可见于儿童帮助和安慰一个正在“哭泣”的机器人。
　　针对成人的脑成像研究显示：一个成人自己接受疼痛刺激时，与目睹他人接受疼痛刺激时所激发的神经系统有重叠。“…这些神经反应被文化经验、训练以及感知到的自己与他人的相似性所调节。有记录显示，反社会的青少年会呈现出异于常人的神经活动形式。探索个体在情感共鸣与同情心上的差异的起源，是发展性社会认知神经科学(developmenta[social―cognitive neu roscl’enee)的一个关键课题。
　　
　　二、语言学习的研究发现
　　
　　人类的语言习得对学习理论提出了重大挑战，在过去十年中，有关这方面的研究己经取得了很大进步。还没有任何计算机已经破解人类的言语密码，计算机与人之间的语言交流还不能达到三岁儿童所能实现的顺畅程度。
　　人类的语言习得体现了计算学习、学习的社会促进性以及感知与行为共享的神经回路这三者的协同作用。
　　1.行为的发展
　　在成长过程早期，婴儿具有一种分辨世界各种语言中的所有声音的能力，而这种能力除人类之外，其它灵长类动物也同样具有。”然而，婴儿普遍具有的这种能力会随着成长而退化，到1岁时，婴儿感知外语中的声音区别的能力就会减弱。在9－12个月之间，婴儿的这种能力就会指向特定语言。美国和日本的婴儿在7个月大时都能很好地区分ra和Ia这两个音，但到11个月大时就发生了改变：美国的婴儿极大地提升了这种技能，而日本的婴儿则显示这种技能急剧地下降了。
　　婴儿感知能力的变化极大地受到周围语言中所含声音的频率分布的影响。”婴儿的计算技能是足够强大的，实验性地让他们接触那些频率分布被严格控制的人工音节，会改变婴儿区分声音的能力。
　　但是，实验显示：语言学习中所涉及的计算是由社会进程所“限定”的。在外语学习实验中，社会互动极大地影响婴儿的统计学习。婴儿在9个月大时接触外语会学习得非常迅速，但只有当他是在与他人的社会交互中体验这种新语言时，才会学得快。在实验室中接触汉语的美国婴儿会快速地学会这种新语言中的音素和单词，但也只有在活生生的人自然地演示新语言的情况下才会发生。
　　当同样年龄的婴儿通过电视或录音带在相同时间内接触相同的听觉输入时，则显示他们没有学会任何东西(见图3)。为何婴儿能够通过真人来学习得更好?社会互动的哪些成份支持语言学习?目前人们正在对这两个问题进行调查研究。确定关键刺激物和互动特征将会对这一理论非常重要。短暂的关联性可能是至关重要的。
　　证明社会性输入促进语言学习的其它证据来自于以下研究，这些研究显示：婴儿在5个月大时口头上模仿成人的元音，但在听觉上不会与那些不被视为人类言语的非言语语音相匹配。到10个月大时，甚至在说单词以前，对于社会标准的模仿会导致儿童所发出声音类型的改变，在北京听汉语长大的儿童，会使用类似汉语音调的声音进行嘀咕，它们听

起来确实很像汉语。在西雅图听英语长大的儿童则不会用这样的音调进行嘀咕，而是他们的嘀咕声听起来确实很像美国话。
　　儿童通过增加他们声音输出的复杂性来对社会听众做出反应。当母亲对其婴儿发声的反应被实验性地控制时，该母亲即时的社会反馈就会使婴儿发出更多数量的声音，并使其发声更成熟且更像成人。感觉障碍会影响儿童发声：有听觉障碍的儿童会较多地使用他们可以通过追随讲话者的嘴唇运动而看到的声音(如"ba”)。眼盲的婴儿则会更大比例地使用不依赖于视觉观察的声音进行嘀咕(如"ga”)。
　　鸟鸣(birdsong)提供了一种发音学习的神经生物学模型，该模型将自我生成的感觉运动经验和社会性输入相整合。雀形目鸟通过聆听和模仿同种成年鸟的歌唱来学习。像人类一样，幼鸟在发育过程中的敏感期聆听同种成年鸟的歌唱，然后在“次歌唱”(sub―song)阶段(类似于婴儿的嘀咕)练习所有这些曲耳，直到歌唱成形。鸟鸣学习的神经模型可以阐明这种逐步的连续改进的过程。在鸟类中，和在人类中一样，社会情境会促进发音学习。
　　2.神经系统的可塑性
　　人类的敏感期从出生持续到7岁，在此期间语言能比较轻松地学会；而在青春期之后，学习新的语言就变得困难，并且极少能达到母语的水平。在高度群体性的环境中，鸟类的敏感期持续时间就会延长。人类在敏感期之后的学习，也可以从社会互动中获益。在更多的社会学习条件之下，成人的外语学习就会得到提升。
　　控制人类语言敏感期的候选机制是神经约束(neuralcommitment)。神经约束是神经结构和神经回路的形成物，这种神经结构和回路专用于检测婴儿周围所接触的特定语言的语音和韵律特征。神经回路最大化检测某种特定语言，并且当其完全发育好时，它会干预新语言的习得。
　　儿童早期语言学习的神经标记，可以通过使用“事件相关电位”(event－related potentials，ERPs)来记录。语音学习可以在10个月大时记录；在14个月大时记录对已知单词的反应；在2.5岁时记录语义和句法学习。一个人早期对于母语的声音模式的掌握，为后续的语言学习提供了基础；在7.5个月大时对音素显示出更大ERP反应的儿童，他们到14－30个月期间在语言习得上会显示出更快的进步。
　　儿童变成了母语的聆听者和表达者，连结感知与行为的脑系统可以帮助儿童实现这两个系统之间的均衡。在成人中，功能性磁共振成像(functional magnetic resonance imaging)研究显示：观察言语所适合的嘴唇动作激活了大脑中的言语运动区。目前，已经使用被称作“脑磁描记法”(magnetoencephalography，MEG)的脑成像技术，对有关言语的连结感知与行为的脑系统的早期形成进行了调查研究。MEG显示出了言语感知与行为产生之间的新生的神经联系。
　　在6个月大时，正如所预料的那样，聆听别人的言语会激活更高级的听觉脑区域(上颞)，聆听非言语语音并不产生这个效果，但出乎意料的是它也同时激活了控制言语产生的布罗卡氏区(Broca's area)。’
　　MEG技术将帮助语言学家探索社会交互和感觉运动经验是如何影响儿童大脑皮层对语言的处理的，以及幼童为何可以从人类导师那里学会外语材料，而不能从电视机上学会。
　　新的交互机器人正在被设计出来，它以一种类社会化的方式教授儿童语言。工程师创造了一种社会化机器人，这种机器人自主地与幼儿进行交互，识别幼儿的情绪和活动(见图4)。在与社会化机器人进行10天的互动之后，与同年龄的控制组儿童相比。这些18－24个月大的儿童在词汇学习上取得了显著地提升。现在，这种机器人技术正被用来测试儿童是否可以通过与机器人的社会化游戏来学习外语单词。
　　
　　三、学习与教育
　　
　　在长时间的未成熟期。人脑发展受隐性的社会学习与统计学习的影响。儿童从相对无助、只能观望的新生儿成长为会走路、会说话、有情感共鸣的人，成为能进行日常因果推理的人。教育者转向心理学、神经科学和机器学习来试图回答一个问题：那些支持儿童早期活跃而不费力的学习的原则，能否被用来改进教育?
　　在以下三方面已经取得了进展：早期干预计划(earlyintervenUon programs)、校外学习(1earning outstde of sch001)和正式教育(formal education)。
　　儿童生来就具有学习能力，但能学多少则有赖于环境的输入，包括社会方面和语言方面。在美国，许多进入幼儿园的儿童并未对上学做好准备，在入学时学业技能就落后的儿童往往终究还是跟不上。神经科学研究认为，在一年级之前学习机会的不同，可能会造成影响往后学校学习的脑神经差异。
　　如果人们认识到，在对的时机给予对的输入会产生级联效应(cascading effect)，这种认知会引导人们对存在学习成果不佳风险的儿童给予早期干预。增强早期社会互动与关联性的计划会在学业成就、社会适应以及经济成功方面产生长期显著地提升作用，并且经济效益很高。
　　学习科学也影响了对残疾儿童的干预设计。言语感知要求具备以毫秒的时间值感知言语信号变化的能力，同时正在发育中大脑的神经可塑性机制需要根据这些信号作出调整。行为与脑成像实验表明：具有阅读障碍(dyslexia)的儿童是在处理快速的听觉信号时遇到了困难；一些计算机程序可以训练负责处理这些信号的神经系统，这种计算机程序正在帮助阅读障碍儿童提高语言和读写能力。
　　这些程序运用的原理是短暂地“扩展”那些听觉上的区别，它使人联想到在自然的互动中对婴儿所讲的“婴儿指向型言语”(infant－directed speech，又称作“妈妈语”[motherese])。具有泛自闭症障碍(autism spectrumdisorder，ASD)的儿童在模仿学习和注视追随上存在缺陷。这切断了他们以社会为媒介的丰富的学习机会，而这些学习机会正是普遍用来发展儿童的，并且它们具有级联的发展效应。相比“妈妈语”，具有ASD的幼童更偏好于一种听觉上相匹配的非言语信号，并且这种偏好程度可预测他们自闭症症状的严重程度。具有ASD的儿童会被能够预测互动的类人机器人(humanoid robot)所吸引，而这种机器人正开始在诊断和干预中运用。
　　小学和中学的教育者都正设法利用这种在自然的社会互动中所产生的智力好奇心(intelleetual curiosity)和热切的学习愿望。正在蓬勃发展的非正式学习(informal learning)领域的形成基于这样一种理念：非正式环境占据了儿童学习场所的极大部分。儿童近乎80％的非睡眠时间是在校外度过的。他们在家庭、社区中心、俱乐部、博物馆、动物园和水族馆，通过网络、数字媒体以及游戏的方式学习。非正式学习的场所通常是高度社会化的，并且提供一种包含指导(mentoring)、学徒(apprentieeship)和参与(participation)的形式，这种形式最大化学习者的学习动机，并激发了他们的认同感；学习者会认为自己对技术很在行或是认为自己是个小科学家，这种自我概念会影响儿童的兴趣、目标和未来的选择。
　　最近，在美国国家研究委员会一项有关科学教育的研究中，对在非正式环境中活跃学习的因素编写了目录，其中的长期目标就是使用它们来在学校中促进学习。
　　在正式的学校情境中，研究显示：面对面的个别辅导是最有效的教学形式。当学生由专业教师一对一地教导时。他们的学业成就水平会比接受传统教学的学生高出两个标准差以上。新的学习科技正在被开发出来，这些新技术体现了个别辅导的关键元素，同时又避免了高额的费用。例如，学习研究者已经基于认知心理学开发出了智能导师系统，这种系统能给予学生一个互动的环境，它包括逐步反馈、前瞻的教学提示以及动态的问题选择。
　　这种自动化导师系统表明，可以通过适应个别学生的需求来实现近似人类教导的效果，就像好教师做到的那样。教室正变成活生生的实验室，在这里研究人员和教育者利用科技去追踪与收集个别儿童的数据，然后用这些信息来测试理论和设计课程。
　　
　　四、结论
　　
　　心理学、神经科学以及机器学习的新发现已经凝聚成人类学习的新原则，并带来了教育理论和学习环境设计上的改变。相对地，教育实践也促成了研究工作的新设计。在学习上，最关键的元素就是“社会性”。为什么社会互动是学习上如此强而有力的催化剂?这些元素可否与科技结合起来以改善学习?我们如何利用这些社会因素来给孩子更好的教学并培养他们对人与事物的天然好奇心?这些都是新学习科学前沿中的深奥课题。

转载注明来源:https://www.xzbu.com/8/view-1082157.htm