情境 問題 — 日常 生活 的 問題 總是 涉及 跨 多 個 知識 領域 的 綜合 常識 。 而 我們 人類 ， 對 此 有 天然 的 本能 。 我們 能夠 建構 整 個 世界 的 模型 ， 把 人 放 在 大量 背景 知識 組成 的 常識 舞台 上 ， 對 其 行為 加以 理解 。 常識 的 升級 讓 我們 具有 洞察力 和 世界觀 。 各 方面 的 常識 越 豐富 堅實 ， 相互 之間 聯繫 越 清晰 ， 你 越 能 一眼 看到 各 個 部分 的 問題 ， 找到 系統性 解決 方案 ， 理解 全 局 局勢 ， 從而 判斷出 趨勢 。 這 種 系統性 趨勢 理解 和 基於 過去 趨勢 經驗 的 外推 不同 ， 它 是 對 多 領域 知識 相互 關係 的 理解 ， 根據 各 部分 關係 的 走勢 變化 ， 對 整體 趨勢 做出 判斷 。 如果 只 能 學習 某 一 模塊 內 的 專業 知識 ， 不可能 對 全 局 有所 把握 。 這 一 方面 需要 知識 ， 另一方面 也 需要 經驗 和 視野 。 這 不僅僅 是 單純 輸入 數據 能夠 做到 的 。 IBM 的 人工 智慧 「 Watson 」 幾 年 前 就 輸入 了 維基 百科 的 多 學科 知識 ， 也 在 知識 競賽 中 打敗 人類 選手 。 但是 世界觀 並 不 是 碎片 知識 的 堆積 ， 世界觀 是 世界 模型 。 世界觀 讓 我們 有 跨 專業 的 創新 能力 。 我們 能夠 從 物理 和 生物 的 結合 中 做出 蛋白質組學 ， 能 把 音樂 領域 理論 帶入 建築 設計 ， 能 將 政治 、 經濟 知識 與 生活 場景 對應 ， 最終 以 普普 藝術 的 方式 呈現出 產品 。 構建 知識 的 全 景 舞台 ， 讓 多 學科 門類 知識 搭配 組合 ， 創建 更 有 意義 的 事物 ， 這 是 目前 的 人工 智慧 難以 跨越 的 一 步 。 創造力 創造力 是 生成 有 意義 的 新 事物 的 能力 。 它 是 多 種 能力 的 綜合 ， 一方面 要求 理解 舊 事物 ， 另一方面 能夠 想像 新 事物 。 對 舊有 數據 的 學習 和 遵循 是 人工 智慧 可以 做 的 ， 但是 對 不 存在 的 事物 的 想像 ， 人工 智慧 遠遠 不如 人類 。 說 有 意義 的 新 事物 ， 是 因為 目前 人工 智慧 有 一 種 「 偽 創造力 」 ， 也 就是 隨機 製作 或 統計 模仿 。 只要 一 個 程式 ， 就 可以 隨機 生成 一百萬 幅 象畫 ， 或者 統計 暢銷 小說 中 的 語詞 和 橋段 ， 進行 模仿 和 組裝 。 但 這 不 是 有 意義 的 創造 ， 它們 不 懂 它們 創造 了 什麼 。 真正 的 創造力 不 是 這樣 。 真正 的 創造力 要麼 是 對 問題 的 深刻 洞察 ， 提出 與眾不同 的 全新 的 解決 方案 ， 或是 對 想像 的 極 大 拓展 ， 讓 奇思 妙想 轉化為 可 實現 的 全新 作品 ， 或是 對 人性 的 複雜 領悟 ， 把 人心 不可 表達 的 感觸 轉化為 可 表達 的 感人 藝術 。 沒有 深刻 的 理解 和 敏銳 的 感受 ， 就 沒有 真正 的 創造力 。 創造力 仍然 是 人類 獨特 的 能力 ， 它 需要 太多 人類 特質 做 基礎 ： 審美 能力 、 獨特 的 聯想 能力 、 敏銳 的 主觀 感受 、 冒險 精神 、 好奇心 和 自我 決定 ， 發散 思維 和 聚合 思維 的 切換 ， 最後 ， 還 需要 對 事情 強烈 的 熱愛 。 創造力 讓 人 不斷 拓展 自身 的 邊界 。 在 越來越 大 的 版圖 中 ， 只有 慣例 的 事情 交給 機器 做 ， 人類 永遠 能 在 新大陸 找到 存在 空間 。 有 創造力 的 人 越 多 ， 新 版圖 就 越 大 ， 能夠 容納 的 人 就 越 多 。 但 進入 的 前提 是 ， 需要 具備 創造力 。 人類 學習 有 什麼 特點 ？ 「 那 我們 如何 獲得 未來 所 需 的 能力 呢 ？ 」 我 知道 大家 的 第一 反應 肯定 是 這樣 。 提到 了 能力 ， 就 要 說 如何 獲得 。 但 在 談 路徑 之前 ， 我 想 先 聊 一 聊 ， 人類 是 如何 學習 的 。 只有 了 解 了 人類 學習 的 獨特 ， 才 可能 知道 未來 我們 如何 去 做 。 人類 學習 的 最 菁華 特點 ， 凝結 在 孩子 身 上 。 人工 智慧 時代 ， 當 我們 越來越 熟悉 機器 學習 ， 我們 也 就 越來越 對 孩子 的 學習 充滿 驚嘆 。 我 有時候 在 家 觀察 孩子 的 行動 ， 聽 她 議論 周圍 的 世界 ， 會 對 她 展現 的 領悟力 感到 嘆為觀止 。 孩子 是 造物 的 奇蹟 ， 他們 用 充滿 神奇 的 表現 ， 一次次 讓 科學家 感到 不可思議 。 而 如果 沒有 和 人工 智慧 對比 ， 我們 可能 還 察覺 不 到 這 種 不尋常 的 能力 。 傳統 教科書 上 只 說 如何 用 獎懲 實現 教育 ， 只 探討 課堂 的 教學法 ， 但 實際 上 ， 兒童 的 學習 遠遠 超越 課堂 範圍 ， 普通 的 獎懲 也 無法 限制 他 。 兒童 的 學習 從 嬰兒期 就 開始 ， 一直 持續 到 成年 ， 甚至 終身 。 與 人工 智慧 的 學習 方法 相比 ， 孩子 的 學習 有 一 系列 非常 獨特 的 學習 特徵 。 總體 而言 ， 小孩子 和 人工 智慧 相比 ， 有 下面 幾 個 明顯 的 特別 優勢 ： 以 偏概 全 走神 厭倦 出錯 依賴 情感 叛逆 我 先 帶 大家 看 一下 ， 為什麼 這些 特點 是 人類 小孩 的 優勢 。 小 數據 學習 vs .
 
大 數據 學習 孩子 是 小 數據 學習 。 與 人工 智慧 對比 ， 小孩子 的 學習 能力 高效 得 驚人 。 人工 智慧 學習 認 鴨子 ， 需要 看 數百萬 張 鴨子 的 圖片 ， 小孩子 只 需要 看 兩三 張 就 夠 了 ， 下 次 就 能 認出來 。 而且 不僅僅 是 生活 中 有 可能 出現 的 熟悉 的 事物 ， 小孩子 看 圖片 認 袋鼠 、 無尾熊 — 北半球 的 小孩子 可能 從來 沒 機會 見到 真的 — 也 是 一樣 高效 。 這 種 能力 ， 可能 就 和 上 一 篇 提到 過 的 「 抽象 認知 」 能力 相關 。 人類 記住 某些 事物 ， 是以 非常 抽象 的 方式 提取 關鍵 特徵 ， 記憶成 「 模式 」 。 這 是 如何 做到 的 ， 現在 還是 謎 。 預言學家 雷．庫茲韋爾 猜想 ， 人類 記憶 「 模式 」 是 存儲 在 大腦 的 三億 個 柱狀 結構 中 。且 不管 他 的 猜想 是 不 是 正確 ， 我們 只要 知道 人類 的 這 種 模式 識別 能力 的 強大 ， 就 足以 發出 感嘆 。 到 目前 為止 ， 電腦 「 深層 學習 」 仍然 需要 海量 數據 ， 人工 智慧 對 每 一 件 事 的 學習 都 要 足夠 多 的 數據 支援 。 因而 很多 人 說 「 未來 最 寶貴 的 資源 將 是 數據 」 ， 如果 得 不 到 足夠 的 數據 ， 人工 智慧 就 很 難 發展 。 對於 一些 有 海量 現存 數據 的 領域 ， 這 是 自然而然