文章最後更新於 2021 年 7 月 5 日
作者：法國科學家史坦尼斯勒斯．狄漢，世界頂尖語言和數字大腦處理的認知神經科學家、法國國家學院實驗認知心理學教授、法國科學院院士。他是近二十年來在腦科學領域的研究上，公認最有貢獻的科學家之一，兩次獲得該領域最高榮譽獎「大腦獎」，也是好幾本書的作者，包括《數字感》這本暢銷書和《大腦與閱讀》等。
大腦如何精準學習？在這本書當中，作者公開認知科學和神經科學的最新發現，精闢解說人類大腦的學習機制，過程相當精彩。
內容目錄
學習是什麼？ 7個定義
作者對「學習」最廣泛的一個定義是：「把外在世界放入腦中，形成一個內在模式」。比較具體的定義，同時也是現今機器學習演算法（AI人工智慧的一個分支）的運作重點，可以分為七項，以下含有我自己的解讀。
- 學習是調整心智模式的參數
我們的大腦裡，藏有很多外在世界的模式（模型），例如只要閉上雙眼，就可以看見自家和附近的「心智模型」：自家長什麼樣子，附近有什麼商店等等。
學習，就是去調整這些模型的參數。
比方說我們在夜市拿BB槍射水球，射偏了，大腦會開始去調整「負責視覺和身體方向」的參數，協調眼手動作，多玩幾次，很快你就變得百發百中。
射水球是種簡單的學習，也許只需要調整一個參數，而多數的學習較複雜，通常一次要調整數十個、數百個甚至上千個參數。 - 學習是利用組合性爆炸
增加可調整的參數，它們會成等比級數增加。
以英文為例：音素構成音節，音節組成字，字組成句子，句子組成段落，有點像俄羅斯娃娃一樣，一層套一層。這些音素、音節等，都是參數之一。
人類的語言就是利用這些參數的組合性爆炸，在差不多十年的時間內，每個人平均都累積了五萬個字彙。 - 學習是減少犯錯
大腦會透過「試錯法」來修正自己，錯誤、修正、錯誤、修正，最後達到目標。這也是你的智慧型手機可以辨識妳的聲音，還有無人駕駛汽車能夠辨識行人和路標背後的機制。 - 學習是探索各種可能性
試錯法雖然是我們主要的學習方式，但有盲點。
由於試錯是有層次性的逐步修正，難以脫離類似答案，所以當我們想要探索更多可能性的時候，刻意跳出圈外去思考比較好。
俗話說：「貨比三家不吃虧」，假設我們在同一條街上的三家鞋店之間比價，價格差距可能不大，與其從這三家鞋店中選一家最便宜的，還不如換一條街，再找一家店，或許會出現更便宜的價格。
換句話說，加入隨機模式，也是解決問題的一個重要方法。 - 學習使報酬函數達到最佳點
學習可以分為「監督式學習」和「沒有監督的學習」。
「試錯法」是「有監督的學習」，有正確答案讓我們參考並修正。例如我們念英文單字Apple，發音錯了，旁邊的老師、朋友，或者網路可以告訴我們正確發音是什麼，就能進行修正。
「沒有監督的學習」也就是沒有人知道正確答案，只提供一個報酬，例如成功創業、贏得比賽。
這時，我們必須同時當行動者與評估者，一個學會聰明做事，聚焦最有效的動作 ; 另一個學會精準評估某個動作可能會有的結果。也就是不斷假設＋驗證來求進步。（想起PDCA了嗎？）
這種「行動-評估網路」是近代人工智慧最有效的策略，後來進一步形成「對抗學習」，也就是讓兩個相反立場的系統不斷對打，兩者都同時進步，直到趨近無敵。
這是擊敗世界圍棋冠軍的AlphaGo程式所採取的方法。兩個程式對打，贏的一方會強化動作，輸的一方會減弱步驟，雙方都能學習到如何下得更有效率。
那這種方法可以應用到人腦嗎？答案是可以的，我們同樣可以讓兩種想法對抗、評估、協調，在自己的腦中沙盤推演，把大腦想成一個既合作又競爭的專家系統就對了。
忽然想起「射鵰英雄傳」中老頑童周伯通的「左右互搏之術」，難怪他會無敵了。 - 學習是限制搜索的空間
現代的人工智慧有一個問題：如果要搜尋的東西過多，內在模式的參數越多，排列組合太巨大，學習就變得很慢。這時機器「會覺得」乾脆記憶所有資料，這比找出一個通用規則簡單。
但是，如果我們要機器去辨識一張它以前看過的圖片或贏過的棋局（不需要預測能力），那這個機器還有什麼價值呢？它的價值應該在於可以辨識任何圖片，或贏得下一盤未來的棋局，不管這個情境是熟悉的還是全新的。
想要達到上述的目標，機器必須先找到一個普遍的解決方法，一種通用規則（如《精準學習》這本書提到的「底層規律」）。換句話說，在一個地方學到的東西，應該可以再用到其他地方才對。
於是電腦科學家們就想出一個最有效率的方法來加速學習：模式簡化，減少必須調整的參數，等同增加了學習速度。 - 學習是投射一個先驗的假設
人類的基因就是一種先驗的假設。
意思是，人類一出生就跟電腦一樣有預設程式，基因中已經包含百萬年演化的過程中學來的基本假設，不需要全部的事情都從0開始學起。
例如嬰兒一出生就知道，東西沒有人去推是不會動的 ; 或者用手去推一個固體時，手不會進入固體，固體也不會進入手指當中。
基因設定了大腦結構，這些結構限制了探索空間，為的是讓後天的學習能夠加快，而不是漫無目的地學習世界上每件大大小小的事情。
學習的四根支柱
在演化的過程中，有四種關鍵功能出現，加快了人類從環境中取得訊息的速度。如果我們想要學得很快，這學習的四根支柱都要保持在最佳狀態。
➀ 注意力
大腦每天都受到資訊轟炸，感官不斷接收、傳送幾百萬個訊息，無法完全消化。這些被動注意的訊息，只會停留在感覺層，沒有被充分理解、消化，所以不太會留在記憶裡。
這時，「注意力」是我們的救星，它是一個巨大濾網，用來篩選、留下跟我們相關的重要訊息，然而，只有主動、有意識的注意力，才會讓概念神經元大量活化，訊息才會被送到前額葉皮質去，那裡的神經元活化時間更長，強度足以改變突觸，讓大腦能真正理解並記住訊息。
➁ 積極主動參與
一個被動的人學不到什麼東西，沒有經過深度思考，學習也不太會在大腦留下痕跡。
那什麼是有效學習呢？具體來說，你得主動積極，專注集中，不斷用自己的話去解釋和思考新概念，測試和驗證各種假設。
➂ 錯誤的回饋（反饋）
犯錯多不代表學得多，徹底重視回饋的品質和正確性，減少不確定性，決定我們可以學得多快。
我們需要清楚知道預期結果和實際結果之間的差異，才能正確調整下一次的假設，讓假設越來越符合外在現實，這時就會產生學習。
要注意的是，如果是老師的話，給予學生回饋時，完全不需要處罰，只要讓學習者知道自己錯誤在哪裡，立即去修正就好。
➃ 固化
固化，就是把要學習的技能轉為自動化，把知識編入長期記憶裡。
學任何東西都一樣，一開始總是很慢又辛苦，需要有意識去做，才做得到。直到後來熟悉了，學習速度越來越快，最後就自動化了。
例如我們騎腳踏車、機車或開車，都已經變成一個全自動化的流程，不須思考，還可以一邊做別的事情（安全第一）。小和尚是天天念經，不懂佛經的意思，照樣能夠背誦。
自動化可以釋放大腦資源，讓我們可以去做別的事情，而要達到自動化，睡個好覺很重要。
我們白天學習，晚上睡覺時，其實大腦並沒有在休息，反而是以十到一百倍的速度強化我們白天的經驗，這跟我們一般知道的不同。
所以說，熬夜沒好處，傷害身體，也傷害大腦，還浪費了大腦自動複習的時間。
結語
剛開始看見本書翻譯者是洪X教授，老實說我有點卻步，幸好，實際讀起來，流暢程度比以前進步不少（畢竟也翻譯過很多書），只有少數地方卡卡。
教授依然喜歡在不需要加註英文的地方加註，例如川普（Trump）、隨身碟（USB） ，至於譯註部份…就當作教授的美意吧。
無論如何，內容豐富，讀過兩三次之後，我的大腦似乎也開始自動調整，原先看不太懂的部份，隔天再看就懂了，大腦真是神奇。
這本書主要在描述大腦的學習過程，同時點出不少重要的學習原則，是一本兼具理論跟實用的精彩好書，對大腦學習過程有興趣的人來說，肯定愛不釋手。
