下载掌阅APP，畅读海量书库
立即打开
2009年9月，一个不同寻常的孩子彻底改变了我的学习观念。我当时正在参观巴西利亚的莎拉医院（Sarah Hospital）。这是一家神经康复中心，白色建筑的设计灵感来自奥斯卡·尼迈耶（Oscar Niemeyer），我的实验室已经与他们合作了大约10年。医院的主任露西娅·布拉加（Lucia Braga）带我去见了她的患者费利佩，一个只有7岁的小男孩。费利佩从出生起有一半的时间都是在医院的病床上度过的，露西娅向我讲述了他4岁时在大街上被枪击的全部过程。不幸的是，这在巴西并不少见。流弹切断了他的脊髓，使他近乎瘫痪。子弹还破坏了他脑中的视觉区域：费利佩完全失明了。为了帮助费利佩呼吸，医生为他做了气管切开术。3年多来，费利佩一直住在病房里，被禁锢在他僵硬不动的身体这个“棺材”里。
在去往费利佩病房的走廊里，我为自己将要面对一个残缺的孩子做了很多心理准备。然后我见到了他……费利佩和其他7岁的孩子一样，是个可爱的小男孩——健谈，活力十足，对每件事都充满好奇。他的语言表达流畅、词汇量丰富，还淘气地问我一些关于法语单词的问题。我了解到费利佩一直对语言充满热情，他会说葡萄牙语、英语和西班牙语。费利佩从不错过丰富自己三语词汇量的机会。虽然双目失明、卧床不起，但费利佩热衷于写小说，沉浸在自己的幻想中，医院团队鼓励他走这条路。仅仅几个月的时间，他就学会了向助理医师口述自己的故事，然后使用联结电脑和声卡的特殊键盘自己记录下了这些故事。儿科医生和语言治疗师轮流陪在他的床边，把他的作品转译成了盲人专用的点字书，书中还配有浮雕插图。他自豪地用手指——他仅剩的一点触觉，摸着这些插图。费利佩在故事中讲述了他永远没有机会看到的英雄、山脉和湖泊，他和其他小男孩一样梦想着这些。
与费利佩的会面深深地触动了我，也驱使我更深入地研究人脑 (1) 中最伟大的才能：学习能力。这个孩子的存在本身就对神经科学构成了挑战。人脑的认知能力是如何抵御如此剧烈的环境变化的呢？既然我们的感官体验截然不同，为什么费利佩和我会有相同的想法呢？人脑是如何对相同的概念达成共识的？这几乎与如何学习以及何时学习这些概念无关。
许多神经科学家都是经验主义者：他们与英国启蒙运动哲学家约翰·洛克（John Locke）一样，认为脑只是从环境中汲取知识。这种观点认为，大脑皮层回路的主要特性是它们的可塑性，即它们适应输入的能力。事实上，神经细胞拥有一种非凡的能力——根据接收到的信号不断调整它们的突触。然而，如果这是脑的主要驱动力，小费利佩被剥夺了视觉和运动输入后就应该变成一个严重受限的人，那他又是靠什么神奇的力量发展出完全正常的认知能力的呢？
费利佩的情况绝不是个例。很多人都听过海伦·凯勒的故事，她1岁多时因病丧失了视力和听力，然而，在经历了多年与周围世界隔绝的生活后，她不仅学会了手语，还成了杰出的教育家和作家。 1 接下来的内容中，我们会认识许多这样的人，希望他们能从根本上改变你的学习观。伊曼纽尔·吉鲁（Emmanuel Giroux）就是其中之一，他11岁双目失明，后来成长为一名顶尖的数学家。吉鲁借用圣·埃克苏佩里（Saint-Exupéry）的作品《小王子》（ The Little Prince ）中的狐狸的话说：“在几何学中，本质的东西是用肉眼看不见的。只有用心，你才能看得清楚。”这位盲人在看不见的情况下，是如何在代数几何的抽象空间中畅游，操纵平面、球体和体积的呢？我们会发现，他和其他数学家使用的是相同的神经回路，而他的视皮层尤其活跃，实际上已经改变功能去学习数学了。
我还将向你介绍尼科，一位年轻的画家。他在参观巴黎的玛摩丹美术馆时，完美临摹了莫奈的著作《日出》（见彩图1）。这有什么特别之处吗？并没有，他只是用他仅存的左脑就完成了这个任务——他的右脑在3岁时几乎被完全切除！尼科的大脑学会了将他的所有才华都挤进左脑：像常人一样说话、写作和阅读，甚至学会了绘画，而绘画通常被认为是右脑的功能。此外他还学会了计算机科学和轮椅击剑，并在这项运动比赛中夺得了西班牙的冠军。忘掉别人曾经告诉你的两个脑半球功能各异的观点吧。尼科的经历证明，任何人都可以在右脑缺失的情况下成为一名有创造力和才华的艺术家！人脑的可塑性似乎可以创造奇迹。
彩图1
脑的可塑性可以克服部分重大创伤。
尼科在3岁时做了右脑切除手术（中间插图为核磁共振检测结果），然而右脑的缺失并没有阻止他成为一名成就卓越的艺术家，他依然可以临摹画作（下图），也可以创作新的画作（上图）。
他将语言、数学、阅读和绘画等需要学习的才能，全部挤到了自己的左脑半球。
我们还参观了布加勒斯特臭名昭著的孤儿院，那里的孩子从出生起就被遗弃了。然而，他们当中在一两岁之前被收养的孤儿都能正常上学和社交。
这些例子都证明：人脑具有非凡的韧性。即使遭受严重创伤，如失明、大脑半球被切除或失聪，也无法熄灭其学习的火花。语言、阅读、数学、艺术，所有这些人类独一无二的、其他灵长类动物所不具备的才能，都能抵御这些严重的损伤。人脑具有极强的可塑性——通过学习自我改变、适应环境。当然，我们也会发现迥然不同的反例。在这些反例中，学习似乎没有任何进展，停滞不前。想想失读症患者，他们一个字都读不出来。我临床研究过几位成年患者，他们都曾是优秀的阅读者，但在他们遭受了轻微的中风、伤及一小块脑区之后，他们连“狗”或“垫子”这样简单的字词都无法认识和理解。我记得一位才华横溢、会讲三种语言的女士，她曾是法国《世界报》（ Le Monde ）的忠实读者，在她的脑部受伤后，报纸的每一个文字对她来说都像复杂的希伯来语，这一事实让她痛不欲生。她遭受的伤痛有多深，重新学习阅读的决心就有多强烈。然而，经过两年坚持不懈的努力，她的阅读能力仍然停留在幼儿园孩子的水平：读一个单词需要好几秒钟，必须逐个字母阅读，每个单词都读得磕磕巴巴。她为什么无法学会阅读呢？为什么有些存在阅读困难、计算困难或运用障碍的孩子在阅读、计算或书写方面会表现出类似的、令人绝望的状态，而有些孩子却在这些领域得心应手呢？
人脑的可塑性似乎是“喜怒无常”的：有时它可以克服巨大的困难，有时它又会让原本积极性很高、智力很高的儿童和成年人连生活都无法自理。这取决于特定的神经回路吗？这些神经回路是不是随着时间的推移失去了可塑性？可塑性可以重新开启吗？管理它的规则是什么？人脑是如何做到从人类出生到青年时期都高效运行的？什么样的算法可以让我们的神经回路形成对世界的表征呢？了解它们能帮助我们更好、更快地学习吗？我们能否从人脑汲取灵感，以制造更高效的机器和人工智能，最终模仿甚至超越人类？这些都是本书试图以多学科视角为基础，引用大量认知科学、神经科学以及人工智能与教育领域的最新科学发现，来回答的一些问题。为什么要学习？
我们为什么一出生就要学习呢？学习能力的存在本身就为我们提出了这个问题。对我们的孩子来说，像雅典娜一样生来就会说话和思考不是更好吗？相传雅典娜是从宙斯的头颅中跃出的，在跃出之时，她就已经完全长大、全副武装。为什么我们不是编程软件，预先被装载了生存所需的知识呢？连达尔文学派的学者都很疑惑，先天成熟、较其他物种拥有更丰富知识的物种不应该最终获胜并延续它的基因吗？为什么物种会首先演化出学习这么一项技能呢？
答案很简单：人脑先天拥有完整的神经“布线”既不可能也不可取。不可能？这是真的吗？是的，因为如果我们的基因组必须包含我们需要的所有知识，它的容量会爆掉，根本没有足够的存储空间。我们的23条染色体包含30亿对碱基对，其碱基包括腺嘌呤（A）、胞嘧啶（C）、鸟嘌呤（G）和胸腺嘧啶（T）。它们可以代表多少信息？若用二元决策0和1来分析，则基因组的A、C、G、T可以编码为00、01、10和11，因此，我们的DNA总共包含60亿位信息。而在今天的计算机中，我们是以字节来计算的，一个字节存储8位无符号数，存储的数值范围为0～255。因此，人类基因组的容量可以换算为大约750兆字节，相当于一个老式CD或一个小型USB密钥的容量！然而，这个基本的换算还没有包含我们DNA中存在的大量冗余信息。
我们的基因组最初只存在于一个受精卵中，承载着从几百万年的进化中继承下来的少量信息，这些信息成功地勾画了整个身体的蓝图：我们的肝脏、肾脏、肌肉，当然还有我们脑中每个细胞的每个分子（860亿个神经元，1 000万亿个联结）……我们的基因组怎么可能确定它们中的每一个呢？假设我们的每根神经联结只编码一位，那么我们的脑容量大约是100太字节，约10 15 位。或者说这个容量是我们基因组的容量的十万倍，而这还只是保守的估计。我们面临着一个悖论：我们的脑是一座奇妙的宫殿，它包含的细节比“建筑师”用来建造它的蓝图多出数十万倍！唯一的解决方法是：按照建筑师的指导方针（即我们的基因组）完成宫殿的结构框架，而细节则留给“项目经理”，他可以结合地形（即环境）调整蓝图。因此，将人脑的所有细节预先“布线”是完全不可能的，需要通过学习来补充基因组的工作。
然而，简单为脑算一笔账得出的结论并不能解释为什么学习在动物界如此普遍。即使是蚯蚓、果蝇和海参等没有任何大脑皮层的简单生物，也具备学习的能力。以线虫（ C. elegans ）为例，在过去的20多年里，这种几毫米大的动物成了实验室的明星，原因就在于它的结构几乎完全受基因的控制，研究人员可以分析到最小的细节。大多数线虫个体样本显示959个细胞构成，包括302个神经元，它们的联结路径已被完全破解，并且是可再生的，线虫会学习 2 。研究人员最初认为，线虫是一种只能来回游泳的“机器人”，但后来他们发现，它至少有两种学习方式：习惯性学习和联想学习。习惯性学习指有机体适应反复出现的刺激（如动物生活的水中的某个分子）并最终停止对其做出反应的能力。联想学习指发现并记住环境中的哪些因素可以预测食物的来源或危险的靠近。线虫是联想学习的能手。它可以记住与自己的食物（细菌）或厌恶的东西（如大蒜的气味）相关的气味或温度水平，并利用这些信息来选择它在环境中游走的最佳路径。
线虫的神经元数量很少，因此，它的行为有可能是完全预设好的吗？显然，事实并非如此。线虫适应自己的出生环境对它的生存是非常有利的，甚至是不可或缺的。即使是两个基因完全相同的生物也很难有机会生活在相同生态的环境里。线虫能够根据出生地的水的浓度、化学成分和温度快速调整它的行为，使它更高效地适应环境。更广泛地说，每一种动物都必须迅速适应其当前生存环境的不可预测情况。这就是自然选择（Natural Selection），达尔文的进化算法。它成功论述了每个有机体为何能够适应其所在的生态环境，但这个过程发生的速度出奇的慢。如果缺乏适当的适应性，整个生态的物种都注定会死亡，只有等到有利的基因突变出现才能够增加物种生存的机会。然而，学习能够加快这个过程，它可以在几分钟之内改变物种的行为。这就是学习的精髓：能够快速地适应不可预测的情况。
这就是物种进化出学习能力的原因。随着时间的推移，那些即使只拥有基本学习能力的动物都比那些行为固定的动物拥有更好的生存机会，而且它们更有可能将自己的基因组（这些基因包括学习算法）传递给下一代。因此，自然选择驱使学习能力出现。进化算法发现了一个很好的诀窍：让身体的某些参数迅速改变，以适应环境中最不稳定的方面。
诚然，物质世界有很多因素是严格不变的，比如万有引力是普遍存在的，光和声音的传播方式也不会在一夜之间发生改变。这就是为什么我们不需要学习如何长出耳朵、眼睛，形成前庭系统迷宫般的结构，或记录我们身体的成长，所有这些特性都是基因层面已经编码好的。然而，其他的许多参数，比如我们双眼的间距、手脚的重量和长度、声音的音调都会因人而异，这就要求我们的脑必须适应它们。正如我们在后文中将看到的，脑是妥协的结果——我们从漫长的进化史中继承了大量天生的神经回路（我们将世间万物细分成广泛而直观的类别，并进行编码：图像、声音、动作、物体、动物、人……）。也许在更大程度上，那些高度复杂的、可以根据我们的经验改进我们早期技能的学习算法，也有生而有之的神经回路。
如果让我用一个词来概括我们人类的非凡才华，我会用“学习”来概括。我们不是简单的智人（Homo Sapiens），而是教育智人（Homo Docens），一种能够进行自我教育的物种。我们对世界的大部分认知并不是由我们的基因遗传给我们的，而是从环境或周围的人那里习得的。除人类以外，没有任何一个物种能够如此彻底地改变其生态环境，人类从非洲大草原迁移到沙漠、山脉、岛屿、极地、洞穴、城市，甚至太空，所有这些都是在几千年内完成的，学习为这一切推波助澜。从发现火种到制造石器、发展农业、探索世界，再到发现原子裂变，人类的故事是不断进行自我重塑的故事。所有这些成就的根源在于：我们的脑有着提出假设并选择适合环境的假设的这种非凡能力。
学习是我们人类的创举。在我们的脑中，数十亿的神经元参数可以自由地适应我们的环境、语言和文化，以及我们的父母和食物……这些参数是经过精挑细选的：在进化过程中，达尔文的进化算法仔细地勾勒出哪些神经回路应该预先“布线”，哪些应该留给环境去决定。对人类这个物种来说，学习的意义重大，因此人类的童年时期比其他哺乳动物的要长得多。由于我们拥有独特的语言和数学能力，我们的脑才能在广阔的假设空间中畅游，即使这些假设可能总是植根于我们从进化中继承下来的固定不变的基因基础之上，这些假设重新组合，形成潜在的无限可能的集合。
人类发现，在一种机构的帮助下，我们可以进一步提升这种非凡的能力，它就是学校。教育学是人类所独有的，其他动物不会留出特定的时间去教导并监督后代学习的进步，帮助其解决遇到的困难，纠正其所犯的错误。学校的出现使所有人类社会中的非正规教育系统化，极大地挖掘了我们的脑潜力。我们发现，我们可以利用儿童的脑丰富的可塑性，向他们灌输大量的信息，发展他们的才智。几个世纪以来，我们的学校系统在效率上不断提高，孩子上学的时间越来越早，教育持续时间更是长达15年，甚至更长。越来越多的人脑的发展受益于高等教育。大学是神经“精炼厂”，我们的脑回路在这里获得最优质的触发。
教育是我们脑的主要加速器。不难证明，教育支出在政府支出中位居前列是合理的：没有教育，我们的大脑皮层回路就会像一颗未经加工的钻石。我们的大脑皮层在阅读、写作、计算、数学、音乐、空间、记忆等方面带来的改善造就了社会的复杂性。你知道吗，一个受过教育的人的短期记忆，即他能重复的音节数量，是一个从来没有上过学的成年人的2倍左右。一个人每多接受一年教育，他的智商测试分数就会提升好几分。
教育增强了人脑已经相当强大的能力，但它还能表现得更好吗？在学校和工作中，我们不断地改进脑的学习算法，但我们是凭直觉这么做的，而没有刻意学习。从来没有人向我们解释人脑记忆和理解事物的规则，或者遗忘和犯错的规则。这真的很可惜，因为这方面的科学知识已经很全面。英国教育捐赠基金会（Education Endowment Foundation，EEF）创建的网站 3 上列出了最成功的教育干预措施，其中元认知教学（了解自己脑的能力和限制）被给予了非常高的评价。学会如何学习可以说是学业成功的最重要因素。
幸运的是，我们现在知道了很多关于学习是如何运作的知识。30多年来，计算机科学、神经生物学和认知心理学的合作研究在很大程度上阐明了我们脑运作的机制，包括使用的算法、涉及的回路、调节其有效性的因素，以及唯有人类能高效使用这些资源的原因。在本书中，我将依次讨论所有这些问题。当你合上这本书时，我希望你能更多地了解你自己的学习过程。在我看来，每个孩子和每个成年人都要了解自己的脑的全部潜力，当然，也要意识到它的局限性，这才是最重要的。当代认知科学通过系统地剖析我们的脑算法和机制，赋予苏格拉底的名言“认识你自己”以新的含义。今天，学习的重点不再仅仅是加强内省，而是理解产生思想的微妙的神经元机制，使之能最佳地服务于我们的需求、目标和欲望。
当然，关于我们如何学习的新兴科学对所有那些认为学习是一种专业活动的人，如教师和其他教育工作者都具有特别的意义。我深信，一个人如果不能对学习者的脑中正在发生的事情有一个或模糊或明确的心理模型，就不可能实施正确的教学。学生以什么样的直觉开始学习呢？他们必须按照哪些步骤学习才能有所进步？哪些因素可以帮助他们发展技能？
虽然认知神经科学并不能给出所有的答案，但我们开始了解到，所有孩子都拥有一个相似的脑结构：他们的脑都是智人的脑。它与其他类人猿的脑截然不同。当然，我不否认每个人的脑是不同的，我们基因组的瑕疵以及早期脑发育的无常性赋予了我们略微不同的学习强度和学习速度。然而，我们所有人的基本脑回路都是一样的，我们的学习算法的架构也是相同的。因此，每一位教师都必须遵守一些基本原则，才能最有效地发挥其教学作用。在本书中，你会看到很多例子。所有年幼的孩子在语言、算术、逻辑和概率领域都有抽象的直觉，这是高等教育立足的基础。所有学习者都会从集中注意力、积极参与、错误反馈以及反复进行每日训练和夜间巩固中受益。我将这些因素称为“学习的四大核心支柱”，正如我们将看到的那样，这些因素是所有人的脑中通用学习算法的基础，无论是儿童还是成年人都是如此。
同时，我们的脑确实表现出个体差异，在一些极端的情况下，脑可能会表现出病态，如阅读困难、计算困难、运动障碍和注意力障碍等。幸运的是，随着我们越来越了解产生这些缺陷的原因，我们也发现了很多应对策略来检测和弥补这些缺陷。本书的目的之一就是传播这些不断更新的科学知识，让每一位教师和家长都能采取最佳的教养策略。虽然孩子掌握的知识存在很大差异，但他们使用的是相同的学习算法。因此，对正常孩子最有效的教学技巧也往往是对有学习障碍的孩子最有效的教学技巧，只不过教师和家长必须以更加专注、耐心、系统的方式加以应用，对他们所犯的错误更加宽容。
宽容很关键。虽然错误反馈很重要，但许多孩子因为他们所犯的错误受到了惩罚，而错误本身没有被纠正，因此丧失了学习的自信和对知识的好奇心。在世界各地的很多学校，错误反馈往往是惩罚和耻辱的同义词。在本书的后面部分，我将谈到学校对学习成绩的过度关注助长了这种不良的风气。负面情绪粉碎了脑的学习潜力，而为脑提供一个无须感到恐惧的环境会重新打开神经元可塑性的大门。如果不同时考虑情感和认识对脑产生的影响，教育就不会进步。在今天的认知神经科学中，这两者都被认为是学习的关键。
今天，人类智力面临着新的挑战：我们不再是最会学习的物种，学习算法正在各个知识领域挑战人类这一物种的独特地位。这些算法让智能手机可以识别面孔和声音、转录语音、翻译外语、控制机器，甚至可以下国际象棋和围棋，而且比我们做得更好。机器学习已经成为一个价值数十亿美元的产业，并持续受益于人脑的启发。这些人工算法是如何工作的？他们的工作原理能帮助我们理解什么是学习吗？它们是否已经能够模拟人脑，或者它们还有很长的路要走？
虽然目前计算机科学的进步令人着迷，但它们的局限性也是显而易见的。目前机器的深度学习算法只是模拟了人脑的一小部分功能，我认为，这一部分对应到我们知觉加工的第一阶段，即人脑以无意识方式处理信息的前两三百毫秒。当然，这种类型的加工绝不是肤浅的：我们的脑可以在几分之一秒内识别出一张人脸或一个单词，并将它放在上下文中去理解，甚至把它整合成一个短句子……然而，这个过程的缺陷是，它严格地遵从了自下而上的传输方向，没有任何反思的机会。只有在更慢、更有意识、更具思考的后续阶段，我们的脑才会设法发挥其所有的演绎、推理和灵活性能力。这些都是今天的机器远远无法比拟的。即使是最先进的计算机体系也无法拥有任何人类婴儿构建抽象世界模型的能力。
即使是在计算机的专长领域，例如对形状的快速识别，现代算法的效率仍然远远低于人脑。机器学习的最新前沿涉及在计算机上运行数百万，甚至数十亿次训练尝试。事实上，机器学习已经成为大数据的代名词：没有海量数据集，算法很难提取并概括新情况中的抽象知识。换句话说，机器并没有最高效地利用数据。
在这场比赛中，婴儿的脑轻而易举地获胜了：婴儿不需要超过两次的重复就能学习一个新单词。他们的脑可以最大限度地利用极其稀少的数据，这一能力在今天的计算机中仍然难以实现。神经元的学习算法通常接近最优化的运算：它们设法从最细微的观察中提取出本质。如果计算机科学家希望在机器上实现同样的效能，他们的灵感只能来自脑中的许多学习技巧。例如，注意帮助我们选择并放大相关信息，睡眠帮助我们的脑通过算法整合前几天学到的东西。具有这些特性的新机器正在开始涌现，它们的性能也在不断提升，在不久的将来，它们无疑将与我们的脑竞争。
根据一项新兴的理论，人脑之所以仍然优于机器，是因为它扮演着统计学家的角色，通过不断关注概率和不确定性优化自己的学习能力。在进化的过程中，我们的脑似乎获得了复杂的算法，这些算法不断追踪与所学知识相关的不确定性。从精确的数学观点上讲，如此系统地关注概率是最大限度地利用每一条信息的最佳方式。 4
最近的实验数据支持了这一假设。即使是婴儿也能理解概率。从出生起，概率理论似乎就深深地植根于他们的脑回路中。孩子的行为就像初露尖角的小科学家，他们的脑中充满了类似于科学理论的假设，通过生活经验来检验这些假设。概率推理允许我们逐渐排除错误的假设，只保留对数据有意义的理论。而且，与其他物种不同的是，人类似乎可以利用这种对概率的敏感从外部世界获取科学理论。只有智人才能系统地生成抽象思维的符号，并在面对新的观察时更新这些思维的可能性。
创新的计算机算法开始融入一种新的学习愿景，即“贝叶斯算法”。这种算法以牧师托马斯·贝叶斯（Thomas Bayes）的名字命名，早在18世纪贝叶斯就勾勒出了这一算法的雏形。我的预感是，贝叶斯算法将引起机器学习的革命。事实上，它已经能够以接近人类科学家的效率来提取抽象信息。
当代学习科学之旅由三部分组成。
在第一部分“什么是学习”中，我们首先探讨学习对人类或动物意味着什么，包括学习的所有算法或机器的学习。学习的定义很简单：学习就是在脑中逐步形成外部世界的内部模型。当我初次来到一个陌生城镇时，我会在脑海中形成它的布局地图——一个由街道和小巷构成的微缩模型。同样，一个正在学习骑自行车的孩子在他的神经回路中正在塑造一个潜意识的模型，即对踏板和车把施加的作用力如何影响自行车的稳定性。类似的，学习识别人脸的计算机算法正在获取各种可能形状的眼睛、鼻子、嘴巴及其组合的模板模型。
但是我们如何建立合适的心理模型呢？正如我们将看到的那样，学习者的脑可以被比作一台拥有数百万个可调参数的巨型机器，这些参数的设置共同定义了学习者所学到的东西，如某条街道可能在我们的心理地图中的什么位置。参数就是脑中的突触，也就是神经元之间的联结，它们的强度可能会因人而异。而在大多数现代计算机中，它们是一系列可调节的权重或概率，反映了每个可能成立的假设的可靠程度。因此，无论是在脑中还是在机器中，学习都需要寻找参数的最佳组合，这些参数一起定义了心理模型的每一个细节。从这个意义上说，学习是一个巨大的搜索问题，理解学习算法在当今计算机中如何运行对揭示学习在人脑中如何工作非常有帮助。
通过比较计算机算法和脑算法，即硅基系统和活体系统中的性能，我们将逐步对学习在脑层面的意义有一个更清晰的认识。可以肯定的是，数学家和计算机科学家还没有设计出像人脑那样强大的计算机算法，至少现在还没有。但他们开始研究一种最优学习算法的理论，如果它的目标是最高效学习的话，任何系统都应该使用这种算法。根据这一理论，最好的学习者是一个合理使用概率和统计的科学家，他的脑对应统计学家，脑回路对应概率计算的模型。这一理论明确了先天和后天之间的分工，基因首先建立巨大的先验假设空间，然后环境来决定与外部世界最匹配的假设。假设是由先天基因决定的，它们的选择依赖于后天的经验。
这一理论是否与脑的工作原理相符？学习是如何在我们的神经回路上实现的呢？当我们获得一种新的能力时，我们的脑会发生什么变化？在第二部分“人脑如何学习”中，我们将转向心理学和神经科学。我将把重点放在婴儿身上，因为他们是真正的学习机器，无可匹敌。最近的实验数据表明，正如该理论所推测的一样，婴儿确实是初出茅庐的统计学家。他们在语言、几何、数字和统计领域的非凡直觉证明，他们绝不是一块一无所知的白板。从出生起，婴儿的脑回路就已经组织好了，并将假设带入外部世界。但它们也有相当大的可塑性，这反映在脑的突触变化上。在这台“统计机器”里，先天和后天不是对立的，而是联合起来的。其结果就是造就了一个结构化但可塑的系统，它们在面对脑损伤时具有无与伦比的自我修复能力，并再次利用脑回路获得进化没有预料到的技能，如阅读或数学计算能力。
在第三部分“学习的四大核心支柱”中，我详细介绍了使我们的脑成为当今已知的最有效的学习设备的诀窍。四种基本机制（或称“支柱”）在很大程度上调节了我们的学习能力。第一大核心支柱是注意，即一组神经回路，它选择、放大和传播我们认为有用的信号，将这些信号在我们记忆中的影响放大100倍。第二大核心支柱是积极参与，即被动的有机体几乎什么都学不到，因为学习需要动机和好奇心，主动地产生各种假设。第三大核心支柱，也就是积极参与的另一面，即错误反馈。每当我们因为世界违背了我们的期望而感到惊讶时，错误信号就会传遍我们的脑。错误反馈纠正了我们的思维模式，消除了不恰当的假设，并稳定了最准确的假设。第四大核心支柱是巩固。随着时间的推移，我们的脑将所获得的东西汇总起来，并将其转化为长期记忆，从而释放神经资源，为进一步学习做好准备。重复在巩固过程中起着至关重要的作用。即使是睡眠，也远不是一段不活动的时期，而是脑以更快的速度重温过去的状态并记录白天获得的知识的特权时刻。
这四大核心支柱具有普遍性。无论是婴儿、儿童还是不同年龄段的成年人，只要他们锻炼学习能力，就会不断地使用它们。这就是为什么我们都应该掌握这四大核心支柱，它们是学会学习的方式。在结论中，我将总结这些科学进步的实际成果。改变我们在学校、家里或工作中的做法并不一定像我们想象的那样复杂。玩耍、好奇心、社交、注意和睡眠等非常简单的行为，都可以增强人脑最伟大的才能——学习。