日常思考：從機器學習到人類學習（三）

上一章傳送門：日常思考：從機器學習到人類學習（二）

寫在前面

——日常思考系列，說的輕鬆點的話，是我開的腦洞；說的嚴肅點的話，是我的哲學思考。

目前主流的機器學習並不是在模擬人類學習或思考，而是用概率論、統計學的方法來實現的弱人工智慧。但我一直都覺得機器學習里很多現象能與人類的學習（從嬰幼兒起一直到成人）一一對應。但腦子裡一直以來都是只有個模模糊糊的想法，趁此機會將其凝練總結出來。各位看官請帶著這個問題閱讀本文：我們是否能反過來將機器學習（Machine Learning）中的一些技巧應用在人的學習中呢（自我教育 or 下一代教育）

本文為了提升可讀性犧牲了一定的專業性，有一些表述是不準確的。

本文的寫作是面向：

• 自己
• 喜歡將常見的事象歸納為能自洽的邏輯的人
• 喜歡機器學習的人
• （准）爸爸媽媽們（霧）

封面圖片來自於網路，侵刪。

本文中沒有聲明引用的內容，皆是原創。

以下正文

上一章我講了青少年時期（13~18歲）的人類學習是如何與機器學習的一些現象對應起來的。接下來我會講19歲以後的學習過程中又有哪些現象可以和機器學習對應起來。

4. 成人初期（19~25歲）

看到這裡各位肯定已經很累了，但還請再堅持一下——接下來這部分是本文最大的重點。

這個年齡的人（已經不能稱為孩子了）主要的學習方式轉入自我教育。他們將會通過不斷地自我教育形成，並且更新自己的三觀。

接下來我要嘗試通過機器學習的現象來解釋什麼是三觀。

（場外音：WTF？機器學習還能用來解釋三觀？）

簡單來說，三觀是一個人根據其經歷，而形成的一種對世界，對自己，對身邊事物的一種看法。

接下來請看下圖：

在上圖中，每一個點（不論顏色）相當於一段「經歷」，這個圖中顯示出來的是世界上所有人的所有經歷，所以我把它稱作「上帝視角」。然後，右圖中的綠線代表了三觀。在這裡，一條好的三觀，就是能把圖中的藍點和紅點正確的劃分開來的線。

由於是「上帝視角」，機器人擁有世界上所有的知識，它就有可能形成一套「完美的三觀」，完美地把圖中所有點正確地切割開來。（如上圖的右圖，綠線就是擬合了上面的數據的模型）

……

那作為普通的人類呢？看下圖：

與全世界相比，一個人的經歷太渺小了，所以一個人能看到的點大概只有這麼些（上圖圖1）。我們只能根據自己看得到的點來畫這條線。上圖的圖2,3,4，分別是三個不同的人的三觀。毫無疑問，就我們能觀測到的範圍來看，上面三條三觀都是正確的，因為每一條能正確分割開圖中的藍點和紅點。

（註：在上圖中每一條綠線都相當於一個機器學習模型。可以看出來，同樣的演算法，相似的數據，會產生很不一樣的模型）

這三個人的經歷非常類似，即使相互之間三觀有所不同，平時也不會有太大衝突——這種情況多發生在畢業之前的同學之間。

……

但事實上更多時候情況是這樣的：

假如上圖圖1是你，那圖2可能是你的父母，圖3可能是一個你素不相識的歪果仁大叔，圖4可能是不知身在哪國的網友……不同年齡層，不同地域，不同家庭環境會造就很不一樣的「經歷」，所以你們各自能看到的「點」就很不一樣，畫出來的三觀線也很不一樣。因為無論是誰，都只能根據自己看到的「點」來畫出自己的三觀。

自從網路把人與人之間的距離無限制地拉近過後，我們可以輕而易舉地接觸到很多很多三觀不一樣的人。這一方面給我們生活帶來許多便捷，另一方面很多人在網上一言不合就開噴。

比如說你（上圖的圖1）和網友（上圖的圖4）可能會對同一件事情（上圖的五角星）的看法不一致。你們可能會展開友好地討論，直至達成共識，雙方都增加1點經驗值；也有可能，你們中的某一個直接開始噴對方，雙方（或單方）心情值-1。

直接開噴的人基本上屬於對「三觀」的概念都還搞不清的人，要麼是太年輕，要麼是過度自我。不過隨著年齡的增長，他們中的大部分是有可能「自愈」的，因為：

三觀不是一成不變的，它會隨著你的經歷的增長而逐漸改變；而你的經歷，又會隨著你的每一個重大決策而改變。

請看下圖：

假設上圖圖1是高中即將畢業的你，那麼你可以把另外三幅圖想像為：

• 選2號路線：留在本市念大學。周末可以回家，甚至每天都可以回家。身邊還會有很多曾與你同一所高中的同學，你們可以一起去以前經常去的飯館和商店，你會倍感親切，因為你停留在自己的舒適區里。所以接下來4年里你會不斷擴充你原有的經歷，如上圖圖2. 不過，你的三觀可能不會有太大的改變。
• 選3號路線：出省念大學。半年回一次家，周末只能自己找活動。絕大多數同學都是新認識的。你可能會吃到另一種口味的豆腐腦，也有可能會被當地的三輪車師傅坑。選擇出省念大學就相當於一只腳踏出了自己的舒適區。所幸大家還能用母語交流，不會上演那種半夜餓死街頭的戲碼。相對於留在本市念大學，你會增加一些在別處的見識，如上圖圖3. 你的三觀因此拐了個彎。
• 選4號路線：出國念大學。徹底走出自己的舒適區。個中酸甜苦辣不足為外人道也。 如上圖圖4，你會在距離你原有經歷相當遙遠的一個角落積累自己新的見聞，因此你的三觀可能會徹底改變。

【? 在機器學習中，對於偏離訓練集概率分布太多的數據，模型誤判的可能性很大；解決的方法就是收集這些數據並加入訓練集中】

（註：以上所有綠線都是我根據圖中的兩類數據點用邏輯回歸擬合出來的。）

……

上文中我用機器學習小實驗模擬了見識是如何改變三觀的，這是一種被動的改變三觀的方式。我們可以做得更好，那就是主動控制自己那個改變三觀的開關。

上文也說過了，網上之所以互噴現象嚴重，有很大一部分原因是網路拉近了三觀互不相同的人們。對於這些喜歡一言不合就噴人的人來說，他們有無數次機會可以增長見識，為自己的三觀添磚加瓦，但是他們沒有意識到這點——因為他們不懂得如何控制自己改變三觀的開關。

人更傾向於接受自己願意接受的觀點，而不是正確的觀點。

各位看官請仔細品味上面這句話。

想想看，自己周圍是不是有這樣子的人？

然後，再想想看公眾號的雞湯文之所以能夠盛行，是不是也是因為如此？

最後，再想想看自己是不是也是這樣子的？

當各位看官看懂這句話了，那麼恭喜，距離能控制那個開關已經不遠了。——可能只差幾次練習。

我曾經也是一個不懂得控制這個開關的人，雖然不曾無聊到在網上和人對噴的境地，但確實因為沒聽他人的意見吃過幾次虧，中途棄了幾篇不符合自己心意的好文，錯失了幾位有思想的友人。

但事實上這個世界上並沒有那麼多的「對」與「錯」之分，有的只是我願意接受的觀點，和我不願意接受的觀點而已。

想通上面這些事情對我的幫助非常大。保持一個柔軟的態度去面對「不太喜歡的觀點」非常重要。直觀上來說，我對於不一樣的事物的包容能力更強了，也更願意主動去接觸這些事物了。如果這些事物對我有幫助，我會不吝打開自己改變三觀的開關；如果這些事物對我沒有幫助（甚至於是邏輯不通的），我也算是聽了個故事，收集了個腦洞。心想：原來世界上還有人是這樣想的啊。總之穩賺不賠。

不知還有沒有看官還記得我在上一章說過的我對自己的要求：成為終身學習者。

我對定下這個目標的整套邏輯，已經寫在上面了。

有了一個明確的長期目標之後，我的迷茫消退了許多。一個小的例子就是，我再也不會為每天要不要花20分鐘練耳感到猶豫了。只要這是我喜歡的事情，只要我在變得更好，我就決定去做（只要不與短期目標衝突）。

……

總結一下這一節的重點：

• 個人經歷在全世界範圍來說是滄海一粟，且每個人只能根據自己的經歷建立三觀
• 自己不會認為自己的三觀有問題，是因為在自己可觀測的範圍內確實沒問題
• 三觀會隨著經歷的增長而改變
• 人更傾向於接受自己願意接受的觀點，而不是正確的觀點。
• 基於以上四點，要意識到自己能夠主動控制改變三觀的開關

……

最後請大家想像一下：

一個班級有40個常年考60分的「學渣」，他們平常自顧自悶頭學習，並不互相交流，每個人都可能有自己偏科的科目（也許正因為如此他們各自的總分才比較低）。那麼如果讓他們一起做一套題目，對每一道題都實行投票制，即票數最多的答案作為最終答案提交，那麼結果會怎樣呢？各位應該很容易想像得出來：他們很可能會拿到80，甚至90分的高分。

懂機器學習的人可能已經知道我在說什麼了——沒錯，這就是隨機森林（Random Forest）的套路！隨機森林是通過訓練n個小型機器人，每個機器人在訓練時只給它看其中一部分數據（所以每個小機器人都是「偏科」的），最終在測試階段讓所有小型機器人投票表決。

這裡說的是，知識（在這裡指代了上一個例子的三觀）不同的一群人，沒有必要互相說服對方，只要聚在一起投個票，就有更高概率獲取正確答案（相較於每個人單獨決定）。

怎麼樣，現在有沒有覺得人類學習和機器學習很像？

那麼，回到最初的問題：

我們是否能反過來將機器學習（Machine Learning）中的一些技巧應用在人的學習中呢？

幻君的機器學習 人類學習的腦洞到此完結！

以上是個人的一點淺見，歡迎交流~

能看到這裡的都是真愛，不來我主頁逛一逛嗎？

→ 幻雲羽音

推薦閱讀：