婴儿令人惊奇的逻辑思维

婴儿能从无到有快速地学会很多东西，他们是怎么做到的？认知科学家劳拉·舒尔茨通过一次有趣的、充满实验展示的演讲，向我们展示了婴儿在牙牙学语时，就能凭借惊人强大的逻辑思维能力进行决策。

马克·吐温说过一句话，

在我看来，指出了认知科学

的根本问题。

他说，“科学非常奇妙，

你实际上只需进行少量投资，

得到的回报却是一整套理论。”

（笑声）

吐温当然是在开玩笑，但他没说错：

科学就是这么神奇。

从几块骨头，
我们能推测出恐龙的存在。

从几条光谱带，
我们能推测星云的构成物质。

分析果蝇，

我们能推导出遗传机制，

分析大脑血液流动的图像，

或者，从我的研究方向来说，
分析儿童的行为，

我们尝试搞清楚人类认知的

基本机制。

尤其在我们麻省理工学院
大脑和认知科学系实验室，

过去十年我一直在研究一个问题，

为什么小孩子能从无到有
快速地学会很多东西。

因为，科学的奇妙之处，

恰恰也是小孩子的奇妙之处，

从马克·吐温的话引申出来，

准确地说，就是他们都能
从少量的、充满干扰的数据中

迅速而准确地得出丰富的理论推断。

我今天只举两个例子。

一个关于归纳总结，

另一个关于因果推理。

尽管我今天要谈的
是我的实验室里的工作，

但它的灵感来源于
整个（认知科学）领域。

我要感谢世界各地的
导师、同事和合作者们。

我先从归纳总结开始讲起。

从少量的数据样本进行归纳总结
是科学的立身之本。

我们调查一小部分选民的投票结果，

就能推测出大选结果。

我们分析临床试验中一部分病人
对治疗方案的反应，

然后向全国市场推广新药。

但这要求我们抽取样本
要完全随机。

如果样本是刻意挑选的，

比如说，只抽取城市选民，

或者，在治疗心脏病的临床试验中，

只抽取男性患者，

那结果可能不适用于整个人群。

因此科学家非常重视
样本的抽取是否随机，

那婴儿会不会重视呢？

实际上，婴儿一直在对
少量数据样本进行归纳总结。

他们见过几只橡胶鸭子，
知道它们能浮起来，

见过几个球，知道它们能在地上弹跳。

他们对鸭子和球产生了预判

并会在今后的人生中
将这种预判延伸到

（所有）橡胶鸭子和球身上。

这种针对鸭子和球的归纳总结法，

婴儿几乎要用在所有东西上：

鞋子、船、封蜡、卷心菜和国王。

那么婴儿会不会在乎
他们看到的这几个样本

是不是具有代表性呢？

我们来看一看。

我将给你们放两段视频，

每一段各反映一个实验里的一种情况，

因为只有两段视频，

所以你们只能看到两个婴儿，

而任意两个婴儿之间都是千差万别的。

当然，这两个婴儿，
各代表一类婴儿，

你们即将看到的差别，

代表了婴儿在不同情况下
普遍的行为差异。

在每段视频中，婴儿的所作所为，

可能会跟你所预期的一样，

婴儿是如此神奇，
可能超乎你的想象。

但在我看来神奇的是，

我也希望大家能注意到，

就是两种情况之间的差别，

因为两段视频唯一的不同之处

就是婴儿需要观察的统计学证据。

我们会给婴儿看一个盒子，
里面装满了蓝色和黄色的球，

我当时的研究生学生，
现在是斯坦福大学的同事，权孝媛。

会从盒子里连续拿出三个蓝色的球，

当她把球拿出来的时候，她会捏它们，

球会发出声音。

对孩子来说，这就像TED演讲。

真的没什么区别。

（笑声）

重要的一点是，
从一个几乎全都是蓝色球的盒子里，

连续拿出三个蓝色的球非常容易。

闭上眼睛都能做到。

这是一个真正的随机取样。

如果你从一个盒子里随机
取出来的东西能捏响，

那也许这个盒子里
所有的东西都能捏响。

因此，婴儿也许会觉得
黄色的球也能捏响。

这些黄色的球在尾端有一根棍子，

因此婴儿还可以对它做其他动作。

比如说打它或者掰它。

让我们来看婴儿会怎么做。

（视频）权孝媛：看到没？
（球被捏响）

听到了吗？
（球被捏响）

酷。

看到这个球没？

（球被捏响）

哇。

劳拉·舒尔茨：我就说嘛。（笑）

（视频）权孝媛：看这个。
（球被捏响）

克拉拉，这个球给你。
拿着玩吧。

（笑声）

劳拉·舒尔茨：
我都不必解释了，对吗？

好的，婴儿能从蓝色球的特性
推导出黄色球的特性

这非常棒，

而且婴儿通过模仿我们
进行学习，令人印象深刻，

但婴儿的这些特点我们早就知道了。

真正有意思的是，

我们将上述实验完全重复一遍，

我们之所以能保证两次实验完全一样，
是因为装球的箱子有一个隔层，

实际上我们是从那个隔层里往外拿球，

但是这一次，
我们更改了样品库的外观，

也就是说盒子里的球看起来不同了。

这一次，我们还是
给婴儿看三个蓝色的球，

但是装球的箱子里几乎全是黄色的球，

猜猜结果会怎样？

从几乎全是黄色球的箱子里

连续拿出三个蓝色的球，
也许很难。

这不是令人信服的随机取样。

也许孝媛是故意选的蓝色的球。

也许蓝色的球有些特别之处。

也许只有蓝色的球能捏响。

我们来看婴儿会怎么做。

（视频）权孝媛：看到了吗？
（球被捏响）

再看这个。
（球被捏响）

哦，太酷了。看！
（球被捏响）

这个是给你的。
拿去玩吧。

（不耐烦）
（笑声）

劳拉·舒尔茨：2个15个月大的婴儿

仅仅基于他们观察到的取样几率

做出了完全不同的反应。

让我们来看一下实验结果。

在纵轴上，你看到的是在不同情况下

会去捏球的婴儿的百分比，

如图表所示，当婴儿认为取样具有代表性

而不是特意选取的时候

他们有更高几率去捏黄色的球。

这个结果能导致一个有趣的推测：

假设你从几乎全是黄色球的箱子里
拿出一个蓝色球。

你也许很难从很多黄球的箱子里
连续拿出三个蓝色球，

但随机拿出一个还是有可能的。

这不是一个小概率事件。

如果你从箱子里随机抽出一个东西，

而这个东西能捏响，
那可能箱子里所有东西都能捏响。

因此，尽管婴儿们在接下来的
“只拿一个球”的实验中，

看到的证据更少，

可模仿的动作也更少，

但我们推测婴儿们捏球的几率会升高，

结果正是如此。

15个月大的婴儿，在这个实验中，
跟科学家一样，

十分看重取样是否真正随机，

他们通过这种方法
来发展对世界的预判：

什么能捏响，什么不能，

什么值得探究，什么可以忽略。

下面我们来看另一个实验，

关于因果推论的实验。

这个实验源于一个让我们所有人

都感到困惑的事实：

我们是这个世界的一部分。

也许在你看来这根本不算个问题，
但就像许多其他问题一样，

只有问题出现时，它才算一个问题。

以下面这个婴儿为例。

他就碰到了点问题。

他想把玩具弄响，但是没有成功。

我给你们放几秒视频。

大体而言，有两种可能：

也许他玩的方法不对，

或者玩具坏了。

因此在接下来的实验中，

我们会给婴儿少量统计学数据，

这些数据能支持某一种可能性，

我们再看婴儿能否依据这些数据

作出不同的决定。

实验是这样的。

孝媛尝试弄响这个玩具，她成功了。

然后我也开始玩，但两次都失败了，

然后孝媛再次尝试，她又成功了，

也许这是我跟孝媛
在科技水平上差距

的很好体现。

这里的关键点在于，
它提供了一点点证据

证明问题不在于玩具，而在于人。

有的人能让玩具发出声音，

有的人则不能。

当婴儿拿到玩具之后，
他要做出选择。

他妈妈就在旁边，

他可以将玩具交给妈妈，
换一个人，

同时在那块布的尽头
放着另一个玩具，

他可以将布拖过来，换一个玩具。

我们来看看他会怎么做。

（视频）孝媛：二、三，开始！
（音乐）

劳拉·舒尔茨：一、二、三，开始！

亚瑟，我再试一次。
一、二、三，开始！

孝媛：亚瑟，让我再试一次，好吗？

一、二、三，开始！
（音乐）

看啊。
记得这些玩具吗？

看到了吗？我把这个玩具放在这里，

把这个玩具给你。

你可以自己玩了。

劳拉·舒尔茨：好吧，劳拉，但是，
小朋友都爱自己的妈妈呀。

他玩不转玩具的时候

肯定会把玩具交给妈妈。

那么，让我们看看
把这少量的统计学数据

进行更换会怎么样。

这一次，玩具响和不响的顺序跟刚才一样，

但分布情况跟刚才不同。

这一次，孝媛会成功一次，失败一次，
我也一样。

那就表明跟人没关系，
是这个玩具有问题。

它时好时坏。

同样的，婴儿要做出选择。

她妈妈就在她旁边，
她可以换人来试，

同样有另一个玩具
放在布的另一头。

我们来看她会如何选择。

（视频）孝媛：二、三，开始！
（音乐）

我再试一次。
一、二、三，开始！

嗯？

劳拉·舒尔茨：克拉拉，让我试一下吧。

一、二、三，开始！

嗯，我再试一次。

一、二、三，开始！
（音乐）

孝媛：我把这个放在这边，

把这个给你。

你可以玩了。

（掌声）

劳拉·舒尔茨：我们来看看实验结果。

在纵轴上，显示的是

在不同情况下婴儿所做选择的比例，

我们可以看到，婴儿们做出的选择

跟他们观察到的证据有关。

因此，在出生后的第二年，

婴儿已经可以利用少量统计数据

来决定如何从两种不同的
基本策略中做出选择

从而在这个世界生存：

求助和探索。

我刚刚向大家展示的两个实验

是从几百个类似实验中挑选出来的，
它们得出了相似的结论，

因为真正重要的一点是

孩子们从很少的数据中
推导出丰富结果的能力

构成了我们研究
物种特异性文化的基础。

孩子能通过几个示范
就掌握工具的用法。

能通过几个例子
就掌握新的因果关系。

他们甚至能学会新的词语，
这里我指的是美国手语。

我想用两个观点来结束演讲。

如果在过去几年，
你一直在关注我们的领域，

关注大脑和认知科学，

那么你一定注意到了这三个观点。

首先，现在是大脑的时代。

实际上，神经系统科学
已经取得了不错的进展：

确定大脑皮层各区域的作用，

让小白鼠的大脑透明化，

利用光线触发神经元（活动）。

第二个大的观点是

现在是大数据和机器学习的时代，

机器学习预示了我们对事物
的理解将发生革命性的变化，

无论是对社交网络还是流行病学。

也许，随着它被用于场景理解

和自然语言处理，

能帮助我们更好地研究人类认知。

最后一个你可能注意到的观点是

我们能深入了解大脑，
能深入运用大数据，

是一件非常好的事情，

因为人类天性随意，

我们容易犯错，喜欢走捷径，

我们闯祸，我们惹麻烦，

我们心存偏见，
而且从许多方面来讲，

我们会错误理解这个世界。

我认为这些书都很重要，

能帮我们理解身为人类意味着什么，

但我想强调的是，
今天我讲的是一个完全不同的故事。

它讲的是思维而不是大脑，

确切的说，是关于人类思维所特有的

一种计算能力，

这种能力让我们学识渊博，

帮助我们从少量数据和证据中
进行学习。

从本质上来说，
这是一个关于成长的故事，

小孩子如何一天天成长，
取得巨大成就，

为我们的文化做贡献，

我们对世界的理解又是正确的。

朋友们，人类的思维不光
能从少量数据中进行学习。

人类思维能提炼全新的观点。

人类思维进行研究和发现，

人类思维还能创作
艺术、文学、诗歌和戏剧，

人类思维还会关注其他人类：

尊老爱幼，救死扶伤。

让他们痊愈。

在未来几年，
我们将看到超出我们想象

的技术创新，

但是我们很可能看不到

哪怕仅仅是接近
人类小孩计算能力的技术出现，

可能我们的有生之年都看不到。

如果我们对这些最强大的
学习者和他们的发展进行投资，

也就是对婴儿和儿童，

对他们的父母，

对他们的看护和老师，

就像我们对技术、工程和设计
等最强大和优雅的门类

进行投资一样，

那我们将不仅梦想着更好的未来，

而是按计划在实现它。

非常感谢大家。

（掌声）

克里斯·安德森：劳拉，谢谢你。
我有一个问题想问你。

首先，这项研究非常棒。

我是说，谁能设计出这样一个实验呢？
（笑声）

我已经看过好几次了，

但我仍然不敢相信这是真的，

但其他人也做过类似的实验，
真的证明了，

婴儿们真的都是天才。

劳拉·舒尔茨：是啊，他们在实验中的表现
真是棒极了，

但想象一下他们在生活中
的表现（会更棒），不是吗？

最开始只是个小东西，

十八个月后，
他就可以跟你交谈了，

婴儿最开始会说的话
不仅仅是球啊鸭子啊这些东西，

还有包括“不见了”表示消失，

或者“啊—哦”表示下意识的动作。

就是这么神奇。

比我在实验中展示的要神奇得多。

他们能理解整个世界。

一个四岁的小孩几乎能跟你聊任何话题。

（掌声）

克里斯·安德森：如果我没理解错的话，
你想说明的另一个关键点是，

多年以来，我们一直认为

人类思维古怪而不正常，

行为经济学和它背后的
一整套理论都认为

人类不是一种理性的生物。

而你认为人类思维
是如此卓越，

如此出色，实际上是被低估了。

劳拉·舒尔茨：我最喜欢的
关于心理学的一句话

来自社会心理学家所罗门·阿施，

他说，心理学的基本任务就是

揭开事物“无证自明”的面纱。

要正确理解世界

你每天要做出非常之多的决定。

你了解物体和它们的属性。

当有东西挡路的时候你会知道，
即便是在黑暗中。

你可以穿过房间。

你可以猜到其他人在想什么。
你可以跟他们交谈。

你可以在太空中导航。
你了解数字。

你知道因果关系。
你理解道德推论。

这些事情做起来不费功夫，
因此我们注意不到，

但我们就是这样来正确理解世界的，
这是一种非凡的，

但非常难以理解的成就。

克里斯·安德森：我猜观众中间

一定有技术加速理论的支持者，

他们可能不认同你的观点，
就是有生之年都看不到

计算机的智能
达到一个三岁孩子的水平，

但毫无争议的是，无论如何，

从蹒跚学步的儿童身上
机器可以学到很多很多。

劳拉·舒尔茨：的确是。观众中
有从事机器学习研究的朋友。

我想说，你不能认为婴儿或者黑猩猩

或者技术的差别在于实践，

他们之间的差别不在于数量，

而在于种类。

我们现在有非常强大的计算机，

它们能完成非常精确的任务，

处理海量的数据。

但人类思维的运作方式完全不同，

我认为研究人类知识
在结构和层次方面的属性

仍是一项巨大的挑战。

克里斯·安德森：劳拉·舒尔茨，
带来了美妙的精神食粮。非常感谢。

劳拉·舒尔茨：谢谢。
（掌声）