万维钢 日课146 |《园丁与木匠》5:专注力的竞赛

猎人式的人才在学校里就成了落后分子，甚至成了病人！有研究表明美国政府把标准化考试推行到哪个地区，哪个地区的儿童多动症诊断率就显著提高。

中国现在既不流行儿童多动症也不流行用药物控制专注力，我们觉得孩子学习不好是性格问题，不是生理问题。但是美国人民更相信医学手段。用药治疗儿童多动症。这种药短期也许有效，但是有副作用，而且长期看来不能真正改善大脑的专注能力。

中国家长也搞军备竞赛，而美国家长可是连生化武器都用上了。我个人认为政府应该像禁止运动员使用兴奋剂一样禁止专注力药物，甚至应该在每次考试之后搞药检。也许将来会有这样的规定。

这些鬼东西一直有，什么生命一号，红桃K。只不过区别在是否真的有效罢了。

| 由此得到

儿童在六岁左右会经历一次大脑发育的变化，使得他们从发现式学习模式向掌控式学习模式转变。本来这个时期最合适的学习方法是传统的学徒制，但现在在学校教育体制下，专注力成了最重要的能力。

| 家长能做什么

你是不是有点觉得现代教育体制是对儿童的摧残呢？其实也不一定，这种教育能培养复杂的人才，是过去学徒制比不了的。义务教育实行的一百年间，人的智商提升了很多。

发现和掌控，探索和收获，机警和专注，这些都是矛盾。没有什么十全十美的方法能调和这些矛盾，每个人只是根据自己情况取舍而已。

但不管怎么取舍，首先你得尊重大脑生长的规律。六岁以前适合发现，六岁以后才适合掌控。大脑还没准备好的情况下，两三岁就强迫认字背唐诗，这不是拔苗助长吗？所以我们一直强调六岁以前主要任务就是玩。

六岁以后玩仍然很重要，但学校里开展了一场专注力的竞赛。如果你家小孩专注力天生很强，那恭喜！

六岁以前其实也可以为这场竞赛做一点儿准备，不过高普尼克的建议可不是三岁开始认字背课文，而是让孩子在上学之前就多接触书籍，多和孩子对话，让他提高词汇量。这样他上学遇到这些东西的时候，就能感觉更亲切一点，就更愿意把注意力放在上面，仅此而已。

而如果想让孩子在学校取得成功，六岁以后是专注力训练的好时机。现在是时候下点功夫认字背课文了。

但是你永远避不开那些矛盾。过度的专注力训练会让孩子的创造力进一步下降，他有可能成为一个只会专项技能的普通人才，也可能成为只会考试的人，甚至成了只知道听话的机器！

所以这个世界哪有万无一失的一揽子解决方案。不过多玩可以中和专注力的危害，我的建议是让孩子尽可能保留一点六岁以前那种赤子之心。

不过就算你不让玩，孩子也不会这么一直专注下去……青春期就要到了。

重点小结

1.六岁以后是“掌控式学习（Mastery Learning）”：要熟练掌握专项技能。掌控式学习要求刻意练习，要练到不用想就能使出来、快速高效的自动化程度。汉字的读写、加减乘除的计算，都是掌控式学习。

2.儿童在六岁左右会经历一次大脑发育的变化，使得他们从发现式学习模式向掌控式学习模式转变。本来这个时期最合适的学习方法是传统的学徒制，但现在在学校教育体制下，专注力成了最重要的能力。

Google Assistant 帮主人预约理发师的这段演示刷屏了，对方完全没有意识到是跟人工智能对话，能请评价一下？

王煜全回答：

这是典型的人工智能的进步，我们说过，智能翻译这两年会有突破，我们在前哨大会上也都用到了搜狗的智能翻译，其核心是语音识别和语意识别，这两者都要用到人工智能。

我们说人工智能的进步有三部分：

算法、算力和大数据训练。

谷歌的算法很多是 DeepMind 团队在开发，就在谷歌展示 Google Assistant 的 I/O 大会的第二天，《自然》杂志在线发表了 DeepMind 团队的新论文。

我们说人类的空间识别和空间规划能力很强，但是其原因原来一直不知道，直到2005年才被科学家找到：

人类大脑中存在一类网格细胞。

这个成果获得了2014年的诺贝尔生理学奖。

现在 DeepMind 团队用人工智能自己找到了类似网格细胞的能力，空间识别和规划能力大大加强，也能够像人一样识别最优路径并且抄近道了。

我们说原来是人工智能向人类智能学习，有所谓的神经网络算法、类脑计算等等。

现在人工智能进化的速度大大加快，有很多地方赶上了人脑，如果在人类对人脑技能尚不清楚的领域，很可能可以反过来借助人工智能来了解大脑构造和机能，这可能会对认知科学带来飞跃，这是一个了不起的进步。

而从算力角度看，谷歌公布的新的人工智能处理器 TPU3.0，性能比上一代 TPU 提升了8倍，达到了每秒1000万亿次浮点计算的速度。

我们可以对比一下英伟达在2018年1月在 CES 展上推出的 Xavier 处理器，其处理能力是30万亿次浮点计算，比谷歌新推出的 TPU 要弱了30倍。

当然，不是说谷歌就能干掉英伟达了，因为英伟达主要用在自动驾驶上，自动驾驶还有一个能耗问题，而谷歌的 TPU 是不卖的，只用在自己的云计算平台上，也就是放在自己的数据中心里，数据中心里的处理器相对而言对能耗的要求没那么高。

当然另一方面讲，谷歌 TPU 不卖，所以没有第三方能够跑谷歌的处理器和别人的处理器来作对比，所以我们只能相信谷歌自己公布的数据了，不过这也体现了谷歌对数据中心的重视，生产多少 TPU 自己消化得了，都用得了，而且据说还采购了不少英伟达的 GPU。

尤其是未来有了 5G，可以用云计算支持本地的计算需求，所以未来人工智能的云计算市场可是太大了。我们会像今天离不开互联网一样离不开人工智能的支持的。

至于说第三点，数据集，那就是谷歌音箱、谷歌搜索、谷歌 Android 手机操作系统的价值了，这些都有机会让谷歌收集大量互动数据，不断完善自己的人工智能能力。所以谷歌在人工智能领域的第一梯队的位置还是相当牢固的。

当然，即使做到这个水平，人工智能距离人还是有差距的，因为这都还是单一领域的智能，所以叫弱人工智能，而人最强的是多领域的综合分析和判断，叫做通用人工智能。

不过就像我们讲到的，人工智能对认知科学会有促进，现在已经有人工智能在试图把两个甚至两个以上的领域的数据进行整合了。

也许有一天会达到人的高度，人会突然发现其实所谓强人工智能也没有什么特别的，就是把几个弱人工智能整合起来就是了。

或者发现强人工智能不是弱人工智能的简单整合，人工智能还是赶不上人，那也能够促使我们发现人脑的更深层的智能结构，所以未来我们对人工智能和对人的理解，能够互相促进，共同深入。