本文發表於《大眾科學》的前部落格網路，反映了作者的觀點，不一定反映《大眾科學》的觀點
當DeepMind的AlphaGo程式在古老的圍棋遊戲中擊敗人類選手時，在人工智慧領域引起了巨大轟動。AlphaGo並非透過一套預先編寫的指令進行訓練，而是透過實踐和反饋。事實證明，新一代機器學習技術與兒童在沒有正規教育的情況下學習技能的方式之間存在驚人的相似之處。
讓我解釋一下。在我進行實地研究的剛果狩獵採集社群中，他們在教導孩子時通常不會給出直接指示。相反，他們創造學習機會，例如提供工具，並在不干預的情況下監控孩子的行為。然後，孩子根據她基於表現收到的反饋來調整自己的行為。同樣，神經網路的工作方式是為機器提供學習機會（即輸入），並根據網路結構獲得的輸出提供反饋。
人工智慧研究的最終目標是產生通用人工智慧（AGI），即能夠像我們人類一樣理解和學習的機器。許多人工智慧研究人員，如DeepMind團隊，認為這將透過更獨立的學習策略成為可能。例如，在無監督學習中，機器透過觀察資料進行學習，而沒有預定的目標或明確的指導。這種學習形式與狩獵採集兒童學習大多數技能的方式相似。
關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。透過購買訂閱，您正在幫助確保未來關於塑造我們當今世界的發現和想法的影響深遠的故事。
在過去的六年裡，我一直在拜訪姆本傑勒狩獵採集者，他們是居住在剛果盆地的巴亞卡俾格米人的一個亞群。姆本傑勒兒童早在三歲時就掌握了使用刀具、照顧嬰兒和採集野生植物等技能。我們的觀察表明，姆本傑勒幼兒主要透過自由探索環境、觀察和模仿他人來學習這些技能。透過教學學習僅佔我們觀察到的學習事件的一小部分（準確地說是 6%）。
我對我們在沒有正規教育的情況下如何學習和傳播技能感興趣，因為理解這些可以幫助我們理解圍棋等複雜的文化習俗是如何演變的。我們已經進化出透過模仿他人進行學習的強大能力。反過來，這使我們能夠非常準確地傳播資訊。研究人員發現，當資訊被忠實地傳播時，文化習俗會在人群中保留足夠長的時間，以便它們可以被修改以產生更復雜的習俗。這就是人類文化進步的方式。我們的文化特徵建立在過去資訊的遺產之上。但這意味著它們也受到這些遺產的限制。
雖然機器學習中的新訓練演算法與人類兒童的學習方式有相似之處，但它們有超越人類文化的能力。這是因為這些新演算法不受我們文化歷史遺產的限制。2017年，DeepMind團隊推出了AlphaGo Zero，這是AlphaGo的新版本，它透過自對弈學習成為自己的老師。現在它被認為是世界上最好的圍棋選手。人類圍棋選手一直在3000年的知識積累基礎上構建他們的遊戲策略。AlphaGo Zero 透過將自己從這些知識中解放出來，成為了最好的圍棋選手。
我們可以從 AlphaGo Zero 的成功中學到什麼？該程式從頭開始，與自己對弈，然後將結果與強大的搜尋演算法相結合，以選擇下一步行動。去年，DeepMind 團隊開發了AlphaGo Zero 的通用版本，它自學成才，不僅會下圍棋，還會下國際象棋和將棋（日本版的國際象棋），並擊敗了專門從事這三種遊戲的最佳程式。前世界國際象棋冠軍加里·卡斯帕羅夫說：“我們實際上可以從機器產生的新知識中學習。”我認為這些程式透過來自自對弈的強化學習工作的方式，也應該啟發我們如何培養好奇的學生：允許他們探索大量事物，並在需要時提供反饋。
改善兒童養育的“搜尋空間”
幼兒模仿他們在照顧者身上看到的東西。因此，如果一個 13 個月大的幼兒每天看到人們使用砍刀，那麼她玩砍刀是很正常的。當然，我不是說我們應該給嬰兒鋒利的工具。但是，我們可以為孩子們創造一個環境，讓他們自己探索世界，並透過觀察他人來學習。
例如，如果您想讓您的孩子閱讀更多書籍，您可以嘗試自己閱讀更多書籍。我記得小時候在我父母的床頭櫃上看到陀思妥耶夫斯基的《罪與罰》。我對書名和作者的名字非常好奇，因為它們聽起來不像土耳其語中的任何東西。後來，陀思妥耶夫斯基成為我最喜歡的作家之一。
讓孩子們探索他們的環境並不意味著讓他們獨處。相反，狩獵採集兒童始終被社群成員（不僅是父母）包圍，並且很少被單獨留下。同樣，老年人和兒童互動的社群空間可能有利於老年人的福祉，併為兒童提供更多的學習機會。
在我們的研究中，我們發現年長的兄弟姐妹和兒童在育兒中起著重要作用。例如，三歲的孩子完全有能力安撫嬰兒，嬰兒透過模仿年長的孩子來學習技能。事實上，從四歲起，狩獵採集兒童主要透過混合年齡段的玩伴群體中的無監督遊戲來學習。
我們可以透過建立戶外遊樂區來改善兒童，特別是城市兒童的福祉，在這些區域，不同年齡段的兒童可以參與無人監督的活動。像森林幼兒園這樣的專案就是很好的例子。這裡有一篇部落格文章，其中包含一些實用的建議。
一旦狩獵採集兒童透過觀察他人獲得技能，他們就開始練習。這就是為什麼一個年僅六歲的姆本傑勒女孩可以陪伴其他婦女進入森林並採集自己的山藥。當然，教學對於學習數學等複雜學科是必要的，但我們的教育系統沒有足夠的練習空間。當我還是本科生時，我花了幾個小時學習統計學，但都忘了。只有當我必須為我的研究做統計時，我才真正學會了為什麼以及如何做統計。
我認為我們都應該開始集思廣益，思考教育的未來：我們如何建立一個環境，讓學習以學生的興趣、探索和實踐為指導？我們可以從狩獵採集兒童時代和新的機器學習策略中尋找靈感。