财讯：赫伯特·西蒙：思维过程有多重要？

本篇文章4027字，读完约10分钟

赫伯特·西蒙南关注家里的赫伯特·西蒙，人工智能之父、诺奖获得者用不同的学习方法得到非常不同的结果。 我们不仅要学会处理问题而且要学会以好的方式处理问题。 如果身体总是采用机器学习的方法，他会认为自己学过了，但今后习性使用这种方法，实际上把知识应用于新的情况是不容易的。 ◇为什么学习不仅仅需要结果，还需要过程？ 两个人都能处理同样的问题，但他们使用的方法可能不同。 有些处理问题的方法容易应用于处理其他问题，有些不容易。 因此，我们不仅要注意问题的处理结果，还要注意处理问题的做法，不同的做法意味着不同的感知、记忆，应用了不同的技能和策略。 心理学家卡特纳曾经做过这样的实验。 被实验者只能移动三根火柴把下图的五个方块变成四个大方块 他给了三组被实验者不同的指导:▲火柴问题《认识》1、机器学习:告诉被实验者移动哪根火柴，不加任何说明就硬记住了。 2 .给出说明:告诉被实验者有16根火柴，如果各自成为四边形的一边，就可以制作四个四边形。 这里16根火柴之所以能做5个方块，是因为有些火柴做了2个方块的共同边。 处理这个问题，每根火柴只能起一边的作用。 这个说明容易迷惑人。 因为应该移动的三根火柴不是作为共同的边发挥作用，而是作为一条边发挥作用的火柴。 但是，将作为一边的三根火柴错开，可以消除作为共同边的火柴。 3 .给予含蓄:启发被实验者:“五个方块太合在一起了，一部分火柴起了双重功能(共同边)的作用。” 要处理这个问题，必须分散这些块”。 被实验者使用的这三种做法都不需要很多短时间的记忆 三种方法的策略不同，但实验对象最后可以处理问题。 然后，墨卡托对问题进行了一点评级，如下图所示。 ▲匹配问题的变化“认识”在这种情况下，以前用机器学习的方法处理问题的被实验者，现在面临着很大的困难，但是后者两种方法的被实验者，特别是第三种方法的被实验者，很容易处理问题。 机器学习的做法是无意义的学习，记忆没有多余性，学会的复印件很难保持。 为什么第三种含蓄启发的方法比第二种说明的方法更有效，可能不是后者告诉被实验者匹配的单功能和复功能的问题，而是将被实验者的想法引导到匹配的功能本身，没有观察最后的目标。 含蓄启发的做法是最有效的，如果告诉被实验者钻石太集中需要分散，破坏原来的结构，移动几根火柴稍微离开各自的钻石，就会接近最后的目标。 不同的学习方法会产生非常不同的结果。 我们不仅要学会处理问题而且要学会以好的方式处理问题。 如果身体总是采用机器学习的方法，他会认为自己学过了，但今后习性使用这种方法，实际上把知识应用于新的情况是不容易的。 ∈问题处理的路线人在处理问题时可以采取不同的路线或方法 人们可以随机试试，经过多次尝试和错误，最后得到答案。 也可以根据一点规则或经验说明，以更有效的方式处理问题，最大限度地减少尝试次数。 还有其他处理问题的方法，下面介绍其中几个。 假设-检查法现在以解决加密算术问题为例，说明了处理问题的两种不同的方法。 下面的密码问题上、中、下面三行分别是一个体名: donald +gerald robert已知: d=5任务要求: 1，把字母转换成数字。 2、字母转换成数字后，下一行数字的答案必须等于第一行和第二行数字之和。 这个问题很难。 解题一共三百万个可能的尝试，即十！ =3×106 如果我们知道线索，如果d=5，各种可能的尝试就会减少到9！ =3×105个 解决问题的一个方法是，每个数字任意给一个英语方案的母亲，进行计算，发生矛盾时重新配置数字和文字的对应关系，重新计算。 通过这个随机尝试得到正确答案需要3×105次。 另一种方法是系统地从右向左利用处理问题所得到的知识来进行。 因为d=5，所以你可以看到t=0。 我们知道t和d的数值，所以尝试的范围变小了。 处理完最右边的列后，接下来看左边的列。 用这种方法重复实验，经过多个组合，可以得到一个正确答案。 但是，先提出这两个假设再进行检查(假设检查法)都不是有效的做法。 实验室里使用这两种做法的人往往失败了 选择性地搜索和处理加密算术问题的比较有效的方法是首先找到可能性最小的列，从其中获得最多的消息。 利用加法的一些规则进行推理，找出正确答案 这称为选项搜索或启发式搜索。 可能性最少的列是限制最多的列。 能解决这个问题的被实验者几乎都使用了这个方法。 在处理这个问题时，被实验者的第一想法只有几条，不是30万次以上的尝试，而是只利用了6种可能性。 由此可知，通过采取这些主要想法，可以排除很多尝试，达到解决问题的目的。 这种比较有效的做法称为启发式检索。 登山法登山法的基本思想是设定目标，然后向目标方向运动，接近目标。 这就像爬山。 要在山脚下爬到山顶，必须一点一点地往上走到最高点。 登山法有时先爬到低山顶再下来，再爬到最高的山顶。 因此，登山法只能保证登上眼前的山的最高点，不一定是真正的最高点。 在以古典使用者和动物为实验对象的心理学实验中，除了设定目标以外，还在目标和实验对象之间施加障碍，使实验对象无法直接达到目标。 如下图所示，▲在目标和被实验者之间加入障碍“认识”的情况下，被实验者必须花费相当长的时间克服困难，找到跨越障碍的东西。 相当于用登山法穿过弯弯曲曲的道路到达最高的山顶 当然登山法在我们的日常生活中也是有用的做法，许多实际问题都是用这种方法处理的。 总结以上几个问题的做法，我们可以发现，第一次接触问题的人之所以能处理这个问题，是因为他处理过去掌握的通常问题的做法可以适用于新情况。 心理学智能测试不是测量实验对象已经知道的事情，而是测量将过去掌握的常规知识应用于处理测试的项目的能力。 我们一般不依赖现有的具体知识处理现在问题的做法称为软弱的做法 前面提到的假设检查法是软弱的做法 用假设检查法处理加密算术问题时，任意假设每个密码有一个数量后再进行检查，但这里没有使用现有的具体知识。 登山法也是软弱的做法 这些做法是最粗糙的做法，其效率非常低。 如果利用现有的具有对比性的知识来处理某个问题，这是很强的做法。 例如，让被实验者寻找x、y的函数关系，如果没有微积分的知识，就必须逐渐增大x的值，观察y的变化，找到最高点，得到结果。 这是软弱的做法 如果他已经具备数学知识，就可以利用微积分把最高点定为0。 这是强烈的做法。 选择性探索利用过去现有的知识经验，比较提出假设，进行验证后得出结论。 这是比较有效地处理问题的做法，是很强的做法。 处理某个问题时利用强烈的做法是重要而有效的。 手段目的分解法人类处理问题有一种非常重要的方法叫手段目的分解法( means-end analysis )。 这种方法大多在于我们现有的状态和目标之间有各种各样的差异而不是一个差异。 我要去上课，但是忘了带笔记本和笔，处理笔记本和笔的区别，上课可以写笔记本。 我注意到我有一些钱，发生了买纸和笔的活动。 但是，买完纸再买笔的话，钱就不够了。 那时我意识到自己错了，把纸还给我，用还纸的钱去买笔，买笔后用剩下的钱去买纸。 为了处理问题经常出现很多距离和差异。 我们处理了第一步问题后处理了第二步问题，但在处理第二步问题时，又发生了第一步问题 因此，为了更好地使用手段目的分解法处理问题，处理问题的结构是必要的。 例如，玩立方体时，可以将第一个面变更为白色，然后将其他面分别变更为红色、黄色等，将该面完全变更为单色。 这里的问题是成为第二面时不能破坏第一面。 到了第三面就不能破坏第一、第二面 我们也可以用手段目的分解法处理这个问题 这样我们改变第二面时，可以破坏第一面，但只是暂时的，很快就能恢复第一面的雪白。 事实上，这种片面处理的做法不一定是最好的做法。 这是慢的做法 我们最好用更简单的方法，整体考虑把立方体恢复成六面单色的方法。 为了学习这样的整体动作，或者“宏观动作”，买魔方解答指南之类的书，从中学习这样的“宏观动作”吧。 这个“宏动作”是一系列动作，包括暂时破坏和恢复某一面的过程，而不是原始动作。 解开这个立方体的宏观做法平时被称为“计划”。 心理学教科书中经常引用的4条直线通过9点的问题图(参照下图)，虽然外观简单，但很难制作。 这个问题可以取的搜索树的分支不太多，但是考虑问题时，为了处理问题，解题者画的直线有可能必须超过这9点形成的正方形才能处理。 出题的人没有禁止解题人，也没有禁止超过正方形，但解题人经常限制自己，没有考虑用某个操作员求解，所以问题不容易。 ▲4直线通过9点的问题“认识”学生和野人的问题也是这样的问题。 问题是，三个学生和三个野人去了河里，河里只有一条渡船，而且最多只能坐两个人。 现在我要问怎么用这艘船把三个书生和三个野人渡到对岸。 处理这个问题，无论是在船上还是在岸边，学生的数量都必须比野人少。 否则，条件是书生被野人吃掉。 处理这个问题的方法分为一两个野人先过河的几个步骤(见下图)。 2 .野人划船回来 然后两个野人去。 4 .野人又划船回来了 两个书生一起去。 6 .为了进一步处理问题，现在迈出重要的一步是学生和野人划船回来。 只要考虑这一步，以后每一步都会好起来的 ▲书生和野人过河做法的问题不容易处理 一所大学的教授往往在一分钟之内应付不了，尽管目的是把尽可能多的人交给对岸让一切都走，但允许两个人划船回来，除非你认识到问题很容易解决。 这种问题的搜索空之间没有那么大，但关键是用第六步的两个个体划船回来。 通常很难想到两个人划船回来的步骤，所以问题不太容易。 所以，有些问题的困难不是问题本身，而是在于人们的思考习性。 思考问题时无视某个可能性，看起来偏离了某种目标，但实际上没有想到接近目标的做法，或者如果不能很好地想象问题，问题就很难处理了。 本文摘自《认识》，经中国人民大学出版社授权摘录。 原标题:《赫伯特·西蒙:思考过程有多重要？ 》阅读原文