分类:上下左右贯通

来自Big Physics
Jinshanw讨论 | 贡献2021年6月16日 (三) 19:49的版本 →‎研究问题
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)


研究背景

在具体学科中,我们有学科的典型思维方式,例如,数学的抽象化和具体化,数学的演绎推理(甚至以此为基础的整个公理化体系),物理的分解和综合,物理的实验检验,地理的因地制宜,生物的层次性结构和功能等。那么,这些具体的思维方式,是不是可以看作是更加基础的一般性人类思维被用于某一类研究对象和研究问题上的结果呢?如果是,那样的一般性人类思维是什么?能不能找到这样的更加基本的人类思维方式,达到这样的境界:将来只要学会这样的基本思维方式以后,用到具体对象和问题上,就能够把各个学科的具体思维方式、分析方法、概念等等都重新创造出来。如果能够做到,则对教和学还有研究,就会非常有用,甚至,没准还可以来训练这样的人工智能——这些人工智能机器人一旦掌握了这些基本的思维方式,原则上,就可以自己得到一套知识的表示。

对于这个问题,我们猜,有,而且只有两样:上下和左右贯通。上下贯通的意思是也就是从低层知识提炼出来高层知识,以及以高层知识生成器为目标为指导得到低层知识,例如从具体问题的研究中提炼出来概念和思维方式分析方法,或者把一个已经得到的分析方法用于一个具体对象的具体问题的研究,也可以叫做层次性思维。左右贯通指的是把一个领域内的一个已经上下贯通的结构,迁移到另一个领域的某个对象上去,也就是通常说的类比。例如,用代数表达式以及代数表达式的运算来处理几何问题,用物理学的思维来尝试解决经济学语言学的问题。

因此,在这里我们问:各种各样的学科思维方式真的可以看做是上下左右贯通的表现吗(没别的了吗?),上下左右贯通真的是一定程度上有共性的吗,如果能够验证这个猜想如何设计出来合适的方式来让这个猜想在教、学、研究中发挥作用?

实际上,我们的整个“在人类知识高速公路上以高层知识生成器为目标的理解型学习”都是建立在知识的层次以及上下左右贯通的基础上的,我们的主要工具概念地图背后的理念也是知识的联系、通过联系来实现上下左右贯通。因此,这项研究是我们整个基于理解型学习的全新的教育理论、教育模型、教育实践的基础。

顺便,我们把层次性思维和类比思维合起来称作系联性思考。当然,除了在思维开展的方式上的维度上,还有思维开展的质量的维度。前者就是系联性思考。后者有批判性思维——思维过程的任何一步都需要经过演绎逻辑的证明或者说计算,或者需要经过实验检验,甚至两者都要。不过,这个思维质量的维度,我们在其他项目中研究。另外,还可以考虑思维的态度的维度,也就是,是否愿意开展系联性思考和批判性思维,是否愿意提出和面对问题。这个维度可以总结为深度思维的意愿或者说成长型思维。这个维度,我们也在其他项目中研究。

研究问题

我们把上面的问题表述为几个科学问题。

  1. 上下贯通(层次性思维)的各种思维过程的脑活动是否共用性?这个共性可以通过对比各种思维活动以及改变思维对象素材来实现。
  2. 左右贯通(类比思维)的各种思维过程的脑活动是否共用性?
  3. 这些脑活动是否可以通过某些学习训练来激发?有哪些这样的学习训练,甚至其他方式?
  4. 一旦通过学习或者其他方式,激发了这样的脑活动,是否可以更好地开展相应的思维过程?
  5. 这样的激发是否可以长期保持?是否需要时不时地训练?

至于人工智能如何借鉴这些研究成果,等到这些研究成果基本明确了,再来讨论。原则上,我们可以先解决如何设计具有这些基本思维能力的人工智能模型,然后再来看如何把这样的模型组合起来用到具体场景中解决问题。

前人研究

Hinton认为下一代的人工智能首先要解决层次性思维的问题[1]。Hofstadter以及Mitchell等人的研究关注的是类比思维在整个人类思维中的基础作用[2][3]


参考文献

  1. Geoffrey Hinton, How to represent part-whole hierarchies in a neural network, 2021, arXiv cs.CV 2102.12627
  2. Douglas R. Hofstadter, Fluid concepts and creative analogies
  3. Melanie Mitchell, Abstraction and Analogy-Making in Artificial Intelligence, 2021, arXiv cs.AI 2102.10717

本分类目前不含有任何页面或媒体文件。