43、人类与机器学习差异解析

人类与机器学习差异解析

1. 机器与人类学习的开篇对比

曾经有人在与机器的较量中落败，不过换个角度看，这次失败也有好的一面。在工程师眼中，机器或许才是代表人类创新的象征，比如 Watson。不过目前不用担心整个系统会变得有感知并破解核弹发射密码，这还为时尚早。

工程科学对学习理论影响巨大，但在创造真正类人的生物方面陷入了僵局。机器学习注重固定的标准化和规范性，与人类多变的集体文化规范不同。当机器学习工程师借鉴人类学习理论时，他们采用的是关于广义、非特定和非情境化的学习理论，而非文化学习理论。虽然机器学习可能逐渐认识到文化对人类学习的影响，但目前仍无法处理这种多样性。

2. 文化学习理论的发展

2.1 文化学习理论的兴起

从 20 世纪 70 年代起，学习科学开始关注文化对人类学习的重大影响。许多新的文化学习方法在一定程度上借鉴了 Vygotsky 的理论。这些方法关注的不是内在状态的变化、刺激 - 行为关系或明确的指令，而是不同人群之间的文化多样性。

2.2 文化多样性的形成因素

文化研究逐渐发现实践是创造文化多样性的主要动力，文化思维和文化实践是共同演变的。部分认知科学的启发下，一些理论强调文化多样性源于人类通过文化加权强化进行学习，从而形成了不同的知识识别和组织模式，即文化模型理论。

文化被定义为共享的模型，但每个人都会构建自己对这些共享模型的学习版本。学习是从外部社会环境进入个人内部的过程，但始终是个体内化的。在内化过程中，新建立的联系要么强化、要么破坏先前学习的模式。与机器学习不同，学习不是简单的知识传递，不会像传真一样将知识直接传入个体学习者。

<