🧠 脑与学习 (Apprendre!)

• 参数调整 学习就是调整内在心智模型（如视觉系统）的参数以适应外部世界。
• 误差最小化 人工神经网络通过反向传播 (Backpropagation) 和 梯度下降 (Gradient descent) 算法，根据错误不断微调权重。
• 探索与随机性 为了避免陷入“局部最优”，算法引入随机性（如同人类的玩耍和好奇心探索）。
• 先验知识 深度学习（如卷积神经网络 CNN）之所以成功，是因为它们内置了先验假设（如平移不变性），限制了搜索空间。观点：纯粹的“白板”学习效率极低，先验知识是快速学习的前提。

• 数据效率极高： 机器需要数百万次迭代（Data hungry），而人类幼儿只需要一两次接触就能学习一个新词（Data efficient）。
• 抽象概念学习： AI目前倾向于学习表面统计规律（改变像素就能骗过AI），而大脑提取的是抽象、深层的规则。
• 社会化学习： 人类通过语言和意图共享信息，这是机器尚不具备的。
• 思想的语言 (Language of Thought)： 大脑使用一种具有递归语法的内在符号系统，能够进行系统性的泛化，并提取出统治领域的普遍定律（不仅是识别模式，更是推断语法）。

进化在人类基因中预装了高度组织化的神经回路：

• 物体概念： 知道物体是实体的，移动 de façon continue, et ne peuvent disparaître magiquement.
• 数字感 (Number Sense)： 出生几个小时的婴儿就能区分近似数量，猴子、乌鸦也有专门对数字放电的神经元。
• 概率直觉： 婴儿会对小概率事件表现出惊讶，并能进行反向推断（如从抽出的球推断箱子里的球的比例）。
• 社会与面孔： 胎儿在子宫内就对面孔状的光点表现出偏好；10个月的婴儿能区分“好人”与“坏人”（意图推断）。
• 语言天赋： 新生儿的左半球语言网络（包括布洛卡区）已经建立，对母语有偏好，并像统计学家一样计算音节概率。

• 自组织皮层 即使没有外界刺激，胎儿的皮层也会自组织产生功能区（如图灵机制产生的网格细胞）。
• 营养至关重要 事实： 缺乏维生素B1（如以色列毒奶粉事件）会在婴儿期造成永久性的语言语法损伤。
• 敏感期 (Sensitive Periods)： 大脑突触的过度生产和修剪是有时间窗口的。语言的音位敏感期在1岁左右关闭，语法的敏感期在青春期末期关闭。早期干预（如罗马尼亚孤儿在20个月前被收养）能最大程度恢复大脑功能。

注意力解决的是信息饱和问题，它分为三个系统：

• 警觉 (Alerting)： 知道“何时”注意。情绪和游戏能触发多巴胺和乙酰胆碱，唤醒大脑，重启可塑性。
• 定向 (Orienting)： 知道“看哪里”。选择性过滤信息。事实： “看不见的大猩猩”实验证明，如果不把注意力放在某处，我们对明显的事物也会视而不见。教学必须引导学生看向正确的细节（例如，教阅读必须注意字母和发音的对应，而不是字形整体）。
• 执行控制 (Executive Control)： 交通警察。前额叶皮层处理信息存在“中央瓶颈”，人脑无法真正同时处理两件需要注意力的复杂任务。多任务处理是幻觉。音乐和蒙特梭利教育能显著提升儿童的执行控制力。
• 社会化注意力： 教学需要眼神交流（共同注意）。“我注意你注意的东西”，这是人类教学效率高的秘诀。

• 被动不学习： 在转盘上被动移动的小猫无法发展出正常的视觉。听50分钟的被动讲座效果极差。
• 深化处理： 赋予意义。只有当大脑主动生成假设、在深层语义上处理信息时，前额叶和海马体才会形成强烈的长期记忆。
• 拒绝纯“发现式学习” 彻底让孩子自己探索（建构主义极端） est un échec. 最佳方式是：高度结构化的引导 + 学生主动的大脑认知运算。
• 好奇心机制 好奇心是寻求“信息学习率最大化”的算法（不爱太熟悉的，也不爱太难的，喜欢“金发姑娘区”）。当心学校扼杀好奇心： 任务不匹配（太难或太简单）、惩罚提问、以及老师的“全知式示范”（让孩子觉得没必要再探索了）。

• 惊讶是学习的引擎： 根据 Rescorla-Wagner 模型，大脑只在“预测”与“现实”产生偏差（预测误差）时才学习。没有惊讶，就没有学习。
• 错误不等于惩罚： 犯错是获取信息的途径。高质量的错误反馈必须是具体的、即时的、无威胁的。
• 分数的弊端 孤立的分数（如 40/100）是极差的错误反馈。它包含的信息太少，且容易引起压力和焦虑（激活杏仁核，阻断海马体可塑性）。应培养“成长型思维”。
• 测试效应 (Testing Effect) 反复测试自己（如抽认卡）比反复阅读课本有效得多！ 测试强迫大脑主动提取信息，产生预测误差。
• 间隔效应 (Spacing Effect) 间隔学习是黄金法则。 将学习分散在几天/几周内，能将记忆保留时间成倍增加。

• 解放大脑资源： 学习的最终目标是将慢速的、有意识的、消耗前额叶资源的处理，转化为快速的、无意识的、自动化的平行处理（例如阅读从逐字拼读到一目十行）。
• 睡眠是学习的关键部分： 睡眠不仅仅是休息。在睡眠（尤其是慢波睡眠）中，海马体以高达20倍的速度“重放”白天的神经活动模式。
• 睡眠的发现能力 睡眠将零散的片段转移到皮层网络，提取出更抽象的规则（顿悟效应）。事实： 睡一觉后，解决隐蔽数学难题的几率翻倍。
• 儿童更需要睡眠： 儿童的睡眠效率是成人的两到三倍。推迟青少年早晨上学时间能显著提高成绩。