好奇心核心是一种算法:哪种路径能最短时间获得知识

好奇心核心是一种算法:哪种路径能最短时间获得知识
2018年09月02日 09:47 新浪科技
就像买书一样,好奇心会促使我们去了解新信息,但又不能是全新的、完全无法理解的信息就像买书一样,好奇心会促使我们去了解新信息,但又不能是全新的、完全无法理解的信息

  新浪科技讯 北京时间9月2日消息,据国外媒体报道,人类有吃吃喝喝的欲望,也有繁殖后代的欲望。而卡耐基梅隆大学的经济学与心理学教授乔治·勒文斯坦(George Loewenstein)指出,好奇心也是如此。我们对学习的无穷欲望,对发明、探索和不断求知的欲望,“理应和其它欲望具有相同的地位”。

  但好奇心的奇特之处在于,它似乎不与任何特定奖励有关。勒文斯坦曾经写道:“好奇心的理论之谜在于,人们为何对那些不会带来任何外在利益的信息如此着迷呢?”人们会追求食物、水、性爱、庇护所、休息、财富、或任何让生命多姿多彩、增添兴味的东西。但分析引力的本质、或登上月球,又有什么好处呢?

  这个问题可以答得很简单:我们今天所学的知识说不定哪天就能派上用场。就以虫子为例。美国加州萨尔克生物研究所的神经生物学家史利康斯·查拉萨尼(Sreekanth Chalasani)称,虫子可是雷打不动的积极主义者。他一直在研究秀丽隐杆线虫,即一种常见的、只有1毫米长的线虫。在实验中,他会将一条秀丽隐杆线虫放到一大片细菌上,这是它们最喜欢的食物,周围再放上大量可与之交配的秀丽隐杆线虫。“它会怎么做呢?实验发现,它们会离开这些细菌,去寻找其它食物。”查拉萨尼表示,“并没有证据显示外面还有更好的,这已经是我们能提供的最好的食物了。它们简直是疯了!”

  不管你是抛下现成的食物、还是飞到太空中去,探索都似乎是件疯狂之举。不过,谁知道什么时候食物就会吃光了呢?查拉萨尼表示,从进化的角度来说,的确应该多看看外面的世界。掌握更多信息能帮助我们做出更好的选择,更好地适应不断变化的环境。说不定某天我们就需要建造月球基地了呢。

罗彻斯特大学的神经科学家塞莱斯特·基德利用眼动追踪设备监测婴儿们注意力的走向。罗彻斯特大学的神经科学家塞莱斯特·基德利用眼动追踪设备监测婴儿们注意力的走向。

  但好奇心不仅仅是四处游荡。我们也会对特定的事物感兴趣,不同的人更是会对不同的东西感兴趣。有些人只是处于爱好、喜欢稀奇古怪的东西,有些人则是八班武艺样样精通。人们的兴趣如此各式各样,说明在喜爱漫游的天性之上、还有其它某种东西在引领我们培养出独特的兴趣爱好。

  科学家们正在研究好奇心的机制,结果发现,好奇心的核心其实是一种概率算法。人脑一直在不停计算,哪种路径或行为能让我们在最短时间内获得最多知识。就像百度百科页面上的链接一样,好奇心也会逐渐积累壮大,每个问题都会引向下一个问题。随着你一路点开这些链接,你从哪里开始,往往也决定了你会在哪里结束。而这正是好奇心的有趣之处:人们好奇的主要是自己已经知道的事物,而非自己不知道的事物。

  简单来说,你可以将好奇心描述为“动机+方向”的函数。但这里的动机并非那么显而易见。口渴、饥饿、情欲……这些都是人类其它欲望背后的动机。但好奇心的动机又是什么呢?

  19世纪的德国哲学家亚瑟·叔本华认为,生命的主要任务是“维持生存”,其次是“躲避无聊。无聊就像猎食的鸟儿一样,无时无刻不在我们上方盘桓。一旦发现某人的生活衣食无忧,就会随时降临。”心满意足就会招致无聊,而好奇心则是将我们带离无聊之境的船票。人类学家拉尔夫·林顿(Ralph Linton)甚至更进一步,于1936年写道:“相比于人类的社会或自然需求,无聊才是人类文化进步的根源。”换句话说,正因为人类厌恶一成不变、单调乏味的生活,才积累了不计其数的丰富知识,如丰富的语言、雄伟的建筑、新颖的玩意儿等等。

  但仅仅是无聊还不足以解释人为什么有好奇心。勒文斯坦指出:“人们曾将好奇心和无聊视为对立的两极,但这种观点已经过时了。”如今的新观念认为,无聊与好奇心之间的关系,并不等同于饥饿与饱腹、或口渴与解渴之间的关系。无聊“其实是大脑发出的信号,提醒你现在没有对大脑的某个部分进行充分利用,”就像坐久了腿会麻一样。无聊提醒我们要锻炼思维,但除了好奇心之外,还有其它方法可以缓解无聊,比如食物和性爱等等。此外,就算当我们不感觉无聊时,也会产生好奇心。事实上,我们有时还会把自己正乐在其中的事情抛在一边,只为去学一些新东西。

  就像查拉萨尼的线虫们会离开现成的美食一样,人类和其它灵长类动物也常常会用这种“奖励”换取其它信息。为评估这种倾向,研究人员采用了“土匪任务”测试法。受试者需在几张图片或其它选项中重复做出选择,每个选项都带有不同的获得奖励的概率(奖励通常是钱)。多做几次之后,受试者就会记住哪些选项最可能带来奖励,并一直选择这些奖励概率高的选项。但如果出现了一个受试者未见过的选项,他们往往会选择这一新选项,宁愿放弃可能的奖励,因为新选项的奖励可能更高。

  脑部研究表明,这种“新奇奖励”,即我们在心中为新选项给予的额外分量,至少在部分程度上与其激发的狂喜感有关。如2007年的一项研究发现,就像巴甫洛夫实验中的狗听到铃声就会流口水一样,每当我们期待着能发现某样新东西,大脑中负责处理爱情和甜食等奖励的脑区便会随之激活,即使期待落空也会如此。研究人员总结道,这些研究发现“说明大脑可能会将新奇的事物作为类似于奖励的东西来处理。”

  因此你刚点开百度百科时,可能是如叔本华所说,为了“躲避无聊”。但如果你连着看了三小时蒙古人入侵日本的历史,就可能是因为你潜意识里喜欢不断点击链接带来的兴奋感。同理,也正是这种多巴胺带来的兴奋感驱使我们的祖先殖民澳大利亚和北极圈、发明了陶器、雕刻了无数精美绝伦的艺术品。

  但你看的为什么偏偏是蒙古人的历史呢?为什么不是其它稀奇有趣的东西呢?为什么好奇心会吸引我们点开这个链接、而不是另一条链接呢?

  勒文斯坦在1994年的一篇论文中指出,好奇心的方向取决于所谓的“信息空白”(information gap),即你突然意识到自己还不知道某一知识、非得立刻填补上这一空白不可。这种空白可以与真实世界有关(这只奇怪的虫子叫什么名字?),也可以与精神世界有关(什么是爱情?)。勒文斯坦的理论能够有效解释为何病毒式新闻的标题总是令人无法抗拒、想要一探究竟,也能解释为何好奇心既被视为优点、又被看成弱点。

  不过,这种“信息空白”要想具有足够的吸引力,就既不能让人感觉太过陌生(比如新闻标题是用葡萄牙语写的),又不能过于熟悉。2009年,勒文斯坦等人开展了一项研究。他们让受试者躺在功能性磁振造影机中,同时问他们一些小问题,比如:用来模仿人类唱歌声的乐器是什么?地球属于哪个星系?对于每个问题,受试者都要评估自己回答时的自信程度如何。研究人员还要求受试者评估自己对每个问题的好奇程度,同时监测其大脑中奖励中心的激活强度(另一种评估好奇心的方式)。

  不出所料,受试者对自认为很了解的问题最不好奇。但他们对自己毫无头绪的问题也不感兴趣。而他们最好奇的,是那些有挺大把握、但又有些拿不准的问题。这种信息量不多不少的问题似乎最容易激发人们的好奇心。

  罗彻斯特大学的神经科学家塞莱斯特·基德(Celeste Kidd)指出,婴儿们也最喜欢新鲜、但又并非完全陌生的事物。在2012年的一项研究中,她和同事们将一群七八个月大的婴儿放在一块屏幕前,屏幕上有三个标着不同图案的箱子,每个箱子里都有一样东西,如一块饼干、一把勺子、或一辆小轿车。这些东西会从标着特定图案的箱子里冒出来,就像打地鼠一样。在基德的设置下,有些图案会出现得更频繁。这样一来,有些顺序组合就会显得更罕见一些,因此也更令人意外。

  婴儿们在观察屏幕时,研究人员用一台眼动追踪设备观察他们的眼部动作,发现其中存在明显规律:令其感到意外、但又不是全新的图案最容易吸引婴儿的注意,而非常眼熟、或非常陌生的图案都吸引不了他们的兴趣。

  大脑会下意识地选择“刚刚好”的新奇度,这有点像我们去书店时的情况。基德表示:“你肯定不会买儿童书籍,也不会买自己看过很多遍的书。”你也不会买自己根本读不懂的书,比如俄语写的天体物理学教科书。“因为读起来一点都不好玩。”要想学习新知识,你至少要有一些切入点。要是和你的实际水平相差太多,就永远都吸收不了。因此大脑在敦促你尽快收集信息的同时,会自动让你避开太熟悉或太陌生的知识。

  机器人倒是可以用来分析这种思索过程的作用机制。但由于机器人缺乏产生好奇心的根本动机,首先就要为其提供一些动机。德国波鸿鲁尔大学研究人工智能的博士后研究员瓦伦·康培拉(Varun Kompella)表示,只需通过程序设定、让机器人追求某种奖励就行了。奖励本身是什么并不重要(哪怕只是个数字都行),只要机器人知道存在这一奖励、并想要获得奖励就可以。机器人也不知道如何才能获取奖励。但就像人类学到新知识便能分泌多巴胺一样,就算看似毫无用处,机器人的激励系统也能让学习成为对自身的奖励。

  康培拉在研究中采用了一台名叫iCub的开源类人型机器人。它有着乳白色的皮肤、银色的关节,有脑袋、眼睛、手指、甚至还有乳头,但没有头发和双腿。在康培拉发来的视频中,iCub坐在一张桌子后面,直接与地板相连。桌子中间放着一只塑料杯。只见机器人开始前后移动,并试着握紧和张开拳头。一开始,每个新动作都会教会它一点新东西,它也能很快获得奖励。不过,它很快就学完了要学的动作。

  接着,在一次随机动作中,它突然撞翻了桌上的杯子。这为它带来了新的奖励,也为它打开了新知识的大门。这就像水手在数月的海上漂流后忽然见到了大陆的踪影,就像乔治·马洛里(最早尝试攀登珠峰的人之一)头一次听到珠穆朗玛峰的大名。这就是好奇心,不再是随机的行为,而是有了行动的方向。

  那接下来呢?答案取决于一套概率算法,通过计算得知哪种行为最可能为机器人带来另一次奖励。在上述情况中,该算法的结果是,由于在塑料杯附近移动胳膊能让机器人了解一种新动作,还能带来奖励,因此在该区域执行类似动作更可能让机器人学会新技能。相比之下,无论是像之前一样无视这个杯子、继续做随机动作,还是将注意力放在杯子上、但执行完全不同的动作,都不会有这么好的效果。为什么要注意这个杯子呢?因为它就在那儿呀。

  最终,iCub机器人学会了拿起杯子、移动杯子、以及把杯子放到桌子的某一点上。而最后一项正是康培拉想让它完成的任务。但它之所以能学会把杯子放到正确的位置,很大程度上是因为它被固定在桌前的地板上,几乎没有其它选择。

  与之类似的是,基德的实验能够追踪婴儿在任何给定时间点接收的信息数量,让她能够控制信息的新奇程度,也能限制婴儿们的选择。她选来参加实验的都是七八个月大的婴儿,因为这个年龄的婴儿刚刚学会抬头,但还未学会走路。而走路本身可比学习走路有趣得多。正如基德所说:“这两者根本没法比。”

  若能预判、甚至控制人们的好奇心,便意味着能更高效地教书育人、更好地了解精神疾病、以及更持续地享受乐趣,生命也将永无无聊之患。但好奇心研究起来如此困难,说明好奇心无休无止、更不可能真正加以引导。就目前而言,好奇心带给我们的疑问只会越来越多。(叶子)

新浪科技公众号
新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

创事记

科学探索

科学大家

苹果汇

众测

来电聊

专题

官方微博

新浪科技 新浪数码 新浪手机 科学探索 苹果汇 新浪众测

公众号

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片