【CC讲坛】罗欢：信息爆炸中的知识获取:来自脑科学的启发_风闻

罗欢

北京大学心理与认知科学学院 研究员

北京大学麦戈文脑科学研究所 研究员 博士生导师

演讲实录：

我相信我们每个人都感受到，我们生活在一个信息爆炸的时代。

这既是一个好的时代，也是一个坏的时代。好的地方是我们有了千载难逢的机会，能够在很快的时间内，去接受我们人类几千年来所累积的壮阔知识，但是另外一个不幸的地方就是，在面对这样的知识的星辰大海的时候，在被震撼的同时，我们也会感受到一种无力感，一种渺小感。

信息爆炸带来的另外一个问题就是知识的碎片化，带给我们的一种焦虑就是，一方面我们觉得有可能做到无所不知，但是经过深刻地思考的时候，我们又会发现其实自己是一无所知。

其实大家并不需要自责于自己面对这样的海量的碎片化知识所带来的渺小感和无力感，因为我们人脑认知的基本规律就决定了，我们的大脑和我们的认知系统，是无法处理和存储这样海量的碎片化信息的，借用一句话， “人，生而自由，而又无往不在枷锁之中”。

其实我们脑认知的基本规律，就是附着在我们大脑上的一个“枷锁”，知道我们有这样的“枷锁”，我们才知道如何去应对，才知道我们自己生而为人的局限性。

我们有什么样的“枷锁”呢？

首先，我们的注意资源是有瓶颈的，所谓“一心不可二用”。

很多心理学实验都告诉我们，即使有海量的信息进来，只有部分的信息能够通过瓶颈被我们的注意所加工，所以我们不可能在同一个时刻，用大量的注意力去做需要大量注意的事情；我们也不可能在同一个时刻，和多个人进行着非常深入地交流。

比如为了保证驾驶安全，禁止你在开车的时候打电话，它所基于的科学研究的成果，也是因为知道注意瓶颈这样一个作用。

除了注意资源以外，我们的记忆资源也是存在瓶颈的。我们的记忆可以想象成是两个系统的连接。

一个系统是一个短时的工作记忆系统。工作记忆系统，有点像我们所有信息记忆系统的一个入口，我们经常说一个人智商高，其实就说明他的工作记忆非常的强。

工作记忆系统，它有一个非常有趣的特性，这个特性就是在短时间内，工作记忆容量是有限的。

它的容量是多少呢？经过大量的实验证明它是5±2，什么意思呢？就是说在短时间内，你只能够记住5±2个， 比如数字、或者5±2个物体、或者5±2个什么其他的东西，所以我们的家长在给孩子短时间内“填鸭”的时候，是没有作用的，因为如果你给了他很多的信息，超过了他的工作记忆容量，它是进不了这个工作记忆系统的。

除了工作记忆系统以外，我们还有一个长时记忆系统。

长时记忆系统非常有趣，首先它保存的时间特别长，第二它的容量理论上是可以无限的。

这就给了我们一个非常振奋的前景，好像我们人真的可以变得非常聪明，可以记住所有的东西。但事实上，长时记忆系统如果真的能够把知识存储，它是需要多次的整合、多次的巩固的。

所以也许你今天通过临时抱佛脚，能够让你明天的考试成绩好一点，但如果你不经过长时间的记忆巩固，和这样的一个整合，这些信息就会被时间修剪，依然不能够成为你真正的长久的知识。

我们如何从一个有限容量的工作记忆系统，能够达到一个无限的，知识的长时记忆系统？

我今天特别想跟大家分享的，就是一个特别特别核心的东西，叫做“结构化”。

什么是结构化呢？

我先举一个非常简单的小例子，我会给大家呈现十五个数字，请大家在短的时间内把它记下来。

好，我知道大家一定在记了，有的人开始去寻找数字之间的关系，8-3 +7……

其实这是一个很难的任务，为什么？

我刚才说过，因为十五个数字超过了我们的工作记忆容量，所以理论上我们人类是做不到的！

但是我们只需要用一个非常简单的办法，就会让大家觉得它会很好记，什么样的方式呢？

把它分段开！

这样一个分段开，为什么能够起到作用呢？

是因为这种分段，就把这十五个数字进行了结构化，就类似于把十五个数字放到了四、五个抽屉里面，也就是我们的工作记忆容量的抽屉里，这样就会降低你记忆的负荷，并且促进你记忆的形成。

其实大家可以看我们生活中已经使用了这个方式，比如电话号码，它就会用这样的方式呈现对吧？银行账号，也会有这样的方式呈现。所以其实生活中的很多发现，都基于科学的一些基础研究。

所以我们知道了外部的知识，是碎片化和无规律的，通过一些梳理统计，我们可以对这些数据进行一个标签，产生信息，但是知识既不是数据，知识也不是信息，知识是什么呢？

知识是这些碎片化信息背后的联系结构，把这些点和点之间的连接读取出来，这才能成为真正的知识。

知识如果如此重要，那我们的大脑又是如何去获取这样的知识的呢？这就是我们实验室近几年研究的一个方向。

第一项研究，我们人的大脑，是如何存储一段声音序列？

可能大家会说，你为什么要研究这个问题啊？因为声音序列在日常生活中非常常见，比如大家要记住一首旋律，记住一首歌，记住一段话，它们都是声音序列，可是放到实验室里你怎么去研究这个问题呢？

我们需要非常严格的实验控制，所以我们会招募一些正常的大学生来参加我们的实验。

我们会让他记住一段声音序列，然后把它们保存在他们的工作记忆里，同时记录他大脑的活动，我们就知道这个记忆是不是在他的大脑中存储，我们能不能够从他的大脑中把他的记忆读取出来。

但是我们碰到了一个非常难的问题，当我们的信息进入了我们的工作记忆系统以后，我们的大脑会进入一个我们称为“静默态”的状态。

什么叫“静默态”呢？你可以把静默态想象成是一杯透明的水，你明明知道这个水里有东西，但是你读取不出来，因为它是透明的，我们怎么解决这个问题呢？

我们采用了一种叫做“冲击响应”的手段，就有点像往这个透明的水杯里扔一个石子，这个石子会激起水花，这个水花通过你的读取和分析，就知道这个系统里包含了什么，这个就是我们的手段。

为了这个概念让大家更明白，我又借用了《猫和老鼠》里的片段，我们可以把钢琴想象成是一个记忆系统，这个Jerry（小老鼠）就是记忆系统里藏的信息，但是它可以非常安静地躲在这个钢琴里，Tom（猫）如何去检测到这个躲着的Jerry呢？它可以使劲地去敲击钢琴。

敲击，就像是一个冲击反应，使劲地打这个钢琴，钢琴里面如果躲着一个信息的话，这个信息就会被激发出来。

当然了我们在实验室里，不可能敲击我们实验者的大脑，对吧，我们用什么样的办法呢？

我们用了一个非常简单的方法，就是当他们保存这个信息在他们大脑的时候，我们会播放一个白噪声，这个白噪声是什么声音呢？

我模仿一下，就是“嗞 嗞…… ”

这个声音就类似于对我们的大脑起了一个冲击，然后我们想看一下，只要播放白噪声，能不能把你大脑中记住的音调信息，给激发出来呢？

我们的结果发现确实是的，只要你在记忆的过程中播放一个白噪声，通过读取他的大脑信号，我们就能够解码你的大脑里面，当时存储的是什么音调信息，同时我们也开发了其他的一些干扰手段，发现还能够把其他的信息激发出来，比如结构信息，也就是说这个音调是在这个序列中间第一个位置 ？还是第二个位置？还是第三个位置？

所以总结一下这个研究，我们的大脑如何去记忆一个声音序列？就像我们日常生活中做到的，你听到了一个你特别喜欢的歌曲，你想把它存在你的工作记忆里，你如何做到的呢？

其实大脑并不是像一个录音机一样，把这个声音序列粘贴在你的大脑里，大脑做什么呢？大脑会把这个声音序列里的内容和结构分离出来，分别存储，它的内容就是这个音调本身，比如是Do、是Re 、还是Mi？而它的序列结构，它是处于第一个位置、 还是第二个位置、和第三个位置，这样你就不会搞混到底是Do Re Mi 还是Mi Re Do了。

我刚才不是和大家分享过，结构的抽取是知识获取的必要条件，所以这里就是抽取了序列的结构，把它存储在我们的记忆里。

但是序列结构毕竟只是一种非常简单的结构，大家可以看到这十个人在排队，他们形成了一个序列，那你们猜他们在干什么呢？在今天的语境里，我们都觉得他们在测核酸，对吧？

其实它是一个在排队，我们可以拿这个例子再简单地解释一下，什么叫内容？什么叫结构？

不同的人，可以每天都有不同的人，但他都站在同样的位置，所以这个序列结构是不变的，但里面的内容是不停地变的，但是对于这样一个简单的序列结构，它的问题就是，这个人和人的关系太简单了，我们只关心谁排在第一位，谁排在第二位，谁排在第三位，但人和人的关系显然不止这么简单，知识关系也不是这么简单，人和人的关系可以非常复杂。

所以我们就想继续地去研究一个更复杂的网络结构，能不能在我们的大脑中被抽取出来，并且被存储，并且被学习。

所以在实验室中我们就从简单的序列，开始研究复杂的网络，这个是我想给大家分享的第二部分研究。

首先我们找到了十五幅随机图片，相互之间也没有什么关系，但是我们干了一件事情，我们强行地赋予这十五幅图片之间一个关系，使得这十五幅图片的关系，符合一个非常复杂的网络，这个网络就长这个样，这个网络 我们把它称为社区网络结构。

我们怎么做这个事儿呢？我们可以把这十五幅图片，放到这个网络上的每个节点，当这些图片之间有连线的时候，就是表示它们被我们强行赋予了某种关系，就像两个人认识了一样，而这两个图片之间如果没有连线的话，就是代表它们之间的关系是比较弱的，我们让人类受试者去学习。

这里面还特别需要强调的是，这个网络在我们参加实验的受试者中，他们从来就没有见过，他们从来就没有看见过这个网络，他们看见的是什么呢？他们实际上看见的只是一幅一幅图片。

我们真正做实验的时候会每次只呈现一幅图片，我们让这个参加实验的人，你去猜图片的下一幅是什么？

你肯定开始的时候猜不出来，会一头雾水，但没关系，通过你的答案，我们会给你反馈，你就可以猜下一幅是什么、下一幅是什么、下一幅是什么……不断地猜、不断地猜，不断地给你反馈。

所以参加实验的人，他们看到的就是一堆图片流，他们根本就不知道这些图片背后会附从这样一个非常复杂的网络关系结构，但他是否能够学习到呢？

我们的研究结果表示，其实人是可以学习到的。

这个就是他们的行为成绩，预测成绩越来越好，从开始基本上是乱猜，到最后都能够猜对。

猜对说明什么？说明他们掌握了这十五幅图片之间的关系，也就是他掌握了这个知识结构。

但是最酷的地方是，我们从他的大脑活动中，通过一些分析，也发现了这样一个网络结构，真的能够在他看到图片的过程中涌现出来。

总结一下这部分研究，当我们看一个图片流的时候，我们大脑是能够去从这个连续的图片流中间，抽取出它之间的一个复杂的网络关系，并且把它在大脑中给表征出来。

可能大家会觉得这个能力很神奇，其实我举一个例子你就会发现，你在日常生活中都有，比如大家读一本书，或者看一部电影，或者看一部话剧，这里面的人物即使是一个一个地登场，你是不是过了一会儿就会建立起这个人物关系的网络出来了？所以其实这是我们日常生活中的一种能力，没有问题，只是我们在这里，通过一些非常严格的实验设计，来发现我们人类确实能够把这些事物之间的关系提取出来，并且用一种网络的方式表达出来，我们还在大脑的神经活动中找到了这样的证据，所以这个是我们研究的一个发现。

那我们有没有最好的网络，特别适合我们人脑学习呢？这个问题也是一直让我觉得特别有意思的问题，所以这是我要介绍的第三项研究，就是我们人类是否擅长学习，特定的某种类型的网络呢？

我们还是用了刚才我们的研究的方法，就是我们把这十五幅图片，但是跟刚才不一样，我们把这十五幅图片，强行地分配到了四种类型的网络，然后我们把这十五幅图片嵌到这个网络结构中，然后我们找了四组人来分别去学习这四个网络，看一看哪组人学习得更好，换句话说，这四种人看到的图片内容都是一模一样的，它唯一不一样的是它们之间的关系不一样，我们就想知道哪一种网络学得更好，大家来猜一猜，哪一个最好？

规则！我猜应该是这样，为什么？因为它看上去特别简单，后面几种网络看上去很乱，应该很不好学习，那我们来看一下我们的研究结果是什么，它会让你有一点惊讶的！

我们发现是最后一种“无标度”，这个看上去非常乱的网络，其实你很好学习，规则网络，不但不是最好的，基本上是最差的，这个非常有意思吧。

这个结果说明什么呢？这个结果就提示了，至少我们人脑可能具有一种内禀的网络特性，这个网络特性就是无标度网络。

所以当我们外界的网络，符合人脑的这个无标度网络的时候，我们就特别容易学习这个知识结构，而如果不符合的话，我们就会稍微难一点儿学习。

无标度网络有什么神奇的特点，神奇的本事，会让我们人类特别擅长于学习呢？

我们把刚才的四个网络再给大家解释一下，刚才“规则网络”我已经讲过了，就是非常的规则；

“随机网络”是什么呢？随机网络就是这些节点之间的连接是随机并且均匀的；

“小世界网络”是什么呢？小世界网络就是它的局部连接很紧密，但是局部和局部之间，有一些非常稀疏的长程连接；

那什么叫“无标度网络”呢？无标度网络特别像咱们的现代社会，它会有一些大枢纽，然后枢纽下面还有小枢纽，它会有枢纽并且有层级感。

其实在我们的生活中 无标度网络也很常见，比如我们的人际网络也算是一个无标度网络，另外我们的万维网，就是因特网，这些网站之间的关系结构也是无标度，我这边的一幅图，画的是航空图，你也可以看到它呈现一个无标度网络特点，因为它里面有一些枢纽的大城市，并且有人还研究过我们大脑，区域和区域之间的关系，也发现它貌似符合这样一个无标度网络。

所以我们总结一下这部分的研究，我们比较了四种类型的网络，我们发现非常反直觉的地方是，我们的人脑是非常擅长于学习这种无标度的网络的。

我已经介绍完了我的几项研究，那么我们现在来总结一下我今天给大家分享的。

首先，当我们的大脑面对海量的碎片化的信息，就像我们今天在这样一个信息爆炸的时代，由于我们人类天生的“枷锁”，也就是我们的注意和记忆的瓶颈机制；

这些碎片化的信息理论上，我们就没有办法去注意、去记忆、去学习。

但是我们可以试图从这样一个碎片化的信息中，提取出它背后的一个结构，这样的一个结构，可以去降低、克服我们的注意和记忆带给我们的瓶颈；

通过这样一个结构关系的提取，我们也就获得了知识，而且我已经给大家分享了我们的一些基础研究。

告诉大家，其实我们人脑非常擅长于学习这种网络结构，无论是序列结构，无论是社区网络结构，还是各种各种类型的网络结构，而且我们有特别的脑区或者好几个脑区，专门来提取这样的一个结构信息；

在这些网络中有一个明星网络，它就是“无标度网络”，这个无标度，我刚才介绍过它有很多的特性，使得它的信息传递率非常的高，也是特别适合擅长于让我们去学习。

所以我最后想总结一下，你们如何地有效学习和获取知识呢？

第一点 ”填鸭式“是没有用的，因为”填鸭式“没有办法克服我们注意和记忆的认知瓶颈，你做不到，所以你是没有办法有效地吸收知识的；

第二，如果你想更好地去克服这个瓶颈，学习知识，你需要提取碎片化信息背后的结构，而不只是这些碎片本身；

第三，我们人脑本身就具有这样的能力，擅长提取信息之间的关系结构，并且我们有专门的脑区去存储它；

最后，再给大家两个彩蛋，是根据我们的研究，提供的一个启发，但是我们并没有实验证据直接支持。

第一个彩蛋就是，如果你学习了新的知识，你该怎么存储它呢？其实我们的研究提示，你可以把新的信息嵌入你原有的知识网络架构中，也就是对这个知识进行贯通；

第二个彩蛋是什么呢？我们的结果发现我们人脑，特别擅长于学习这种无标度网络，无标度网络就是有枢纽、有层次的这种网络，所以当我们以后再想学习外界的知识的时候，我们也许可以把这个知识的网络，试图整合成这样一个无标度网络，就好像特别适合我们人类学习的这一款，它也就可以提高我们的人类的学习能力。