【AI 时代的教育-07】提升元认知的工具

因为组织 2050 的论坛，我前天认识了一个研究婴儿学习与认知科学的小姐姐，很开心地和她聊起人类大脑和大语言模型的相似，翻出好些有趣的陈年旧文章。

比如满篇错字人类能看得懂，LLM 也能读懂。

在 GPT4 识图功能刚出来时我甚至还翻出认知心理学教材，对照着视觉实验一个个做着玩儿，好多都能和人脑的特点对应上。我玩得乐此不疲，觉得一年前就在公众号开了个“AI 认知心理学”的专题真是很高明。

研究认知科学的小姐姐也觉得有意思，补充说她在牛津大学 babylab 访问学习的时候，实验室教授就希望通过研究婴儿的学习来为机器学习提供框架。

---

还是前天，晚上我看到微信群里大雨聊伪代码 prompt，有一些故意为难 LLM 的误用，就顺手点评了几句。在我看来最适合在 prompt 里使用伪代码的，是那些用自然语言表述特啰嗦还有歧义的场景，换成伪代码简洁精确效果就会好很多。

那具体何时该在 prompt 里用伪代码呢？我建议大雨用人类的感受去做判断。如果一件事复杂到你在对人表述的时候会想要定义特定名词、画流程图，那你的 prompt 里用上伪代码就会很有帮助。

---

同一天里，两次，我把大语言模型和人脑做了类比。突然就想起 Seymour Papert 在 Mindstorms 一书里的观点：孩子们通过思考计算机程序是如何运行的（计算机是如何“思考”的），能反过来帮助理解自己该如何去思考。

1980 年代的计算机，还只能机械地执行程序。孩子们通过它，能反观自身的逻辑思维。

如今的大语言模型可就复杂多了：它有机器幻觉，它会“忘记/想不起”一些事儿，用不同的 prompt 能让它给出刻板或灵活的回复……总之，它简直就像个小孩，有自己的脾性。

那探索 LLM 的特点，或许能帮助我们理解自己思维的特点。这，就是提升元认知的机会了吧。

其实把自己的大脑看成一个大语言模型，也挺有意思的。

说话时是凭感觉直接往外吐字，还是添加了思维链一步一步想好再回答？ 

对方的话语是否模糊？大脑是否因此开始胡乱做假设？

有没有因为被对方的话语带到一个特别的情境里，而给出针锋相对的回答？（对方的话语就好比 prompt 里的例子） 

此时此刻大脑的注意力在哪里？是否变化输入形式/格式，能帮助自己更好地思考？

……

最简单却又最有启发的，莫过于关于数据的类比：  你选择看什么书或视频？喂给大脑的数据质量，决定了大脑输出的质量。