Uzyskaj dostęp do ponad 250000 książek od 14,99 zł miesięcznie
Odkrywcze spojrzenie na badania nad fenomenalnymi zdolnościami mózgu do nauki a także nad potencjałem imitujących je programów komputerowych.
Ludzki mózg jest rewelacyjnym urządzeniem. Posiada nadzwyczajną zdolność do przeprogramowywania się, która stanowi niewyczerpane źródło inspiracji dla dzisiejszych twórców sztucznej inteligencji. Jak się uczymy? Jakie wrodzone biologiczne fundamenty leżą u podstaw naszych zdolności do przyswajania informacji? Dlaczego w ogóle ewolucja wymyśliła proces nauki?
Sięgając do najnowszych odkryć z zakresu informatyki, neurobiologii, psychologii poznawczej i pedagogiki, Stanislas Dehaene prezentuje, jak naprawdę przebiega proces nauki oraz w jaki sposób można maksymalnie wykorzystać – a nawet wzmocnić – algorytmy mózgu do uczenia się: w szkołach i na uniwersytetach oraz na co dzień, niezależnie od wieku. Autor uczy nas, jak się uczyć dzięki prostym rozwiązaniom dotyczącym zabawy, ciekawości, kontekstu społecznego, koncentracji a także snu.
Nader treściwa książka dla pedagogów, rodziców i innych zainteresowanych tym, jak najefektywniej wspomagać dążenie do wiedzy – „Publishers Weekly”
Ebooka przeczytasz w aplikacjach Legimi na:
Liczba stron: 484
Dla Aurory, która urodziła się właśnie w tym roku,
i dla wszystkich, którzy byli kiedyś dziećmi.
Zacznij więc od lepszego poznania swego ucznia; z największą bowiem pewnością nie znasz go zupełnie.
Jean-Jacques Rousseau, Emil, czyli o wychowaniu[*] (1762)
Dziwne to i zdumiewające: znamy każdy zakątek i zakamarek ludzkiego ciała, skatalogowaliśmy wszystkie zwierzęta na planecie, opisaliśmy i nazwaliśmy każde źdźbło trawy, lecz metody psychologiczne pozostawialiśmy przez stulecia empirii, tak jakby miały mniejsze znaczenie niż metody lekarza, hodowcy albo plantatora.
Jean Piaget, La pédagogie moderne (1949)
Jeśli nie wiemy, jak człowiek się uczy, jakim cudem mamy wiedzieć, jak go kształcić?
L. Rafael Reif, rektor MIT (23 marca 2017 roku)
WSTĘP
Spotkanie z pewnym wyjątkowym dzieckiem zmusiło mnie we wrześniu 2009 roku do radykalnego zrewidowania moich poglądów na temat uczenia się. Odwiedzałem szpital sieci SARAH w Brazylii – centrum rehabilitacji neurologicznej, mieszczące się w białym gmachu inspirowanym architekturą Oscara Niemeyera – z którym moje laboratorium współpracowało od blisko dziesięciu lat. Dyrektor Lucia Braga zaproponowała, abym poznał jednego z jej pacjentów, siedmioletniego Felipe, który spędził ponad połowę życia w szpitalnym łóżku. Wyjaśniła, że w wieku czterech lat został postrzelony na ulicy (niestety sytuacje takie nie należą w tym kraju do rzadkości). Zabłąkana kula przecięła rdzeń kręgowy, niemal zupełnie paraliżując chłopca (miał porażenie czterokończynowe). Zniszczyła również obszary wzrokowe w mózgu, był więc całkowicie niewidomy. Aby ułatwić mu oddychanie, u podstawy szyi zrobiono otwór w tchawicy. Następne lata chłopiec spędził w szpitalnym łóżku, zamknięty w trumnie swego bezwładnego ciała.
Pamiętam, jak idąc korytarzem do jego sali, przygotowywałem się wewnętrznie na kontakt z niedołężnym dzieckiem. A zastałem... uroczego chłopca, takiego jak każdy inny siedmiolatek, rozmownego, pełnego wigoru i ciekawego świata. Felipe wypowiada się bezbłędnie, posługując się bogatym słownictwem, i zadaje mi podchwytliwe pytania o znaczenie francuskich słów. Dowiaduję się, że zawsze pasjonowały go różne języki i nigdy nie przepuszcza okazji do poszerzenia swego trójjęzycznego słownictwa (mówi po portugalsku, angielsku i hiszpańsku). Choć jest niewidomy i przykuty do łóżka, ucieka w świat wyobraźni dzięki układaniu własnych powieści, do czego mobilizuje go personel szpitala. W ciągu kilku miesięcy najpierw nauczył się dyktować swoje opowiadania asystentowi, a potem pisać je samodzielnie, korzystając ze specjalnej klawiatury podłączonej do karty dźwiękowej komputera. Przy jego łóżku zmieniają się pediatrzy i logopedzi, przekształcający jego twórczość w realne, materialne książki z tłoczonymi ilustracjami, po których dumnie wodzi palcami, korzystając z odrobiny zmysłu dotyku, która mu została. W jego opowiadaniach przewijają się dzielni bohaterowie i bohaterki, góry i jeziora, których nigdy nie zobaczy, ale o których fantazjuje jak każdy inny mały chłopiec.
Poznanie Felipe głęboko mnie poruszyło, a także skłoniło do bliższego przyjrzenia się bodaj największemu talentowi naszego mózgu: zdolności uczenia się. Oto dziecko, którego sama egzystencja stanowi wyzwanie dla neuronauk. W jaki sposób moce poznawcze ludzkiego mózgu potrafią oprzeć się skutkom tak głębokiego zrujnowania ich środowiska? Dlaczego Felipe i ja dzielimy te same myśli, mimo że jesteśmy zanurzeni w diametralnie odmiennych doświadczeniach zmysłowych? Dzięki czemu mózgi różnych ludzi spotykają się w przestrzeni tych samych pojęć niemal niezależnie od tego, jak i kiedy je sobie przyswoiły?
Specjaliści z zakresu neuronauk są często empirystami. Wraz z angielskim oświeceniowym filozofem Johnem Lockiem (1632–1704) zakładają, że mózg czerpie całą wiedzę ze swego otoczenia. Zgodnie z tym poglądem główną właściwością obwodów korowych jest ich plastyczność, zdolność przystosowywania się do danych na wejściu. I rzeczywiście, komórki nerwowe dysponują wyjątkową zdolnością ciągłego adaptowania swoich synaps do odbieranych sygnałów. Gdyby jednak to właśnie było głównym motorem rozwoju mózgu, mały Felipe, pozbawiony danych wzrokowych i ruchowych, powinien stać się człowiekiem głęboko ograniczonym. Jakim cudem zdołał rozwinąć w sobie zupełnie normalne zdolności poznawcze?
Jego przypadek nie jest w żadnym razie wyjątkiem. Wszyscy znamy historie Helen Keller (1880–1968) i Marie Heurtin (1885–1921), które urodziły się niesłyszące i ociemniałe, a mimo to, po latach dojmującej izolacji społecznej, opanowały język migowy i stały się w końcu znakomitymi myślicielkami i autorkami[1]. Na stronach tej książki spotkamy też wielu innych ludzi, którzy – jak mam nadzieję – radykalnie zmienią twój pogląd na temat uczenia się. Jednym z nich jest Emmanuel Giroux, który był niewidomy od jedenastego roku życia, stał się zaś wybitnym matematykiem. Parafrazując lisa z Małego Księcia (1943) Antoine’a de Saint-Exupéry’ego, stwierdza: „Najważniejsze w geometrii jest niewidoczne dla oczu. Dobrze widzi się tylko umysłem”. W jaki sposób ten niewidomy człowiek potrafi sprawnie poruszać się po abstrakcyjnych przestrzeniach geometrii algebraicznej, manipulując płaszczyznami, sferami i bryłami, mimo iż nigdy ich nie widzi? Przekonamy się, że korzysta z tych samych obwodów mózgowych co pozostali matematycy, a poza tym jego kora wzrokowa – zamiast oddać się bezczynności – przestawiła się na służbę matematyce.
Zapoznam cię także z młodym malarzem Nico, który w trakcie wizyty w paryskim Musée Marmottan wykonał znakomitą kopię słynnej Impresji, wschodu słońca Moneta (zob. ilustrację 1 na kolorowej wklejce). Co jest w tym wyjątkowego? Nic prócz tego, że Nico namalował swój obraz, mimo iż ma tylko jedną półkulę mózgu, lewą – prawa została niemalże w całości usunięta, kiedy miał trzy lata! Mózg Nica zdołał wcisnąć wszystkie swe zdolności w tę jedną półkulę: mowę, pisanie i czytanie jak zwykle po lewej stronie, lecz również rysowanie i malowanie, które generalnie uważa się za funkcje prawopółkulowe, a także informatykę i nawet szermierkę na wózkach inwalidzkich – dyscyplinę, w której Nico zdobył tytuł mistrzowski w Hiszpanii. Zapomnij wszystko, czego dowiedziałeś się o rolach jednej i drugiej strony mózgu, ponieważ życie Nica dowodzi, że człowiek może stać się twórczym i biegłym artystą bez prawej półkuli! Plastyczność mózgu najwyraźniej dokonuje cudów.
Znajdziemy się też w niesławnych bukareszteńskich sierocińcach, w których dzieci zostawiano od narodzin niemal samym sobie – a jednak po latach część z nich, adoptowanych w wieku jednego roku lub dwóch lat, zdołała prawie normalnie funkcjonować w szkole.
Wszystkie te przykłady ilustrują nadzwyczajną żywotność ludzkiego mózgu. Nawet poważna trauma, taka jak ślepota, wycięcie półkuli czy izolacja społeczna, nie jest zdolna zgasić iskry uczenia się. Mowa, pismo, matematyka, twórczość artystyczna – wszystkie te wyjątkowe zdolności gatunku ludzkiego, którymi nie dysponują żadne inne naczelne, mogą oprzeć się rozległym uszkodzeniom mózgu: usunięciu półkuli lub utracie wzroku czy zdolności motorycznych. Uczenie się jest jednym z fundamentów życia biologicznego, a ludzki mózg ma olbrzymi potencjał plastyczności – przebudowywania siebie, adaptowania się. Spotkamy się też jednak z dramatycznymi przykładami przeciwnych sytuacji, w których człowiek staje się bezradny wobec zaniku zdolności do nauki. Weźmy czystą aleksję, niezdolność przeczytania nawet jednego słowa. Osobiście prowadziłem badania nad kilkoma dorosłymi, którzy dawniej potrafili znakomicie czytać, ale drobny udar, ograniczony do minimalnego obszaru mózgu, odebrał im możliwość rozszyfrowywania nawet tak prostych słów jak dog czy mat. Pamiętam wybitnie inteligentną, władającą trzema językami wierną czytelniczkę „Le Monde”, która po uszkodzeniu mózgu przekonała się ku swej rozpaczy, że każda strona jej ulubionej gazety wygląda dla niej tak, jakby była pisana po hebrajsku. Determinacja pacjentki, by ponownie nauczyć się czytać, była nie mniejsza niż siła doznanego przez nią udaru. Niemniej po upływie dwóch lat wytężonych starań poziom jej umiejętności czytania nie przekraczał poziomu przeciętnego przedszkolaka. Odczytanie pojedynczego słowa, litera po literze, zabierało jej kilka sekund i zacinała się przy każdym kolejnym wyrazie. Dlaczego nie mogła się uczyć? I dlaczego niektóre dzieci, cierpiące na dysleksję, dyskalkulię lub dyspraksję, są równie bezradne w trakcie prób czytania, liczenia czy pisania, podczas gdy inne bez problemu opanowują te umiejętności?
Plastyczność mózgu zdaje się niemal kapryśna: raz pokonuje gigantyczne trudności, innym razem pozostawia dzieci i dorosłych z głęboką niepełnosprawnością pomimo ich inteligencji i motywacji. Czy zależy to od konkretnych obwodów mózgowych? Czy z biegiem lat obwody te tracą swoją plastyczność? Czy plastyczność można odzyskać? Jakimi regułami się ona kieruje? Czemu mózg zawdzięcza swą wielką efektywność od chwili narodzin przez całe dzieciństwo i młodość? Jakie algorytmy pozwalają obwodom mózgowym na odzwierciedlanie świata? Czy zrozumienie ich pomogłoby nam uczyć się lepiej i szybciej? Czy można kierować się nimi w tworzeniu wydajniejszych komputerów – sztucznej inteligencji, która z czasem by nas naśladowała, a nawet przewyższała? Są to niektóre z pytań, na jakie książka ta stara się udzielić odpowiedzi w zdecydowanie multidyscyplinarny sposób, korzystając z najnowszych odkryć w kognitywistyce i neuronaukach, a także w badaniach nad sztuczną inteligencją i pedagogice.
DLACZEGO MUSIMY SIĘ UCZYĆ?
Dlaczego w ogóle musimy się uczyć? Samo istnienie zdolności uczenia się prowokuje do pytań. Czy nie byłoby lepiej, gdyby nasze dzieci umiały mówić i myśleć od pierwszego dnia życia jak mityczna Atena, która wyskoczyła na świat z głowy Zeusa w pełni dojrzała i uzbrojona i od razu wydała swój pierwszy okrzyk bojowy? Dlaczego nie rodzimy się z kompletem gotowych złączy w mózgu, z wgranym oprogramowaniem i załadowaną wiedzą konieczną do życia? Czy w darwinowskiej walce o przetrwanie zwierzę, które rodzi się dojrzałe i dysponuje większą wiedzą niż inne, nie powinno mieć przewagi i rozprzestrzeniać swoich genów? Dlaczego w ogóle ewolucja wymyśliła proces nauki?
Moja odpowiedź jest prosta: pełne ustawienie łączy w mózgu od samego początku byłoby niepożądane, a poza tym jest niemożliwe. Naprawdę niemożliwe? Tak, bo nasze DNA nie dysponuje dostateczną pojemnością pamięci, by szczegółowo objąć całą wiedzę człowieka. Dwadzieścia trzy ludzkie chromosomy zawierają trzy miliardy par „liter” A, C, G i T – cząsteczek adeniny, cytozyny, guaniny i tyminy. Na jaką liczbę informacji się to przekłada? Informacje mierzy się w bitach – binarnych decyzjach: 0 albo 1. Skoro każda z czterech liter genomu układa się w dwa bity (można je ułożyć w 00, 01, 10 i 11), nasze DNA zawiera w sumie sześć miliardów bitów. Przypomnijmy jednak, że w dzisiejszej informatyce posługujemy się jednostką bajtów, które są ciągami ośmiu bitów. Ludzki genom można więc sprowadzić do 750 megabajtów – jest to pojemność starych CD-ROM-ów czy malutkiego pendrive’a. A w tym pobieżnym rachunku nie uwzględniliśmy jeszcze licznych redundancji, w które obfituje DNA.
Na podstawie tego skromnego zasobu informacji, odziedziczonego po milionach lat ewolucji, nasz genom, zamknięty pierwotnie w pojedynczej zapłodnionej komórce jajowej, musi zrealizować cały plan konstrukcyjny organizmu – odpowiednio wbudować każdą cząsteczkę chemiczną w każdą komórkę w wątrobie, nerkach, mięśniach i oczywiście mózgu: w osiemdziesięciu sześciu miliardach neuronów, kwadrylionie (1015) połączeń... Jakim cudem genom miałby precyzować każdą z tych operacji? Przyjmując, że każde z naszych połączeń nerwowych koduje tylko jeden bit (co jest znacznym niedoszacowaniem), pojemność naszego mózgu jest rzędu stu terabajtów (około 1015 bitów), czyli sto tysięcy razy większa od zasobu informacji w naszym genomie. Stajemy tu w obliczu paradoksu: fantastyczny pałac, jakim jest nasz mózg, ma sto tysięcy razy więcej detali, niż zawierał plan architektoniczny, według którego został wzniesiony! Widzę tu tylko jedno wytłumaczenie: szkielet tego gmachu jest zbudowany zgodnie ze wskazaniami architekta (genomu), ale szczegóły wykończenia są pozostawione w gestii generalnego wykonawcy, który może dostosować projekt do warunków terenowych (środowiska). Pełne wstępne ustawienie wszystkich łączy w ludzkim mózgu byłoby absolutnie niemożliwe i dlatego uczenie się jest koniecznym dopełnieniem dzieła genów.
Te buchalteryjne rozważania nie wyjaśniają jednak, dlaczego zdolność nauki występuje uniwersalnie w całym świecie zwierzęcym. Nawet proste organizmy, niedysponujące korą mózgową, takie jak dżdżownice, muszki owocówki i strzykwy (tak zwane ogórki morskie), uczą się wielu swoich zachowań. Weźmy na przykład malutkiego nicienia zwanego Caenorhabditis elegans. W zeszłych dwudziestu latach to milimetrowej długości zwierzę stało się gwiazdą laboratoriów, częściowo dlatego, że architektura jego organizmu jest poddana silnemu determinizmowi genetycznemu i można ją analizować w najdrobniejszych szczegółach. Większość pojedynczych osobników ma dokładnie 959 komórek, w tym 302 neurony, których połączenia są dobrze znane i odtwarzalne. A jednak zwierzę się uczy[2]. Z początku naukowcy uważali je niemal za robota, który potrafi tylko bezładnie pływać, lecz z czasem zdali sobie sprawę, że dysponuje co najmniej dwiema formami uczenia się: habituacją i asocjacją. Przez habituację rozumie się zdolność organizmu do przystosowywania się do wielokrotnie występującego bodźca (na przykład do cząsteczek w wodzie, w której osobnik żyje), tak że w rezultacie przestaje na niego reagować. Asocjacja (kojarzenie) polega natomiast na odkrywaniu i zapamiętywaniu, jakie aspekty otoczenia zapowiadają źródło pokarmu lub niebezpieczeństwo. Nicienie są mistrzami kojarzenia. Potrafią przykładowo zapamiętać, jakie smaki, zapachy czy zakresy temperatury towarzyszyły pożywieniu (bakteriom) lub cząsteczkom odpychającym (takim jak zapach czosnku), i umieją wykorzystać te informacje do wybierania optymalnej drogi przemieszczania się w swoim środowisku.
Skoro zwierzę to ma tak niewielką liczbę neuronów, jego zachowanie mogłoby być w nich z góry wgrane. Jednak nie jest. Wynika to z tego, że adaptowanie się do konkretnego otoczenia, w którym rodzi się osobnik, jest dla niego korzystne, a wręcz niezbędne do utrzymania się przez niego przy życiu. Nawet dwa identyczne genetycznie organizmy niekoniecznie staną wobec wymogów tego samego ekosystemu. W przypadku nicienia zdolność szybkiego dostosowywania zachowań do gęstości, składu chemicznego i temperatury wody, w której się znajduje, zwiększa jego wydajność. Ogólnie mówiąc, każde zwierzę musi szybko przystosować się do swoich rzeczywistych, nieprzewidywalnych warunków bytowych. Oczywiście dobór naturalny, nadzwyczaj wydajny algorytm Darwinowski, może sobie poradzić z przystosowaniem każdego organizmu do jego niszy ekologicznej, jednak dokonuje tego w porażająco wolnym tempie. Kiedy gatunkowi brakuje jakiejś ważnej adaptacji, muszą wymrzeć całe pokolenia, zanim korzystna mutacja podniesie szanse przetrwania tego gatunku. Zdolność uczenia się działa bez porównania szybciej – może zmienić zachowanie w ciągu kilku minut, co zresztą stanowi samą istotę nauki: jak najszybsze dostosowywanie się do nieprzewidywalnych okoliczności.
Właśnie dlatego wyewoluowało uczenie się. Z czasem zwierzęta, które dysponowały choćby szczątkową zdolnością nauki, miały większe szanse przeżycia niż zwierzęta dysponujące tylko sztywnymi zachowaniami – one zatem w większym stopniu przekazywały swój genom (zawierający teraz genetycznie kodowane algorytmy uczenia się) następnemu pokoleniu. W ten sposób dobór naturalny sprzyjał pojawieniu się procesów nauki. Algorytm ewolucyjny wpadł na skuteczną metodę: warto pozwolić, by pewne parametry ciała ulegały szybkim zmianom w celu przystosowywania się do zmiennych cech środowiska.
Naturalnie wiele aspektów świata fizycznego jest ściśle niezmiennych: siła ciążenia jest powszechna, podobnie sposób rozchodzenia się światła i dźwięku nie zmienia się z chwili na chwilę. Z tego powodu nie musimy się uczyć, jakie należy wytworzyć sobie uszy, oczy czy labirynty w układzie przedsionkowym (które śledzą przyspieszenie ruchu ciała) – wszystkie te właściwości są genetycznie wgrane w nas na sztywno. Jednak wiele innych parametrów, takich jak rozstaw oczu, masa i długość kończyn albo wysokość głosu, są rozmaite i dlatego mózg musi się do nich adaptować. Jak się przekonamy, nasz mózg jest rezultatem kompromisu. Po długiej historii ewolucyjnej dziedziczymy znaczną część wrodzonych obwodów mózgowych (odpowiedzialnych za wszystkie pojemne, intuicyjnie rozumiane kategorie, na jakie dzielimy świat: obrazy, dźwięki, ruch, przedmioty, zwierzęta, ludzie itd.), lecz również – a być może nawet w większym zakresie – pewne wysoce wyrafinowane algorytmy nauki, które są w stanie doskonalić wczesne umiejętności zgodnie z naszym doświadczeniem.
HOMO DOCENS
Gdybym musiał podsumować w dwóch słowach wyjątkowe talenty naszego gatunku, powiedziałbym: „uczenie się”. Nie jesteśmy po prostu Homo sapiens, lecz Homo docens – gatunkiem, który naucza sam siebie. Większość naszej wiedzy o świecie nie była nam dana wraz z genami. Musieliśmy zaczerpnąć ją ze swojego środowiska albo od otaczających nas ludzi. Żadne inne zwierzę nie dokonało tak radykalnej zmiany swojej niszy ekologicznej, przenosząc się z afrykańskiej sawanny na pustynie, wzgórza, wyspy, skute lodem bieguny, do sadyb w jaskiniach i do metropolii, a nawet w kosmos, i wszystko to w ciągu kilku tysięcy lat. Zawdzięczamy to uczeniu się. Od wzniecania ognia i sporządzania kamiennych narzędzi po rolnictwo, ekspedycje odkrywcze i rozszczepienie atomu, historia ludzkości jest opowieścią o ciągłym wymyślaniu się od nowa. U podstaw wszystkich tych osiągnięć leży jeden sekret: nadzwyczajna zdolność naszego mózgu do formułowania hipotez i wybierania tych z nich, które znajdują potwierdzenie w naszym środowisku.
Uczenie się jest wielkim triumfem naszego gatunku. W ludzkim mózgu miliardy parametrów są gotowe do adaptowania się do otoczenia, języka, kultury, rodziców, pożywienia itd. Parametry te zostały pieczołowicie wyselekcjonowane. W trakcie ewolucji Darwinowski algorytm precyzyjnie wskazał, które złącza w obwodach mózgowych powinny być zainstalowane od początku, a które należy zostawić podatne na wpływ środowiska. W naszym gatunku wkład uczenia się jest wyjątkowo wielki, gdyż dzieciństwo rozciąga się u nas na znacznie więcej lat niż w przypadku innych ssaków. A ponieważ dysponujemy unikatową zdolnością do posługiwania się językiem i matematyką, nasz umysł jest w stanie poruszać się po ogromnych przestrzeniach hipotez, których rekombinacje tworzą potencjalnie nieskończone zbiory, mimo że hipotezy te są zawsze ugruntowane w sztywnych i niezmiennych fundamentach odziedziczonych po ewolucji.
W bliższych nam czasach ludzkość odkryła, że można jeszcze bardziej potęgować tę wyjątkową zdolność dzięki udziałowi pewnej instytucji, mianowicie szkoły. Kształcenie jest wyłącznym przywilejem naszego gatunku. Żadne inne zwierzę nie uczy aktywnie swych potomków na zasadzie rezerwowania specjalnego czasu w celu monitorowania dokonywanych przez nich postępów, doświadczanych trudności i popełnianych błędów. Wynalezienie szkoły – obecnej we wszystkich społecznościach ludzkich instytucji systematyzującej nieformalną naukę – ogromnie zwiększyło potencjał naszego mózgu. Odkryliśmy, że można skorzystać z bujnej plastyczności dziecięcego mózgu, by wprowadzić do niego maksymalną porcję informacji i umiejętności. Z biegiem stuleci coraz bardziej podnosiła się skuteczność systemu oświatowego, a edukacja rozpoczynała się na coraz wcześniejszym etapie i obecnie trwa co najmniej piętnaście lat. Coraz więcej mózgów korzysta też z dobrodziejstw uczelni wyższych. Uniwersytety są warsztatami, w których dokonuje się wysubtelnienia neuronów, dzięki czemu nasze obwody mózgowe zdobywają najwyższe kwalifikacje.
Edukacja jest głównym sprawcą sukcesu naszego mózgu. Łatwo uzasadnić jej obecność na czołowych pozycjach listy wydatków państwowych. Bez niej obwody korowe człowieka pozostawałyby nieoszlifowanymi diamentami. Złożoność organizacyjna naszego społeczeństwa nie mogłaby zaistnieć bez wielorakich pożytków, jakie korze mózgowej przynosi wykształcenie: czytania, pisania, liczenia, algebry, muzyki, poczucia czasu i przestrzeni, doskonalenia pamięci itd. Czy wiedziałeś na przykład, że pamięć krótkotrwała osoby umiejącej czytać (mierzona liczbą sylab, które potrafi powtórzyć) jest niemal dwukrotnie większa niż u dorosłego, który nigdy nie chodził do szkoły i pozostał analfabetą? Albo że IQ podnosi się o kilka punktów w ciągu każdego dodatkowego roku kształcenia się?
NAUKA UCZENIA SIĘ
Edukacja potęguje znaczne z samej natury zdolności naszego mózgu – ale czy może to robić jeszcze lepiej? W szkole i w pracy nieustannie posługujemy się mózgowymi algorytmami uczenia się, jednak czynimy to intuicyjnie, nie zwracając uwagi na to, jak się uczyć. Nikt nie przedstawia nam reguł, zgodnie z którymi mózg zapamiętuje i rozumie treści albo zapomina je oraz popełnia błędy. To wielka szkoda, ponieważ naukowa wiedza w tym zakresie jest rozległa. Wyśmienita strona internetowa stworzona przez brytyjską Education Endowment Foundation[3] wymienia najskuteczniejsze interwencje edukacyjne i przyznaje na niej bardzo wysokie miejsce nauczaniu metapoznania (świadomości talentów i ograniczeń własnego mózgu). Uczenie się tego, jak się uczyć, można uznać za najważniejszy czynnik sukcesu edukacyjnego.
Na szczęście dużo już wiemy o przebiegu nauki. Trzydziestoletnie badania z pogranicza informatyki, neurobiologii i psychologii poznawczej w znacznym stopniu objaśniły używane przez mózg algorytmy, zaangażowane w nie obwody, czynniki wpływające na ich wydolność oraz powody ich wyjątkowej wydajności u ludzi. W tej książce omówię wszystkie powyższe zagadnienia po kolei. Mam nadzieję, że gdy przewrócisz jej ostatnią stronę, będziesz wiedział znacznie więcej o procesach nauki u samego siebie. Uważam, że sprawą o fundamentalnym znaczeniu jest to, aby każde dziecko i każdy dorosły uświadamiali sobie pełen potencjał swego mózgu, a także oczywiście jego ograniczenia. Dzięki systematycznemu tropieniu naszych algorytmów mentalnych i mechanizmów mózgowych współczesna kognitywistyka nadaje nowy sens słynnemu Sokratejskiemu wezwaniu „Poznaj samego siebie”. Dzisiaj istotą nie jest już tylko wyostrzenie introspekcji, lecz także zrozumienie subtelnej neuronalnej mechaniki generowania myśli, tak by móc korzystać z niej w optymalnej zgodzie z własnymi potrzebami, celami i pragnieniami.
Rodząca się wiedza naukowa o prawidłowościach uczenia się jest oczywiście szczególnie istotna dla osób, u których zbiega się ona z przedmiotem aktywności zawodowej: dla nauczycieli i instruktorów. Mam głębokie przekonanie, że nie można poprawnie nauczać, nie dysponując – czy to świadomie, czy domyślnie – mentalnym modelem procesów przebiegających w umysłach uczniów. Od jakich intuicji wychodzą? Jakie kroki muszą wykonać, aby posuwać się naprzód? Jakie czynniki mogą pomóc im w rozwinięciu ich umiejętności?
Choć kognitywistyka nie zna odpowiedzi na wszystkie te pytania, zaczynamy rozumieć, że każde dziecko ma na początku życia podobną architekturę mózgu – mózg Homo sapiens, który zdecydowanie różni się od mózgów innych małp człekokształtnych. Nie neguję rzecz jasna różnorodności mózgów w obrębie naszego gatunku; osobliwości genomów, a także kaprysy wczesnego rozwoju obdarzają nas nieco innymi przymiotami i tempem uczenia się. Niemniej zasadniczy układ obwodów mózgu pozostaje taki sam u nas wszystkich i podobnie jest z organizacją algorytmów nauki. Istnieją zatem pewne elementarne zasady, które muszą być uszanowane przez każdego nauczyciela, chcącego pracować z najwyższą skutecznością. W książce tej zobaczymy wiele tego przykładów. U wszystkich dzieci występują wspólne abstrakcyjne intuicje w obrębie języka, arytmetyki, logiki i prawdopodobieństwa, co stanowi fundament, na którym musi opierać się dalsze kształcenie. Ponadto wszystkim uczniom służy skupienie uwagi, aktywne zaangażowanie, informacje zwrotne o błędach oraz cykl powtórek materiału w ciągu dnia i jego konsolidacji w nocy. Nazywam te czynniki „czterema filarami” uczenia się, ponieważ – jak zobaczymy – leżą one u podłoża uniwersalnego algorytmu nauki, obecnego w mózgu każdego z nas, zarówno dzieci, jak i dorosłych.
Jednocześnie nasze mózgi cechuje oczywiście indywidualna zmienność, a w skrajnych przypadkach – patologia. Rzeczywiste istnienie patologii rozwojowych, takich jak dysleksja, dyskalkulia, dyspraksja i zaburzenia uwagi, nie jest już dziś podważane. Na szczęście w miarę zdobywania coraz większej wiedzy o uniwersalnej architekturze, z której biorą się te zakłócenia, odkrywamy również, że istnieją proste sposoby identyfikowania ich i kompensowania. Jednym z celów tej książki jest upowszechnianie tej wiedzy naukowej, tak aby każdy nauczyciel oraz każdy rodzic mógł przyjąć optymalną strategię nauczania. O ile dzieci ogromnie różnią się pod względem swego zasobu wiedzy, o tyle wszystkie dzielą te same algorytmy uczenia się. Dlatego metody pedagogiczne, które najlepiej sprawdzają się u wszystkich dzieci, z reguły okazują się też najefektywniejsze w pracy z dziećmi mającymi zaburzenia nauki – trzeba tylko stosować te sposoby z większą determinacją, cierpliwością, systematycznością i tolerancją dla błędów.
Fundamentalną rolę odgrywa ostatnia wspomniana sprawa. Choć informowanie o błędach ma zasadnicze znaczenie, wiele dzieci traci pewność siebie i ciekawość, ponieważ popełniane przez nie błędy są bardziej karane niż korygowane. W szkołach na całym świecie informacje zwrotne o błędach są często synonimem kary i stygmatyzacji; pod koniec książki będę miał dużo do powiedzenia o roli stopni w utrwalaniu tego nieporozumienia. Negatywne emocje rujnują mózgowy potencjał uczenia się, podczas gdy zapewnienie środowiska wolnego od lęku może ponownie otworzyć wrota plastyczności neuronalnej. W szkolnictwie nie nastąpi żaden postęp bez jednoczesnego uszanowania emocjonalnych i poznawczych aspektów mózgu. W dzisiejszych neuronaukach są one uważane za kluczowe składniki procesu nauki.
WYZWANIE RZUCANE PRZEZ MASZYNY LICZĄCE
Dziś przed inteligencją ludzką staje nowe wyzwanie: nie jesteśmy już jedynymi mistrzami uczenia się. Na wszystkich polach wiedzy różne algorytmy uczenia się podważają unikatowy status naszego gatunku. Dzięki nim smartfony potrafią obecnie rozpoznawać twarze i głosy, transkrybować mowę, tłumaczyć obcojęzyczne teksty, kierować urządzeniami, a nawet grać w szachy czy go – znacznie lepiej niż my. Uczenie się maszyn (machine learning) stało się podstawą wielomiliardowej gałęzi gospodarki, która w rosnącym stopniu czerpie inspirację z naszych mózgów. Jak działają te sztuczne algorytmy? Czy ich zasady mogą pomóc nam zrozumieć, czym jest uczenie się? Czy są one już w stanie imitować nasz mózg, czy też wciąż daleko im do tego?
Choć informatyka dokonuje obecnie gigantycznych postępów, wyraźnie widać też jej ograniczenia. Konwencjonalne algorytmy głębokiego uczenia się naśladują tylko niewielką część funkcjonowania mózgu, tę – jak będę tłumaczyć – odpowiadającą pierwszym stadiom przetwarzania zmysłowego, czyli pierwszym dwustu lub trzystu milisekundom, w których mózg pracuje nieświadomie. Przetwarzanie to nie jest w żadnym razie powierzchowne: w ułamku sekundy nasz mózg potrafi rozpoznać twarz czy słowo, umieścić je w kontekście, zrozumieć, a nawet wbudować w krótkie zdanie... Ograniczenie polega jednak na tym, że proces ten przebiega w trybie ściśle oddolnym, bez żadnego namysłu. Dopiero w dalszych stadiach, które są już znacznie wolniejsze, bardziej świadome i refleksyjne, mózg sięga po wszystkie swoje zdolności rozumowania, wnioskowania i elastyczności – cechy, do których współczesnym komputerom jest wciąż daleko. Najbardziej zaawansowane architektury komputerowe nie dorównują zdolności niemowląt do budowania abstrakcyjnych modeli świata.
Nawet na polu swej doskonałości – na przykład błyskawicznego rozpoznawania kształtów – dzisiejsze algorytmy napotykają na drugi problem: są znacznie mniej efektywne od naszego mózgu. Najnowocześniejsza procedura w uczeniu się maszyn polega na przeprowadzaniu milionów, a nawet miliardów prób. Uczenie się maszyn stało się niemal synonimem big data; bez dostępu do ogromnych zbiorów danych algorytmy mają ogromne trudności z wydobywaniem abstrakcyjnej wiedzy, którą można uogólnić na potrzeby stosowania w nowych sytuacjach. Innymi słowy, nie eksploatują danych w maksymalny sposób.
W tym zestawieniu mózg niemowlęcia jest bezapelacyjnym zwycięzcą. Wystarczy jeden lub dwa razy powtórzyć jakieś słowo, by maluchy się go nauczyły. Ich mózg maksymalnie wyzyskuje skrajnie ubogie dane – jest to umiejętność, która wciąż umyka dzisiejszym komputerom. Mózgowe algorytmy nauki często zbliżają się do optymalnej zdolności obliczeniowej: potrafią wychwycić samą istotę najdrobniejszej obserwacji. Jeśli informatycy zechcą doprowadzić do takiej samej sprawności komputery, będą musieli czerpać inspirację z pomysłowych rozwiązań, które ewolucja wbudowała w uczenie się naszego mózgu, na przykład z uwagi, pozwalającej nam wybierać i wzmacniać określone informacje, albo ze snu, czyli algorytmu, dzięki któremu nasz mózg dokonuje syntezy zebranych w ciągu dnia wiadomości. Zaczynają się już pojawiać nowe komputery z takimi cechami, a ich sprawność wciąż się podnosi. W niedalekiej przyszłości będą niewątpliwie rywalizować z naszym mózgiem.
Zgodnie z pewną rodzącą się właśnie teorią nasz mózg ciągle góruje nad komputerami z tej przyczyny, że zachowuje się jak statystyk. Nieustannie obracając się wśród prawdopodobieństw i niepewności, optymalizuje swoją zdolność nauki. Wydaje się, że w trakcie ewolucji przyswoił sobie wysublimowane algorytmy, które bez przerwy śledzą stopień niepewności zgromadzonej wiedzy. Taka zaś systematyczna ocena prawdopodobieństw jest optymalnym – w ścisłym sensie matematycznym – sposobem maksymalnego wyzyskania każdej informacji[4].
Za słusznością tej hipotezy przemawiają dane eksperymentalne. Nawet niemowlęta rozumieją prawdopodobieństwo; wydaje się, że od samego urodzenia jest ono głęboko osadzone w obwodach mózgowych. Dzieci zachowują się jak mali naukowcy; w ich mózgach roi się od hipotez, które – tak jak teorie naukowe – są poddawane testowi przez zbierane doświadczenia. Rozumowanie za pomocą prawdopodobieństw, w dużej mierze nieświadomie, jest mocno wpisane w logikę naszego uczenia się. Pozwala nam stopniowo odrzucać fałszywe hipotezy, a zachowywać tylko te teorie, które sensownie wyjaśniają dane. Ponadto wydaje się, że w odróżnieniu od innych zwierząt ludzie korzystają z tego wyczucia prawdopodobieństw do tworzenia teorii o świecie zewnętrznym. Tylko Homo sapiens jest w stanie systematycznie wytwarzać abstrakcyjne myśli symboliczne i aktualizować stopień ich trafności w świetle nowych obserwacji.
Ta nowa wizja uczenia się zaczyna wnikać do innowacyjnych algorytmów komputerowych. Nazywa się je „Bayesowskimi” w nawiązaniu do pastora Thomasa Bayesa (1702–1761), który już w XVIII wieku stworzył podwaliny tej teorii. Mam przeczucie, że algorytmy Bayesowskie zrewolucjonizują uczenie się maszyn. Zresztą przekonamy się, że już w tej chwili są one w stanie wydobywać abstrakcyjne informacje z wydajnością bliską ludzkiej.
Współczesną wiedzę naukową o uczeniu się przedstawiam w tej książce z trzech perspektyw.
W pierwszej części, zatytułowanej Czym jest uczenie się?, zaczynamy od zdefiniowania, co to znaczy – dla ludzi i zwierząt, a także dowolnego algorytmu i komputera – nauczyć się czegoś. Idea jest prosta: uczyć się oznacza stopniowo tworzyć, w obwodach krzemowych czy neuronowych, wewnętrzny model świata zewnętrznego. Kiedy poruszam się w nieznanym mieście, tworzę myślową mapę jego układu – miniaturowy model ulic i pasaży. Podobnie dziecko, które uczy się jeździć na rowerze, tworzy w swych obwodach nerwowych nieświadomą symulację tego, jak poruszanie pedałami i kierownicą wpływa na stabilność roweru. Na takiej też zasadzie algorytm komputerowy uczący się rozpoznawania twarzy przyjmuje wzorcowe modele różnych możliwych kształtów oczu, nosa, ust i ich kombinacji.
W jaki jednak sposób tworzymy poprawny model? Jak zobaczymy, umysł uczącego się można porównać do ogromnego komputera z milionami ustawialnych parametrów, których zbiorcze dostrojenie decyduje o tym, czego się uczymy (na przykład jak mają przebiegać ulice na naszej mentalnej mapie osiedla). W mózgu parametrami tymi są synapsy, połączenia między neuronami, które mogą różnić się siłą; w większości współczesnych komputerów są to ustawialne wagi i prawdopodobieństwa, które określają moc poszczególnych hipotez. Zatem zarówno w mózgu, jak i w komputerze uczenie się polega na wyszukiwaniu optymalnej kombinacji parametrów, które łącznie określają wszystkie szczegóły mentalnego modelu. W tym sensie uczenie się jest problemem typu wyszukiwanie na wielką skalę (massive search) – dlatego w zrozumieniu, jak nauka przebiega w ludzkim mózgu, bardzo pomaga przeanalizowanie działania algorytmów uczenia się w dzisiejszych komputerach.
Dzięki porównaniu pracy algorytmów komputerowych z mózgowymi – in silico w zestawieniu z in vivo – będziemy uzyskiwać coraz wyraźniejszy obraz tego, co uczenie się oznacza na poziomie mózgu. Oczywiście matematycy i informatycy nie zdołali opracować tak potężnych algorytmów uczenia się, jakimi dysponuje mózg – przynajmniej na razie. Zaczynają jednak krążyć wokół teorii optymalnego algorytmu nauki, który powinien być używany przez każdy układ cechujący się maksymalną wydajnością. Zgodnie z tą teorią najlepszy proces uczenia się jest podobny do postępowania naukowca, który racjonalnie korzysta z prawdopodobieństw i statystyki. Wyłania się tu nowy model: mózgu jako statystyka i obwodów mózgowych wykonujących obliczenia prawdopodobieństw. Teoria ta wskazuje też na klarowny podział pracy między naturą i kulturą: geny otwierają szerokie przestrzenie apriorycznych hipotez, a następnie środowisko wybiera te hipotezy, które najlepiej pasują do świata zewnętrznego. Zbiór hipotez jest wskazany genetycznie; ich wybór zależy od doświadczenia.
Czy ta teoria ukazuje nam sposób pracy mózgu? I jak uczenie się jest implementowane w naszych obwodach biologicznych? Co zmienia się w naszym mózgu, gdy opanowujemy nową umiejętność? W drugiej części książki, Jak uczy się nasz mózg?, sięgniemy do psychologii i neuronauk. Skoncentruję się na niemowlętach, które są niezrównanymi „maszynami uczącymi się”. Ostatnio pozyskane dane wskazują, że niemowlęta naprawdę są małymi statystykami, jak przewiduje teoria. Ich nadzwyczajna intuicja na polu języka, geometrii, liczb i statystyki potwierdza, że wcale nie są czystymi tabliczkami, tabula rasa. Obwody mózgowe dzieci są zorganizowane od samej chwili narodzin i nakładają hipotezy na zewnętrzny świat. Jednocześnie mają znaczny margines plastyczności, który odzwierciedla się w nieustannym buzowaniu zmian synaptycznych w mózgu. W tej maszynie statystycznej natura i kultura, zamiast stać po przeciwnych stronach, łączą siły. W rezultacie powstaje ustrukturyzowany, lecz elastyczny układ o niezrównanej zdolności do samonaprawiania się w razie urazu mózgu oraz do recyklingu obwodów mózgowych w celu opanowania umiejętności nieprzewidzianych przez ewolucję, takich jak czytanie czy liczenie.
W ostatniej części książki, Cztery filary uczenia się, szczegółowo omawiam pewne rozwiązania, dzięki którym nasz mózg jest najefektywniejszym znanym dziś urządzeniem uczącym się. Naszą zdolność uczenia się w wielkim stopniu modulują cztery zasadnicze mechanizmy czy „filary”. Pierwszym z nich jest uwaga – zbiór obwodów neuronowych, które wybierają, wzmacniają i przekazują sygnały uznawane przez nas za istotne, co stukrotnie pomnaża ich oddziaływanie w naszej pamięci. Drugim filarem jest według mnie aktywne zaangażowanie: bierny organizm nie uczy się niemal niczego, ponieważ uczenie się wymaga czynnego generowania hipotez, podpartego motywacją i ciekawością. Na kolejny filar, będący ciemną stroną aktywnego zaangażowania, składają się informacje zwrotne o błędach: ilekroć spotyka nas zaskoczenie, gdyż świat gwałci nasze oczekiwania, w naszym mózgu rozchodzą się sygnały błędu. Korygują one nasze modele mentalne, eliminują niepoprawne hipotezy i utrwalają te najbardziej adekwatne. W końcu czwartym filarem jest konsolidacja: z czasem mózg kompiluje to, co sobie przyswoił, i przenosi do pamięci długotrwałej, uwalniając w ten sposób zasoby neuronowe na potrzeby dalszej nauki. Zasadniczą rolę w procesie tej konsolidacji odgrywa powtarzanie. Nawet sen, daleki od tego, by być okresem bezczynności, stanowi szczególny czas, w którym mózg odtwarza swoje minione stany, w większym tempie, i przeprogramowuje zdobytą w ciągu dnia wiedzę.
Te cztery filary są uniwersalne. Korzystają z nich niemowlęta, dzieci i dorośli w każdym wieku, ilekroć odwołują się do zdolności nauki. Dlatego też wszyscy powinniśmy mistrzowsko je opanować – na tym właśnie polega nauczenie się, jak się uczyć. W podsumowaniu książki przejdę do praktycznych konsekwencji tych naukowych odkryć. Dokonanie zmian funkcjonowania w szkole, domu i pracy niekoniecznie musi być tak skomplikowane, jak być może sobie wyobrażamy. Proste rozwiązania dotyczące zabawy, ciekawości, kontekstu społecznego, koncentracji i snu mogą wzmocnić to, co już teraz jest największym talentem mózgu: uczenie się.
PRZYPISY
