第9章 信息结构：控制力的各种行为模式(3)

6.什么是学习过程

将一个系统的过去演绩重新安排到系统当中，通过这种方式去达到控制系统的目的，这就是反馈。反馈的复杂程度则有赖于过去演绩在系统中的作用，如果过去演绩的在系统中只是调节和鉴定系统的数据，那么这种反馈就是简单反馈。简单反馈往往为控制工程师所用。只是，如果过去演绩的信息重新进入系统，并用来对系统的一般操作方法或者模式进行修正、指导时，那么这个过程就已经不单单是反馈，而是一种学习了。

下面我来举一个系统学习的例子——预测机的设计工作。第二次大战爆发初期，各个参战国虽然都投入使用了新型武器，但是防空方面的效率却并不高。而空军作战又是战争的必然选择，所以在这种背景下就有必要发明一种仪器去对飞机的位置和距离进行跟踪定位，并对炮弹击中飞机在空中所经历的实际时间进行准确计算，同时目标飞机在这段时间内的飞行位置也需要准确考虑。

如果敌方飞机在作战过程中采取完全随机的逃避动作，那么即使再精密的仪器和娴熟的技巧都不可能掌控飞机的最终位置。但是这种顾虑对预测机的发明并无多大影响，因为在很多情况下飞机驾驶员并不会或者说不能采用随意的逃避动作。

这是因为空中飞行不同于陆地，飞行员会受到多种事实的限制，例如，如果驾驶飞机在空中急速转弯，那么驾驶员就会受离心力影响而失去知觉。同时，任何一个驾驶员的驾驶行为和过程都会受到实际训练经验和规则的制约。过往的训练会在无形中让他们遵守一些有规律的控制习惯，哪怕是在战场上的逃避动作也不会超越这些习惯。虽然所谓的习惯和规律都不是绝对的，不同的驾驶员会存在着不同的偏好，而且不同的机型也必然会有不同操作要求，但是通过统计人们是会找到其中的趋势。

所以我们只要记住这一点，对飞机这样一类快速移动的目标进行追踪时，拿出仪器去计算飞机将会飞向何处是不切实际的，同时飞行员也不会给对手时间去计算自己的坐标。因此所有的计算程序必须编入到炮弹的控制系统当中，而且这个计算程序必须精确，包括不同类型的飞机在以往不同的飞行条件下的种种经验统计数据都是需要纳入总数据库的。现在所有的高射炮控制系统内都安装着一个起这种作用的校准仪器，而校准仪器所使用的就是经验统计的固定数据，此外，其他一些仪器也会使用几个固定数据，这就需要系统根据实际情况对这些数据进行选择。炮手在按下发射按钮之后，这些仪器就会根据炮手的需要而对数据做出正确的选择。

只是解决了数据问题，预测机还存在着另外一些控制问题，而这个问题也同样可以采用机械方法去解决。上文中所提到的数据仪器的设计过程本身是一个数学问题，即通过实际观测飞机的飞行来得到统计数据，然后将这些数据录入系统，变成一种规则并实现对高射炮的控制。同依据实际观测追踪飞机的方法相比，前一种方式似乎要缓慢一些，因为要实现这种办法需要做大量的前期工作，包括对飞机过去的飞行情况进行各种观测和统计。

但二者快慢的比较只是相对的，虽然前者的前期工作相对烦琐，不过它却能发挥更准确的效用，只是它要付出时间。而且随着技术的进步，人们通过科技手段缩短这一时间也成为可能。所以在未来世界可能会出现一种防空武器，它可以自发式地对天空中的飞行目标进行监测和统计，然后对自身统计的材料进行加工，进而依据它们拟定出一种控制系统。最后，这种控制系统会自动调整自己的参数，让武器的位置能够精确地对准空中飞行的目标，在观测的同时也可以随时发动攻击。

当然，我们生活的这个时代还没有做到这一点，但是我可以确定的是它已经被纳入研究范围。而且不仅仅是战争，对于其他方面的预测它也将发挥重大作用。

防空武器可以以目标的移动来调整自己的程序，继而对目标进行完成观测、瞄准和射击的任务，从本质上来说这就是一种学习行为。同时，它也是一种反馈过程，防空武器的参数变化是计算机构中程序自带的调节系统带来的，这个过程同数字数据的解释过程几乎全部相同。从本质上来说这只是一种非常常见的反馈形式，能够让系统跟随实际情况的变化而做出改变。

在这里，我们所探讨的高级学习过程仍然不可避免地受到所在系统的种种条件限制，很显然这种过程同人的学习过程存在本质上的不同。但是，我们依旧可以从这一过程出发，通过这个出发点去推导，让所有可能多的复杂学习过程变得更为有序和机械化。

洛克的联想理论以及巴普洛夫的条件反射学说都从各个方面为这种方法提供了思想理论上的指导，当然在进行这方面的探讨之前我需要先向大家做一些普通的解释，这有助于对我的观点的一些反对意见进行解答。

7.学习理论建立的可能依据

学习理论的建立存在着种种可能性依据，就以神经学的视角来说，自这门学科诞生以来，致力于类似方面研究的学者们就以神经纤维和神经元的冲动传导研究为主要工作，尤其对神经生理学家更是如此。而神经纤维和神经元的冲动传导过程一直秉持着一种原则——不全则无。

举一个最简单的现象为例，如果一种刺激沿着神经纤维运动，然后到达了神经纤维的某个端点，那么接下来会怎样呢？答案是它会继续沿着某一个神经纤维运动，并一直延续下去。或者可以这样认为：只要在一个相对的时间内这一刺激不消失，那么它就会沿着神经纤维一直传播。而且，它开始的强度同延续一段时间后在某一个神经纤维端点上所产生的效益之间并没有什么关联。

此类神经冲动从一根神经纤维传播，然后再到另一根神经纤维的转换过程，要经过两根纤维的连接点，这个连接点就是我在上文中提到的突触。在突触这个地方我们会看到一种现象：一根输入神经纤维对应的不是单一的输出神经纤维，而是许多个。这样的结果就是一根输入神经纤维所提供的神经冲动对众多的输出神经纤维来说太少了，不足以产生有效的输出冲动。

一般情况下，如果到达突触的输入神经纤维所提供的神经冲动太少，那么输出神经纤维就会不予理睬。需要明确的是这里我所说的“太少”，不能将某一个量等同于所有的输入神经纤维的共同阈值；同时这也不意味着与突触连接的输出神经纤维可以自作主张并拒绝所有的输出冲动。

我们还要必须弄清这样一个事实：在神经系统中，输入纤维的作用并不是单一的输送刺激在这个系统中，还存在一些输送神经纤维，它们不仅不会在自己的连接纤维中产生刺激，而且还可能会阻止输出纤维接受新的刺激。

无论如何，神经系统是一个复杂的组织系统，冲动神经纤维的传导问题也不是简单的问题。即使我们可以借助简单的类比对其进行描述，不过一个刺激或者冲动经由突触的输出传递问题始终是一个复杂的反馈应答模式。其中，在一段特定的时间内，一些输入神经纤维会进行某种组合，于是在这样的情况下就有了消息进一步传递的趋势和可能。而且每一种组合都是在特定条件下因特定的冲动而产生，其最终的结果就是为某个特定消息提供传递路径。

所以，这些组合是随时变化的，甚至可以说这些输入神经纤维的组合不仅仅是由突触区域所接收到的消息而决定的。研究已经证实它们会随着温度的变化而改变，除了这些还有难以计数的因素在决定着它们的变化。

对于神经方面消息传递的研究和探讨已经形成了主流见解，而且这方面的观点同所有具有开关装置的机器理论机会都相符。在那些由一系列开关组成的机器当中，大部分都存在前后两处开关，后面的开关是否接通完全由前面的开关决定。只有前面的开关接通的时候，后面开关才会同时接通，二者密切、完美的配合让整个机器流畅运转。

这就是绝对的全或者绝对的无，而这种机器就是数字计算机。在通信和控制问题上，数字计算机能够提供各种各样的便利，也能解决这方面的大部分问题。更重要的是它们的世界是一种绝对世界，所以数字计算机只能在“是”和“否”这两个选择之中做决定，这就能帮助我们在纷繁庞杂的数字之中，利用数字计算机所积累的信息区分出极其微小的差别。

除了数字计算机这种以“是”和“否”为基本原则去工作的机器之外，还存在另外几种计算机和控制机。它们的作用同数字计算机不同，主要是用于测量。这一类机器也有自己的专属名字，叫作模拟计算机。模拟计算机的主要操作依据是两种量——待测的量以及代表着它们之间数值量，这两种量的类比成为模拟计算机工作的参考依据。

计算尺是模拟计算机的一个典型代表，不过它和台式计算机所进行的数字运算完全不同。如果用过计算尺就会知道我们对数字精密度的阅读和预算带来限制，无论是使用我们的眼睛还是运用带有刻度的标尺。而且这些明显的限制不会因人们将尺子做得大一点，或者找一个视力好的人就能解决。

因为这些想法都是不现实的，一个十英尺长的计算尺的精确性只会比一英尺长的计算尺高十分之一。所以如果想要通过增大尺子来增加精密度，那么我们不仅需要把大尺子的每一刻度造的同小计算尺一模一样，而且还要保证它们连接起来的排列方向完全一致。除了这两点必要条件之外，我们还要解决大计算尺的磨损与保养问题，这是一个更麻烦的问题。从中我们也可以看到依靠增大计算尺的尺寸来增加测量的精密度实际上是存在着多方面限制的。

也就是说，如果抛开技术层面，仅仅就实用目的来看，一个用作测量的机器与用于数字计数的机器是完全不同的，因为在精密度上它们就受到了非常大的限制。如果将这一点引入生理学领域，那么我们就能够更好地理解生理学家们为什么对全或无的活动如此偏爱了。同样，我们也就明白了为什么人脑模拟机械的大部分工作都是以计数为基础的。

但即使如此，我们也不能单纯地将大脑当作一部数字计算机，如果我们非要坚持如此的话，那就必然会受到公正的批评了。这些批评的声音，一部分会来自生理学家，还有一部分来自心理学家，尤其是在心理学家眼中，人和机器是两种完全不同的个体，所以完全没有必要将二者做任何对比。

我说过，在数字计算机中存在着一种叫程序带的东西，而机器的每一项操作程序大部分都将由它决定。程序带的原理是在过去经验的基础上影响机器的未来行动，而这种变化同学习过程基本相同。

在我们的大脑中，突触区域的确定性是和数字计算机程序带最类似的地方，它们都会激发与它们相连的输出神经元。我也提到过，突触阈值会随着温度或者其他因素的变化而改变，所以我们也有理由认为它们会根据人体内血液的相关化学变化而变化，抑或因其自身的结合而改变。

所以当我们再回过去思考学习问题时，这时候采用神经学的“全”或者“无”理论的话就应该加倍谨慎和当心，它需要以批判的眼光作为前提。如果我们此前没有对这一观念进行过理论上的辩证看待，也没有通过特定的实验证据去支持这样的假说，那么我们就需要存在一定的质疑，唯有如此才能在我们借助的神经学领域中为研究的问题找到一个更加精确的答案。