清华教授教你如何跑赢AI：人类有限的注意力该如何分配？

我们正经历一场前所未有的智能跃迁。人工智能带来的，远不止于技术革新，更是一场深刻重塑人类认知、教育与生存方式的范式转移。

这场跃迁的关键，不在于技术会走多远，而在于人类如何重新认识自我。当知识不再稀缺，学习的意义何在？当智能无处不在，智慧的栖身之所又在何处？当工具变成智能体，人的核心价值又该如何彰显？

清华大学基础科学讲席教授、清华大学心理与认知科学系主任刘嘉，站在历史的交汇点，以独特的跨学科视角，深入解析通用人工智能的演化路径与底层逻辑、语言如何承载认知，以及人类能力结构如何在新时代被重新定义。

>>内文选读

GPT的T，指的是Transformer，其最核心、最精妙之处就是“注意力机制”。它会对一段文本中每个词语与其他所有词语之间的关系进行评估，计算出它们之间的关联强弱程度，从而捕捉信息之间的相互关系，以实现高效而精准的信息处理。所以，学习的本质也是注意力分配的艺术。

我们所处的世界彼此相连，而非孤立随机。在物理层面，世界由物质和能量组成，它们之间不断地相互作用，形成复杂而稳定的秩序。在生命层面，物种之间通过复杂的生态网络连接起来，生态链中每个环节互依互存，任何个体的变化都可能引发连锁反应。在人文社会层面，每个人看似独立，但无时无刻不在通过沟通、情感联结与社会网络交织在一起。文明的存续与演化，来源于人与人之间频繁而有序的互动。

英国诗人约翰·多恩说：“没有人是一座孤岛，可以自全……任何人的死亡都是我的损失，因为我是人类的一员，因此不要问丧钟为谁而鸣，它就为你而鸣。”美国行为科学家阿莫斯·特沃斯基也说：“人不复杂，复杂的是人与人之间的关系。”

应当如何分配注意力来认识我们所在的这个世界呢？

第一，注意高质量的数据和人。在机器学习领域，有一个广为人知的第一性原理：“垃圾输入，垃圾输出。”再多的参数，再强大的算力，如果输入的数据质量低下，最终训练出来的大模型也必然表现糟糕。所以，OpenAI在训练初期便严格把控数据质量，选用了维基百科、经典书籍、科研论文、优秀代码和高质量互联网内容作为注意力处理的信息。这些精心挑选的材料构成了GPT的认知基座。

截至2024年6月，我国短视频用户数量达到10.5亿，占整体网民的95.5%，人均每天观看时长约151分钟。而阅读用户只有短视频用户的一半，人均每天阅读时长只有23分钟。AI在学习，人类却在沉迷。

真正与注意力门当户对的是高质量的数据集和人。在进入某个领域前，首先精心构建你的数据集：谁是这个领域的权威，哪些书、线上课程是这个领域的经典，哪些工具能让这个领域的抽象知识变得具象清晰？之后，阅读入门材料快速建立对这个领域的基本认知；接下来，对经典或权威的书籍或教材进行深度学习，建立完善的知识框架；最后，通过专业研究文献并与专家或AI互动交流，拓宽和深化自己的认知边界。

第二，注意实例而非规则。符号主义给AI以规则：“如果一个动物有尖尖的耳朵，胡须明显，并且眼睛在夜间能反光，那么它是猫。”这时，狐狸、猞猁、浣熊和狼也会被符号主义AI识别成猫。而联结主义只给AI猫的图片，各种各样猫的图片，让注意力在海量的数据中主动探寻其中蕴含的模式和规律。前者是授人以鱼——人类先提取特征，然后把特征喂给AI，即人类向AI输入人类学习的结果，AI只需要记忆，正所谓前面有多少智能，背后就有多少人工。后者是授人以渔——没有工程师总结的规则，只有精心挑选的实例，让神经网络自己学习，让它自己去充分挖掘全部可能，因为“足够大的神经网络当然无所不能”（计算软件Mathematica的创造者史蒂芬·沃尔弗拉姆语）。学会放手，效果反而惊人。

孩子的大脑，也如一个刚刚初始化的大模型，有极大的参数空间等待优化。与其告诉他人生道理，不如给他精选的样例，让他通过自己的探索得到答案。这就是认知心理学家和教育心理学家杰罗姆·布鲁纳在其经典著作《教育过程》中提出的范例教学，又称归纳式教学。

在数学教学中，教师给出一系列完整解题步骤的例题，学生通过分析示例主动理解数学概念和方法，而不是教师直接讲解抽象的数学公式；在语文教学中，教师让学生通过反复接触大量语言样例归纳语法规则，而非直接灌输语法规则。这种方法不仅能加深理解，还更易于将其迁移到新的问题或情境中。

所以，孩子在成长过程中碰到的每一个难题，都不妨看作一次有意义的训练样例，父母无须立刻给出结论或答案，要让孩子自己去观察、体验、比较、反思，从中找到自己的道。放弃说教，“给予注意，学会陪伴”，这才是养育孩子的黄金法则。

成人也是如此。初等教育和高等教育赋予我们的道理如同预训练阶段的基础知识，它们在大脑中构建了认知的底层模型，却不足以直接指导我们应对真实复杂的生活场景。生活真正考验我们的是具体情境中的决策能力，而这种能力恰恰来自后续不断的微调和强化学习。

例如，面对亲密关系中的冲突，书上说“要理解对方，包容不同观点”，但这样的抽象道理并不能让我们解决冲突；只有去倾听、去表达、去调节情绪，然后根据对方的反馈微调和优化我们“人际交往专家模块”的参数。所谓“纸上得来终觉浅，绝知此事要躬行”，这样，我们才不会陷入“懂得了很多道理，依旧过不好这一生”的局部最优陷阱。

第三，注意也是遗忘。学习的本质，是对知识体系的优化。大模型像一个捡破烂的拾荒者，无差别地记忆所有接触的信息。而人超越大模型的，是其所独有的“选择性遗忘”：有意识地强化对重要知识和场景的记忆，同时主动遗忘那些低效甚至有害的信息。所以，积极的遗忘并非失败，而是一种认知优化的策略，它可以让宝贵的注意力聚焦于那些真正有价值的信息和故事。《洛丽塔》的作者弗拉基米尔·纳博科夫说：“你所领悟的人生真理，皆是你曾付出代价的往事。”

在学习过程中，选择性遗忘就是“先做加法，再做减法”的思维模式。为策划一个项目，我们会收集大量的信息，做大量的调研，努力将各种可能性都纳入考虑范围。这是必要的第一步，即先做加法。越接近决策阶段，就越需要精准地做减法，选择性遗忘。比如，关于一款新产品，我们最初想法无数：既要满足市场需求，又要成本可控；既要功能强大，又要操作简单；既想满足年轻人的需求，又不愿放弃中年人市场。但是，真正的产品设计者，要敢于主动“遗忘”那些充满吸引力但干扰产品核心定位的冗余信息，从而将注意力分配给真正的核心。设计师迪特·拉姆斯曾说：“好的设计不是堆砌更多的功能，而是敢于删去多余的东西。”遗忘，也是注意力分配的艺术。

生活中，我们有时会情绪低落，这可能是因为过去一些不愉快的经历：或许是一次失败的考试，一次刻骨铭心的分手，甚至是朋友无意中的伤害。这些不愉快持续侵占和消耗着我们的注意力，不断地唤起痛苦的记忆，让我们陷入“身在当下，心在过去”的困境而无法自拔。选择性遗忘不是强迫忘记这些不愉快，或者逃避甚至否认它们曾经发生。选择性遗忘是承认，是接纳——承认它们确实已经发生，无法更改，接纳它们曾给自己带来的伤害。但是需要明白的是，它们并不必然定义我们现在以及未来的人生。

心理学家卡尔·荣格说：“我们无法改变过去的事实，但我们可以改变看待这些事实的态度。”只有当我们真正接纳了这些痛苦的经历，允许自己放下情绪上的执着与执念，过去的负面经历才会与我们握手言和，逐渐淡去；唯有这样，注意力才会回归当下，回归我们能掌控的事情上。于是，我们重获内心的平静与自由。

遗忘，既是告别，也是起航。

——本文摘编自《通用人工智能：认知、教育与生存方式的重构》