Rozpocznij darmowy okres próbny
Popularne Nowości Gatunki Autorzy
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Wyszukiwanie...
SoBrief
Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery..

Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery..

Tytuł oryginalny: How We Learn
jak dotąd
Mózgi uczą się na podstawie skąpych wskazówek i pożytecznych błędów. Maszyny wciąż potrzebują znacznie więcej ćwiczeń.
autor: Stanislas Dehaene 2018 352 stron
4.32
2000+ ocen
Słuchaj
Immersyjne
V2.3
Amazon Kindle Audible
Wypróbuj pełny dostęp przez 3 dni
Odblokuj słuchanie i więcej!
Kontynuuj

Kluczowe wnioski

Traktuj uczenie się jako budowanie modeli, a nie gromadzenie niepowiązanych faktów

Uczenie się polega na budowaniu modeli. Dehaene opisuje uczenie się jako konstruowanie wewnętrznego modelu, który przewiduje, jak działa świat, a następnie korygowanie go, gdy rzeczywistość okazuje się inna. Felipe, niewidomy i niemal całkowicie sparaliżowany chłopiec, który pisał opowiadania i mówił w trzech językach, pokazuje, dlaczego uczenia się nie da sprowadzić do kopiowania bodźców zmysłowych. Mózg wykorzystuje swoją istniejącą strukturę, by wnioskować poza to, czego bezpośrednio doświadcza. Ujęcie bayesowskie opisuje ten proces jako rozważanie możliwych wyjaśnień i aktualizowanie ich wiarygodności w miarę napływania dowodów.

Doświadczenie udoskonala strukturę. Dziecko poznaje lokalne szczegóły dotyczące języka, przedmiotów i ludzi, ale robi to, opierając się na odziedziczonych oczekiwaniach, które ograniczają zakres możliwości. Uczenie się nie polega więc ani na zapełnianiu czystej karty, ani na rozwijaniu się niezmiennego programu, na który nic nie wpływa. To nieustanna wymiana między wcześniejszą organizacją a nowymi dowodami.

Analiza

Ujęcie uczenia się jako budowania modeli łączy je z rozumowaniem naukowym: obserwacje są ważne, ponieważ pomagają odróżnić konkurencyjne wyjaśnienia, a nie dlatego, że każdą z nich trzeba zapamiętać w oderwaniu od pozostałych. Pozwala też uwzględnić przypadek Felipego, nie traktując jego odporności jak magii. Jego zdolności pokazują, że poznanie nie jest prostym odbiciem dostępu do bodźców zmysłowych. Warto jednak pamiętać, że język bayesowski opisuje ujęcie obliczeniowe, a nie dowodzi, iż uczący się świadomie obliczają prawdopodobieństwa. Model jest potężny właśnie dlatego, że pozwala wyjaśnić inteligentne dostosowywanie się bez konieczności werbalizowania każdego wniosku.

Ucz dziecko o ustrukturyzowanym umyśle, a nie wyobrażoną czystą kartę

Niemowlęta mają własne oczekiwania. Dzieci przychodzą na świat z wczesnymi intuicjami dotyczącymi przedmiotów, ilości, prawdopodobieństwa, twarzy i innych ludzi. W eksperymentach niemowlęta dłużej przyglądają się sytuacjom, w których przedmiot zdaje się przenikać przez solidną ścianę albo ukryty zbiór przedmiotów po dodaniu nie daje prawidłowej sumy. Potrafią też wywnioskować, że z pojemnika wypełnionego kulkami jednego koloru rzadziej wyłoni się kulka o innym, rzadkim kolorze. Reakcje te sugerują, że dzieci formują oczekiwania, zanim będą umiały wyjaśnić je słowami.

Wiedza jest zestawem na start. Książka nazywa te wczesne zdolności wiedzą podstawową: wykształconymi w toku ewolucji intuicjami, które tworzą ramy dla późniejszego uczenia się. Nie są to kompletne, dorosłe pojęcia. Dzieci wciąż muszą się na przykład nauczyć, co dokładnie podtrzymuje przedmiot. Początkowe założenia ukierunkowują ich eksplorację, a doświadczenie wyostrza je i przekształca w dokładniejsze modele.

Analiza

Najważniejsza korekta nie polega na uznaniu, że niemowlęta są miniaturowymi dorosłymi, lecz na dostrzeżeniu, że ich zachowanie może skrywać złożone oczekiwania. Eksperymenty mierzące czas patrzenia pozwalają badać umysł, zanim pojawi się mowa, ale zaskoczenie jest miarą pośrednią: dłuższe spojrzenie może sygnalizować naruszenie oczekiwań, nie ujawnia jednak pełnej, dorosłej teorii. To rozróżnienie ma znaczenie w edukacji. Dzieci potrzebują pojęć powiązanych z wcześniejszymi intuicjami, a nauczanie powinno zarazem pokazywać, gdzie te intuicje są niepełne. Uznanie wczesnych kompetencji powinno skłaniać do ambitnego nauczania, a nie romantyzować odkrywanie bez wsparcia.

Reaguj wcześnie, ale nie myl plastyczności z nieograniczoną możliwością naprawy

Plastyczność ma swoje okna. Mózg zmienia się pod wpływem doświadczenia, ale jego zdolność do reorganizacji różni się w zależności od obszaru i wieku. Dehaene nazywa okresem wrażliwym czas, gdy szczególnie łatwo się uczyć. Wczesna percepcja dźwięków zawęża się do języków, które słyszy niemowlę, podczas gdy zdolności wyższego rzędu pozostają podatne na zmiany dłużej. Okna te nie są jednakowe, a ich zamknięcie nie oznacza, że nauka staje się niemożliwa.

Moment działania zmienia rezultaty. W projekcie Bucharest Early Intervention Project dzieci umieszczone w rodzinach zastępczych przed ukończeniem dwudziestu miesięcy poczyniły znaczne postępy w zakresie uwagi, słownictwa i umiejętności społecznych. U dzieci umieszczonych tam później zaburzenia były znacznie poważniejsze. Wczesna opieka nie wymazała jednak wszystkich skutków deprywacji. Książka opisuje też izraelskie niemowlęta, u których krótkotrwały niedobór witaminy B1 wiązał się z utrzymującymi się trudnościami językowymi, co pokazuje, że rozwój mózgu zależy zarówno od warunków fizycznych, jak i społecznych.

Analiza

Okresy wrażliwe sprawiają, że kwestia czasu staje się etyczna: opóźnione wsparcie może odebrać możliwości, których późniejszy wysiłek nie zdoła w pełni przywrócić. Zarazem traktowanie okna rozwojowego jak ostatecznego terminu grozi zniechęcaniem do pomocy starszym uczniom. Rozróżnienie Dehaene’a między okresami wrażliwymi a okresami całkowicie zamkniętymi przemawia za bardziej praktycznym podejściem: działajmy szybko, ale później nadal inwestujmy w rozwój. Wyniki projektu bukareszteńskiego sprzeciwiają się też wyjaśnieniom opartym na jednym czynniku. Opieka, odżywianie, zdrowie i zasoby materialne wzajemnie na siebie wpływają, więc wczesna edukacja nie zastąpi zaspokojenia szerszych potrzeb dziecka.

Rozwijaj nowe umiejętności, wykorzystując na nowo istniejące obwody mózgu

Kultura znajduje sobie neuronalną niszę. Hipoteza recyklingu neuronalnego (neuronal recycling hypothesis) głosi, że nowe umiejętności kulturowe przystosowują obwody mózgowe, które wyewoluowały na potrzeby pokrewnych zdolności, zamiast zapisywać się na nieograniczonej neuronalnej czystej karcie. Czytanie angażuje na przykład obszary wzrokowe do rozpoznawania ciągów liter i łączenia ich z językiem mówionym. U dzieci uczących się czytać specjalizacja ta rozwija się w określonym obszarze lewej kory wzrokowej i konkuruje z rozwojem sąsiadujących zdolności wzrokowych.

Nowe abstrakcje opierają się na dawnych podstawach. Matematyka bazuje na wczesnych systemach służących do szacowania ilości i relacji przestrzennych. Skany mózgu pokazują, że niewidomi matematycy wykorzystują wiele tych samych obszarów związanych z liczbami co matematycy widzący, a jednocześnie angażują korę wzrokową do myślenia matematycznego. Uczenie się może zmienić funkcję obwodu, ale istniejąca organizacja mózgu ogranicza to, które przekształcenia są najłatwiejsze.

Analiza

Recykling to użyteczny kompromis między sztywnym biologicznym determinizmem a nieograniczoną plastycznością. Wyjaśnia, jak kultura może tworzyć zdolności niemające bezpośredniej historii ewolucyjnej, a zarazem uznaje materialne ograniczenia uczenia się. Metafora uwypukla też kompromisy: nowe kompetencje mogą konkurować o ograniczone zasoby neuronalne. Taka konkurencja nie musi oznaczać, że dana umiejętność po prostu niszczy swoją poprzedniczkę. W przykładzie czytania przetwarzanie twarzy przesuwa się ku prawej półkuli, gdy po lewej rozwijają się umiejętności rozpoznawania liter. Zmiana edukacyjna to przystosowanie w obrębie systemu, a nie bezkosztowe pobranie nowej funkcji.

Kieruj uwagę na cechę, którą uczący się rzeczywiście mają zrozumieć

Uwaga wybiera to, co ważne. Mózg odbiera więcej informacji, niż jest w stanie dogłębnie przetworzyć, dlatego wzmacnia niektóre sygnały, a inne tłumi. W słynnym eksperymencie z niewidzialnym gorylem osoby liczące podania piłki do koszykówki często nie zauważają człowieka w kostiumie goryla, który przechodzi przez scenę, mimo że patrzą prosto na niego. Uwaga nie jest po prostu jaśniejszym reflektorem; sprawia też, że znaczna część sceny pozostaje w cieniu.

Liczy się to, na czym skupia się uwaga. W badaniu, w którym dorośli uczyli się nieznanego im pisma, osoby poproszone o zwracanie uwagi na składające się na nie litery potrafiły później przeczytać 79 procent nowych słów. Ci, którzy skupiali się na kształcie całych wyrazów, opanowali przykłady z ćwiczeń, ale nie umieli uogólniać tej wiedzy na nieznane słowa. Książka wyróżnia uwagę czujną, orientacyjną i wykonawczą: gotowość do skupienia się, wybór tego, na czym się skupić, oraz kontrolę nad sposobem przetwarzania informacji.

Analiza

Uwaga jest jednocześnie bramą i wąskim gardłem. Eksperyment z gorylem podważa powszechne założenie, że ważne informacje automatycznie docierają do świadomości, a badanie pisma pokazuje, że to, na czym skupia się uwaga podczas nauki, może decydować o zdolności uogólniania wiedzy. Ma to znaczenie nie tylko w klasie: uczący się może być pilny, a mimo to zwracać uwagę na niewłaściwą cechę. Praktyczne pytanie brzmi nie tylko, czy uwaga jest skupiona, lecz także czy skierowano ją na strukturę, którą można przenieść na nowe przypadki. Ponieważ selekcja tłumi konkurujące sygnały, nadmiar materiałów wizualnych może czasem obniżyć skuteczność nauczania.

Spraw, by nauka była aktywna i ciekawa, ale nie rezygnuj z pomocnych wskazówek

Zaangażowanie to praca umysłowa. W klasycznym eksperymencie jeden kociak aktywnie badał otoczenie, a drugi otrzymywał te same bodźce wzrokowe biernie, za pośrednictwem połączonej karuzeli. U aktywnego kociaka rozwinęły się prawidłowe zdolności wzrokowe, u biernego zaś nie. W przypadku uczących się aktywne zaangażowanie oznacza formułowanie pomysłów, przewidywanie i dociekanie znaczeń. Nie oznacza ciągłego ruchu ciała.

Ukierunkowuj eksplorację. Cztery filary uczenia się według Dehaene’a to uwaga, aktywne zaangażowanie, informacja zwrotna o błędach i konsolidacja. Ciekawość pomaga uczącym się podejmować pytania o umiarkowanym poziomie trudności, ale pozostawienie uczniów samym sobie, by wszystko odkryli, często nie przynosi rezultatów. Badania omówione w książce wykazały, że metody aktywne są skuteczniejsze od biernych wykładów, natomiast odkrywanie bez wskazówek może nie zapewnić uczącym się dostępu do podstawowych reguł. Skuteczne nauczanie łączy aktywne uczestnictwo z przykładami, odpowiednią kolejnością materiału i bezpośrednim instruktażem.

Analiza

Rozróżnienie między aktywnym myśleniem a odkrywaniem bez wskazówek rozwiązuje powszechny fałszywy dylemat edukacyjny. Uczniowie potrzebują samodzielności, ale samodzielność nie oznacza pozostawienia ich samym sobie, by na nowo odkrywali wiedzę, której rozwój zajął całym pokoleniom. Najlepsza struktura daje uczącym się problem wart rozwiązania, wystarczającą wiedzę wstępną, by mogli sobie z nim poradzić, oraz przestrzeń do sprawdzania własnego rozumienia. Ciekawość zależy również od właściwego dobrania poziomu trudności: zadania, które wydają się błahe, nudzą, a te, które pozostają niezrozumiałe, zniechęcają. Dobre wskazówki pomagają utrzymać uczącego się blisko granicy, przy której wysiłek może przynieść wgląd.

Zamieniaj błędy w konkretną informację zwrotną, a nie dowód niezdolności

Zaskoczenie aktualizuje modele. Mózg uczy się, gdy wynik różni się od tego, czego się spodziewał. W ujęciu Rescorli i Wagnera taka różnica to błąd predykcji, czyli sygnał pomagający skorygować model. Alexander Grothendieck, późniejszy wybitny matematyk, posłużył się kiedyś rysunkami wykonanymi cyrklem i doszedł do wniosku, że pi równa się trzy. Później wspominał to zdarzenie nie jako upokorzenie, lecz jako odkrycie, że jego rozumowanie było błędne.

Korekta to nie kara. Przydatna informacja zwrotna wskazuje, co się nie powiodło i jak to poprawić. Sama ocena często niewiele mówi o sposobie rozumowania ucznia, a spóźniona lub zawstydzająca reakcja może sprawić, że błędy zaczną jawić się jako dowód niskich zdolności. Książka opowiada się za jasno określonymi celami, szybką korektą i atmosferą w klasie, w której błędna odpowiedź jest materiałem do nauki, a nie powodem do wycofania się.

Analiza

Błąd, który przynosi pożytek, to nie po prostu porażka opatrzona pogodnym określeniem. Staje się użyteczny, gdy uczący się potrafi rozpoznać błędne założenie i sprawdzić lepsze. Dlatego jakość informacji zwrotnej jest ważniejsza niż sama pochwała czy kara. Anegdota o Grothendiecku pokazuje intelektualną wartość pomyłki, ale nie sugeruje, że każdy błąd automatycznie czegoś uczy. Niektóre wymagają wyjaśnienia, a powtarzające się porażki bez drogi do poprawy mogą osłabić pewność siebie. Najlepsza reakcja podtrzymuje gotowość uczącego się do podejmowania prób, a zarazem jasno wskazuje, co należy skorygować.

Zastąp maratony ponownego czytania samodzielnymi sprawdzianami rozłożonymi w czasie

Wydobywanie z pamięci ją wzmacnia. Trening wydobywania z pamięci polega na próbie przypomnienia sobie informacji, zanim sprawdzi się odpowiedź. Eksperymenty opisane w książce wykazały, że uczniowie, którzy przeplatali naukę sprawdzianami, zapamiętywali więcej niż ci, którzy ten sam czas poświęcali wyłącznie na naukę. Sprawdziany pomagają rozpoznać, co zostało dobrze utrwalone, a nad czym trzeba jeszcze popracować, dzięki czemu późniejszą naukę można ukierunkować na słabsze punkty.

Rozłożenie nauki w czasie przeciwdziała zapominaniu. Rozłożenie ćwiczeń na kilka dni skuteczniej wspiera trwałą pamięć niż skupienie ich w jednej sesji. Dehaene podaje, że powtórki rozłożone w czasie mogą wielokrotnie zwiększyć późniejszą zdolność przypominania sobie materiału, i wskazuje praktyczną zasadę: odstępy między powtórkami mogą rosnąć wraz z czasem, przez jaki wiedza ma się utrzymać. Fiszki sprawdzają się, gdy uczący się najpierw próbuje odpowiedzieć, potem sprawdza odpowiedź, a do nietrafionych haseł wraca szybciej niż do opanowanych.

Analiza

Wydobywanie informacji z pamięci wydaje się trudniejsze niż ponowne czytanie, ponieważ odbiera uczącemu się komfort widoku odpowiedzi. Ta trudność jest pouczająca: sprawdza, czy wiedzę da się przywołać, a nie tylko rozpoznać. Rozłożenie nauki w czasie przynosi dodatkową korzyść, bo pozwala na częściowe zapomnienie przed kolejną próbą, dzięki czemu przypominanie staje się aktywną rekonstrukcją. Metody te są szczególnie cenne, ponieważ świeżo powtórzony materiał może dawać złudne poczucie pewności. Sprawdzian najbardziej wspiera jednak naukę, gdy ma niewielką wagę i towarzyszy mu rzetelna korekta, a nie służy wyłącznie porównywaniu uczniów.

Ćwicz, aż podstawy staną się automatyczne, a potem zadbaj o sen

Ćwiczenie automatyzuje umiejętności. Początkujący czytelnik odczytuje litery pojedynczo, angażując przy tym znaczną część uwagi. Po latach ćwiczeń czytanie staje się szybsze i bardziej automatyczne, dzięki czemu świadoma uwaga może skupić się na znaczeniu. Podobne zmiany zachodzą w arytmetyce, muzyce i ruchu: powtarzane czynności stają się sprawnymi rutynami, które nie zajmują już ograniczonych zasobów wykonawczych mózgu.

Sen pozwala kontynuować pracę. Podczas snu mózg ponownie aktywuje wzorce z danego dnia i pomaga utrwalać, reorganizować oraz uogólniać to, czego się nauczył. Badania opisane w książce wykazały poprawę sprawności percepcyjnej i ruchowej po śnie, a niemowlęta po drzemce lepiej uogólniały nowo poznane znaczenia słów. Sam sen nie uczy w niezawodny sposób zupełnie nieznanego przedmiotu. Wzmacnia i reorganizuje materiał, z którym uczący się zetknął się wcześniej na jawie.

Analiza

Automatyzacja nie oznacza bezmyślnego uczenia się. Polega na przekształcaniu podstawowych czynności w niezawodne narzędzia, które umożliwiają bardziej złożone myślenie. Czytelnik, który wciąż mozolnie odczytuje każdą literę, ma mniej zasobów na interpretację argumentu. Sen wnosi do tego procesu wymiar czasowy: nauczanie i ćwiczenia wymagają przerwy, podczas której mózg może je utrwalić. Nie należy jednak wyolbrzymiać tej tezy i obiecywać, że sen rozwiąże każdy problem z nauką. Jego wartość jest najbardziej widoczna w połączeniu z celowym uczeniem się w ciągu dnia, regularnymi ćwiczeniami i odpowiednim odpoczynkiem.

Ucz przez wspólne skupienie uwagi, a zarazem krytycznie przyglądaj się zaufaniu społecznemu

Uczenie się podąża za intencją. Wspólne skupienie uwagi to zdolność koordynowania uwagi z drugą osobą, często poprzez podążanie za jej wzrokiem lub wskazywanie. W eksperymentach dzieci uczyły się nowego słowa, gdy ktoś, wypowiadając je, patrzył na przedmiot, ale nie wtedy, gdy to samo słowo dobiegało z głośnika. Sygnały komunikacyjne ludzkiego nauczyciela pomagają dzieciom wywnioskować, które informacje są ważne i mogą nadawać się do uogólnienia.

Kultura przekazuje wiedzę kolejnym pokoleniom. Dzięki nauczaniu odkrycia mogą wykraczać poza doświadczenie jednostki i kumulować się przez pokolenia. Zaufanie społeczne może jednak również sprzyjać szerzeniu się fałszywych przekonań. Niemowlęta mogą naśladować dziwne działanie dorosłego, jeśli wygląda na zamierzone, a dorośli także ulegają wpływowi konsensusu grupy. Dobre nauczanie łączy więc jasną komunikację i zaufanie z możliwością kwestionowania twierdzeń i sprawdzania wyjaśnień.

Analiza

Uczenie się społeczne jest niezwykle skuteczne: uczeń może przyswoić wiedzę, nie powtarzając osobiście każdego eksperymentu, który do niej doprowadził. Przekazywanie wiedzy i prawdziwość to jednak odrębne osiągnięcia. To samo zaufanie, które ułatwia nauczanie, może sprawić, że społeczności staną się podatne na pewne siebie błędy. Dobra relacja edukacyjna powinna zatem robić więcej niż tylko przyciągać uwagę. Powinna ujawniać stojące za twierdzeniami rozumowanie i pokazywać, kiedy dowody uzasadniają ich korektę. Celem nie jest ani podejrzliwość wobec każdego nauczyciela, ani bierny szacunek dla autorytetu, lecz kształtowanie ucznia, który potrafi korzystać z eksperckiej wiedzy, a zarazem pytać, na jakiej podstawie jest uzasadniona.

Oceniaj uczenie maszynowe po zdolności uogólniania, nie po spektakularnych, wąskich sukcesach

Wygrana w zadaniu nie oznacza ogólnej inteligencji. Książka przeciwstawia maszyny, które doskonale radzą sobie z jasno określonymi problemami, ludzkim uczniom potrafiącym przenieść pewną zasadę na nową sytuację. System, który opanował grę planszową Go, może nadal nie umieć zastosować tej umiejętności na nieco innej planszy. Wiele systemów uczenia maszynowego potrzebuje też znacznie więcej przykładów niż człowiek: Dehaene przytacza system uczący się gry na Atari, który potrzebował około dziewięciuset godzin, by osiągnąć poziom, do którego człowiek dochodził w mniej więcej dwie godziny.

Ludzkie uczenie się łączy na nowo różne elementy. Dziecko, które słyszy nowy czasownik, może wywnioskować, jak wpisuje się on w gramatykę, zamiast tylko zapamiętać jedno brzmienie. Ludzie dzielą się też jawną wiedzą za pomocą języka i wykorzystują ją ponownie w różnych zadaniach. Te zdolności, wraz z uczeniem się na podstawie nielicznych danych, są przedstawiane jako główne przewagi ludzkiego mózgu nad maszynami omawianymi w książce.

Analiza

Porównanie jest najbardziej miarodajne, gdy sprawdza, co uczący się potrafi zrobić poza zbiorem treningowym. Wąski sukces maszyny świadczy o rzeczywistym osiągnięciu inżynierskim, ale nie rozstrzyga kwestii abstrakcji, elastyczności ani zdolności przenoszenia rozumienia na nowe sytuacje. Nie należy też idealizować ludzkiego uczenia się jako bezwysiłkowego czy zawsze skutecznego; ludzie również opierają się na rozbudowanej wiedzy wstępnej i mogą błędnie uogólniać. Ocena sztucznej inteligencji w książce odzwierciedla stan badań z 2018 roku. Jej trwałym wkładem jest wybór kryterium: trzeba mierzyć, jak elastycznie można zastosować wiedzę, a nie tylko to, jak dobrze system radzi sobie ze swoim podstawowym zadaniem.

Analiza

Największym osiągnięciem książki jest połączenie trzech poziomów wyjaśnienia, które często rozpatruje się osobno: ewolucja dostarcza uporządkowanej architektury wyjściowej, indywidualne doświadczenie ją dostraja, a nauczanie celowo kształtuje doświadczenie. Uczenie się nie jest więc ani biernym przyswajaniem, ani nieograniczonym wymyślaniem siebie na nowo. Mózg przemierza ograniczony krajobraz możliwych modeli, wykorzystując uwagę, ciekawość, sygnały błędów i konsolidację, by wybierać i utrwalać przydatne interpretacje. Ujęcie Dehaene’a jest najbardziej przekonujące, gdy mechanizmowi towarzyszy konkretny przypadek: niemowlę wnioskujące o dalszym istnieniu ukrytego przedmiotu, niewidomy matematyk korzystający ze znanych obwodów matematycznych albo czytelnik, który zamienia mozolne odczytywanie liter w płynne rozpoznawanie wyrazów.

Konsekwencje dla edukacji są wyjątkowo praktyczne. Uwagę należy kierować na strukturę, której trzeba się nauczyć; uczniowie powinni aktywnie wydobywać z pamięci i sprawdzać swoje pomysły; nauczyciele powinni korygować błędy, nie czyniąc ich społecznie kosztownymi; ćwiczenia powinny powracać w kolejnych odstępach czasu; a sen należy traktować jako część nauki, a nie jej przeciwieństwo. Co ważne, aktywne uczenie się nie jest utożsamiane z odkrywaniem bez wskazówek. Uczący się potrzebuje samodzielności i kompetentnego przewodnika — takie połączenie podważa uproszczone spory między bezpośrednim nauczaniem a podejściem skoncentrowanym na uczniu.

Argument wymaga również uważnej interpretacji. Dłuższe spojrzenie niemowlęcia stanowi dowód na jego oczekiwania, a nie zapis w pełni sformułowanego przekonania. Modele bayesowskie wyjaśniają, w jaki sposób dowody mogą aktualizować oczekiwania, ale same w sobie nie ustalają dokładnego przebiegu obliczeń neuronalnych. Podobnie hipoteza recyklingu neuronalnego to porządkujące ujęcie tego, jak kultura funkcjonuje w ramach biologicznych ograniczeń, a nie twierdzenie, że każda umiejętność ma jeden stały adres w korze mózgowej. Te rozróżnienia są ważne, bo neuronauka może stać się przekonującą metaforą, zanim jeszcze będzie pełnym wyjaśnieniem przyczynowym.

Najgłębsza lekcja płynąca z książki dotyczy zatem zarówno metodologii, jak i pedagogiki: praktyki edukacyjne należy oceniać na podstawie mierzalnych efektów uczenia się, a nie bronić ich, odwołując się do intuicji. Synteza ta zachęca, by stawiać przed uczącymi się ambitne cele, a zarazem uwzględniać ograniczenia, potrzebne wsparcie i dowody. W rezultacie edukacja jawi się jako wspólna technologia, oparta na zdolnościach ukształtowanych przez ewolucję i doskonalona dzięki celowym eksperymentom.

Podsumowanie w 30 sekund
Uczenie się polega na budowaniu i korygowaniu modeli umysłowych, ukierunkowanych przez wczesne intuicje i kształtowanych przez doświadczenie. Skupienie uwagi na podstawowej strukturze umiejętności ułatwia przenoszenie wiedzy: osoby, które koncentrowały się na poszczególnych literach, później przeczytały 79 procent nowych słów. Aktywne ćwiczenie przynosi najlepsze efekty, gdy towarzyszą mu jasne wskazówki i konkretne korekty. Sprawdzanie własnej wiedzy i rozkładanie powtórek w czasie poprawiają trwałość zapamiętanych treści. Powtarzane ćwiczenia automatyzują podstawowe umiejętności, a sen pomaga utrwalać i porządkować to, czego się nauczono. Ludzie potrafią uogólniać na podstawie znacznie mniejszej liczby przykładów niż wiele maszyn.
Zawiera spoilery

Ostatnia aktualizacja:

Zgłoś problem

Podsumowanie recenzji

4.32 z 5
Średnia z 2000+ ocen z Goodreads i Amazon.

Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd omawia neurobiologię uczenia się, porównując procesy uczenia się u ludzi i maszyn. Dehaene przedstawia cztery filary uczenia się: uwagę, aktywne zaangażowanie, informację zwrotną o błędach i konsolidację. Książka obala mity dotyczące uczenia się i proponuje strategie skutecznej edukacji oparte na dowodach. Czytelnicy cenią zawarte w niej spostrzeżenia na temat funkcjonowania mózgu, rozwoju dziecka oraz praktycznych zastosowań w nauczaniu i uczeniu się. Choć dla niektórych fragmenty były trudne, większość recenzentów chwaliła jasność wywodu i jego znaczenie dla nauczycieli, rodziców oraz osób uczących się przez całe życie. Wielu uważa tę książkę za lekturę obowiązkową dla każdego, kto chce zrozumieć, jak mózg przyswaja wiedzę.

Twoja ocena:
4.61
855 ocen
Chcesz przeczytać całą książkę?

Słowniczek

mózg bayesowski

Aktualizuje przekonania na podstawie dowodów

Model uczenia się mózgu, w którym mózg utrzymuje oczekiwania dotyczące możliwych przyczyn tego, co odbiera zmysłami, a następnie zmienia ich prawdopodobieństwo w świetle nowych dowodów. W tym ujęciu wcześniejsze oczekiwania i osobiste doświadczenie współdziałają. Model wyjaśnia, jak nawet niepewne obserwacje mogą pomóc udoskonalić wewnętrzną reprezentację.

wiedza podstawowa

Wczesne intuicje ukształtowane ewolucyjnie

Podstawowe oczekiwania obecne już we wczesnym okresie rozwoju człowieka, obejmujące intuicje dotyczące przedmiotów, ilości, przestrzeni i innych ludzi. Te początkowe zdolności ukierunkowują późniejszą naukę, ale nie stanowią kompletnej wiedzy dorosłego człowieka. Niemowlęta doskonalą je przez doświadczenie, sprawdzając swoje oczekiwania w konfrontacji ze zdarzeniami w świecie.

okres wrażliwy

Okres zwiększonej podatności na uczenie się

Faza rozwoju, w której obwód mózgowy jest szczególnie podatny na modyfikacje pod wpływem doświadczenia. Okresy wrażliwe różnią się w poszczególnych układach mózgowych i nie muszą oznaczać, że późniejsza nauka staje się niemożliwa. Oznaczają jednak, że niektórych umiejętności, takich jak pewne aspekty percepcji mowy, łatwiej nabyć, gdy odpowiednie doświadczenia pojawią się wcześnie.

hipoteza recyklingu neuronalnego (neuronal recycling hypothesis)

Kultura przystosowuje obwody mózgowe do nowych zadań

Hipoteza, że zdolności nabywane kulturowo, w tym czytanie i matematyka formalna, rozwijają się przez przystosowanie istniejących obwodów mózgowych do nowych funkcji. Nauka nie rozpoczyna się od nieograniczonej plastyczności układu nerwowego. Nowe umiejętności wykorzystują obwody, których odziedziczone właściwości czynią je odpowiednimi, a zarazem pozostają ograniczone przez wcześniejszą organizację mózgu.

cztery filary uczenia się

Cztery mechanizmy wspierające uczenie się

W ujęciu Dehaene’a uwaga, aktywne zaangażowanie, informacja zwrotna o błędach i konsolidacja to mechanizmy, które usprawniają uczenie się. Uwaga wybiera informacje, zaangażowanie skłania uczących się do formułowania i sprawdzania pomysłów, informacja zwrotna koryguje niedokładne oczekiwania, a konsolidacja utrwala i automatyzuje to, co zostało przyswojone. Słabość któregokolwiek filaru może osłabić pozostałe.

wspólne skupienie uwagi

Wspólne kierowanie uwagi z drugą osobą

Zdolność do kierowania uwagi na to samo co druga osoba, często przez podążanie za jej spojrzeniem lub wskazującym gestem. Podczas nauki języka wspólne skupienie uwagi pomaga dziecku odgadnąć, co mówiący ma na myśli, używając nowego słowa. Wspiera też nauczanie, sygnalizując, które przedmioty lub zdarzenia rozmówca uznaje za istotne.

błąd predykcji

Rozbieżność między oczekiwaniem a wynikiem

Sygnał powstający, gdy zaobserwowane zdarzenie różni się od tego, czego mózg się spodziewał. W modelach uczenia się rozbieżność wskazuje, że wewnętrzna reprezentacja wymaga korekty. Wielkość i kierunek tej różnicy mogą pomóc w dokonaniu korekty. Uczenie się może zachodzić nawet wtedy, gdy uczący się odgadł poprawnie, jeśli informacja zwrotna zmniejsza niepewność.

trening wydobywania z pamięci

Przypominanie sobie przed sprawdzeniem odpowiedzi

Technika uczenia się, w której dana osoba próbuje wydobyć informacje z pamięci, zanim zajrzy do odpowiedzi. Sam akt przypominania ujawnia, co jest dostępne w pamięci, i wzmacnia trwałość zapamiętanych treści. Połączenie tej metody z korektą oraz powtarzanie jej w odstępach czasu może być skuteczniejsze w długotrwałym uczeniu się niż samo ponowne czytanie.

efekt Złotowłosej

Preferowanie trudności na miarę

Skłonność uczących się, w tym niemowląt, do poświęcania największej uwagi materiałowi, który nie jest ani zbyt znajomy, ani zbyt dezorientujący. Materiał o umiarkowanym stopniu trudności daje obiecującą sposobność do nauki. To wyjaśnia, dlaczego ciekawość może słabnąć, gdy zadanie staje się przewidywalne albo wydaje się niemożliwe.

globalna przestrzeń neuronalna

Wspólna przestrzeń informacji dostępnych świadomości

Tymczasowa przestrzeń umysłowa, w której informacje mogą stać się dostępne świadomości i być przekazywane między wyspecjalizowanymi układami mózgowymi. Wspiera świadome rozumowanie, pamięć roboczą i uporządkowane wykonywanie złożonych zadań. Ponieważ jej pojemność jest ograniczona, równoczesne zadania wymagające wysiłku konkurują o dostęp do niej i mogą wzajemnie się spowalniać.

język myśli

System łączenia abstrakcyjnych symboli

Proponowany wewnętrzny system reprezentacji, który pozwala umysłowi łączyć symbole zgodnie z regułami i tworzyć nowe myśli z istniejących pojęć. Hipoteza ta pomaga wyjaśnić, jak uczący się mogą wnioskować o abstrakcyjnych zasadach, stosować poznaną regułę w nowym kontekście i przedstawiać sobie takie idee jak nieskończoność, zamiast jedynie zapamiętywać konkretne przykłady.

FAQ

O czym jest Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Odkrywanie mechanizmów uczenia się: Książka omawia, jak ludzki mózg przetwarza informacje i przystosowuje się z upływem czasu, porównując uczenie się ludzi z uczeniem maszyn.
  • Neurobiologia i edukacja: Stanislas Dehaene łączy odkrycia neurobiologii z praktykami edukacyjnymi, aby udoskonalać metody nauczania.
  • Cztery filary uczenia się: Wskazuje uwagę, aktywne zaangażowanie, informację zwrotną o błędach i konsolidację jako kluczowe mechanizmy wspomagające uczenie się.

Dlaczego warto przeczytać Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Zrozumienie procesów uczenia się: Poznaj mechanizmy uczenia się w mózgu, co może poprawić osobiste i edukacyjne rezultaty.
  • Praktyczne zastosowania: Książka zawiera wskazówki dla nauczycieli i rodziców dotyczące tworzenia warunków sprzyjających skutecznemu uczeniu się.
  • Podstawy naukowe: Opiera się na najnowszych badaniach naukowych i dostarcza wiarygodnych, pouczających treści.

Jakie są najważniejsze wnioski z Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Aktywne uczenie się: Uczenie się wymaga aktywnego zaangażowania i ciekawości, niezbędnych do tworzenia silnych połączeń neuronalnych.
  • Rola uwagi: Uwaga ma kluczowe znaczenie dla wzmacniania istotnych informacji i filtrowania rozpraszających bodźców, co usprawnia praktyki edukacyjne.
  • Neuroplastyczność: Zdolność mózgu do reorganizacji pod wpływem doświadczeń ma zasadnicze znaczenie dla nabywania nowych umiejętności i wiedzy.

Jakie są najlepsze cytaty z Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd i co znaczą?

  • „Jeśli nie wiemy, jak się uczymy, to skąd, u licha, mamy wiedzieć, jak nauczać?”: Podkreśla, jak ważne jest zrozumienie procesów uczenia się dla doskonalenia metod nauczania.
  • „Uczenie się to triumf naszego gatunku”: Odnosi się do wyjątkowej ludzkiej zdolności uczenia się i przystosowywania, podkreślając jej znaczenie ewolucyjne.
  • „Neurony, które pobudzają się razem, łączą się ze sobą”: Opisuje plastyczność synaptyczną, w której jednoczesna aktywacja neuronów wzmacnia połączenia — proces kluczowy dla uczenia się i pamięci.

Jakie są cztery filary uczenia się wymienione w Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Uwaga: Kieruje ją na istotne informacje, odfiltrowując rozpraszające bodźce, co jest niezbędne do skutecznego uczenia się.
  • Aktywne zaangażowanie: Oznacza aktywny udział, który pobudza ciekawość i pogłębia zrozumienie.
  • Informacja zwrotna o błędach: Jest niezbędna do doskonalenia wiedzy i korygowania błędnych przekonań na podstawie doświadczeń z rzeczywistego świata.
  • Konsolidacja: Utrwala nowe informacje i włącza je do pamięci długotrwałej; ważną rolę odgrywa w tym sen.

Jak Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd wyjaśnia różnicę między uczeniem się ludzi a uczeniem maszyn?

  • Uczenie się z uwzględnieniem kontekstu: Ludzie rozumieją abstrakcyjne pojęcia, podczas gdy maszyny opierają się na danych powierzchownych.
  • Neuroplastyczność a sztywne algorytmy: Ludzki mózg przystosowuje się i reorganizuje pod wpływem doświadczeń, podczas gdy maszyny działają według sztywnych algorytmów.
  • Rozumowanie probabilistyczne: Ludzie wnioskują i przewidują na podstawie ograniczonych danych, podczas gdy maszyny potrzebują ich ogromnych ilości.

Jaką rolę odgrywa uwaga w uczeniu się według Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Wzmacnianie informacji: Działa jak reflektor, usprawniając przetwarzanie istotnych informacji i ich zapamiętywanie.
  • Selektywne filtrowanie: Odfiltrowuje nieistotne bodźce i kieruje uwagę na to, co ważne.
  • Wpływ na aktywność neuronalną: Zwiększa częstotliwość wyładowań neuronów, wzmacniając połączenia synaptyczne i sprzyjając powstawaniu trwałych wspomnień.

Jak Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd ujmuje pojęcie neuroplastyczności?

  • Podstawa uczenia się: Neuroplastyczność pozwala mózgowi reorganizować się w odpowiedzi na doświadczenia związane z uczeniem się.
  • Zmiany synaptyczne: Uczenie się obejmuje wzmacnianie lub osłabianie połączeń synaptycznych w zależności od aktywności.
  • Ograniczenia plastyczności: Choć neuroplastyczność ma duże możliwości, słabnie z wiekiem, dlatego wczesna interwencja edukacyjna jest kluczowa.

Jakie znaczenie ma informacja zwrotna o błędach w procesie uczenia się opisanym w Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Korygowanie błędnych przekonań: Pozwala uczącym się rozpoznawać i poprawiać błędy, pogłębiając zrozumienie.
  • Motywacja do doskonalenia się: Informacja zwrotna dotycząca błędów motywuje do wytrwałości i rozwijania umiejętności.
  • Wzmacnianie połączeń neuronalnych: Dostosowuje połączenia synaptyczne do prawidłowych informacji, co ma kluczowe znaczenie dla ich zapamiętania.

Jak Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd podpowiada, jak optymalizować warunki uczenia się?

  • Tworzenie angażujących doświadczeń: Pobudzaj ciekawość i aktywne zaangażowanie, aby wspierać uczenie się.
  • Wykorzystywanie mechanizmów informacji zwrotnej: Włączaj konstruktywną informację zwrotną o błędach, by pomóc uczącym się skorygować swoje rozumienie.
  • Zachęcanie do zarządzania uwagą: Skup się na strategiach skutecznego kierowania uwagą i ograniczania rozproszeń.

Jak Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd omawia znaczenie snu?

  • Konsolidacja pamięci: Sen odgrywa kluczową rolę w utrwalaniu wspomnień powstałych w ciągu dnia.
  • Optymalne uczenie się: Wystarczająca ilość snu poprawia efektywność uczenia się i trwałość zapamiętanych treści.
  • Sen a rozwój: Sen jest niezbędny dla rozwoju poznawczego, zwłaszcza u dzieci.

Jakie strategie edukacyjne zaleca Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery... jak dotąd?

  • Uporządkowane środowisko uczenia się: Książka opowiada się za programami nauczania, które prowadzą uczniów przez materiał o stopniowo rosnącym poziomie trudności.
  • Pobudzanie ciekawości: Rozwijaj ciekawość, by wzmacniać zaangażowanie i chęć odkrywania.
  • Mechanizmy informacji zwrotnej: Wprowadzaj skuteczną informację zwrotną, by pomagać uczniom wyciągać wnioski z błędów i wspierać ich rozwój.

O autorze

Stanislas Dehaene jest cenionym neurobiologiem i psychologiem poznawczym. Kieruje Ośrodkiem Neuroobrazowania Poznawczego w Saclay i jest profesorem psychologii poznawczej eksperymentalnej w Collège de France. Badania Dehaene’a koncentrują się na neuronalnych podstawach ludzkich funkcji poznawczych, zwłaszcza w obszarach czytania, matematyki i świadomości. Jest autorem kilku wpływowych książek o neurobiologii i poznaniu, w tym „Reading in the Brain” i „Consciousness and the Brain”. Jego prace łączą badania naukowe z praktycznymi zastosowaniami w edukacji i uczeniu się. Wiedza Dehaene’a zarówno z zakresu neurobiologii, jak i sztucznej inteligencji pozwala mu trafnie porównywać procesy uczenia się u ludzi i maszyn.

Inne książki autorstwa Stanislas Dehaene

Pobierz PDF

Aby zachować streszczenie „Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery..” na później, pobierz bezpłatny plik PDF. Możesz je wydrukować lub przeczytać offline w dogodnym dla siebie momencie.
Download PDF

Pobierz EPUB

Aby przeczytać streszczenie „Jak się uczymy? Dlaczego mózgi uczą się lepiej niż komputery..” na czytniku lub w aplikacji, pobierz bezpłatny plik EPUB. Cyfrowy format książki .epub idealnie nadaje się do czytania e-booków na telefonach, tabletach i czytnikach.
Download EPUB
Chcesz przeczytać całą książkę?
Obserwuj
Słuchaj
Główna
Swipe
Biblioteka
Aplikacja
Wypróbuj pełny dostęp przez 3 dni
Słuchaj, dodawaj zakładki i więcej
Porównaj funkcje Darmowy Pro
📖 Czytaj streszczenia
Czytaj nieograniczoną liczbę streszczeń. Darmowi użytkownicy otrzymują 3 miesięcznie
🎧 Słuchaj streszczeń
Słuchaj nieograniczonej liczby streszczeń w 40 językach
—
❤️ Nieograniczone zakładki
Darmowi użytkownicy mają limit 4
—
📜 Nieograniczona historia
Darmowi użytkownicy mają limit 4
—
📥 Nieograniczone pobieranie
Darmowi użytkownicy mają limit 1
—
Harmonogram bez ryzyka
Dziś: Uzyskaj natychmiastowy dostęp
Słuchaj pełnych streszczeń ponad 26 000 książek. To ponad 12 000 godzin audio!
Dzień 2: Przypomnienie o okresie próbnym
Wyślemy Ci powiadomienie, że okres próbny wkrótce się kończy.
Dzień 3: Rozpoczęcie subskrypcji
Opłata zostanie pobrana 24 lis,
anuluj w dowolnym momencie wcześniej.
Consume 2.8× More Books
2.8× więcej książek Słuchanie Czytanie
Nasi użytkownicy nas kochają
1M+ czytelników
Trustpilot Rating
TrustPilot
4.6 Doskonały
Ta strona to prawdziwa rewolucja. Czytam streszczenia książek szybciej niż kiedykolwiek. Bardzo, bardzo polecam.
— Dave G
Warte mojego czasu i pieniędzy, naprawdę dobrze zrobione. Nigdy nie widziałem tak dobrych streszczeń na innych stronach. Bardzo pomocne!
— Em
Gorąco polecam!! Fantastyczna usługa. Idealna dla tych, którzy chcą czegoś więcej niż zajawka, ale nie potrzebują wszystkich szczegółów pełnego audiobooka.
— Greg M
Oszczędź 62%
Roczny
$119.88 $44.99/rok/rok
$3.75/mies.
Miesięczny
$9.99/mies.
Rozpocznij 3-dniowy darmowy okres próbny
3 dni za darmo, potem $44.99/rok. Anuluj w dowolnym momencie.
Unlock a world of fiction & nonfiction books
Ponad 26 000 książek w cenie 2 książek
Przeczytaj dowolną książkę w 10 minut
Odkrywaj nowe książki jak na Tinderze
Zamów dowolną książkę, jeśli nie ma jeszcze streszczenia
Czytaj więcej książek niż ktokolwiek, kogo znasz
Aplikacja nr 1 dla miłośników książek
Lifelike & immersive summaries
30-dniowa gwarancja zwrotu pieniędzy
Pobieraj streszczenia w formatach EPUB i PDF
Anuluj w każdej chwili kilkoma kliknięciami

Dlaczego tylko jedno streszczenie?

Skaner
Znajdź kod kreskowy do zeskanowania

⭐
⭐
⭐
Mamy dla Ciebie specjalny prezent
Otwórz
Rabat 38%
RABAT DLA CIEBIE
⭐
⭐
⭐
$79.99
$49.99/rok
Tylko $4.16 miesięcznie
Kontynuuj
Wystarczą 2 kliknięcia, by zacząć. Rezygnacja jest bardzo prosta
Ustawienia
Ogólne
Widget
Ładowanie...