前陣子，ChatGPT火遍全網。ChatGPT是由美國人工智能研究公司OpenAI研究開發(fā)的智能聊天機器人程序。它能夠學習人類的語言，像人類一樣聊天，還可以回答各種問題。

【資料圖】

緊接著，百度的文心一言、阿里的通義千問也上線測試。

根據ChatGPT的智能程度，很多簡單重復性的工作崗位會被取代，而且對于企業(yè)而言，使用ChatGPT成本更低。

圖片來源：圖蟲創(chuàng)意

作為“打工人”，怎樣才能不被AI取代呢？

其中，我們需要具備的一個重要的能力，就是終身學習能力。也就是說，我們需要掌握一套好的學習方法論，并且在整個人生的階段，不斷利用這套學習方法吸收新知識，掌握新技能。

那么我們如何培養(yǎng)自己的學習能力呢？我們可以從機器學習中的一個概念：元學習來得到一些啟發(fā)。

元學習，是機器的基本學習邏輯

元學習是人工智能領域近幾年發(fā)展起來的一個方向。簡單來說，元學習就是讓機器學會如何學習。

不管是單任務學習、多任務學習還是遷移學習，都是通過訓練讓機器學會完成一個或多個指定任務。通過訓練，機器“當下”就具有了完成某個任務的技能。

而元學習是通過訓練讓機器具有好的學習能力。這樣出現一個新的任務時，雖然機器“當下”不能很好地完成該任務，但是只要給其一點點時間進行訓練，它就可以非常好地完成這個新的任務。

例如，經過元學習，在沒有貓的訓練集上訓練出來的一個圖片分類器，可以在看過少數幾張貓的照片后，分辨出一張新的照片中有沒有貓。通過元學習，一個僅在平地上訓練過的機器人可以快速在山坡上完成給定任務；通過元學習，一個玩游戲的AI可以快速學會如何玩一個從來沒玩過的游戲。

類比對人的培養(yǎng)，如果用元學習的方式訓練一個人，那那么側重點并不是讓他掌握某些具體的技能么，而是通過讓他學習這些具體技能的過程中，掌握他就掌握了一套好的“學習方法論”。

學習方法論是指一個人在學習時所使用的方式、思維模型和章法。

例如，現在有一個任務是讓一個人用他之前沒學過的一種編程語言來編寫一個程序，不同人完成這個任務的方式是不一樣的。

有些人的方式是：找到一本針對該語言的圖書，從頭到尾地讀一遍，然后做書后習題，等到自己對該語言爛熟于胸后，開始根據任務來編寫這個程序。

而另一些人的方式是：先大致了解該語言的語法，然后在網上找到和任務功能相似的代碼，開始讀這個代碼，并在此基礎上編寫、調試，遇到不懂的地方，直接去查該語言的語法。

這就是兩種不同的學習方法論。這個例子中，第一種完成方式總結起來是“先學習、再實踐”，第二種完成方式則是“在實踐中學習”。一個優(yōu)秀的程序員，通常都會選擇第二種完成方式。

我們可以看出，“技能”和“學習方法論”有兩個區(qū)別。

第一個區(qū)別在于關注的時間點?！凹寄堋敝邸爱斚隆?，“學習方法論”著眼“未來”。在某個指定的任務中，擁有和任務相關的技能可以讓你即刻著手進行該任務，而學習方法論并不能讓你即刻著手進行該任務，而是需要你先學習一段時間。但是掌握了學習方法論的人只要稍加學習，就可以很好地完成任務。

第二個區(qū)別在于通用性?！凹寄堋蓖ǔＪ轻槍δ硞€特定的任務而言的，而“學習方法論”則可以應用于多個不同的任務。

在上文的例子中，職業(yè)教育機構和高校相比較，前者是在培養(yǎng)技能，經過職業(yè)教育機構培訓的人進入公司后，通?？梢粤⒖淌煜すぷ鳌６咝２⒉惶⒅嘏囵B(yǎng)“當下可用技能”，更注重教授一套好的“學習方法論”。學生掌握了“學習方法論”之后，不管他將來做的是什么工作，他有沒有了解過相關的具體工作內容，只要他經過短時間的學習，都會很容易上手掌握。

如何判斷一個人是否有潛力？

我們同樣可以通過“關注的時間點”和“通用性”這兩個角度來衡量。

例如，一個公司如果想在面試時招到一個有潛力的員工，就不應該只觀察這個人在做面試題時的表現。如果只通過面試題的成績好壞來招人，那么招到的通常是當下具有某種技能的員工。要想招到一個有潛力的員工，有一個很簡單的方法，就是給這個面試者一段試用期，并且在試用期中給他多個他之前沒見過的任務，讓他自己去摸索，最后看看他的綜合表現。

綜合表現好的人，一定掌握了好的學習方法論，借用學習方法論，他經過短時間的學習就可以比較好地完成多個不同的任務。他比那些僅僅在面試時表現好的人更有潛力。

之前我讀博士后時的導師也是用這種方法來招博士生。對于一個滿足了基本條件的學生，他會給學生一個研究課題和一兩周的時間，讓他自己去看相關的文獻、做調研，最后寫一個調研報告，這也是在觀察一個學生的科研潛力。那么，一個人如何找到和培養(yǎng)適合自己的學習方法論呢？這一點我們同樣可以從元學習的訓練模式中受到啟發(fā)。

傳統(tǒng)的機器學習訓練模式的特點是“任務少、訓練數據多”。要想讓一個模型完成某個特定的任務，需要用和該任務相關的大量數據對它進行訓練。

而元學習的訓練模式的特點是“任務多、訓練數據少”。之所以“任務多”，是因為想通過訓練得到適用多個任務的通用“學習方法論”，而不是只能完成某個任務的特定技能；之所以“訓練數據少”，是因為我們要求這個學習方法論能只用少量的數據訓練就得到較好的效果。

在元學習訓練中，通常會先給一個初始的“學習方法論”，然后用某些策略，根據該學習方法論在不同任務上的表現不斷進行調整，最后找到一個在平均意義上對于所有的任務最有效的學習方法論。

我們可以看出，機器學習中元學習的“任務多、訓練數據少”的特點，很像大學期末考試前學生的集中學習模式。

大學里，一些學生如果平常沒有投入到課堂中，考試前就需要在短短的一兩周內，迅速學完多個考試科目。要想完成這個目標，必須要掌握一套很好的學習方法論：在

如果某個學生僅僅靠考前兩周的集中學習就可以把很多門平常沒有認真聽過的課程考出高分，那么他通常就具有了很強的“學習方法論”。這套學習方法論適用于多門不同的課程，讓他可以經過短時間內梳理和掌握一門課的重要概念，并且將它們串聯(lián)起來，進而掌握學習科目的重點和難點。的訓練很好地掌握課程內容。

所以說，大學之所以開設那么多門課程，除了希望學生能夠具有廣博的知識和一些底層能力，也可能是因為想通過對這些不同門類的課程進行學習，讓學生掌握一個好的、通用的“學習方法論”。

機器沒那么容易取代你

當然，機器學習領域通過數據訓練來逐漸找到一個好的“學習方法論”，而我們人類已經總結了很多行之有效的“學習方法論”。

每個人都可以試一下這些方法論，如果對自己有效，就可以立刻用起來。

文章由科普中國-星空計劃（創(chuàng)作培育）出品，轉載請注明來源。

作者：北京航空航天大學副教授、博士生導師 劉雪峰

審核：華中師范大學數學與統(tǒng)計學學院 副教授 鄧清泉

標簽：