大脑如何学习-信息加工模型(4)

大脑如何学习-信息加工模型(4)

计算机模型的不足

迅速发展的计算机技术，促进了用计算机模型来解释大脑的功能。这听起来非常有吸引力，尤其在计算机变得更加复杂，以及计算机已全方位地融入社会的各个方面。使用类似输入，加工，输出的方式来解释，就显得非常的自然，但是，这类模型也有很多问题。当然了，小型的便携计算器能够帮助人类大脑来计算复杂的数学运算，更加复杂的计算机可以下棋，翻译语言，检查卷帙浩繁的手稿，秒搜到拼写和语法错误。但大脑实际的运作要慢的多：神经冲动在轴突之间的传递要花费时间，突触有延时性，工作记忆又是有限的。而计算机却不能像大脑那样在放松的状态下做决策。再复杂的计算机也是接近二进制的系统，在0和1线性排列的方式才是计算机语言模式。

人脑没有这样的限制。人脑是一个开放的，平行加工的系统，不停的与客观世界和社会圈子互动。大脑分析整合，合成信息，并从中抽象归纳。所有神经元都是活着的，并且根据大脑的经验以及周围的环境有所修改。神经元之间互动，形成或消除存储区域，依据你所学建立不同的生物电模式。重新阅读这些文字，会加强促使模式形成的神经链接，加深理解。

大脑储存信息的方式与计算机非常不同。大脑存储的是序列化的模式，仅仅是一条信息就能开启整体记忆。 我们还能够不同的形式中找出相同点，比如，从背后或者某人走路的方式，她说话的声音，认出我们的最好的朋友。计算机则不能够处理如此多的变量。情绪，在人脑的信息加工，理解，创造力等方面，占据重要的位置。加之，人脑的想法通常来自于图像，而不是逻辑命题。因为上述以及更多其他的原因，计算机模型在目前这个阶段，我认为是不充分，甚至有一些误导的。我相信在不远的将来，计算机能够完全模拟人类大脑的许多品质，能力，甚至是缺点。

猛一看，这个模型似乎是关于教与学的老生常谈——学生们必须要通过测试，测验，以及汇报来重复所学。相反的是，新的研究揭示出:学生们更容易获得深入的理解，以及更大的快乐，当学习能够迁移，转化为更有创意的想法和产品的时候。在本书第四章和第五章会强调迁移的力量，以及高阶思维能力的力量。