說到唯心主義，我們可能要提到一個(gè)短語——所想即所得。只要你想的，就能夠得到。當(dāng)然我們都知道，這話是不對(duì)的。但是有些時(shí)候，這個(gè)話可以從另外的一個(gè)角度來闡釋一個(gè)心理學(xué)上的疑問。

這一次我們?nèi)匀粡囊粋€(gè)實(shí)驗(yàn)對(duì)象說起：馬。

這次的主題為“自我實(shí)現(xiàn)預(yù)言”。也就是說，如果我們預(yù)期某一事物將以某種方式發(fā)生，我們的期望就會(huì)傾向于讓它變?yōu)楝F(xiàn)實(shí)?？雌饋砗孟袷怯悬c(diǎn)那么唯心，但事實(shí)上，這種情況能夠?qū)崿F(xiàn)的背后，其實(shí)還是有一些我們平時(shí)容易忽視的因素。

在1911年，馮斯特（Pfungest）的“聰明的漢斯”實(shí)驗(yàn)給了我們這樣一個(gè)馬，它能夠認(rèn)字、拼寫、解答數(shù)學(xué)問題，聽起來挺具有一些傳奇色彩的。當(dāng)然對(duì)于一匹馬真的會(huì)有這樣的智力，近乎所有人都持懷疑的態(tài)度，因?yàn)檫@是不可能的事情。很多人首先懷疑的是這匹馬的所有者馮奧斯登，但實(shí)驗(yàn)發(fā)現(xiàn)，即使沒有主人的提示，漢斯仍然可以做出正確的答案。最終，馮斯特通過一系列仔細(xì)的心理學(xué)實(shí)驗(yàn)研究發(fā)現(xiàn)，漢斯實(shí)際上是從提問者無意識(shí)的表現(xiàn)中獲得細(xì)微線索的。這是什么意思呢？例如，當(dāng)人們問完一個(gè)問題以后，一般都會(huì)低頭俯視其前掌等待它的答案。當(dāng)它前掌敲擊的次數(shù)接近答案時(shí)，提問者就會(huì)微微的抬起眼睛或者頭，期待著馬完成它的解答。漢斯已經(jīng)對(duì)提問者的這些細(xì)微動(dòng)作形成的條件反射，它會(huì)利用這種線索并得出正確答案。

當(dāng)我們期望著某些事情的發(fā)生時(shí)，我們可能會(huì)極大的忽略我們因?yàn)檫^于關(guān)注目標(biāo)而產(chǎn)生的一些細(xì)微的行動(dòng)，也許有時(shí)候這個(gè)行動(dòng)并不是細(xì)微的，但至少是無意識(shí)的反應(yīng)。從而加大了我們所想即所得的概率。

另一個(gè)所想即所得的實(shí)驗(yàn)，恐怕要出名的多，那就是1966年的羅森塔爾與雅各布森的《Teachers’ expectancies: Determinates of pupils’ IQ gains. Psychological Reports》所論述的“哈佛應(yīng)變能力測(cè)驗(yàn)”。該實(shí)驗(yàn)告訴教師，該測(cè)驗(yàn)的成績(jī)主要可以對(duì)于一名學(xué)生未來在學(xué)術(shù)上是否會(huì)有成就做出預(yù)測(cè)。很顯然，這故事大家也都知道結(jié)果，那些在這測(cè)驗(yàn)里得分高的，一個(gè)學(xué)年內(nèi)IQ上升速度要比評(píng)分低的快很多。但是，這項(xiàng)測(cè)驗(yàn)根本沒有任何依據(jù)，也就是說這項(xiàng)測(cè)驗(yàn)的結(jié)果并沒有什么預(yù)測(cè)能力，那為什么就具有“預(yù)測(cè)”的能力了呢？通過錄制視頻，羅森塔爾才發(fā)現(xiàn)，有很多細(xì)微之處，教師都表現(xiàn)出對(duì)“聰明”學(xué)生的偏愛，他們給予這些學(xué)生更多的微笑，更多的眼神交流，對(duì)這些學(xué)生的課堂回答給予更多的贊同。事實(shí)上，這些教師也只是抱著一個(gè)他認(rèn)為是正確的結(jié)果，潛意識(shí)中證實(shí)自己的想法的正確性而不斷的做出一些潛意識(shí)的行為，從而使得事情的走向更偏向于他想的那樣。

事實(shí)上，這個(gè)教育理念也被我們廣為接受和應(yīng)用，但是，我們更多的是聽到很多同學(xué)高考失利的消息。最終的結(jié)果都無怪乎父母、老師、同學(xué)們的過高期望。有一點(diǎn)值得注意的是，在這個(gè)經(jīng)典的案例中，使用的期望都是一個(gè)會(huì)不會(huì)，可能不可能的泛化指標(biāo)，而并不是一個(gè)具體量化的指標(biāo)。例如前一些陣子，王健林說，“先訂一個(gè)小目標(biāo)，比如先掙它一個(gè)億?！比绻覀冋娴挠米晕移谕麑?shí)驗(yàn)來實(shí)現(xiàn)的話，我們最終或許并不能掙一億，但是會(huì)比我們沒有目標(biāo)掙的多的多。

離開這個(gè)實(shí)驗(yàn)，我們可以看到，如果自我期望有效的話，必須滿足以下幾點(diǎn)：

1、你會(huì)收到一個(gè)你自己認(rèn)為可信的預(yù)測(cè)。（從內(nèi)心里認(rèn)同這個(gè)想法）

2、你有能力、有機(jī)會(huì)可以在無意識(shí)中對(duì)事件的走向做出自己的努力。（如果你自己根本不可能參與到事件的發(fā)生過程中，那么基本上和天上掉餡餅的感覺差不多。）

3、預(yù)測(cè)的結(jié)果只能增大事件發(fā)生的概率，而并不能保證一定達(dá)到這個(gè)目標(biāo)。衡量這個(gè)自我期望的作用時(shí)，應(yīng)當(dāng)看到的是對(duì)自身的影響（比如成績(jī)提升、工作效率提高等），而并不一定要以預(yù)測(cè)的具體內(nèi)容相一致。

其實(shí)人工智能的表現(xiàn)和聰明的漢斯行為這種類似，當(dāng)然更加原始。人工智能只需要表現(xiàn)出人類所認(rèn)為的智能即可。事實(shí)上，并沒有任何證據(jù)表明，人類現(xiàn)有的思考方式一定是最優(yōu)秀的。那么我們又能從這個(gè)實(shí)驗(yàn)中獲得什么呢？人工智能表現(xiàn)的差強(qiáng)人意，離不開真正的技術(shù)水平有待提高的事實(shí)，但是，如果人工智能在表現(xiàn)出結(jié)果時(shí)，可以對(duì)外界的細(xì)微變化做出感知，也許就可以做出遠(yuǎn)遠(yuǎn)超出其能力本身的效果。正如同今年初在德州撲克上，人工智能再一次戰(zhàn)勝了人類：2017年1月30日，在賓夕法尼亞州匹茲堡的Rivers賭場(chǎng)，卡耐基梅隆大學(xué)（CMU）開發(fā)的人工智能系統(tǒng)Libratus戰(zhàn)勝4位德州撲克頂級(jí)選手，獲得最終勝利。

這離不開強(qiáng)大的機(jī)器學(xué)習(xí)系統(tǒng)和超級(jí)計(jì)算機(jī)的硬件支持，才得以取得如此的勝利。這4位選手是世界排名前十五的頂級(jí)撲克選手，據(jù)統(tǒng)計(jì)，這些頂級(jí)撲克選手和Libratus打5/10元盲注，每小時(shí)就會(huì)輸上220元，打50/100元盲注，每小時(shí)會(huì)輸上2200元，20天要輸?shù)?4萬元人民幣。雖然像德州撲克這種大部分看運(yùn)氣的博弈來講，這種盈利水平已經(jīng)算得上可以發(fā)家致富了，但對(duì)于人工智能花費(fèi)的成本來講，實(shí)在是杯水車薪，可能連電費(fèi)都賺不回來。

像德州撲克這類不完全信息博弈類游戲還有很多，常見的還有包括麻將、摜蛋等當(dāng)今熱門游戲。論計(jì)算能力，人類遠(yuǎn)遠(yuǎn)比不過人工智能，如果人工智能對(duì)于玩家的情緒和心理再有實(shí)時(shí)的反饋，那么對(duì)于最終的輸贏可能會(huì)有質(zhì)的提升。

這對(duì)于強(qiáng)人工智能是有很大的幫助。因?yàn)橛袝r(shí)候我們并不能讓人工智能真正實(shí)現(xiàn)我們想要的，但是可以讓它表現(xiàn)出我們想要的。這一點(diǎn)是相當(dāng)危險(xiǎn)的，這只能有一時(shí)之快，并不能起到實(shí)質(zhì)性的發(fā)展。當(dāng)然，對(duì)于強(qiáng)人工智能來講，如果僅限于讓人類滿意就停止人工智能的發(fā)展，就會(huì)讓人工智能掉入到發(fā)展的“陷阱”。因?yàn)檫@樣子，人工智能只會(huì)越來越符合人類滿意，沒有辦法真正提升自身水平，也就永遠(yuǎn)沒有達(dá)到超人工智能的水平的可能了。

另一個(gè)要討論的是記憶問題。

還記得前一陣子的蜂巢迷宮，讓我們對(duì)于迷宮的復(fù)雜深感震撼，那么它難在哪里呢？其實(shí)，難在我們對(duì)于認(rèn)知地圖的掌握的能力實(shí)在是太差。

“老馬識(shí)途”這個(gè)詞已經(jīng)讓我們知道，馬的認(rèn)知地圖能力已經(jīng)遠(yuǎn)遠(yuǎn)超出我們?nèi)祟惖乃??？赡苣阏f，認(rèn)知地圖這個(gè)詞不是太熟悉，但是“老鼠迷宮”的實(shí)驗(yàn)大家可能都能復(fù)述出來。當(dāng)然對(duì)于機(jī)器來講，只要有足夠的性能，它可以精確的記錄任何路線。事實(shí)上，我們自以為計(jì)算機(jī)如今的性能已經(jīng)十分強(qiáng)大，但是對(duì)于記憶任務(wù)時(shí)，并沒有足夠的空間，例如，我們要進(jìn)行星際遠(yuǎn)航時(shí)，相比較幾光年的旅程，如今的存儲(chǔ)水平實(shí)在是有限的很。那么只需要記錄一些關(guān)鍵路徑點(diǎn)，最終形成認(rèn)知地圖，就可以極大的減少存儲(chǔ)記憶量。

例如，我們?cè)趯W(xué)校的任一個(gè)角落，回到我們自己的寢室我們并不需要詳細(xì)的描述出每一步所要走的路線，我們只需要在需要的時(shí)候，例如看見了一個(gè)樓，我們右轉(zhuǎn)，再走過3個(gè)這樣的樓就到我們的寢室了。這樣子，我們就會(huì)大概知道寢室在我們的右前方，即使看見了一個(gè)樓，我們無法右轉(zhuǎn)，我們也會(huì)有向右繼續(xù)尋找路徑的潛意識(shí)，這就是認(rèn)知地圖。

這方面的研究在1948年的托爾曼的《Cognitive maps in rats and men》中就有著詳細(xì)的描述。這是一個(gè)老鼠走迷宮的故事，最終的結(jié)論就是，老鼠掌握的不只是使它能按特定路線找到食物的序列地圖，而是找到了一幅含有食物的具體位置及其在房間內(nèi)的具體方位的更廣泛的綜合性地圖。其實(shí)說白了，就是老鼠也具有和人類一樣的綜合空間感知能力。而像目前的掃地機(jī)器人等一系列智能化家居，還并沒有這種綜合的空間感知能力。當(dāng)然，這個(gè)實(shí)驗(yàn)及其相關(guān)理論在后續(xù)的過程中引發(fā)了很多的爭(zhēng)論，但是其影響力并沒有減弱。

雖然說上面是關(guān)于認(rèn)知地圖的一點(diǎn)看法，其實(shí)是講的記憶問題。我們?nèi)四X的記憶量說大很大，說小也很小。我們到底能記住多少東西呢？我們經(jīng)常拿我們的記憶量和電腦的存儲(chǔ)量來進(jìn)行比較，事實(shí)上這并不是合理的比較。因?yàn)楹芏辔覀兊挠洃?，都是“記憶碎片”進(jìn)行重組加工后的結(jié)果。例如我們回想我們?nèi)ミ^某一條街，我們并不能準(zhǔn)確的把街上所有我們見過的場(chǎng)景都保存在我們的腦袋里，但是我們?nèi)匀豢梢栽俸芏嗄暌院蠡叵氤鲞@個(gè)事件發(fā)生的大部分情景。這并不是我們真正記得這一幅幅圖片，而是我們通過獲取到的相關(guān)記憶碎片加工后，進(jìn)行的場(chǎng)景重現(xiàn)。

在1975年的伊麗莎白的羅夫特斯的《Leading questions and the eyewitness report》中的實(shí)驗(yàn)告訴我們，一個(gè)人的記憶有可能是不準(zhǔn)確的，尤其是在將記憶融入到長(zhǎng)時(shí)記憶和對(duì)記憶進(jìn)行回憶兩個(gè)部分，都會(huì)受到外界新的信息源的干擾。

傳統(tǒng)的觀點(diǎn)認(rèn)為，一個(gè)證人的證詞應(yīng)該是可靠的，就像是使用錄像機(jī)記錄了案發(fā)情節(jié)一樣。因?yàn)樗沁@樣認(rèn)為的：

最初經(jīng)歷→把經(jīng)歷整合進(jìn)長(zhǎng)時(shí)記憶→對(duì)最初經(jīng)歷進(jìn)行提問→對(duì)最初經(jīng)歷進(jìn)行再現(xiàn)→對(duì)問題做出反應(yīng)

但是，羅夫斯特的理論認(rèn)為：

最初經(jīng)歷→把經(jīng)歷整合進(jìn)長(zhǎng)時(shí)記憶→把新信息整合進(jìn)對(duì)最初經(jīng)歷的記憶中→對(duì)最初經(jīng)歷進(jìn)行提問→回憶經(jīng)過重構(gòu)后的包括新信息的所有記憶內(nèi)容→對(duì)問題做出反應(yīng)。

如果是人工智能依照人類這種記憶重組來回憶事件，那么所需的存儲(chǔ)空間會(huì)極大的縮小，但是對(duì)于并行計(jì)算能力，則要大大的提高。好在我們的神經(jīng)網(wǎng)絡(luò)和量子計(jì)算能為我們提供可能的解決辦法。但是，我們是人，我們是一種高等生物，我們的認(rèn)知很大一部分取決于對(duì)外界的反應(yīng)。也就是說我們的計(jì)算能力并不突出，突出的是我們對(duì)于外界的反饋能力。這一方面可以減少我們的計(jì)算量，降低我們的生物能耗，但是另一方面，我們也很有可能被外界一些不易察覺的暗示所影響。這其實(shí)也是《最強(qiáng)大腦》從來不會(huì)使用提問的方式對(duì)選手做出記憶復(fù)現(xiàn)，因?yàn)樘釂柕脑捳Z有可能參雜著一些潛在的條件和因素給選手，從而影響選手記憶復(fù)現(xiàn)的準(zhǔn)確度。

人類對(duì)于認(rèn)知科學(xué)的道路還很長(zhǎng)，還很遠(yuǎn)，有很多理論由于種種因素并不能進(jìn)行證實(shí)，就如同人類對(duì)于腦科學(xué)的研究還存在著種種疑問。但是，這并不影響人工智能的發(fā)展，也許有一天，還需要人工智能的模式來認(rèn)知世界，就像是魔法世界一樣。