“与其他物种不同，我们花费大量时间玩手机、读小说、看电影或寻找可能对我们有帮助的信息。我们就好像是一心吸收信息的机器，一台受过教育的机器。”近日，图灵奖得主、哈佛大学计算机科学和应用数学讲座教授莱斯利·瓦兰特出版新书《可教育的重要性》（普林斯顿大学出版社，2024），重提“认识你自己”这个古老命题。在系统比较人与其他动物和人工智能之后，他解释了为什么教育应该成为人类的关注核心。

“千百年来，人类探究自我，取得的进步却比想象中要小。但今天，计算机科学带来了一些希望。大型语言模型（LLM）为计算机科学的主张提供了一条线索，在所有的人造物中，大型语言模型的行为是最像人类行为的。”在接受采访时，瓦兰特说大模型目前取得的成就，甚至几乎没有融入心理学、神经科学及人文学科等诸多精微复杂知识，而主要基于机器学习算法的泛化能力。

瓦兰特试图建构一个更广泛的认知理论。他认为“智能”这个词已被用得太滥，于是在书中提出“可教育性”这一概念。这是人类大脑一种非凡的信息处理能力，一种吸收知识并加以应用的能力。它使我们这个物种与众不同，使我们拥有文明，并赋予我们力量和潜力。然而，它也生来就有一处隐秘软肋。虽然我们可以轻易地吸收自身经验之外世界的整个思想体系，与外界进行信息互动，但我们常常难以正确判断应该相信哪些信息。

从演化遗传的角度来说，人类来自一个对自己的学习过程“保持中立”的世界。当我们的祖先学习如何寻找食物、寻找温暖或庇护所时，这个世界不存在那种从根本上欺骗我们的把戏。这让我们相信感官提供的信息。这样的信任是有效的。但今天这个世界变得更为复杂，要核实那些在时空上远离我们的事件描述，存在着根本性的困难。我们获取和处理信息的能力远远超过我们评估信息有效性的能力。因此，我们很容易被那些试图影响我们的人围猎——深度伪造的数字手段，几乎已让个人难以抵御；还有某些社会环境中的“煤气灯效应”，可能故意误导甚至破坏人的学习过程。

瓦兰特认为，人和人之间的区别在于我们通过受教育而获得的信念。因此，在穿戴上信仰和知识的外衣之前，我们有必要了解人类的共同点。我们同样要了解获得这层外衣的机制。例如，如何选择要采纳的信念？我们最终了解和相信的所有信念和信息，决定了我们如何谋生以及在日常生活中做出什么样的选择。

瓦兰特呼吁教育学领域也应该有自己的基础科学研究，一如生物科学为医学提供基础研究的支撑那样。有了更好的人类认知理论后，人们可以将之融入技术。瓦兰特认为图灵的计算理论就是一个杰出范例。在他之前，“计算”主要是由人类完成的心理过程。而图灵提出通用计算理论，为我们带来了以数字化为基础的当代文明。瓦兰特也是在机器学习和计算机科学领域做出奠基性贡献的人物。他自述：“四十年前，当我写下我的学习理论时，在第一段便举了图灵的例子作为激励。现在的挑战是如何迈出下一步，将我们对认知的表述扩展到目前所实践的机器学习之外。如果我们成功了，更好的技术也会随之而来。”

瓦兰特说，人类的“可教育”能力是我们发展文明的主要资产，它使有用的知识得以迅速传播。然而，如果在其中加入了不易被察觉的可疑信息，它就会成为一种负担。我们正处于历史的十字路口。如果我们希望共享这颗蓝色星球，尤其是与我们正在创造的人工智能系统共享，我们就必须反思我们是谁，是如何走到这里，又将走向何方。