舒尔茨用另一种玩具又做了一组实验。这个玩具有两根杠杆,分别连着玩具鸭子和玩偶。按一下杠杆,鸭子或玩偶就会冒出来。向一组学龄前儿童演示时,一次只按一根杠杆,相应的玩具即会出现。而给第二组儿童演示时,则同时按两根杠杆,鸭子和玩偶会一起出现,但他们从未看到单独按一根杠杆时会出现什么情况。然后,研究人员让孩子们自己玩这个玩具。第一组孩子花在玩具上的时间,远少于第二组的孩子,因为他们已经知道玩具的工作原理,兴趣大减。第二组孩子则面对着一个谜团,他们不由自主地玩着玩具,很快就弄清楚按下一根杠杆会发生什么事情。
这些结果显示,孩子们自发玩耍的过程(任何东西都想抓来玩),其实也是不断实验、探究事物因果关系的过程——这是最有效的探索世界是怎么运行的方法。
大脑中的“计算机”
显然,孩子们并非像成年科学家那样,有意识地开展实验或分析数据。不过,儿童大脑在无意识中处理信息的方式,必定与科研思维类似。认知科学的一个重要概念就是,大脑就像由进化设计出的计算机,运行着由日常经历编写的程序。
大脑中的“计算机” [保存到相册]
计算科学家和哲学家已开始用与概率相关的数学概念,来理解科学家和儿童那强大的学习能力。在一种全新的机器学习程序开发方法中,科学家运用了所谓的“概率模型”(也叫贝叶斯模型或贝叶斯网络),这样的程序可解开复杂的基因表达问题,帮助理解气候变化。这种程序设计方法也让我们对儿童大脑“计算机”的可能运作方式有了新的认识。
概率模型结合了两种基本概念。首先,它们用数学方法来描述儿童对人、事物和词语可能作出的各种假设。比如,我们可以把儿童的因果概念描绘成一张事物间的因果关系图,在“按蓝色杠杆”的图标前,画一个箭头指向“玩具鸭子弹出”,来描述这种假设。
其次,程序可以通过系统分析,把各种假设和不同模式的事件发生的概率联系起来——那些所谓的“模式”,也就是在科学实验和统计分析中出现的“规律”。一种假设与数据越吻合,正确的可能性就越大。我认为,儿童大脑可能也是以相似的机制,把自己对世界万物的各种假设与各类事件的发生概率联系起来。不过,儿童的推理方式非常复杂和微妙,简单的关联或规则很难解释清楚。
此外,当儿童下意识地使用贝叶斯统计分析法考虑非常规的可能事件时,他们可能比成年人更有优势。在一项研究中,我和同事向一些4岁儿童和成年人展示了一台“blicket 检测器”,只是它的运行方式与此前的检测器有所不同:要把两个物块同时放上去才能启动。4岁儿童比成年人更容易领会这个不同以往的因果关系。成年人似乎更依赖以往的知识和经验,认为检测器通常不会以这种方式运行,哪怕证据已经暗示他们,面前的这台检测器与以往不同。这项研究将会在今年的一个会议上正式公开。
我们在近期开展的另一个实验中发现,如果幼儿认为有人在指导自己,就会改变统计分析的方法,可能导致创造力下降。研究人员给4岁儿童拿了一个玩具,只有按正确顺序进行操作(比如先拉一下把柄,再捏一下上面的小球),玩具才会播放音乐。研究人员先对部分孩子说:“我也不知道怎么玩,我们一起试试看。”然后,她尝试了多次操作,故意在每次操作中加入一些多余动作,只不过有些操作的最后几步的顺序是正确的,玩具会播放音乐,而有些操作则不正确。当研究人员让孩子自己操作玩具,很多孩子都能根据他们观察到的统计规律,排除多余动作,提炼出准确而简短的操作步骤。
对于其余孩子,研究人员则说要教他们玩玩具,让他们知道哪些操作能使玩具播放音乐,哪些又不能。然后,她用玩具进行示范,方式和上次一样。当孩子们自己玩玩具时,没人尝试简短有效的操作步骤,而是照搬研究人员的整套动作。这些孩子没有注意到示范过程中的统计规律吗?也许不是,他们的行为可用一种贝叶斯模型来准确描述,而这种模型中有这样一条假设:“老师”教给他们的就是最有效的操作方法。简单来讲,如果这位老师知道更简短的操作步骤,她在演示时是不会夹杂多余动作的