本页面是基于我在“研究之家2020”上的演讲，并以类似演讲的形式呈现。

预测是我们生活中的基本认知功能，特别是在学习中。当与环境相互作用时，我们和其他物种一样，做出预测，并按照我们的期望行事。然后，结果要么是预期（expected）的并确认了我们现有的内部模型，要么是出乎意料（unexpected）的结果，并需要更新相关认知。这一步对于学习是至关重要的，并且使我们能够对未来做出更好的预测。

有确凿的证据表明，预测在简单类型的学习中起着重要作用，比如经典条件反射（巴甫洛夫的狗）。这些类型的学习传统上被归类为内隐性学习，因为我们不需要意识到学习的过程，我们不能“宣布”我们所学到的东西。这些关于预测的观点如今甚至延伸到了人工智能研究领域，是一个相当“热门的话题”$^1$。然而，我们将要问一个不同的(尽管并非完全不相关)问题：

陈述性知识是关于对事实和事件的学习。这种学习发生在课堂上，当我们明确和有意识地构建知识时。

我们在这里集中讨论陈述性学习中的预测过程。然而，在这个背景下，我们会问，在这些明显不同的系统中，预测的作用有什么不同和相似之处。

在这种背景下思考预测引发了一些有趣的问题：

最后

关于预测和好奇心的问题并不新鲜，并且引起了科学家和教育工作者的好奇心，是的，我们知道基于预测的活动可以促进学习，好奇心促进探索和学习。这里的目标并不是要覆盖整个研究领域，而是要关注一系列来自认知神经科学的研究——跨越实验调查的层次，并且大部分是来自于专门针对陈述性学习的人类行为实验的发现。关于预测在学习中的作用，他们描绘了一幅有趣而充满希望的画面。

我对下面这个问题特别感兴趣: 「什么是意义，我们如何为教育目的定义它?」我认为意义有一些特质值得我们关注：

因此，我们可以说，创造意义是一个必要难度，这是比约克教授在 1994 年提出的概念，这个理论简单来说就是我们应该让自己学习记忆的过程始终保持必要的难度，这种难度虽然在最初会减慢你的学习速度，但是长期来看对学习效果更加有利。 但重要的是要注意到，这些策略的核心是帮助我们塑造意义: 我们测试哪些链接在时间的流逝和上下文的变化中幸存下来——我们修复那些没有的链接。从某种意义上说，创造意义是必要难度中的女王。创造意义是使有效实践更加困难的事情。

但是我们也在为意义而挣扎，因为它难以捉摸——我们不知道什么是意义，我们看不到它——我经常听到人们用它不是什么来定义意义: 它不是死记硬背，它不是孤立的知识片段，等等……

因此，尝试和定义意义是有用的：

使用一个建造金字塔的具体模型来思考意义是有帮助的: 较小的、较轻的三角形块代表我们已经拥有的知识片段。我们可以在一个非常特定的位置添加一个新的（深色）信息片段，来建立一个金字塔。金字塔是一个由组织良好的知识片段组成的结构，它本身具有一种功能——它是一个结构，我们可以用它来建造更大更精致的金字塔。最后，同一个概念在不同的语境中可能有不同的含义层次（比如社会学中的平等，和数学中的平等，是不同的）

我们可以进一步用这个模型来描述整个学习过程：

为了构建一个知识体系，我们需要确保我们有相关的先验知识（prior knowledge）——基础层次。接下来，我们应该能够关注和处理新的输入信息（New infomation），而且非常重要的是，将它们以一种非常特殊的方式连接在一起，从而创建一个新的功能结构：意义形成阶段（meaning making）。随着时间的推移和实践（pratice），我们巩固了这个新的结构（functional unit），并可以很容易地使用它进一步建设。

这个模型有助于强调学习的先决条件，以及对各个阶段的思考。这也有助于我们意识到预测的重要性：

如上所述，意义制定是必不可少的，但难以捉摸，最“本质但难以捉摸”的部分是这一个: 我们如何确保位置是准确的？毕竟，这发生在“黑盒子”，学习者的头脑，我们无法去直接访问。

预测是使用我们先前的知识，以期待或预测的位置引入新的知识块。

例如: 桃花是怎样变成桃子的？ —— 相关知识块不一定是新的（桃花和桃子） ，但连接是新的，所以的意义，便是关于这种形式的一切链接。

可视化这个过程: 我们检索现有的知识，然后使用它来预测一个可能的连接。接下来，这个预测可以得到证实(上图) ，也可以得到意想不到的解释(下图)。

首先，有大量证据表明，先验知识对于学习是绝对必要的(例如3)。

其次，有证据表明存在两种途径：

在这两种情况下，事件或项目比不相关的信息更容易记住。例如，如果一个西红柿只是随机购物清单上的一个项目。

有趣的是，我们也知道这两个途径是通过不同的互补神经通路来处理的，其中一个通路负责匹配现有的图式，另一个通过新颖的方式整合组件（也许是海马体的作用）

在这个西红柿的例子中，一个“已知”的知识块可能会让我们感到惊讶，如果它以一种意想不到的方式与先前的知识相关联，这就是预测的价值所在——这种不匹配可能促进学习。通过探索预测，我们将注意力集中在创造意义的最难以捉摸的部分。我们将特别关注学习的这一方面: 预测在更新记忆中的作用: 创造新的连接，重组或更新我们的知识库。

值得注意的是，考虑更新和重组知识的神经生物学，因为预测的故事从那里开始: 为了更新知识，大脑中现有的连接被重新连接。这个在生物学层面上的过程称为再巩固。

这是一个令人兴奋的发现，不是吗？也许一个潜在的机制的好处检索实践 —— 我们检索和重新激活，检查相关性在当前的情况下，这导致更新的之间的连接方式。

与此同时，有证据表明，并不是每次微量元素被激活时都会发生重新整合—— Lee (6)对分子、神经元和动物行为水平研究的发现进行了一次引人入胜的回顾。

Lee (2009)认为，重新整合是一种专门调节内存更新的机制，因此，它由以下进程触发:

更有趣的是，我们现在有一些来自认知神经科学的证据，使用人类行为实验和关注陈述性学习来支持这个方向。

以下是对人类陈述性学习中更新记忆的一些研究证据的回顾。

研究的重点是更新记忆，因此，实验设计遵循这样的一般模式: 首先，参与者学习一些东西，然后他们有机会检索和更新他们所学到的东西，最后，他们被测试，看看记忆是否更新，在什么实验条件下。通常会有几天的间隔，因此我们绝对处于长期记忆的领域。

第一项利用记忆激活的研究: 两组学生在第一天学习了一个列表，上面列出了20个实际的具体的和可见的物体(用灰色矩形表示)。两天后，他们又学到了另一个新物品列表(红色矩形)。在这种情况下，实验组被提醒在学习第二个清单之前的第一次学习经历(尽管没有详细说明) ，而另一组则没有。最后，两天后，两组被要求回忆第一个列表中的项目(灰色项目)。

他们发现记住的项目数量(灰色)没有差别，然而有趣的是，“提醒”组记住了第二个列表中的更多项目(红色) ，就好像它们是第一个列表的一部分。

也就是说，只有当列表1在新学习之前被激活时，它们旧的记忆痕迹才被(错误地)更新。

另一项最近的研究(10)进一步探索了惊喜或更具体的预测错误的影响。在这里，参与者学习“与学校相适应”的材料: 六页长的文字描述了一个陌生的历史事件，他们花了35-40分钟阅读和学习。

两天后，他们参加了一个由100个开放式问题组成的测试。他们先回答问题，然后评估自信程度，最后以正确答案的形式得到反馈。九天之后，他们再次接受测试，看看这些反馈是否能够更新他们的记忆。

为了测试预测错误的影响，研究人员选择了回答错误的问题，并将它们分为“高置信率不正确”代表较大的预测错误(上)和“置信度较低的不正确”代表较小的预测错误(下)。

你能预测结果吗? 哪种情况会导致更多的记忆更新？

也许你已经猜到，错误的预测实际上是更可取的。因为预测误差较大的项目，高置信度评分不正确的项目，比差距较小或预测误差较小的项目更容易被更新。

此外，在一个补充性的功能成像实验中，参与者经历了一个类似的过程，但是第二阶段发生在 fMRI 机器中——反馈，即正确的答案，引发了奖励系统的激活，类似于非陈述性类型的强化学习。这表明奖励系统参与了这种类型的学习。

好奇心是这个谜题中有趣的一部分: 它被认为是“学习的烛芯”——事实上，好奇心被发现与探索和学习以及奖励系统的激活有关。

有人认为，状态好奇心（state curiosity）是一种刺激探索和寻求信息以减少不确定性的动机状态，其中信息本身可能作为一种奖励(11)。

最近，认知神经科学的几项研究都在探索好奇心的作用机制，我希望你们对好奇心在更新记忆中的作用感到好奇。

在这项研究中，研究人员直接评估了做出预测和培养好奇心之间的关系。

参与者接触了90个有缺失信息的数字琐事（numerical trivia facts），然后，他们要么预测缺失的数字(上) ，要么生成一个例子(下)。注意这是一个严格的控制，控制组仍然被要求思考事实，但不能预测目标数量。然后，他们对自己的好奇心进行打分，并等待几秒钟，期待正确的答案。这项研究还包括在指定的时间点瞳孔放大作为好奇心的生理测量。

他们发现，在预测条件下，更多的事实与生成例子条件相比，得到了更高的好奇度评分，而且在这种条件下，瞳孔扩张也更大。

这些结果表明，产生预测会激发好奇心。

这些发现，以及一系列认知心理学和认知神经科学心理学的研究，包括生理学和神经影像学的发现，已经引导研究人员建立了一个引人注目的框架，来解释好奇心在学习中的作用，包括大脑相关区域的假定作用。

他们认为，识别预测错误，一个差距或与已知的冲突，会导致一个评估过程，估计差距的主观大小，这可能会导致一种好奇的状态，或者如果差距太大，以至于出现焦虑状态，这就退出了学习循环。

然后，好奇心通过奖励系统刺激学习，而奖励系统的输入增强了对新信息的注意、编码和整合。这反过来可能引发另一个周期。

这是一个建议的模型，基于一些令人信服的数据，但仍然是一个模型。然而，它导致了非常有趣的预测 —— 和进一步的研究，是相关的教育工作者以及。一个有希望的实际问题是，通过触发预测，我们是否可以激发好奇心，这种好奇心通过先天的奖励机制来加强新信息的编码和巩固，通过神经系统，比如你们知道的海马体。

这种诱导预测的想法与实际课堂上的发现并不相悖，我们以一项在课堂演示的背景下探索预测的研究作为结论。这是一个非常有趣的话题，因为每个人都喜欢示范，但是我们如何确定学习者实际上是在学习，而不仅仅是在“围绕学习”中获得乐趣呢？

一项针对大学预科物理学生(15岁)的研究，在物理概论课程中，提出了这一观点: 他们比较了以下四种教学条件和演示：

为了衡量学习情况——研究人员进行了一项测试，具体评估了示范中的知识，要求对结果作出回答，并要求解释。只有完全正确的答案才被认为是正确的。

很明显，单纯的演示并不能解释什么，但是在一个单独的预测任务上投入额外的两分钟，可以提高记忆力和解释力。是否值得投入额外的时间进行同伴讨论也取决于你有多少时间。

在另一项使用课堂兼容材料进行的研究中（17），我们看到，在通过谷歌搜索信息之前尝试想出一个答案，比立即转向谷歌搜索更有效。研究结果表明（没有结论），对于拥有更多相关的先前知识的学习者来说，这种效果更为突出。这一发现与上面提出的围绕预测的想法是一致的。而且，预测可以作为使用预测试（Pretesting）等方法的指导原则：它是有效的，或者说，当预测试允许有意义的预测时，它的效果更好（见这里的更多内容）。

让我们回到金字塔模型来总结学习的条件，以及在我们探索它时预测的作用。我们发现，预测对于期望和现实之间的不匹配以及记忆应该更新的情况尤其重要。正如我们在一开始所说，预测在几种类型的学习中扮演着重要的角色，并且特别在较简单的类型中进行了研究。然而，我们关注的是陈述性学习——事实和事件，以及预测在产生意义中可能扮演的角色。

那么，这个过程的要素是什么呢？首先，人们普遍认为学习需要先验知识。

然而，正如我们所看到的，仅有先前的知识是不够的，它还必须被有意地激活，以获得被更新的机会。

传统模式的下一步将是引入新的信息——尤其是一种新的方式将各个部分连接在一起——以创造意义，建立一个新的金字塔。然而，我们强调了将这个基本但难以捉摸的过程分解成其元素并利用预测的好处的可能好处：通过诱导所有学习者预测连接的性质，我们支持一个过程，在这个过程中，他们注意到并意识到可能的不匹配，这会引起有针对性的好奇心，增加他们对新的意外信息的注意和编码，也会加强长期记忆的巩固。

我们可以试着把「诱导预测（inducing prediction）」想象成「一种有针对性和结构化的探索学习方式」。倡导发现学习的人强调自己发现的好处，反对者会说我们不能确定学生到底在想什么，既然这绝对是关键（记忆是思维的残留物，对吗？）教师最好适当解释。

通过要求每个人预测，我们可以利用这两方面的好处，称之为有针对性的发现: 设置阶段，将学习者指向可能不匹配的方向，让学习者，所有的学习者，从预测中受益，变得好奇，并获得新的意义。