身體學習法（簡體書）

人類是如何學會簡單的技能，如做飯、騎自行車，以及複雜的專業技能，如彈鋼琴、滑雪？自動駕駛汽車為什麼難開發？演員通過什麼方式更快速記憶臺詞？聊天機器人可以進行合格的對話，但它們聰明嗎？……這些問題都牽涉到“身體”。
我們常常認為智力存在於大腦，而忽視了身體對人類的記憶、知識與智能發展有多重要。本書探討了“心智優先”觀念的局限性。獲取智能，身體的貢獻同樣重要，身體也會影響心智。人類思想之所以強大，就是因為我們可以通過身體去感知、學習、理解以及獲取知識。本書從觀察、練習、即興、同理心、記憶力五個維度，深入闡述了身體是如何學習和記憶知識，以及為什麼我們應該相信它。
全球ding尖的商業人類學家西蒙·羅伯茨，以他曾擔任英特爾、臉書、寶潔、谷歌以及其他全球500強企業顧問的經驗，通過真實案例和尖端科學，分析了身體學習在技能習得、商業、創意與設計、人工智能等領域的廣泛應用，揭示了為什麼身體學習在很多時候比大腦學習更可靠，重視身體記憶與感受、學會用身體學習的意義，以及在這個認為數據就是一切、人工智能就是未來的世代，智能必須依賴身體對世界的理解。

西蒙·羅伯茨，全球ding尖的商業人類學家之一，愛丁堡大學社會人類學博士。他通過位於倫敦的咨詢公司Stripe Partners為一些z大的全球組織提供咨詢，包括英特爾、臉書、寶潔、谷歌和許多其他財富500強企業，他的咨詢經驗主要集中在產品、商業和平臺戰略。他的研究涵蓋設計、創新、戰略等領域，被《金融時報》《華爾街日報》、BBC、彭博社、等媒體報道。
西蒙·羅伯茨曾創立英國第一家民族志研究公司，在英特爾運營一個創新實驗室，並在科技智庫isociety擔任民族志專家。

你是否曾經不太記得密碼，但伸出手指就能正確地輸入？
你是否曾經彈鋼琴時沒有專注於記住正確的音符？
你從來不會忘記怎麼騎自行車，對吧？
FrontPoint對衝基金在2008年金融危機中賺得巨額利潤的關鍵是什麼？
皮克斯動畫為了拍電影為何飛到巴黎品嘗米其林餐廳？
人工智能與機器人的局限和突破點在哪裡？
……
以上問題答案的關鍵點都是“身體”。
身體，對於我們的學習、記憶、智力、認知、創造等方面，發揮了巨大的作用，但它總是被忽視。
在這個認為人工智能就是未來的時代，是身體學習讓我們擁有無法被AI取代的超能力——學習和保留技能，與他人產生聯結，在陌生情境中即興發揮，用直覺來做決定，進行創造和理解世界。
本書幫助你更好地理解和運用人類獨特的超能力——運用身體感知、學習、理解以及獲取知識。打開本書，發現並開始運用身體學習的強大力量。

如何開車
想象這樣一個畫面：硅谷後街一個不起眼的、都是獨棟辦公樓的街區，其中某個路口處停放著幾輛谷歌員工在園區間通勤的紅黃綠相間的自行車。僅憑建築的外觀，我們幾乎看不出旁邊這棟樓的辦公室裡有一群高學歷的機器人學家、計算機科學家、研究學者正在嘗試破解一個難題。他們想要復制一個很多人每天都在做的事——開車，一個自然到人們不用多想就能做出來的技能。探問之下，大家也描述不出來自己平時到底是怎麼開車的。
開車這件事太過尋常，以至於人們都沒怎麼放在心上。我們坐上車，啟動，掛擋，然後便駕車離開。如果車上還有乘客的話，我們還能和他們聊天，也無須減速。除了危險的下雪、結冰、濃霧的天氣，大多數司機 面對陌生的路況或交通情況時都不會有什麼問題。我們不僅能很快適應自己的車，即使換一輛車，也照樣能在不熟悉的道路上駕駛。
這種流暢的、本能的、強適應性的技能就是這座辦公樓中的團隊想要復制的。如今的汽車行業，科學家們都在研究發明無人駕駛汽車，希望它 能夠被適用於各個場景中、各種狀況下。這個目標也被稱為駕駛的“第五等級”。迄今為止，雖然測試車已經行駛了上百萬英裡，階段性成果也都很優秀，但是距離自動駕駛的第五等級仍然有一段距離，有關自動駕駛可行性的各種議題也仍在討論之中。
開車看似簡單，實際上卻是人類執行的複雜的任務之一。司機不僅僅是轉動方向盤駕駛，他們需要持續不斷地判斷、計劃、預測，處理當下的一切信息。判斷周圍的人（司機、路人）正在做什麼、在想什麼，以及 接下來會發生什麼……所有的一切都是人們憑直覺完成的，當我們手握方向盤時，汽車已然成為我們身體的延伸。
……
開發一個自動駕駛系統並不單單是把動作、步驟和交通規則編進計算機，真正的挑戰在於復制人類駕駛的應變能力。這種能力依賴於我們對周圍環境中大量信息的處理，並從這些信息中了解發生了哪些事、該如何反應。
人類駕駛汽車的技能和製造自動駕駛汽車的難度凸顯了這本書的核心前提：我們的智力不全然來自我們的大腦。智力並不只是大腦“處理”抽象信息或世界表征的產物。智力也不能簡單地被編程為一套規則，使我們能以特定的方式思考或執行特定的行動。相反，我們對世界的理解源於身體與世界的交流和對世界的感知——正是這些互動讓我們的身體獲得了知識。
我們通過身體感知產生並儲存在身體中的知識，是很難通過計算機計算來復制的。如果我們可以把開車簡化成一套規則和程序，而周遭世界和所有行駛者的行為都是完全可預測的話，那麼這個自動駕駛的算法程序寫起來會相當容易。但是實際上，我們遇到的所有司機和行人的行為都是不同且無法預測的。更複雜的是，司機每次遇到的情境絕不會與他們之前的經歷完全相同。
雖然開車是一件很複雜的事情，但是大多數人只要開始學，終都會掌握這項技能。可能駕駛得並不是那麼熟練，但至少他們知道如何去理解每一種不同的情況，評估什麼是重要的，並得出適當的反應方式。他們在做這些事情的時候，甚至不需要思考。
大腦和身體一起，能夠幫助我們應對駕駛的複雜性。駕駛就是“具身認知”的一個典型案例，具身認知指的是我們通過感知、體驗或行動獲得的理解和能力。當我們擁有具身認知時，我們本能地知道應該如何做出反應。這類知識並非存在腦部，而是存在我們身體之中。
通過本書我們將詳細了解存在於生活方方面面的具身認知。我們將會一起探索哲學家、神經科學家、認知科學家、機器人學家和人工智能專家為何都認為身體對於形成和保持智力至關重要。具身認知並不產生並存在於我們的心智，而是產生並儲存在我們的身體。在我們了解身體是如何獲得並應用知識之後，我們就會明白身體並不只是一個承載大腦的裝置，它更是我們智力的來源。
把關注點放回身體上來
在20世紀的大部分時間裡，哲學思想流派中的現象學（Phenomenology）試圖將身體置於我們理解世界和感知世界的中心，這鼓勵了人類學等學科採用新的方式來理解文化知識是如何被獲取和傳播的，以及人類的技能是如何被掌握的。蓬勃發展的神經科學，乍一看似乎屬於“以大腦為中心”的陣營，但它也已經證明了大腦和身體之間不可分割的聯繫。例如，實驗表明抽象的概念如果輔以切身的體會將會更容易被理解。近些年來，心理學家和認知科學家，尤其是那些正在探索人工智能可行性的科學家，探討“具身認知”，認為若要了解心智，就必須在具體的情境下探索其與身體的關係。他們的研究都表明了其實我們用身體思考的頻率和用大腦思考的頻率一樣多。同時，周圍的世界是我們理解和思考的“腳手架”這一概念已被廣泛接受。我將通過本書帶領你探索這背後的理論和科學根基。
在這本書中，我們將會見識到一些把這些理論運用於工作中的人。他們可能是在硅谷把“頭腦風暴”變成“身體風暴”以探索高新尖端科技的人，又或是一個搭貨車去了解英國和歐盟國家之間貿易的大使。書中我們會遇到在達沃斯世界經濟論壇上通過“難民模擬”讓人們體驗難民流離失所感受的慈善工作者，看到建築師是如何通過身體體驗衰老的過程；在靠近墨西哥邊境的加利福尼亞國家公園，我們會遇到企業高管通過一周的沉浸式露營體驗，了解目標用戶的世界。
……
本書首先探索了“以大腦為先的知識”的局限性，及隨之而來的被限制的世界觀。之後，我們會探索理解智力的另一個起點：身體。你將會和我一起認識到為什麼我們應該相信我們的身體，相信身體的感受和知識。在本書的部分，我們將探索心智如何成為知識的主流。我們將了解首次將大腦和身體分隔開的哲學思想，理解為什麼大腦會被認為是理性和智能的所在地。我們將探討這個觀點如何顯現在現代社會的“智能技術”中——一種鼓勵超脫、分離和理性高於感受的思維方式。我們還會了解這種觀點是如何借助全球定位系統、大數據及教育等關鍵技術得到表達的，所有的這些都決定了我們會如何體驗和理解世界。後，我將會概述這類心智優先的觀點帶來的後果。
第二部分將解釋身體如何在知識學習中發揮核心作用，並將探索身體學習的五個維度：
◆ 觀察：我們通過沉浸體驗和模仿來獲得知識。
◆ 練習：身體通過重復演練習得技能。
◆ 即興：通過身體學習的知識和技能具有很強的實用性，能夠幫助我們應對不熟悉的情境。
◆ 同理心：我們通過身體了解了他人的意圖、情緒和感受。
◆ 記憶力：我們的身體可以保存和回憶知識。
第三部分展示了具身認知在商業、政治與政策、設計以及人工智能與機器人領域的應用。在這部分我們將會看到，當企業和管理團隊不再通過大數據，而是通過親身體驗獲取知識時，他們收獲了蓬勃的發展；我們會了解政策制定者們是如何用具身認知理解民粹主義，及難民危機等全球性議題的；在“具身認知與創意和設計”一章中，我們會了解到具身認知在設計中的意義，了解每天使用的產品和體驗是如何定義我們的世界的；後，我們還會看到具身認知如何影響人工智能和機器人的發展進程。
身體與感覺
在生活的多個領域，我們都傾向於相信數據，忽視體驗、本能和直覺，總認為後者只是自己的“感覺”，而前者才是不可辯駁的客觀事實。我們被引導著認為那些“可計算”的知識會比自己的體驗更可靠、更可信、更不會欺騙我們。因此，我們會試圖控制自己的感官、情緒和感受。
計算機運算的興起加深了這一趨勢。不幸的是，當人工智能的話題占據著頭版頭條時，我們對人類智力特別之處的信心日益減弱。我們與逐漸定義我們生活的人工智能的不同之處就在於具身認知——這是我們的競爭優勢。
我希望在讀完這本書之後，你能理解什麼是具身認知，意識到原來我們生活的方方面面都在運用具身認知。我並不是在說具身認知是靈丹妙藥——在對抗大數據、冷酷的理性主義和還原論的解藥。但是我希望通過描述具身認知的概念、解釋它在生活中的運用，我們能學習去相信通過身體體驗而掌握的知識。
如果要將這本書的核心總結為一則實用的信息，那就是我們應該更注重身體在我們理解世界的過程中扮演的角色。這意味著我們更需要“擼起袖子”，以“在實踐中學習”的方式理解世界，而不是僅依靠理性的邏輯，超然地看待世界。
我們越積極地運用具身認知，就越能夠從容地應對生活中的不確定性，就越能夠基於對世界的理解做出更好的決定。是時候意識到我們的認知、思考和感受來源於大腦、身體、環境和體驗之間的互動。我們應該掌握並利用具身認知給我們帶來的優勢，並為自己生而為人而感到歡欣。

前言

部分 心智優先
章 笛卡爾的機械女兒
第二章 丈量世界
第三章 體驗世界

第二部分 身體學習的五個維度
第四章 觀察
第五章 練習
第六章 即興
第七章 同理心
第八章 記憶力
第九章 為何具身認知如此重要

第三部分 具身認知的應用
第十章 具身認知與商業
第十一章 具身認知與政策制定和政治
第十二章 具身認知與創意和設計
第十三章 人工智能與機器人

致謝

通往精通的道路

2017年4月，休伯特·德雷福斯（Hubert Dreyfus）的去世是哲學界的巨大損失。作為海德格爾和龐蒂思想在美國的繼承人，他是早也是清晰地對人工智能持懷疑態度的人之一。他對於計算機是智能的這一說法的懷疑源於他20世紀50年代在巴黎與其他歐洲思想家一起學習時受到的影響。德雷福斯認為，人類的學習方式和計算機不同，計算機學習的方式是收集信息片段，並將信息重新按照可預測的規則排列；但是人類是通過與周圍世界的互動，並重復同樣的行為獲取知識的。
在德雷福斯的理論中，身體並不僅僅是我們體驗世界的媒介，也是我們用來掌握技能的核心。他認為我們用身體來理解自己的處境，我們的身體通過行動來學習。身體對其行動的結果產生反應：它們吸收反饋，並知道為了得到相應的結果該做什麼。德雷福斯還建立了一個關於技能習得的理論，在這個理論中，他認為指導或有意識的思考的作用會越來越小。這個理論被廣泛應用於諸多領域，影響了例如人工智能、機器人、社會工作及護理等多種學科。
德雷福斯在法國的時光讓他愛上了歐洲汽車，特別是他尤為鐘愛的二手卡爾曼吉亞敞篷車（VW Karmann Ghia）。在所有他對於技能習得的描述中，開車是他常用的例子。但是其他的所有實際的技能，不管是玻璃吹制、烹飪、航行或是看起來更容易些的下象棋，都符合他提出的從新手到專家的技能習得的模型。
在指導初學者時，帆船教練會將教學內容拆解為簡單的步驟。例如，教練會告訴你如何判斷風的方向，講解船身要盡量減少迎風行駛，否則會停滯不前。但僅學習這些駕駛帆船的基本知識不足以成為一名專業的航海者。新手需要結合情境，在實踐中真正理解這些知識。
初學者經過一段時間的訓練，會從簡單地嘗試一些基本的規則轉變為思考如何應用所學知識，不管是從自己的體驗中理解到的知識，或是老師的指導。初學航海者會記住：“當靠近桅桿的帆開始拍打時，應該掌舵向下風向轉向”，此時的這些步驟和指導是希望能夠讓初學者依照總結好的經驗快速掌控現場情況，做出正確的反應。
學習者技能不斷提升的標志是，面對一種情況，腦海中會列出多種解決方案。在這個學習階段，學習者須關注不同情況出現時應注意的問題，並學會自我評估。因為每個人要面對不同的情況，並不是每一種情況都有一個具體的應對指南。例如，航海者需要學會應對突如其來的陣風，這可能需要他們松開控帆的繚繩，或者移動自己的重心來保持船的平衡。這裡並沒有一個處理問題的標準答案，航海者需要從經歷與體驗中學習的應對方式。
德雷福斯認為，正是在學習的這個階段，我們需要更加關注自己的表現。老師和學習者會開始反思研究的解決方案及背後的原因，之後面對相似的情境時，就會根據經驗選擇應對的方式。 參與感是技能發展的關鍵。這也是德雷福斯提到的技能習得階段非常重要的一點：“下意識的合理反應”，即隨著不同情境、反應及結果的累積，學習者能夠用直覺取代思考進行響應。當我們逐漸意識到哪些方式是有效的時候，正向反應循環也由此建立。
同時，也正是在這個階段，我們從知道要做什麼轉變為知道為什麼這麼做，也漸漸地知道如何善用經驗識別不同情境，並明白何種方式有效。例如，教練會告訴帆船水手，在順風航行時，需要把自己的重心前移，這樣就避免了船尾拖水產生的阻力。他人傳授的經驗會幫助學習者體會動作的變化對帆船表現的不同影響，也會嘗試體驗自己的身體姿態如何改變帆船的航行。
高手是那些能夠看出問題所在，並堅持思考答案的人。他們不會像新手那樣將問題分解成不同模塊來解決，而是把它當作一個整體去面對、與它互動。他們面對的是這片水域上的這艘帆船、不同風況下的帆船、潮汐狀況下的帆船。隨著熟練度的提高，他們開始不需要用意識，而是僅憑經驗就能夠理解身處的環境。他們所掌握的技能是面對廣泛的差異因素，識別特定的應對模式。
專家不僅知道需要做什麼，還懂得如何把事情正確地做好。他們已經積累了應對不同情況的豐富經驗，並知道哪些是有效的。專家的特徵是面對問題能夠迅速地做出本能反應。他們知道什麼時候帆船是順風而行，需放下風帆，使帆船重新得到控制。他們不需要思考便可完成一系列完整的動作。當然，有時候會同時出現多種情況，本能反應不一定是合適的方式。但專家知道什麼時候該慢下來，他們有能力去審視身處的環境，思考可以選擇的應對措施。
隨著我們經歷技能習得的不同階段，從新手成長為專家不僅獲得了身份上的轉變，還有一些事情在悄然發生：我們越來越少思考自己在做什麼，只是單純沉浸在做這件事中。我們沒有意識到自己在操縱這艘帆船，只是覺得我們在與帆船航行。我們並沒有把調節重心、轉向、掌控船身等動作看作一個個獨立的步驟，而是把它們當作一個整體。同時，我們也不再是解決單一的問題，而是完成完整的項目，自然、有效的反應貫穿整個過程。德雷福斯認為，只有當你不再思考自己正在做的事情時，你才能成為真正的專家。
當我們開始學習一個技能時，我們需要學習其背後的理論與規則，但是當我們逐漸掌握這個技能時，我們就不需要再思考理論與規則，而是可以依靠直覺在新的情境找到適合的應對方式，而這都基於經驗的積累。德雷福斯認為，不依賴規則，通過識別環境應對正在發生的事情，是人類智能的特徵。他認為，在學習技能的初階段，我們需要規則的指引，隨著時間的推移，我們漸漸放下它們，直到我們成為某一方面的專家，則不再依賴規則。當我們的身體知道該做什麼時，我們可以說自己在這一方面已經足夠專業。
……
讓我們再回顧一下德雷福斯技能習得的模型，以及他重要的兩個觀察。個觀察是，我們在技能習得初期會將整個過程拆解為單一的步驟，每次專注於一個部分的學習。在我們成為專家後就不再需要分步驟進行，或有意識地控制好每一個動作。研究表明，在熟練掌握技能後，過度在意每個元素和細節反而會影響整體表現。
德雷福斯的第二個重要的觀察就是關於技能習得中語言的作用。在學習的初期，我們會接受老師的口頭指導，或是進行自我提示，告訴自己 “身體向地面傾斜”。這在一開始會很有幫助，但隨著我們的技能慢慢精進，在學習後期，它們的幫助會越來越小。事實上，證據顯示語言反而會成為進步的阻礙，降低表現水平，即“言語遮蔽”（verbal overshadowing）現象。在1990年的一項實驗中，受試者被要求用語言描述模擬情境中銀行搶匪的長相，結果表明，比起沒有用語言描述長相的受試者，被要求描述長相的受試者反而無法識別搶匪的臉。以言語為基礎的表征遮蔽了難以言 喻的感知記憶。這一概念亦適用於活動技能方面。
……
人工智能的早期期望與假設
人工智能領域誕生於1956年，當時在新罕布什爾州的大學城達特茅斯有一場為期8周的暑期研討會。這次研討會促成了《計算機與思想》（Computers and Thought）一書的出版，並在美國大學建立起了幾個研究中心。研討會的與會者們提出了通用人工智能的想法，一種能夠理解和學習人類可以執行的任何智力任務的智能。
鑒於那次研討會的參與者是數學家、計算機科學家和認知科學家，因此早期人工智能研究對智力的表達是基於人類認知模式、模擬計算機的運行模式也就不足為奇。當時的主流觀點也是，大腦就像計算機一樣，是由其操縱抽象符號的能力來定義的。研討會的參與者認為，如果想創造人工智能，就必須先開發出能有效遵循規則的符號操控系統。
在人工智能研究的初幾年，目標是在計算機中復制大腦，把真實世界的信息轉換為可以根據邏輯系統進行處理的符號。他們認為，為了高效，人工智能需要一個中央存儲系統，將有關概念、個體、類別、目標、意圖、願望以及系統可能需要的任何其他信息聯繫在一起。在這一點上，人工智能研究不認為智力是與世界相連的東西，而是一種處理代表世界的符號的行為；他們將認知等同於計算。
在這個新興領域的早期，識別物體或形狀的任務都是在可控的實驗室條件下完成的，所以世界的混亂和紛擾並不會造成困擾。這種人工智能不論是在對智力的基本理解上還是在復制智力的方式上都不是具身化的。隨著時間的推移，這種處理方式被稱為GOFAI（老式人工智能）。正如拉裡莎·麥克法卡爾（Larissa MacFarquhar）所描述的那樣，GOFAI默認“心智是一種軟件程序，大腦和身體只是硬件設備，因此原則上認知是可以在不同類型的硬件產品上復制的，比如復制到硅制的機器上，不是基於碳基的肉體”。而且他們認為也不需要人類的其他配備，例如感覺器官、手臂、雙手或雙腿。
在人工智能近70年的歷史進程中，人工智能領域遇到了許多死胡同，其倡導者提出的大膽主張往往未曾實現。例如，赫伯特·西蒙和艾倫·紐厄爾（Allen Newell）曾在1957年，也就是達特茅斯會議一年後預測，10年內，數字計算機就會成為國際象棋的世界冠軍，“除非規則禁止計算機參賽”。由於人工智能沒有朝著預設的目標邁進，政府機構及其他資助者紛紛撤資，使得這一領域遭遇連續的“寒冬”。
20世紀80年代，人工智能研究開始融入莫裡斯·海洛－龐蒂和休伯特·德雷福斯等現象學家的哲學思想。德雷福斯是現象學界直言不諱的批評者，1979年，他出版的《計算機不能做什麼》（What Computers Can't Do）一書激怒了著名的人工智能與機器人研究中心，麻省理工學院的同事。據說這本書的暢銷程度促使他搬到了美國西海岸。他反對癡迷於只試圖模擬認知而忽視智能的場景化本質它產生於身處於世界中的主體。他堅持認為，人工智能的擁護者們在假設“所有智能行為都可以通過一個信息處理的設備來模擬，這個設備卻只是一個疏離、去身體化、客觀的觀察者”。
由於德雷福斯的努力，且因為GOFAI並沒有取得多大成功，具身化的概念開始產生影響。人們開始意識到，智力不僅僅是基於規則的符號處理，更是一種從身體出發的與世界互動的現象，這種思想逐漸開始推動這門學科的發展。這也導致研究人員不再專注於人類思維，而是轉向腦力比較低但適應環境能力同樣出色的生命形式。昆蟲成為這個領域的新寵。
……