Hi 我是 VK~
上周，非常難得可以訪談 Google DeepMind 研究副總裁紀懷新（Ed Chi）博士，過去他在 Xerox PARC 待了 12 年後，後來到了 Google 任職。他的職涯軌跡橫跨了認知心理學和 AI 領域。
更有趣的是，他在訪談中提到很多 AI 技術的發展，都能在認知科學中找到理論根源。比如 Chain of Thought 這篇論文的靈感，就是來自皮亞傑（Piaget）的認知發展理論。
這期會聊到：
- 前情提要：以為會聊很多 AI，結果直接大聊心理學
- Xerox PARC：從認知科學到現代 AI
- 皮亞傑的理論如何啟發 Chain of Thought？
- 開發和探索性思維：Deep Think 的進展🔒
- 系統一二思維的技術實現：AI 發展的關鍵轉折🔒
- Project Astra 的巴塞隆納測試：情境智慧的實現🔒
- 跨領域研究的關鍵：Bridge Point 思維🔒
- 結語：學習、思考和智慧🔒
喜歡這期的內容，歡迎分享給朋友一起訂閱《VK科技閱讀時間》，祝你今天一切順利~
前情提要：以為會聊很多 AI，結果直接大聊心理學
身為訪談的後發者，在訪綱準備上有些好處就是可以把近兩年來 Ed 各種英文、中文訪談／演講看了一次，然後從中找出有趣的角度、深入提問。但在眾多內容中，要再找出獨特角度，這實際上是最不容易的部分。（因為想得到的 AI 問題，大概都被問過）
為了準備這次訪談花了蠻不少時間擬訪綱，甚至在當天又幾乎重改了訪綱。原先擬定的訪綱預計先從 Ed 的職涯經歷談起（因為他以前待過 Xerox PARC）、DeepMind 近期新進展，以及 Project Astra 和智慧眼鏡等主題。
當天早上想說再看一下 Xerox PARC 這段經歷，然後這時發現一個有趣的名字：Herbert Simon。
Ed 在其他訪談中有稍微提到這位諾貝爾獎得主、心理學家曾經也待過 Xerox PARC，雖然沒有直接和他共事過，但有很多在那邊工作的人受到 Simon 的影響。
看到這名字馬上眼睛一亮，我以前在心理學教科書中讀過 Herbert Simon 的「有限理性」理論，於是整個訪談從這角度切入後，開始聊了很多認知科學、心理學，還有皮亞傑等理論，這如何在接下來 Ed 進行 AI 研究時扮演關鍵角色。
於是整集從原本預期會聊到 AI 主題，轉而問了更多是什麼樣的心理學／認知科學理論影響了 Ed 在接下來的研究，而這些研究又可以如何幫助我們在 AI 上學習和思考得更好。
Google DeepMind 資深副總裁紀懷新（Ed Chi）博士
Xerox PARC：從認知科學到現代 AI
在開始聊 Ed 的學術 AI 和心理學以前，先需要從矽谷的學術淵源介紹起。
二戰時期，史丹佛大學因為在雷達技術上的研究，在工程學院建立了強大的團隊，這個傳統一直延續到 40 年代。這個研究傳統吸引許多東岸菁英西移，HP 等公司都在史丹佛研究園區設立研究中心，後來 Xerox PARC 也是在這個脈絡下誕生的。
在這個學術網絡中，Herbert Simon 對 AI 發展產生深遠影響。Simon 最重要的貢獻是「有限理性」理論。與傳統經濟學假設的「完全理性人」不同，Simon 認為人類的決策能力是有限的，我們不會尋找最優解，而是找到足夠好的解決方案就滿足（satisficing）了。
「Simon 的認知學研究，特別是這種滿意（satisficing）概念，後來與 Daniel Kahneman 和 Amos Tversky 的前景理論形成呼應。」Ed 解釋道：「他們都在說，人並不是完全理性的思考者。」
Ed 的老闆、人機互動先驅之一 Stuart Card 是 Allen Newell 的學生，而 Newell 與 Herbert Simon 在 CMU 共同進行 AI 和 HCI 研究。因為這樣的淵源，他們推薦了最優秀的學生到 Xerox PARC 建立應用心理學部門（Applied Psychology Unit）。
這個部門的設立本身就很有意思。在一個電腦研究中心裡專門設立心理學應用部門，這在當時是革命性的想法。在 Xerox PARC，Ed 開始了跨領域研究：「我們做了很多資訊線索（Information Scent）和資訊覓食理論（Information Foraging）的研究，都是認知學與資訊科學之間的連結。」
皮亞傑的理論如何啟發 Chain of Thought？
很多人知道 Chain of Thought 是 AI 推理的重大突破，但可能不知道 Ed 正是這項技術的共同作者之一。2022 年當論文發表時，它展示的是讓 AI 「展示思考過程」。
Ed 透露，Chain of Thought 是來自認知心理學，特別是學習科學中的基模理論（schema theory）。這個想法基本上說，如果人可以用基模／框架（schema）來解決問題，那我們也可以用這種方法來教機器學習。
這段應該是完全沒有出現在過去的訪談中，Ed 在講這段時，提到基模理論的關鍵字時，腦中浮現瑞士心理學家皮亞傑（Jean Piaget）嗎？結果真的是。
Ed 提到他會知道這理論最早是因為他在唸高中和大學時，「幫助我媽媽寫她的教育心理學 PhD 論文時學到的。」這個經歷在幾十年後，成為了 AI 領域重大突破的靈感來源。
無論是在心理學或教育學中，都會提到皮亞傑的基模理論是認知發展理論的核心。在 Piaget 的理論中，基模是我們大腦中的認知框架，用來組織和理解資訊。
當我們遇到新資訊時，會試圖將它塞進現有的基模，這個過程叫做「同化」（assimilation）。但當新資訊無法塞進現有框架時，我們就需要修改或建立新的基模，這又稱「調適」（accommodation）。這個過程是學習和認知發展的核心機制。
Ed 提到，會發現皮亞傑的基模理論可以用在 Chain of Thought 上，實際上是因為對當時機器學習方法的不滿：「為什麼要用這麼多資料，機器才能學習到？我和團隊成員 Denny Zhou 開始想，可不可以用認知心理學的方法來教機器學習。」
傳統的機器學習需要大量數據來學習模式，但人類學習新概念往往只需要很少的例子。這種效率差異背後的原因是什麼？他們認為，認知心理學提供一個可能的答案：我們有現成的認知基模／框架來幫助理解新資訊。
「如果你可以用基模、框架來解決一個問題，那也許我們可以用這種方法來教機器。」這個想法的關鍵在於：與其讓機器從零開始學習每個問題，不如給它一個思考的模板。就像人類解數學題時會想「這看起來像是二次方程式問題，我應該用公式 ax² + bx + c = 0 來解」。
Chain of Thought 的核心就是教 AI 展示你的工作過程，不要直接給它答案，而是一步步說明推理過程。傳統方法會直接輸出「2 + 3 × 4 = 14」，但 Chain of Thought 會先從需要遵循運算順序。先算乘法：3 × 4 = 12，然後加法：2 + 12 = 14。這種方法讓 AI 的推理過程變得透明，也讓它能處理更複雜的多步驟問題。
