Loading [MathJax]/extensions/tex2jax.js

0

4
1

文字

分享

0
4
1

犯錯讓你更強大:揭開錯誤驅動型學習的秘密——《記憶決定你是誰》

天下文化_96
・2024/08/01 ・3678字 ・閱讀時間約 7 分鐘

我們天生會從錯誤和挑戰中學習——這種現象稱為「錯誤驅動型學習」(error-driven learning)。我相信這個簡單的原則可以解釋很多現象,例如我們在哪些條件下學習成效最好、在哪些條件下容易忘記,甚至是我們睡覺時發生在記憶上的改變。

人生實難

滿五十歲那年,我下了兩個決心:第一是要寫一本書(也就是你正在讀的這本),第二則是要學衝浪。跟學衝浪比起來,我攻讀博士學位時遇到的所有挑戰都相形見絀。一部分問題是因為我不再年輕,而衝浪對核心肌群的要求非常高——我甚至不知道自己有那些肌肉。

再者,衝浪的學習曲線本來就陡峭,因為要學的東西非常多:划水技巧;判讀海浪以將自己調整到正確位置,並拿準開始划水的時機;弄清楚自己在何時真的追到浪;還有起身站立(如果我有幸進展到這個節骨眼),儘管隨即又會整個人掉進水裡。過程裡的任何差錯都會讓前面的努力報銷,而且既耗體力又打擊信心。

錯誤的過程往往讓人喪失信心。 圖/envato

不管你是學習新的運動如衝浪,或學習新的語言、新的樂器,犯錯時的痛苦是學習的一大障礙,況且在學習曲線的初期時特別容易令人沮喪。但即使是看似能表現自如的高手,以前也曾經是菜鳥,他們同樣得從犯錯開始。要從菜鳥進步為高手,必須先持續把自己推向能力的邊界。沒有付出,沒有收穫。但反過來說,某些痛苦的耕耘可以轉變為很大的收穫。

-----廣告,請繼續往下閱讀-----

這裡指的不是生理上的痛苦,而是犯錯時心理上甚至情緒上的痛苦。我也不建議利用痛苦來鍛鍊性格。這裡所說的收穫是指,把犯錯當作學習的機會。

在大腦的運動系統中,「錯誤驅動型學習」是一套公認的原則。許多神經科學家相信,我們學會進行有技巧的動作,是透過觀察我們想做和實際上做到的動作,並找出兩者之間的差異。例如,當音樂家練習某支他們已經很熟悉的樂曲時,某些段落相對簡單,但另一些段落則比較難找到正確的和弦。如果每次練習時都得為這支曲子的每個部分建立一個新的記憶,未免太沒有效率。比較好的解決方式是,稍微局部修改記憶,好應付樂曲裡困難的部分。

錯誤驅動型學習也可以解釋,為什麼我們透過主動的「從做中學」,會比被動的記憶學習得到更多好處。例如在一個陌生的地區,相較於搭計程車經過,你自己開車一定會對這裡的空間動線取得更清楚的概念。在新的環境裡主動搜尋有許多好處,其中之一是讓你依據自身決定和行動而得到的結果來學習,這是看地圖得不到的好處。

在其他活動中,類似的機制也發揮著作用。無論是進行彩排的演員、在分組練習比賽中的橄欖球員,或是為了在董事會面前做簡報而預先練習的企業主管,都是憑直覺就利用了錯誤驅動型學習的力量。

-----廣告,請繼續往下閱讀-----

記憶研究者從很久以前就知道,在充滿挑戰的情況下學習有不少好處。我們談談實際一點的問題,好比學生應該如何準備隨堂測驗?最簡單的方法,也是世界各地最多學生採用的方法,就是重複閱讀教科書,試圖記住內容。

測驗效應:從錯誤中學習的力量

認知心理學家羅迪格和卡皮克(Jeff Karpicke)則考慮另一種方式,他們想知道,如果不透過複習而用「測驗」來自我訓練,會有什麼效果?直覺上來說,一次又一次的複習或許看似比自我測驗更有用,我們可能會想:既然可以專注於記住正確的答案,為何要冒著答錯的風險?

羅迪格和卡皮克樂意違反一般見解,把賭注押在測驗那邊,因為他們已經看到一些研究,間接顯示了把測驗做為學習工具的力量。為了檢驗測驗的影響力,他們讓兩組學生記憶托福測驗參考書的節選材料。一組的做法是重複閱讀約十四次並試圖記下內容,另一組則是閱讀三到四次,接著進行三次測驗,在測驗裡必須盡可能回想剛才讀過的內容。

重複閱讀的學生對於掌握教材的能力顯出很高的自信,反覆接受測驗的學生則在一開始時信心受損。重複閱讀的人對教材的學習效果比起接受測驗的人好一點點,但是這並不令人意外,因為重複閱讀組接觸教材的機會是接受測驗組的四倍。

-----廣告,請繼續往下閱讀-----

然而羅迪格和卡皮克等待一週,看這些學生是否還保留著學過的內容,結果差異十分巨大。平均而言,重複閱讀組的學生只記得原先學得內容的一半,至於接受測驗組則超過。所以,雖然學生以為自己透過重複閱讀教材可以學得更多,但實際上自我測驗的投資報酬率卻高上不少。

羅迪格曾寫到,記憶科學跟物理學不同,記憶科學沒有「定律」,但跟複習相對照,測驗的好處(也就是測驗效應)幾乎像重力定律一樣可靠。在各種不同條件下的大量研究中,也都呈現出測驗效應。測驗的效用一直以來沒有爭議,不過測驗究竟為什麼對記憶有如此強大的效果,科學家還未得到共識。

最簡單的一種解釋是,測驗能暴露你的弱點。一般來說,我們覺得自己能記住剛學過的東西,甚至偏向過度自信。羅格斯和卡皮克實驗裡的學生認為,自己反覆研讀那麼多次,一定可以學得更多,那是因為他們尚未受到挑戰。至於接受測驗的學生,則在回想自認為應該學得不錯的資訊時,經歷困難、甚至失敗,因而消磨傲氣。因此,測驗組的學生在明白自己學得沒有想像中徹底時,可能會更加努力。

假設你想學非洲的斯瓦希里語(Swahili),但在你還沒有機會學到之前,就被人問到:「usingizi 是什麼意思?」如果你的母語不是斯瓦希里語,恐怕不會知道正確答案,所以只好在得到正確答案「睡覺」前盡力去猜。

-----廣告,請繼續往下閱讀-----

這種運用測驗的方法看起來很糟,也與一般人對教育的看法背道而馳,畢竟你努力回答的東西根本還沒有學過。令人驚訝的是,這種「事前測驗」居然對學習非常有效。為什麼在還沒有機會學到正確答案之前,先讓你的大腦費力製造很可能是錯誤的答案,會是件好事呢?

一般的見解會認為,產生錯誤的資訊應該沒有效率,甚至適得其反,因為錯誤的資訊將導致競爭與干擾,而大多數的神經科學理論會預測,先給大腦正確的資訊無論如何都比較好。然而,給大腦機會主動掙扎,似乎能幫助我們學得更多,也讓資訊保留得更久。

記憶的科學:錯誤驅動型學習的突破

1992 年時,認知心理學家卡里爾(Mark Carrier)和帕什勒(Hal Pashler)提出一個吸引人的理論,解釋記憶的這類原則。在電腦科學領域裡,大家都知道機器遇到困難時能學到很多。現代人工智慧系統的骨幹是神經網路模型,這種模型透過嘗試錯誤來學習,方法是修改人工神經元之間的連結,藉此愈來愈善於得出正確答案。卡里爾和帕什勒認為,人類或許也是從這類錯誤驅動型學習中獲益。

為了探究人腦中如何發生測驗效應,我實驗室裡的科學家劉瀟楠(現為香港中文大學教授),研究生鄭奕聰、歐萊利還有我,使用我們的神經網路模型「盒子裡的海馬迴」來模擬測驗效應。

-----廣告,請繼續往下閱讀-----

當我們遵從記憶的標準理論,假定海馬迴會記錄所有進入的事情時,這個神經網路模型可以記憶新資訊,卻不善於保存已經學過的東西;模擬的結果與羅迪格和卡皮克的發現差不多(如同重複閱讀卻忘得多的學生)。當我們改變設定,納入錯誤驅動型學習時,海馬迴模型得到有效的提升。在干擾之下,它能學到更多資訊並加以保存。

當我們探究海馬迴模型的運作,可以發現測驗的好處並非來自犯錯本身,而在於強迫大腦去取出已經學過的東西。為了理解為什麼會這樣,先讓我們回到細胞群組的比喻。自我測驗時,大腦會嘗試給出正確答案,但結果不盡然完美。大腦會稍微掙扎,給出一個與學過的東西大致相符的答案。不過這個掙扎提供了很大的學習機會。

對記憶進行這種類型的壓力測試,可以暴露出細胞群組中較弱的地方,所以記憶可以據此進行更新,加強有用的連結,修剪掉沒有幫助的連結。與其一次又一次重複學習同樣的東西,不如採用更有效率的方式,也就是只修改我們感到困難的部分,再稍微鞏固正確的神經連結。關鍵在於記憶更新,因為讓大腦節省空間、快速學習最有效率的方法,是專注於我們不知道的部分。

雖然錯誤驅動型學習通常能為我們帶來好處,但是它有一個重要的邊界條件。如果你最後可以更接近正確答案,或至少可以排除錯誤答案,因而讓你有機會從錯誤中學習,錯誤驅動型學習才能奏效。如果你根本不知道自己哪裡弄錯,就無法從錯誤中學習。你想要的是努力挑戰,而不是漫無目標的失敗。所以學習衝浪

-----廣告,請繼續往下閱讀-----

這類複雜的技術才會如此困難,畢竟有太多事情同時進行,連在成功時知道自己哪裡做對、失敗時哪裡做錯都很困難。在這類情況中,專家的指引就非常有幫助,可以讓你知道該做什麼,也能針對你做對與做錯的地方給予回饋。

——本文摘自《記憶決定你是誰:探索心智基礎,學習如何記憶》,2024 年 7 月,天下文化,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

2
1

文字

分享

0
2
1
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。