为什么有的人很聪明，大脑结构有什么不一样吗？

　　做一下补充：这篇回答仅代表个人在脑科学上一点浅显的认知，基于的是国内外几篇文献资料的结论。有不同见解，欢迎在评论区各抒己见。

　　此外，尽管人脑发育的关键期，也就是高速发展期，主要是在出生到青少年这段时间，但成年之后人脑的发育并没有完全停止，甚至到35岁之前，一部分人的大脑的某一些部分依然还未成熟，有可发展空间。因此，保持充分的营养摄入和健康的作息和生活习惯，对任何一个年龄段的人来说都是有意义的。

　　还有就是，智力优势也不是一个人在社会上能否成功的唯一资本。人类历史上获得过巨大成功的人（包括很多诺奖得主），很多并不是智力顶尖的，而是一些与普罗大众智力水平更加接近的人。

　　以下为原答案：

　　~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

　　简单来讲，不是结构不一样，而是大脑发育关键期的营养和教育经历不同。

　　是否在正确的时间，正好让大脑吸收了足够的营养、保持健康，并接受了充分的学习锻炼，应该才是一个人成年后智力高低的关键。

　　具体来说是这样。

　　脑发育有几个关键期。

　　但其实所谓的关键期，时间都很长。这些关键期加起来，几乎涵盖了一个人1/5的生命。这些关键期，出现在婴儿期（出生到6个月左右）、幼儿期（半岁到6岁左右）、儿童期（7-12岁左右）、青少年时期（12-18岁左右），甚至是成年的初期（18-22岁左右）。

　　有医学核心期刊资料显示，通过澳洲学者对大约300名早产儿观察长达二十几年的结果来看，出生28天内用母乳进行喂养的早产儿，足月时有更大的深核灰质体积。在7岁后（入学年龄），上述这些母乳喂养的早产儿具有比其他对照组早产儿更高的智商、学业成就、记忆能力和运动能力。这种影响造成的差异，甚至持续到这些早产儿进入青少年期，乃至是成年初期。相关研究的观点认为，造成这种差异的关键原因，在于母乳中含有较牛乳更高的低聚糖、长链不饱和脂肪酸及乳铁蛋白等营养物质。所以，上述重要营养应该是出生婴儿保证脑发育的重要营养条件之一。

　　要了解再往后的几个脑发育时期大脑如何发展，首先需要大家了解两个重要神经组织：灰质和白质。

　　灰质中含有大量神经突触，是神经信号深度处理的重要部位，与学习、记忆、感知判断、语言、情绪、决策、自我控制能力等一系列人类高级行为有关，相当于电脑的芯片组。

　　白质是大量神经纤维聚集而成，负责神经信号的快速传导，相当于电脑里面各路数据线。

　　灰质越多，脑组织可塑性越强；而白质越多，脑组织反应速度越快。

　　幼儿期之后，脑发育主要体现在头围的持续增加，此时灰质和白质同步增加。

　　所以小婴儿总喜欢把任何东西放进嘴里，并慢慢开始学会走路、用餐具吃饭、语言表达、。不过，由于这个时候大脑还在快速扩增期，所以灰质和白质属于动态增加中，因此幼儿往往会出现语言含混不清、逻辑时常不对、身体不协调等等现象。比如跟幼儿园小朋友聊天，经常都从他们口里听到一些惊为天人的神逻辑……

　　而进入儿童时期（7岁左右到12岁左右）后，乃至之后进入青少年时期（12-18岁左右），脑就不再增大了。文献上高大上的讲法一般是：TIV（全部头颅内体积）无显著变化。

　　这个时期，其实就是学龄期。除非有脑部疾病，在进入这个时期后人的脑容量都能达到正常水平。即使人与人之间在脑容量和褶皱结构有细微差异，这种差异也不影响智力水平。

　　不过，这段时期脑内部各个功能区的灰质白质比例，却的确开始发生很大变化。

　　总体来讲，这段时期人的脑灰质占比是不断缓慢下降的，而白质占比则不断增高。不同时期脑部神经细胞密度

　　灰质减少？难道我们开始变笨了？不是。

　　这是人从广泛学习阶段向专精于某些领域的必然发展结果。灰质减少脑回路就减少了，胡思乱想就会少些；腾出来的颅内空间，就用来容纳了更多的白质。

　　灰质减少，会让大脑的神经回路变得更短更简洁；白质增多，各脑区之间协同运算的速度就越来越快。所以，人就会在自己熟悉的领域里越来越得心应手。

　　例如，等到了初高中的时候，我们已经很清楚数学作业找什么样的人抄，准确率比较高还不会被告发；期末考试的时候，到底是选A还是选C比较不容易出错……咳咳，严肃严肃。正常应该这样讲：这也就是为什么，读幼儿园时算个加减法还要掰手指头的娃，等到了初高中都能轻松默算四位数的四则混合运算、代数、平面几何、解析几何。

　　因此，在进入学龄期之后，能在什么样的环境下学习，从中接受到怎样的大脑思维锻炼，奠定了一个人的智力水平。

　　在上述总体趋势之下，脑各部分功能区的灰质和白质比例变化，是因人而异的。

　　* 海马回、杏仁核、左颞下回在学龄期是灰质增多白质减少。这说明人在儿童到青少年期的记忆力较强，对于语言表达、情绪控制、平面和立体图形认知都处于活跃学习期。这个时候，学遣词造句、沟通和图形相关的知识，正当时。

　　* 顶叶的灰质比例不断缓慢下降。说明通过这一时期的学习，人的数学计算和逻辑思维能力逐渐趋于定型。如果老师和家长在这个时期加强一个人的数学和逻辑分析能力训练、思路搭建，往往效果会受益终生。

　　* 额叶灰质水平在整个儿童期、青少年期也都是缓慢下降的。说明情商在整个学龄期都处于可塑性很强的阶段，并逐步趋于定型。所以，一个人青少年时期和哪一类人群接触较多，对今后如何表达情绪、怎样进行交流和沟通，具有很大的影响。

　　* 上、下纵束、内囊、扣带束白质增多。说明青少年对于身体控制越来越在行，运动能力增强。嗯，想起了当年我正处在上房揭瓦下河捞鱼的年纪，却天天在家啃试卷和作业……

　　* 弓形束白质增多。说明学龄期内，人的表达能力开始大幅提升。所以，我们的作文从最开始千篇一律的“扶老奶奶过马路”，慢慢演变成了各种叙事文、散文、诗歌和议论文。一些优秀的同学，到后期开始发散这一能力：给心仪的异性写情书、各种借机表白，并开始在各大媒体的评论区各种混存在感……

　　* 除此之外，儿童期（7-12岁）脑发育和青少年期（12-18岁）还是略有不同的。

　　* 儿童期灰质体积增加的主要是额叶，也就是说7-12岁的娃，情商能力将较幼儿园时期显著提升，同时也是锻炼一个人目标坚定性和自控力的关键时期。这个时期错过了对自控能力的训练，以后搞不好就会是个拖延症，最终发展成为懒癌青年……（手动滑稽）嗯……但我觉得拖稿是正义的

　　青少年期海马回、杏仁核、梭状回灰质增加，表明12-18岁是记忆能力、情绪控制能力和立体解析能力的锻炼关键期。

　　与此同时，青少年的中央沟开始出现灰质减少趋势，并且这种趋势由中央沟向顶叶、额叶扩展开来。说明初高中时期的人，对于情绪控制、目标坚定性、逻辑思维能力逐步趋于定型。所以，这个时期对性格的塑造非常关键。是热情洋溢，还是内心坚韧？是多愁善感，还是沉稳大气？基本上到了高中，就已经初现端倪了。这个时候要发一个显示自己很沉稳的表情

　　另外，男孩儿和女孩儿在这一时期的学习和思维锻炼方式，应该是略有所不同的。

　　女孩儿在6-18岁期间海马回增长比男孩儿更快，所以这个时期女性的记忆能力相对较强。嗯…我不是这个意思

　　双侧颞上回、双侧额下回区域的局部灰质体积，学龄期女孩儿显著大于男孩儿；左侧颞叶、右侧顶下小叶、双侧额中回区域白质体积，学龄期女孩儿也显著大于男孩儿。这说明学龄期女孩儿在语言文字表达能力上，开始出现与性别差异相关的优势。（所以，你要想得到一个不整天叨叨你的老婆，要从小学开始培养她沉默寡言……哎呀！老婆我错了，别打脸别打脸！）

　　男孩儿在学龄时期杏仁核增长较快，说明在应激反应控制、对危险信息的学习和记忆、对面部的识别能力都快速增强。所以，小愣头青们开始拉帮结伙到处闯祸，并从中学习了诸如马蜂窝的正确捅法、如何拿到三杀四杀五杀、女生抬手是要摸脸还是扇巴掌等等知识。（诶？我中学都学了些啥？好像哪里不对？）

　　另外，这一时期男孩儿的左侧顶上小叶、双侧顶下小叶、左侧楔前叶、双侧缘上回等脑区，灰质下降速度明显，说明这一时期男孩儿的空间想象能力、数学思维能力可以得到大幅加强。所以，这时候玩玩FPS游戏、学学3D建模、立体几何、解析几何什么的，应该比较容易上手，说不定还能为以后考驾照、学设计做点铺垫。

　　所以你看，一个人聪明不聪明，可能关键要在对的时期选择对的学习方式，正好顺应脑发育的趋势。等灰质以较好的方式精简到成人水平时，如果白质也更发达，人应该就会更聪明。

　　例如，有很多学者研究过爱因斯坦的大脑，其中学术界比较认可的一点，就是有文献说到爱因斯坦脑部左侧顶叶的神经胶质细胞比较丰富（白质发达）。而这一部分脑，正好负责空间想象和数学计算。

　　主要参考资料：儿童青少年认知能力发展与脑发育［李艳玮 李燕芳 心里科学进展 2010年11期］

　　2. 母乳营养成分及早产儿脑发育研究进展

　　[中国当代儿科杂志, 2019, 21 (6) :607-612]

　　3. 大数据时代的大脑科学--绘制智力的蓝图

　　［郭爱克

　　Progress in Biochemistry and Biophysics

　　DOI：10.3724/SP.J.1206.2014.00208］

　　@莫神筋 从生物发育角度分析的很棒，我补充一点许多人忽视的心理视角——信念。

　　信念两字很简单，但背后却蕴含了认知取向动机理论、系统动力学、认知心理学、认知神经科学等。

　　你可以直观体验下，信念对『聪明』的影响（背后是学习能力），先看此图：

　　小时候，你看到长这样的，大脑会闪过一个字：丑。

　　但现在，看到同样的长相，你大脑可能会立马蹦出“聪明气质有前途”等字眼。

　　为什么面对同样的人脸，大脑会作出如此截然不同的解读？因为你的信念变了。

　　现实中，我们许多人经常以“电脑”表征人类大脑的学习能力：将“智力”比作CPU（负责运算）将“注意力资源”比作内存（负责选取运算对象）将“长期记忆”比作硬盘（保存运算结果）

　　我们说，谁谁谁很聪明，就是觉得他大脑CPU、内存、硬盘爆表。

　　于是，大家自然认为，“聪明”就是大脑处理环境信息后转化成长期记忆的能力，如下图：

　　但很可惜，这个观点错的离谱。

　　我们误以为大脑的“工作模式”很像电脑，这很自然，因为电脑最初就是模仿大脑运作而设计的（即冯·诺依曼计算机体系）。

　　但人脑与电脑有个根本性区别：人脑是复杂有机体，它会随着与环境的互动不断地进行“演化”。

　　刚才那位，为什么我们以前主观解读成“丑”，而现在却解读成了“聪明气质有前途”，原因是我们的信念变了：

　　或许是因为金钱在价值观中急剧膨胀，以至于跟钱相关的事物都变“美了”；

　　又或者是取悦跟利益相关的事物具有更好的生存优势……

　　这些现实中的“反馈”都会不断改变、塑造我们的信念系统

　　可见，大脑的“学习能力”完全不是上图所示，而是（点击图片可放大）：*上图基于神经科学、认知科学、系统动力学及社会认知理论，为避免内容庞杂，已进行大量简化。

　　看似复杂，但只需掌握两个核心，就很好理解了：主观筛选反馈及调节

　　主观筛选，这个好理解，每时每刻，进入到我们感官系统的信息量非常之大，大脑不可能耗费精力对所有信息一视同仁的进行处理。

　　那怎么办？

　　只选择特定的信息进入思维内部进行解读。

　　就好比逛街时，成百上千张脸不断在你视界中出现，但你其实只会留意到一些美女俊男或奇装异服。

　　这个被我们筛选后的信息就叫主观信息，在神经语言学中，被称为“次生体验”。

　　不难想象，主观信息的质量跟一个人能力的强弱成正比。

　　比如，同样花三天时间看一部《水浒传》，有些人可能只看到了江湖义气，甚至只看到了潘金莲；但有些人却学到了创业、管理、决策、用户需求……等等各种知识（此处不做价值判断）。

　　综上，我们可以看见，与其说一个人很「聪明」，不如说他的「次生体验」让他看到了很多寻常人看不到的事物。

　　那么，为什么有些人的「次生体验」质量高（聪明），有些人的质量低（笨）

　　根本原因在于，他的人生经历过程中环境的反馈，一旦反馈有错，可塑性极强的大脑很容易把错误的「反馈回路」修正到我们的信念系统中，使我们「变笨」。

　　举个例子，你听说穿红色底裤能带来好运（不确定的期望）。

　　于是你面试时穿红色底裤，恰好通过了（环境反馈，达成期望，强化）；

　　下次，你穿着红色底裤表白，居然又成了（环境反馈，达成期望，继续强化）……

　　此时，你可能将“红色底裤带来好运”纳入你的“信念系统”，后续在需要运气时，比如买彩票，你都倾向于穿红色。

　　这种情况，你就衍生了反科学的「迷信」倾向。

　　又比如，学校教育。

　　幼童的时候，所有人的「学习」都是纯粹出于好奇心跟旺盛的探索欲，这个时候，我们都很「聪明」。

　　但在学校教育中，学校规定了「能帮你考高分」的知识才「值得学」，如果你考低分，那就是你「笨」，没有「天赋」。

　　不难想象，在学校反馈之下，我们产生了新的信念——开始对学习形成新的“价值观”：对学习内容的选取，我们不再基于兴趣与好奇，而是更倾向于“教材内容”；对于学习的策略，由于“内化”在考高分上显然没有“考试技巧”有用，因而学习策略开始侧重“应试技巧”；

　　常年累月受到同类的环境反馈，就会在我们的学习动力系统中植入全新的脑回路：

　　当我们面临各类学习内容的选择时，我们会优先选择“容易”，而更倾向于规避“挑战”类内容。

　　在学习策略上，我们更追求“表象进步”（容易量化）而不是“实质进步”（难以量化且需要时间才能体现）。

　　但是，现代认知神经科学已经明确：对于有价值的学习而言，面临必要的困难是必不可少的。

　　请注意，在学校、社会排名次的教学体系下，无论孩子们整体多么优秀，必然有80%的学生名次是“不优秀”的，至于你的其他天赋，比如洞察、同理心、想象力、创造力等等都会被粗暴的“学这些没用”予以否认。

　　这80%的孩子必然会处于——“自己不是块学习的料”的无限心理暗示中，讽刺的是，越是升学率高的“好”学校，教学成绩抓的越严，因而“成绩反馈”对于学生的信念影响就越强。

　　对于读到大学的孩子来说，这种“脑回路”可能一持续就是十八年啊！

　　在这种内在自卑的情况下，试问我们怎么「聪明」的起来？

　　我想你已经深刻意识到“缺乏内在自信”是多少问题的根源了：当你取得些许成就时，你会认为只是运气；当你犯下些许错误时，你会盯着自己的“性格缺陷”不放，认为是自己的问题；你面对些许的挫折（任何人都无法避免）总会责怪自己，而不是客观分析环境因素；你面对好的职场机会没有勇气接受，是因为没自信，认为自己竞争不过他人；你渐渐失去了探索世界的热情与好奇心，因为没自信，因为探索不确定性需要冒险精神；你与外界产生冲突，在职场被人欺负，总是尽量委曲求全，因为没自信能在冲突中获胜；……

　　所有这一切，今天我都要盯着你的双眼告诉你：这不是你的错。

　　那么，我们是否还有救？

　　知道了信念导致「变笨」的原理就好办了。大脑既然被强加了错误的回路，我们重新在「刷新」一遍不就行了？

　　怎么刷新？我给出了四个原则，仅供参考：

　　每当你萌发“比较”心态时，只需记住一点，这个世界上有且只有一个竞争者——你自己。教育心理学的研究也充分表明，强调自我进步的反馈最为有效。

　　实际上，强调“与自己竞争”恰恰是人之为人的本性——自我实现的天生需求，这本身就是自然人属性，只是很多人被“社会文化”抑制了。

　　我们习惯了“庆贺成功，惩罚失败”，但就学习这事的“成功”，比如做对了一道题，只是验证旧知识的一种手段。

　　但你想要取得进步，成功无足轻重，错误却必不可少。

　　错误，意味着深刻意识到“旧知识”中存在的缺陷，意味着“进步的契机”——换句话说，发现错误，或者现实碰壁，就好比找到了“新的进步”的宝藏，这当然更值得庆贺。

　　具体实施很简单，比如每次犯错、受挫时给自己买点爱吃的、喜欢的东西，或者设定一个“错误基金”，这些基金的钱你大可尽力挥霍，像庆贺成功一样庆贺失败。

　　如上面描述，在“能力天生+攀比+学校限定知识价值”的常年反馈中，除了“尖子生”，多数人都变得“内在不自信”。

　　而内在不自信的人有个特点，一旦负面事件发生，都喜欢“自我谴责”，这是一股会把自己拖向黑暗深渊的暗示。

　　因此，我们需要与自己定下一个合情合理的契约：尽力-免责。

　　什么意思呢？

　　就是做任何事情，只要你主观尽力了，那么结果（客观因素）无论如何，都不应该给自己任何精神负担了。

　　这其实才符合真实世界——真实世界本就不是人类可以控制的。因此，牢牢记住：如果你尽全力了，那么全世界都不能怪你。

　　实际上，当你实施上述原则时会发现，很容易中途放弃。这很寻常，因为所谓的“意志力”本身就跟“自我价值认可程度”呈正相关。

　　那么，如何提升“意志力”？

　　我们可以采取“由外而内”的方法，通过外在活动来改变内在性格（认知心理学前沿分支具身认知有大量实验证实）。

　　提升意志力、重建自信的外在活动有很多，最简单的就是跑步、练习俯卧撑等各类低门槛且能明显体验到进步的运动。

　　顺带一提，我前阵子刚做了篇「运动与大脑发挥水平」的专题，有兴趣可关注。

　　最后，我们也必须客观认识到，整个重塑大脑回路的过程特别需要耐心。

　　因此，请特别注意，上述内容并非“看看就行”、“明白就行”，而是每次“触发这些事件”（害怕挑战、犯错、攀比、自我谴责）时，需要与上述原则建立关联。

　　冰冻三尺非一日之寒，给自己时间与耐心，重塑信念系统，我能做到，你也可以做到。

　　答主简介：

　　李少加，（认知神经科学 | 教育学 | 知识作家 | 跨域思考）曾著《进化式运营》，现专注研究认知领域「未知的未知」。

　　我更惊艳的研究只在公号（少加点班）独家发布，请慧眼认准。

　　聪明与否， 主要不是体现在具体任务上， 而是体现在大脑学习如何学习，决策和思考- 或者说元认知和元学习能力上，这点要从元认知和元学习能力的本质 -神经网络的层次谈起：

　　相比机器，人脑擅长快速的跨任务学习和泛化推理， 或者说叫做卓越的元学习能力。我们说人类站立在这个迅速变化的危险世界面前，快速适应新任务的元学习能力事关生死。 这种能力是目前的深度学习人工智能所完全不具备的。 元学习概念解析： 机器学习围绕一个具体的任务展开， 然而生物体及其一生， 学习的永远不只是一个任务。 与之相对应的叫做元学习， 元学习旨在掌握一种学习的能力， 使得智能体可以掌握很多任务。 这种伟大的能力建立的基础是什么呢？

　　深入大脑，我认为可以分为以下几方面认识元认知能力，同时它们也是聪明人和不聪明人的区别所在：

　　1， 可以灵活的切换认知模式， 选择如何选择， 决策如何决策。

　　2， 大量先天可以使用的inductive bias（先验，归纳偏置） ， 使用贝叶斯推理框架后可以结合最新证据迅速匹配最新任务或环境的模型。相比AI单纯做梯度下降，这个方法要快速有效很多。

　　3， 强大的抽象/表征能力 。抽象之后，概念，以及概念与概念之间的结构关系能够支撑具体任务的学习

　　4， 强大的层级组合能力，迅速将已有的技能组合成新技能。

　　5， 因果

　　6， 意识

　　这些基础，也是不同人的聪明程度区别的根基。　我们一个个从AI和神经网络的视角来看看：

　　1. 切换认知模式的能力不同

　　聪明的人往往更加理性，　理性的程度高低，实际体现了人切换认知模式的能力：Doing more with less: meta-reasoning and meta-learning in humans and machines

　　Griffiths, Thomas L., et al. "Doing more with less: meta-reasoning and meta-learning in humans and machines."Current Opinion in Behavioral Sciences29 (2019): 24-30. “The term ‘meta-reasoning’ contains within it the solution to the problem of how to efficiently deploy computational resources: meta-reasoning is reasoning about reasoning, which means making intelligent decisions about how to think ”

　　人的元认知能力，被被称为一种能够根据所具有的计算资源来灵活选择认知系统的能力。 比如我们熟知的系统1和系统2，一个负责直觉有关的决策，一个负责更加理性更加逻辑的决策。 这种选择的本质是根据现有的认知资源来计算进一步计算需要的成本是否可以cover收益来看是否切换认知模式。

　　就好比当我们在危急时刻或者大脑已经十分疲惫，都倾向于用直觉思考，只有在认知有盈余的时候才会进入更深层的思考状态。这也可以让我们反思我们所经常犯的错误，也就是自己匆忙因为本能做的决定事后后悔。你会发现当你经常处于认知资源匮乏的状态，就会经常犯错误。 人的这种切换决策，学习等相关的认知模式的能力，是快速适应不同环境的一个基础。 我们可以如下的计算图表示这个计算过程，我们的大脑一边进行C0，C1，C2..一个序列的计算， 用以更新我们的认知B0, B1, B2， 另一方面，计算每个计算步骤的成本收益，当这个计算的成本大于收益，就停下来。 这就是所谓的有限理性，不要冥思苦想，对一个问题适可而止交给上帝。

　　这种浅度或深度认知模式的切换是适应复杂多变环境的基础，让我们虽然可以创造最伟大的文明，但是在被老虎追击的时候不至于陷入过度思考，最终鲁棒性而不是最优化才是长时间不被淘汰的关键。

　　那么有没有无限理性呢？你也可以假定一个超级智商的Lucy可以做到的是建立一个无穷深度的计算图，站在一个制高点上，观测每个理性层次上的自己往下游戏会得到一个什么样的结局， 最终避开所有可能的坑，但是这样的人是不可能存在的，除非她真的获取了这个星球所有的计算资源，并且有无限的计算速度。

　　也就是说， 正常的人都是有限理性，而理性的深浅不同， 聪明的人由于先天具有更好的认知调控能力，比一般人理性的程度更深， 可以在认知空间里看着理性层次更浅的自己如何跌倒从而避免。

　　

　　2. Inductive bias　不同　(先验假设，归纳偏置)

　　人们的头脑由于遗传和发育的关系，会形成不同的能力结构， 我们可以把它们看作对世界的先验不同，或者说先天结构和偏好固有不同。不同的天才均是具备了某方面比普通人更强的先验结构，即使这种结构是不同的， 比如莫扎特和爱因斯坦， 我们可以看看这些先验从何而来。

　　我们来一个一个看这些点。与人工神经网络相比，生物神经网络一个显著的特征是自发活动非常频繁。这些自发活动表明，人脑在没有外界输入的时候， 也在自发的演绎着自己的“主旋律”。与其认为这些活动是一些无意义的发放， 更加多的生物实验基础指出的是， 这些活动反应了某种大脑的对世界或任务的”先验假设”，犹如一些认知的模板。 心理学家认为人脑中大部分的意识或想法都在意识之下 ，我们是看不到的， 或许也有一定道理 ，本质上，这些想法就如同不同先验组成的假设空间， 最终能够胜出进入到我们的决策区间的仅仅是极少的一部分。不同的先验可能来自于进化，也可能来自于早期学习。 不同种族的人有着深层相通的语法结构，或者类似的谚语，都反应了这些潜在于大脑内部的原始先验，不禁让人想到荣格的集体无意识。 这一点也在被机器学习界所认知：

　　Meta-learning of Sequential Strategies Ortega, Pedro A., et al. "Meta-learning of sequential strategies."arXiv preprint arXiv:1905.03030(2019).

　　这篇文章从通用的序列建模的角度描述了不同的先验假设结合贝叶斯框架如何构成了序列学习的通用方法.。 首先，元学习的本质就是如何高效的从多个任务（环境）的混合数据里获取供不同任务使用的inductive bias。所有的元学习方法，都可以看做是如何从数据中获取这种最具一般性的先验假设（模板）。 一个序列预测问题某个先验下可能的答案，但是它们只代表所有可能中的一种常见的元学习方法Mamal， 从不同任务的混合数据中学习一个恰当的初始参数，可以看作是学习一个离每个具体任务都不远的先验

　　当然， 以人类日常任务的多样性， 和环境的复杂多变，这些先验模板一定不是一成不变，甚至有可能互相矛盾。 我们经常纠结，且时时处于矛盾之中，就是反应了这个事实。

　　事实上，我们大脑处理不同的先验假设有两个基本的原则：

　　A Epicurus’ principle：在认知资源允许的情况下， 我们保持尽可能多的假设。减少某些假设意味着对应未知世界的风险增加。

　　B Occam’s principle： 当不同的假设均可解释一个事实， 那么我们尽可能给简单的假设赋予更多的权重。 这一条被称为阴谋论绞杀者。

　　在此基础上有了这些不同的假设，大脑执行的一个基本的工作是karl Fristion所说的预测编码，每时每刻，大脑都在尽可能的生成预测下一刻的输入变换（视觉，听觉，触觉），根据上面所说的，我们所做的预测不是凭空而来，而是根据大脑里的先验假设空间进行修正， 减少一些不符合事实的假设的概率， 而增加那些符合事实的假设，这个过程对于大脑就像水往低处流一样自然。在这种预测力的驱动下， 这个修正过程是快速的，准确的，我们会很快得到最贴合真实的模板或者其组合，远比重新学习新的世界模型要快的多。

　　也就是说，我们看到的未来是过去所见的组合，阳光之下并无新事。这一点对于这个迅速变换且危险的世界比缓慢的梯度下降学习靠谱的多。 这篇文章指出一个可靠的具有类似智能的系统需要 ： 1）能够在大量（来自不同任务或环境下的）序列数据的预测中习得一组先验假设。 2）可以在不同任务间快速的调整后验。

　　聪明的人本质具有更强的对某个领域预测编码的能力，除了具有先天或早期学习到的某个领域的强大先验， 更有极强的在这些领域的快速学习能力，这些都具有大脑先天的结构性基础。

　　3. 强大的抽象/表征能力 。

　　聪明的人往往具有更高的抽象能力。

　　我们还是来看神经网络。 抽象之后， 概念，以及概念与概念之间的结构关系能够支撑具体任务的学习 。 世界是复杂的，大脑的神经元再多， 表达能力都有限。 那么，如何用有限的神经资源表达无线的假设？ 抽象，就是必经之路。 经过一定量的抽象， 很多看似不同的事物就归结到一个东西上，所需要表达的假设就大大减少。 抽象可以看做分成两层， 一层是如何从具体感知中获得符号。符号对应某种不变性，比如一个人A的脸可以有不同的侧面， 不同的光影效果， 但是最终可以抽象成为一个符号-就是A。或者一个地点在不同的时间角度看场景都不一样，但是你走的多了，就理解那是一个地点而已。 这是当下的人工神经网络，尤其是CNN非常擅长做的事情。 符号和概念息息相通， 某种程度能从感知信息里抽取符号，就是具有概念学习的能力。 不同人脸侧面对应同一个人

　　而另一层较少被提及的抽象就是对某种结构性知识的抽象，或者是说有了符号后，对符号之间的关系的抽象，结构的抽象。 比如说刚刚说的人脸， 如果有了不同人的脸，那么我们可能会把同一人种，性别放到一个区域，而不同人种，性别放在不同区域。 或者刚刚说的地点的抽象， 对于不同的地点， 我们可能会把近的能够直接到达的地点放在能够直接联通的区域， 远的不相通的地点放在较远区域。 仔细看你会发现对于人脸和地点， 我的描述是相似的，都是一种类似空间关系。 这种关系本身就是我说的另一类抽象， 对关系或者结构性知识的抽象， 在这个层次上，符号是什么本身已经不重要，重要的是符号和符号之间的关系。 概念和概念相互关联的结构性知识

　　我们可以看做所有的关系都可以看做某种图（graph）来表达， 图里的节点可以对应可以替代的概念（一个占位符），而具体图里的每条边是什么，或者说距离如何定义，又可以用一个新的自由度表达，也就是我们常说的度量（metric）， 我们日常生活中的欧式空间，无非是有关metric假设的一种形式。 graph和metric构成我们需要的多种多样的结构性知识，你可以想象出现过在你大脑中的结构都有哪些。 大脑中的典型负责这一类关系的脑区，是海马。 海马里的place cell如同一个不同地点（概念）相互连接的弦网而每个弦长又由更抽象的grid cell来定义。 抽象的符号或者关系是大脑中的先验模板存在的基本形式。 比如视觉回路的感受野是先天就确定的， 海马体的place cell也很早就形成。 有了这些表达关系和符号的抽象模板， 我们很容易在经历新的刺激，环境或者任务时候，直接套用已有的抽象，并且略作重新组合，理解新事物。这个理解的过程，可以同样看作两部，一个是生成新的符号（命名新的刺激），另一个就是用刚刚说的结构模板，来强行套用到新的符号上。比如一个毫无香水概念的人一天接触了一百种香奈儿香水，在知道了那些不同的名字后，那么她可能很容易用它熟悉的空间概念来套用到不同味道，给她一个“距离”关系，也就是我们常说的比喻的能力，如此几百个味道或许被分到香甜和辛辣两个维度，从而被大脑迅速掌握。 把符号和符号之间的结构性知识结合起来， 得到最终的任务表示。这里的结构性知识是空间网格。网格上可以放各种物体。对网格的认知方便对周围物体的预测。What Is a Cognitive Map?Organizing Knowledge for Flexible Behavior

　　聪明的人本质上具有极为强大的这一类对世界的结构性知识， 也就是说，他们往往能够在某个任务上抽取到其最本质的结构， 然后迁移到非常遥远的领域，体现在一种触类旁通的能力， 和极高的幽默感。物理学家就是这个方面表现极为突出的一群人，犹如把宏观力学的空间概念拓展到微观。

　　4. 这种关系或结构的抽象最重要的一个是 4， 强大的层级组合能力，迅速将已有的技能组合成新技能。

　　用迭代法则构建的层级结构是所有结构性知识里最重要的一种， 因为无论是对符号之间关系的表达， 还是对动作之间关系的表达， 还是状态的构成，树结构是最常见的一种结构。 从当下到未来，我们可以用一个状态的决策树表达。动作到动作， 我们可以用一个微观动作到宏观动作的技能树表达。 我们说，层级关系对应了从一些最基本的符号或概念，如何构建更复杂的符号或概念的一个最常用的方法。 或者说从已有的若干基本先验假设，构建新的无穷多假设的一种方法，

　　能够多大程度利用迭代关系得到最高层级的知识，也决定了聪明人的思考深度。

　　更多层级关系的例子： 我们的语言就是层次结构最典型的体现勃艮第牛肉的制作过程为例看层级化的强化学习。每个动作由更基本的动作组成，又成为更复杂的动作的基础。技能的构成体现层级嵌套的树结构

　　除了以上4点， 对于人类的元学习能力不能不提的还有两个核心点，一个是因果，一个是意识

　　5. 因果能力的区别

　　聪明人的头脑更擅长抽取事物中的因果关系。

　　刚刚提到的世界模型离不开当下状态和未来状态的关系， 我们不停的预测下一刻的世界变化，这是大脑的热力学第二定律。 这个预测系统大部分做的是统计预测，也就是分析不同事件之间的相关性。但是偶尔，它抓住了比这种相关性更深刻的关系--那就是因果。 太阳升起引起公鸡叫引起外面的广播体操喇叭响了而不是反过来，这种因果一旦被掌握，它就不太会局限于某个数据集和任务，而是掌握了可以跨越很多任务不同环境使用的规律。 假定你学会了用公鸡叫预测太阳升起，那么当你从乡村移动到城市这规律就不能用了。反过来，如果你学会的太阳升起到一系列动物和人的行为的因果关系， 这种泛化能力就大的多。 因此因果也成为最为热门的研究领域。 某种意义上，我们也可以把因果图看成刚刚讲的抽象符号关系里的一种。

　　6. 自我意识的深度

　　没有人真正了解意识，但是它无疑与人类最引以为傲的智能息息相关， 聪明人往往具有最高的自我意识水平。 表现在更强的对自身状态的挖掘能力，和对自我实现的更高追求。我们来看看意识对学习为何如此重要：

　　这可能是所有人类强大元学习能力背后最深奥的一个，讨论起来可能看起来比较玄学，然而不讨论意识，或许我们永远无法真正把握人类超强泛华能力背后最重要的一环。 Bengio等对意识做了一定程度的研究，认为它可能代表了一种迅速的把不同脑区得到的不同抽象假设统一在一起，形成一种合并的大脑表征的能力（进入到当下意识中）。 或许当人有了意识，它就好比得到了一个产生好多重的无意识自我，并在其间切换的能力。 更多内容请参阅论文： Bengio, Yoshua. "The consciousness prior."arXiv preprint arXiv:1709.08568(2017). 相关阅读： 许铁-巡洋舰科技：从时间序列的抽象表示到层级化强化学习许铁-巡洋舰科技：大脑的自由能假说-兼论认知科学与机器学习

　　没有答到点子上的呀。

　　其实早在上世纪80年代，就有研究发现，智商越高的人，进行认知任务时大脑皮层的能量代谢率反而越低，也就是说，聪明人思考问题时消耗的能量更少[1]。

　　有人据此提出假设，聪明人之所以能比咱们更专注更持久，可能并不是因为他们比别人更努力，而是因为他们大脑的工作效率更高，即所谓的“神经效率假说 (neural efficiency hypothesis)”。

　　这一猜测在2018年得到了证实，来自德国波鸿鲁尔大学的Erhan Genc教授团队发现，聪明人的大脑神经元互相连接更加高效简洁[2]。

　　也就是说，越是聪明人的人，大脑工作效率越高，处理同一件任务的耗能越低，因此更不容易触发大脑的负反馈机制（感到疲惫），因此可以支持更高的工作记忆，更多线程的任务，更长久的专注力。

　　这个现象可能有点反直觉，因为我们通常会觉得，聪明人脑子里的乱七八糟的神经连接应该会更多才对，不然他们怎么会这么容易一看题干就想出好几种解法？

　　但关于这点，我们其实可以参考3岁左右的幼儿的脑子，其突触连接是远远多于成年人的，但是随着学习和年龄增长，这些突触连接会被不断“修剪”，反而会减少，这是在为了提高我们思考的效率，大脑在做“减法”，去除无用的连接。

　　通俗来说，你和聪明人运行同一款app, 你占了90%的内存，人家只用了40%的内存，你已经拼尽全力了，他甚至还有余力开个游戏撩个妹，现实就是这么残酷。

　　******正文完结，下面是鸡汤******

　　那是不是说聪明人是天生的，我们无能为力呢？其实倒也并不是完全的“先天决定论”。

　　随着我们对某一特定领域的不断看书、学习，我们的大脑关于这方面的突触可塑性就会增强，在我们擅长的领域，我们的大脑相关区域会像聪明人的大脑一样[3]。经验丰富的伦敦出租车司机被发现后海马体中的灰质量更大（海马是空间导航的重要脑区，其中后海马posterior hippocampus比前侧更多参与空间导航的编码）。专业打字员的大脑中与编码运动任务（例如运动皮层，前额叶皮层和小脑）的相关的大脑区域灰质体积增加。小提琴家和其他弦乐演奏者的大脑的初级感知运动皮层中，代表左手的区域更大。

　　所以说，学习是有用的，天才也不是绝对的。

　　聪明与否，可以用智力来进行量化。在过去百余年间，研究人员发现智力的高低与数个大脑结构性因素有关，即脑容量、灰质体积、白质体积、皮质厚度、皮层皱褶以及神经效率[1]。

　　首先，我们需要了解几个最基本的概念：什么是灰质、什么是白质？

　　很多人都知道，神经细胞的数量与智力息息相关，而神经细胞的胞体远比树突与轴突重要，那么神经细胞的胞体都藏在哪里呢？是不是均匀分散在整个大脑结构中？神经细胞结构。cell body：胞体；myelin sheat 髓鞘

　　事实上并非如此，因为大脑是通过模块化联系执行任务的。这种模块化的基础在于大脑的神经细胞根据相同的功能聚集成团，分布于不同的部位，分布于大脑深部的叫神经核，分布于大脑表面的，叫大脑皮层，这些就是灰质。灰质的切面呈现灰色，因而得名。与灰质对应的为白质，白质主要由神经细胞的轴突形成的神经纤维构成，这些神经纤维的表面被一节节的髓鞘（myelin sheat）包裹，起到绝缘的作用，从而提高电信号的传递。髓鞘含有类脂质，因切面上色泽亮白而被称白质。大脑的切面观

　　出于灰、白质的特殊构造，灰质的体积可能反映了信息处理的能力，而白质的体积则可能反映了神经元之间通信的效率。

　　脑容量的大小与智力的相关程度是一个争议性话题，部分研究认为确实如此，而部分研究认为相关性不大。目前的主流观点认为同一物种中，脑容量大小与智力的高低相关性并没有想象中那么高。

　　脑容量指的是整个大脑的体积，人类对智力的大脑解剖基础最初的认知就是脑容量。早在1836年，德国的解剖学家蒂德曼就曾表示，脑体积的大小与个人所表现出来的智力之间存在联系。2005年，美国弗吉尼亚联邦大学心理学家迈克尔·麦克丹尼尔发表在《智力》杂志上的一项研究显示，人脑的体积大小与其聪明程度有关联，脑体积越大就越聪明[2]。通过对1530人的大样本研究，作者得出脑容量和智力之间的相关性的估计约为0.33，其中女性的相关性高于男性，成年人的比儿童高。不同物种之间的大脑体积对比

　　确实，更高的脑容量可以给更多神经元的存在提供依据，那么脑容量越大的人，智力越超群吗？显然并非如此，更多的研究显示，脑容量和智力之间的相关性约在0.3-0.6之间，这其实是一种弱相关，仅可以解释10-36%的方差[3]。实际上，以爱因斯坦为例，其大脑重量约为1230克，与正常人的大脑并无任何质的差别，这说明影响智力的大脑结构性因素并不能仅仅用脑容量来进行诠释。

　　全大脑体积，即脑容量，作为智力的主要评估条件不太可靠的原因可能为智力与局部脑域有关。灰质作为神经元胞体密集存在的部位，为大脑的信息处理中心，近30年来被认为是影响智力的重要因素。

　　灰质密度越高，智力测试表现越好，智力越高。2001年，加利福尼亚大学的保罗·汤普森（Paul Thompson）领导的研究人员发现，额叶灰质的结构差异与智力的个体差异紧密相关[4]。在拥有相同基因的同卵双胞胎中，他们拥有相同数量的灰质，但灰质密度的差异会导致智力测试的成绩不同。2004年，加州大学尔湾分校的理查德·海尔（Richard Haier）及其同事使用磁共振成像技术测量了47位成年人的大脑灰质含量，并进行了智力测试，结果发现额叶（BA 10、46、9区），颞叶（BA 21、37、22、42区），顶叶（BA 43、3区）和枕叶（BA 19区）等部位的灰质体积与智力呈正相关[5]。不同领域的智力测试分数的不同可能取决于这些不同大脑区域中灰质的含量，这些特定区域灰质中的神经细胞可能会使大脑更有效地处理信息。

　　晶体智力的后天提升似乎进一步证实这一点。在来自2000年的一项针对伦敦出租车司机大脑的研究显示，具有丰富导航经验的出租车司机，其海马后区灰质部位明显更大，这些海马后区的体积与出租车司机导航所花费的时间成正相关[6]。

　　与灰质不同，白质主要由有髓神经元的轴突组成，主要负责在神经元之间传递信号，决定信息传递的快慢。从解剖基础看，更大白质的体积反映出更高的髓鞘形成程度，可以有效降低电信号的衰减，从而增强了神经的传递作用。髓鞘的主要成分为神经胶质细胞，而对爱因斯坦的大脑结构进行分析似乎证实白质与智力的相关性。

　　在1980年，加州大学伯克利分校的教授，玛丽安·戴蒙德（Marian Diamond）从托马斯·哈维（Thomas Harvey）处接收了爱因斯坦的部分大脑标本。通过将爱因斯坦的大脑与其他11位普通男性进行对比，结果显示爱因斯坦的大脑具有更多的神经胶质细胞，特别是联想皮层的主要部位——左下顶叶区，该部位负责整合和综合来自其他多个大脑区域的信息。环境的刺激可以增加神经胶质细胞的比例，而高比例的神经胶质可能是爱因斯坦一生对科学问题的研究所致。

　　除此之外，爱因斯坦左右大脑半球的白质联系比常人更强[7]。胼胝体是连接两侧大脑半球之间最大的白质神经纤维束，广泛参与两侧大脑半球之间的联系。更广泛的联系可以更为迅速在大脑不同区域之间传递信息，可以为爱因斯坦非凡的成就提供神经学基础解释。

　　大脑皮层可以同样归属灰质，拥有丰富的神经细胞，为影响智力的神经学基础。以阿尔茨海默病（即老年痴呆）为例，其原本富含神经元的大脑皮层明显萎缩，神经元数量明显减少，从而出现记忆、计算、推理、判断等能力急剧下降乃至完全丧失。大脑截面观：左侧：健康大脑；右侧：阿尔茨海默病大脑

　　在人的智力发育过程中，皮层厚度的变化比较令人迷惑。据2006年发表在《自然》杂志上的一项研究显示，在儿童早期，智力与皮质厚度之间呈现显著负相关，然而在儿童后期及以后的阶段，两者会变为正相关[8]。智力水平与皮层的发育轨迹有关，主要体现在与智力活动有关的额叶区域。较聪明的孩子拥有特别可塑的大脑皮质，他们的皮质增长期会较智力较低者更长。皮层厚度与智商的关系。蓝色：负相关；红色：正相关

　　另外的一项研究显示了同样的结果，并指出可能与儿童期大脑皮层的扩张有关[9]。在10岁时，智商较高儿童比智商较低儿童的大脑皮层稍薄，随着时间的推移，大脑皮层变薄的速度还会越来越快。而到了成年时，这种关系会得到逆转，智商高者，皮层会持续变得更厚。到42岁时，皮层越厚，智力就越高。相比之下，10岁以下的聪明儿童，其皮质表面更大，并且会持续扩张折叠为脑沟脑回，在青春期达到最大面积，这可能是导致皮层变薄的原因。不同智商者皮层厚度与年龄的变化

　　在人类的进化过程中，大脑皮层逐渐出现了诸多皱褶，将大脑皮层表面分割为一条条脑沟脑回，与小鼠的大脑皮层进行对比，可以看到明显的区别。一般认为，皮层的折叠回旋使细胞彼此靠近，可以提高脑细胞的通讯速度，从而具有更快的认知信息处理速度以及更好的言语工作记忆。左侧：老鼠大脑；右侧：人类大脑

　　2012年，著名的人类学家Dean Falk对爱因斯坦的大脑进行了完整的检查，发现了数个异于常人的脑沟脑回。最引人注目的是爱因斯坦的大脑皮层额中叶，有一个额外的脑沟，这是用于制定计划和工作记忆的部位。大多数人只有3个脑沟，但爱因斯坦有4个。

上一篇：原创奥斯卡即将揭幕，这5部口碑炸裂，但最后一部触碰了最敏感的话题
下一篇：广西科技大学土木工程考研过线就要？来看看2023考研难度及复试调剂情况！