03 模型预测¶
作者以已见与未见区分记忆和学习，以压缩与泛化区分模型能力，并用“渐构”强调模型要在失败反馈中持续修订。
拾取决策¶
梳理完各个环节和组件后，我们再回到拾果子问题：该不该拾取图2-2中的未见果子？
由于该果子并不满足 “有若干圆圈图案的果子” 这个属性，你利用判别模型将其判别到了非加分果的概念，于是采用不拾取这一应对方式。
模型预测¶
可以看出，运用类化应对的关键是模型。我们把这种利用模型来预测的方式称为“模型预测”。模型预测是预测能力的第二处来源。
模型¶
之所以用“模型”这个名称，是因为我们并没有直接在现象层面去逐一应对，而是在脑中构造了一种思维单元（也就是概念），作为一群现象的代表，间接地进行推演和模拟。这就像建造一个手工模型代表真实的建筑、车辆等事物，来做推演和模拟一样。“模型”一词则刚好体现了这种现实替身的特性。
当然，由于这是一种思维中的模型，也可以被称为“心理模型”或“思维模型”。
两种预测¶
现在我们知道了预测能力的两处来源——经验预测和模型预测。
◎ 经验预测可以赋予我们对已见情况的预测能力。
◎ 模型预测有机会赋予我们对未见情况的预测能力。
实际加分¶
为什么说“有机会赋予”呢？因为我们所建构的模型，未必就能对未见情况进
行成功预测。
例如，你预测拾取那个果子会减分，但实际上拾取那个果子会 +3 分，如图 3-1 所示。
图 3-1
这时你会意识到，其实还有一种抽象方式，也能满足所有已见情况——忽略图案是圆圈还是浪条的差异属性，仅保留具有奇数个封闭图案的属性。
即使你换了这种抽象方式，再来一个未见果子时，依然可能预测失败。注因为抽象方式是无限的，我们只能 \(100 \%\) 保证所建构模型符合搜集到的所有经验，不能 \(100 \%\) 保证所有未见情况都符合这个模型。
模型验证¶
因此，建构模型来预测未见情况时，需要经过验证。如果预测失败了，我们就将失败的情况也纳入已见，更新所建构模型。
拾新果子
例如，你先运用所建构模型，得到一个“拾取后果”的预测，在将它与实际的“拾取后果”进行比对，看看二者是否相同。这就是一次模型验证。
压缩能力¶
由此你会发现，并非所有模型都能预测未见情况。如果我们所建构的模型仅适用于已见，不适用于未见，那该模型就仅具备记忆已见情况的能力。这其实是模型的能力之一，叫作“模型对经验的压缩能力”，简称“压缩能力”。
之所以称其为 “压缩”，是因为不论有多少经验，只要满足同一个共性，就可以被一个模型所概括，进而减少占用的存储空间。
压缩拾果¶
例如，你所建构的第一个模型，虽然不能预测未见果子，但可以将拾取3个果子的经验都压缩在一个模型中。
假如你搜集了拾取 100 个果子的经验，只要找到了它们的共性，同样可以将它们压缩到一个模型中，也就不必挨个回忆这 100 个果子到底是会加分还是会减分。
泛化能力¶
不过，我们更为感兴趣的是模型预测未见情况的能力，我们将这种能力称为“泛化能力”。
如果所建构模型的泛化能力不够强，没达到我们的要求注，就称“模型的泛化（能力）不足”。
知识¶
如果我们所建构模型的泛化能力足够强（从未泛化失败过，或是成功率高到我们可以接受的程度），我们就把这个模型称为“知识”。
可见, 知识必须具备可泛化性(普遍性), 能够超越经验, 适用于广泛的未见情况。
人非永生¶
例如，“人非永生”所表达的就是一个知识。它不仅适用于孔子、嬴政等我们已知的过世之人，也适用于笔者本人以及每一位读者，具有超越经验的普遍性。
信息¶
与知识相对的是信息。信息是本身不具备普遍性的单一情况或现象。
孔子死了¶
例如，“孔子死了”所表达的就是信息。它仅适用于孔子一人，属于单个情况，不具有普遍性，本身不能用于推测未见情况。
记忆¶
将已见情况原封不动保存在大脑中的行为，被称为“记忆”。
判别一个行为是否属于记忆，关键在于行为目的：只要其目的是为了保存信息，即使最终没有成功，也被归为记忆。
记国庆¶
例如，某小学生的行为目的是将“中国的国庆节是10月1日”原封不动地保存到脑中，结果失败了。该小学生的行为仍被称为记忆。
学习¶
与记忆相对的是学习。学习是指建构具有泛化能力的模型的行为，也就是塑造预测未见情况的能力的行为。
记忆无须举一反三，但学习必须举一反三，或者说，只有能举一反三的行为才被称为学习。
记忆与学习所针对的对象也不相同：记忆的对象是信息，学习的对象则是知识。
记身份证¶
例如，你把自己的身份证号码保存到脑中，不是学习，是记忆。但如果你在建构一个根据号码来推测未知个体性别的模型，则是学习。
历史¶
又如，你将“秦始皇死于公元前210年”和“苏格拉底死于公元前399年”保存在脑中的行为，不是学习，是记忆。但若你用它们作为经验，来建构人非永生这个可泛化模型，则是学习。
仅压缩¶
如果你的行为目标是压缩拾取果实的那三个经验，而非预测未见情况，那么即使你在建构模型，也不是学习，而是记忆。
定义不同¶
注意，本书对“知识”“信息”“学习”“记忆”这四个词采用的都是专业定义注，
而非日常用法。就像“功”在物理学中的含义不同于日常用法一样。
之所以这样，是因为本书并非单纯提供一些启发性的内容，而是要为读者建构一套能够精准描述学习现象的理论体系。这要求本书必须像物理学书籍一样，为每一个术语提供明确的定义，使理论的使用者能够清楚每个名词指代哪些现象。在日常用法中，这些词往往内涵模糊、边界不清，一个现象是否属于学习的判断并不统一。这在需要精准描述现象的理论中，是绝对不允许的。
拿 “学习” 一词来说, 本书中采用的是认知视角下的定义。而在日常用法中, “学习” 一词通常指社会互动层面上的 “向他人获取有价值内容的行为”, 不能准确描述个体内部的认知过程。
例如，按照日常用法，记忆自己的身份证号码不被视为“学习”，而记忆一位名人的名字却被视为“学习”。从认知过程来看，这两种行为本质上并无区别，差别仅在于所记忆内容的社会重要性不同。在本书的定义中，这两种行为都不属于学习，而属于记忆。
又如，有的家长常会说：“别玩了，快去学习。”在日常语境中，“玩”和“学”常被视为对立概念。然而，如果某款游戏被纳入高考科目，那么玩这款游戏又会被家长称为“学习”。从认知过程来看，这两种行为也无本质区别。按照本书的定义，只要一个人在建构可泛化的模型、塑造预测未见情况的能力，就属于学习——无论要预测的情况是来自物理世界，还是游戏世界。
渐构¶
考虑到人们已经习惯了“学习”一词的日常用法，本书为该行为提供了一个别名——渐构。
之所以使用“渐构”这个词，是因为记忆可以保证 \(100\%\) 成功，但学习却不一定，哪怕学生已经 \(100\%\) 理解了书本或课堂内容。这并不意味着学生做错了什么，而是学习本身就是要超越已见，超越书本和课堂，可没人能确保基于已见情况所建构的模型能 \(100\%\) 适用于未见情况。因此，学习必然需要不断在泛化失败中持续迭代和更新脑中的模型。注
为了更准确地从名称上体现该行为的本质, 本书将 “建构” 中的 “建” 改为 “渐”,
意为“逐步迭代地建构”。
本书后续出现的“学习”和“渐构”，都指代迭代建构可泛化模型这一含义。
词义¶
凡是本书中专门定义过的词汇，例如“现象”“物质世界”“判别模型”“类化”“抽象”，都要严格按照书中提供的定义来理解和使用，切不可随意从其他资料中照搬（例如，去百度查“类化”的含义，把心理学的含义搬到本书中来用），也不能按照日常用法去理解（例如，在网络用语中，“抽象”有怪诞、令人摸不着头脑之意）。即便这些词在外部语境中有相同或相似的名称，它们在本书中所指的含义也可能完全不同。若不加区分，极易产生误读，导致对整个体系的理解出现偏差。
经验何用¶
至此，我们明确了模型预测中各个名词的含义，为后续的阅读做好了铺垫。
不少读者可能已经产生了疑问：第 01 章明确指出，在物质世界中，经验预测失去了作用。那么，为什么本章还说经验预测是预测能力的一处来源呢？
主干提要¶
- 预测能力的两处来源——经验预测和模型预测。
- 模型的压缩能力可实现记忆。
- 模型的泛化能力可实现学习。
- 普适性强的模型会被固化为知识。
- 根据塑造的能力所针对的是已见还是未见，可划分出记忆和学习（渐构）。
概念提要¶
◎ 模型预测：利用模型的泛化能力实现的预测。
◎ 模型：以虚构类别（概念）代替和模拟实际现象的结构。
◎ 模型的压缩能力：模型适用于已见情况的能力。
◎ 模型的泛化能力：模型适用于未见情况的能力。
◎ 知识：普适性足够强的模型。
信息：不表达普遍性的单一情况或现象。
◎ 记忆：塑造重现已见情况的能力的行为。
◎ 学习：塑造泛化未见情况的能力的行为。
◎ 渐构：学习的别名——迭代建构可泛化模型的行为。