麻省理工學院（Massachusetts Institute of Technology）的 Seymour Papert 教授，不僅僅是人工智慧先驅，也是全世界首位提倡兒童要學程式的人。他認為人工智慧與人類學習是一體兩面，電腦與程式語言的發展，對未來學習的模式將造成重大改變，因此在1967年，他與圖靈獎得主Marvin Minsky 一同開發出LOGO程式語言／LOGO畫圖機器人，並且在30年前受 LEGO 委託開發 LEGO-LOGO 機器人—— 後來根據本書英文書名「Mindstorms」改名為著名的 Mindstorms 機器人。Papert 本人對電腦發展的影響深遠，細讀此書你會發現圖靈獎得主 Alan Kay 開發的物件導向編程以及視窗作業系統，甚至這7-8年內流行起來的 iPhone、深度學習（Deep learning），都可在此找到端倪。目前普世較為通用，Papert 的弟子 MIT 的 Mitchel Resnick 教授發明的 Scratch 語言，也可看成是 LOGO 、Mindstorms 機器人的改版，而市面上各式各樣的程式機器人，幾乎都可以看成是 LOGO 或是 Mindstorms 的廉價複製品。就算是加上人工智慧的服務型機器人，大致上也脫離不了他們幾十年前論文研究的範疇。

Mindstorms此書的宗旨，並不是解釋 LOGO 或是 Mindstorms 機器人的使用方法或開發流程，而是闡述 Papert 以及他老師 Jean Piaget的教育理念。Papert 在獲得劍橋大學數學博士之後追隨心理學大師 Piaget，並且深受其影響，在此書中大量用 LOGO 語言的實際使用狀況，甚至是人工智慧的觀點辯證了 Piaget 的觀點。Papert 認為程式語言跟自然語言一樣，都是用來描述世界的，但程式語言更加嚴謹，以及更加具有互動性，一個精心設計的程式語言，更能與深層次的兒童認知結構相呼應，大幅改變數學科的學習方法，進而造成一系列革命性的教育提升。

Papert 在數學、發展心理學、人工智慧、科學哲學等領域都到達了頂尖專家或奠基人的水平，因此產生了如Warren Buffett 合伙人Charlie Munger 所說的 Lollapalooza多重疊加效應，也許這本書成書當時不見得能被大眾理解，然而隨電腦不斷蓬勃發展，Papert提到的許多問題與現象，逐一印證，這更像是一本跨越時代的預言書，很多當下急需處理的問題，其實 Papert 約40年前就進行了深入思考，只是鮮少有人認真加以實踐，如果深入挖掘，必然如當初 Steve Jobs進 Xerox 實驗室一樣，滿載而歸。

Piaget 的理論說到：人類的學習能力在學齡前是最強的。語言是極度困難的東西，可人類不需要老師也能學的很好。最近神經心理學的研究也發現兒童的大腦結構跟成人的確是不一樣，特別適合學習語言。從50年前 Papert 開始的研究主題是，希望把人類早期語言學習的超能力，擴展到別的學科、例如數學上。用的方法就是從自然語言延伸到編程語言。「讓兒童熟悉使用編程語言，並且使用編程語言建構一切。」

對應 Papert 的建構主義觀的是，自兩百年前普魯士國民義務教育以來的「傳統教育」，工業化以來傳統手工藝的生產流程被拆解成流水線（assembly line），導致生產力大規模的提升。而普魯士國民義務教育則是把傳統手工藝的學徒制度，模仿工業化流程拆解流水線的方式，有效率大批量的的訓練出一批合乎規格的人。事實上在流水線作業下，每個人可能一輩子都只需執行一部分功能，所以這種不強調因果關係教育長時間下來也十分堪用。

這兩種教育看法並無對錯，孰優孰劣，可能更像是馬克思主義（Marxism）所說，上層結構要看當下社會，真正偏好的生產方式決定。Albert Einstein自述早年非常不適應普魯士國民義務教育。在一個隨大流的社會中，像 Einstein 有著自己的想法，可能反而減少自己的機會，也許別人就希望你當一個安份的螺絲釘。當然在Papert的願景之中，未來社會在電腦加持之下，人人都能成為人機結合的超人，唯一的限制只會是是自己的想像力。

Papert 在 MIT 的同事多媒體實驗室主任Nicholas Negroponte也認為，好的教育是為孩子提供機會，去構築自己的知識體系，而非更好的複製教師觀點。再過去的幾十年中蘋果、微軟、谷歌、臉書崛起，都反應出要取得大的成功都是要建構些自己的東西，而非重複別人的老路。在機器人與人工智慧即將崛起的現在，重複性流水線工作終將歸於機器人，人必須要能掌握全局。如同畢卡索所說，電腦只懂得回答問題。如果要學習問出正確的問題，應該還是要採用傾向Papert 的教育觀點。

「在科幻小說中有非常多場景，將電腦視作輔助人類思考的工具。比方說「Star Trek」的粉絲一定知道，「企業號」裡面有一個電腦能對任何複雜問題快速的給出精準的答案，然而在「Star Trek」中的角色，思考方式跟20世紀現代人並無二致，在劇集之中，與電腦的接觸，並沒有改變人對自己的認知，或是改變他們處理問題的方法。在此書之中，我將嘗試解釋電腦除了作為工具外，如何從源頭改變人類思考的方式，而且這種思考方式在沒有「聯機」時依舊有效。（就如同玩齒輪的經驗幫助我學習代數，然而我學習代數時身邊並沒有齒輪）我想這是一個時代的終結，一個大部分人與科學精神無關的時代終結，一個萬眾創新時代的來臨。當下有許多教育文化的障礙，阻止這些創新精神的培養，比方說美國歐洲普遍存在的"數學恐懼症"，害怕小孩自己摸索，害怕無法將數學學好，一定要老師帶，無形之中扼殺了小孩發明創造的能力。在我的願景之中，當小小的個人電腦遍布世界的每個角落時，這些文化障礙將會被清除。相較於硬體，更加重要的是電腦帶來的思想改變，打破現有社會科學，自然科學之間的分界，打破現有既定誰在幾歲學習什麼的概念，打破發展心理學與性向測驗的標準假設，電腦不再是專屬於「電腦工程師」，每個「人文學家」都將有充分的電腦編程技能。」

這序言中的願景，包含大量資訊。在文雅的修辭底下，反對南非種族隔離的Papert 一直有著革命家的血液，相較於推翻一個國家，他想推翻的是全世界的固有思想。大眾的想法，在四十年後還沒有顯著的改變，而Papert的願景仍然是未來式。Papert 在「四十年前」看出來，在大數據時代來臨之後，人文學科的研究將重新建立在電腦編程上，將瓦解科學與人文的「種族隔離」政策。他似乎也看出來，在機器人與人工智慧展開的「新大量複製」時代下，大部分人都得學會利用機器創新。

兒童當下如果要學習編程，LOGO 用的已經很少了，比較正規的當然是C、Javascript、Python、Swift，常用入門的是Scratch，不過真正推薦的還是從GoBot實體編程開始。

Mindstorms裡面有很多洞見，近幾年來獲得逐步的證實，比方來說，Papert 反覆強調將自己想像成齒輪結構的一部分，或是將自己想成海龜在走路，可以有效促進學習，並且70年代就做過研究證明實際的機器海龜，會帶來比熒幕海龜更好的學習效果，這與最近流行的體稟認知(embody cognition)理論是切合的，並且也與歐美國家從編程教育，逐步走向機器人教育是吻合的。值得一提的是一系列實體程式 Tortis (Perlman,1974)、Algobloks (Suzuki,1995)、Bloks(Blikstein,2016)、GoBot(張安升, 2017)，又將LOGO的體稟認知往上提升一個層次。

以 GoBot 為例，用實體控制板進行編程，有著極大的好處，舉例來說，要幼童描述自己的數學思想是困難的，而實體控制板非常清楚且高效地進行了溝通。從另一個角度看，研究也指出，實體化造成身體姿勢的改變，會引發學習者的心智狀態的改變，比方說當兒童共同看向控制台時，形成一同討論模式，而兒童共同看向小車時，則更傾向獨自思考，這意味著學生的思考模式轉換為教師能觀察到的外顯現象，也意味著更加細膩的學習歷程。

再來我們看實際的編程，比方說我們在控制板上放上前進指令 按下啟動后小車前進 1步；放上前進+前進2 ， 則前進3步。如果我們將指令反過來，小車依舊前進3步，但是從外表看，看不出是前進2，此時我們已經引入了未知數的概念，如果用數學式表達，可以寫成 1+X=3 其中 X、等號都是很抽象的概念，原本要小學3-4年級才會教，GoBot透過實物的方式很好的闡釋，小學一二年級就能很容易的理解。

另外算數結構、與編程結構有高度的雷同，操縱小車在一維數線運動的編程語言，包含前進、後退、重複、掉頭，基本等同於算數結構，前進後退相當於加減法、重複就相當於乘法，而除法可以用重複+縮短移動距離達成。因此兒童在學會編程結構之後，自然而然的理解了，四則運算，先乘除后加減，如果複雜點就是初一程度了。

LOGO 機器人的精神，是以適合兒童的形式，傳達嚴肅的數學知識。GoBot 忠實繼承了LOGO 的精神，並且將形式做的更加簡單，以及提高了傳達知識的廣度與深度。以實體化的方式表示編程指令，將使用年齡降到幼稚園程度。同時因為實體化的限制，在進行運動、畫圖時，孩子必須進行更多的計算，其中包含了加減乘除，並且非常容易的引入未知數的觀念，另外透過規則或是裝置的設計，單人遊戲可以導入圖論問題，而雙人遊戲則是加入了博弈論設計，甚至引入隨機運動以學習統計概念。在發展LOGO機器人中，原本Papert 花比較多時間在幾何以及微積分上，以及抽象化的除錯、結構化思考。GoBot 則是在 算數結構、代數、限制性上做出了補充，另外也包含了應用數學、幾率統計。

數學、編程是非常重要的，只是這些技能還只能算是Papert 的「道具」，如果要深入的了解 Papert對教育的看法，首先得了解 Papert 對人工智慧的看法：

「飛行的物理學原理是根據空氣動力學，但人類對空氣動力學大部分的理解，是在造出飛機之後。一開始人類的確想透過模仿鳥飛行，認為羽毛有神奇的魔力，將羽毛貼在身上用力揮動，結果失敗了。直到後來造出跟鳥類差異巨大的飛機，反而更好的理解了空氣動力學，也更好的理解了羽毛對鳥飛行的意義。」

鳥也會飛、飛機也會飛，沒人會把飛機看成鳥，人工智慧也是類似的道理。在想方設法，讓機器模擬出人類思維的「功能」后，我們也許可以從中提煉出思考的關鍵因素。令人驚奇的是，如果我們仔細看「深度學習」的各項特徵，分別對應了除錯思維、結構化思維、抽象概念操作，正是Papert根據Piaget的兒童心理發展理論反覆強調的，也許這三種思維正是人類思考核心元素。

除錯與迭代思維

人工智慧並不害怕錯誤，它的運作原理是即使訓練初中期都是錯的，經過反覆迭代后，最後也能達到正確結果。這種快速迭代（Iteration）思維，在幾年前互聯網開始蓬勃發展時也開始流行起來，一個APP，最後的樣子，幾乎保證跟最初的想法是南轅北撤，因為經常要適應市場需求做改變。Papert 指出，編程中除錯 （Debug） 是電腦文化的特性之一，寫程式很少有一次寫對的，無論是用電腦寫代碼、寫文章、做研究都是一樣，經常都需要反覆來回好幾次。

相對應的則是考試主義下，學生界定自己擅長範圍，首先就是分文理科，對範圍以外的事物，會害怕失敗，而不願意嘗試。同時應付完考試后就忘光光，也不想糾正錯誤。當然我們可能也要反省下，考試內容是不是不切實際，無論如何，長期而言，學習內容總是連貫的，如果很多東西都似懂非懂，累積下來會必然有很多問題。不只學生如此，過去幾十年，我們可以看到沒幾個人文學科的教授學習使用編程。甚至連數學科理工科的教授也不願意學習編程。如果連這些教師都不願意學習。那麼學生不願意學習也是理所當然的。本質上我們找了一堆不願意學習的老師與學生，在考試製度下，勉勉強強地低效學習。

根據Piaget學說，每個小孩都是天生的哲學家，都具備除錯迭代思維來構建關於這個世界的理論，但是大部分的狀況下，現存學校制度不但沒有繼續培養這類思維，反而將將這種天分抹殺了。

結構化思考

經常可以在深度學習中看到的一個重要特徵就是結構化，以人臉圖像識別為例，在神經網路中，會有幾個節點是辨認眼睛、嘴、耳朵等等特徵，之後再根據眼睛、嘴、耳朵的相對位置，構築一張完整的人臉。

Papert指出結構化思考也是編程教育的一個核心概念。Papert解釋到，如果用 LOGO 編程語言畫出一個人，一次畫出很困難，但是如果要畫出，頭、手、身體、腳，拼接一個人出來就容易多了。大的問題要切成小的問題，辨認小的問題，根據邊界條件，拼湊出正確的答案。無論編程、或是進行計劃都是一樣的。以程式來說主要是架構的問題，整體需求，配置合理性。如果要完成一個大計劃，先拆解成幾個小計劃，逐步完成計劃。如果進階點，可能要隨小計劃的進行，動態更新大計劃。

不僅機器學習與編程教育在結構化思考上有很多共同點，Papert 指出在 Piaget 學說中，語言學習本身就有結構化思考的特性。人出生下來，嬰兒主體與構成「爸爸」這一團概念的東西互動，這些互動的經驗形成了「爸爸」意義。在根據嬰兒主體與「已知辭彙」的互動逐漸構建出整個世界的關係。

另外結構化思考其實對應了人類思考過度簡化特性，過度簡化可以說是人類的奇迹，同時也是人類思考的陷阱，牛頓力學、占星術、巫術神話其實都是簡化得來的結果，鳥、飛行、羽毛三者相關，人會傾向將飛行的原因歸結到羽毛上；牛頓力學則是忽略了摩擦力，人類有強烈的解釋動機，但是符合抽象邏輯思考的抽象概念操作需要訓練得來。

抽象概念操作

排列組合一向是是高中數學中比較困難的主題，Piaget的兒童認知發展理論對此也有闡述，與除錯、結構化思考不同，前兩者在很早在語言學習階段就反應出來，排列組合所代表的形式化思考則是兒童認知發展的最後一步。

概念操作也是深度學習中的核心元件。深度學習在結構化萃取出基礎概念同時，比方說眼睛、嘴、耳朵，會嘗試連接各種不同可能，最後加以優化，看那種組合權重，可以更有效地堆砌出更上一層次的認知。

傳說日本軟銀孫正義大學的時候，靠一些常見字卡排列組合想出一個翻譯機的專利，賣給夏普，賺到了第一桶金。從這故事給我兩個啟示，首先即便有這麼多普通人有著強烈的賺錢慾望，也可以自己想出一些商機，但是如果常聽創業項目路演，就知道這些概念彼此大同小異，大部分基於日常經驗的排列組合，像翻譯機這種當時超出日常經驗的東西，很難直接跟強烈的賺錢慾望做連接，因此一般人也不會想到發明。第二、就連孫正義也需要用字卡，這種外在道具來協助自己的抽象概念操作，才能進行，可見得抽象概念操作就算對成人來說也是一件高難度的事情。

為什麼Papert 如此看重抽象概念操作？他引用了人類學家Claude Lévi-Strauss的觀點，無論是強是弱，創造力的本質在於對既有知識的排列組合。

「修補匠和原始人類解決問題的方法類似：修補匠喜歡凡事自己動手做，並且會運用手邊現有的工具和材料來完成工作；而當原始人類面對未曾遇過的問題時，並不會想出新的概念來解決，而是會重新組合併修改現有的方法，以適應這些新的狀況。」

Papert 觀察到無論是寫作或是數學研究，經常會把已知的各種方法都拿來試一試，或是把各種觀念拿來類比，一個沒看過的東西，沒人看得懂，就好Papert在此書中將「人工智慧、編程語言、人類學習、數學的共通點拿來比較一番，產生了令人驚奇的結果。

在這個立場上，來看Papert所指的數彩色豆子的實驗，可能就更加清楚一些。對Papert來說電腦類似鷹架能輔助兒童進行，符號與符號之間的一一對應的抽象化思考，機器進行一部分的計數操作，最後兒童再歸結出重複計數。兒童只需清楚描述規則，剩下工作可以交由機器執行。也許Papert 希望兒童在人機協作下，補足智力發展欠缺的部分，儘早開發創造力。

除錯思維、結構化思維、抽象概念操作，與其說是三件事情，不如是學習的三種特徵，有些人會認為Papert的哲學可以化簡為讓兒童學習編程，用編程學習一切，就是沒看出Papert對「學習」的深入見解。

對傳統教育的看法

宣傳一種教育看法是簡單的，只要根據自己的利益即可，所以我們看到國文老師要捍衛國文教學時數、數學老師要捍衛數學教學時數，但是要具體保證其效用則是困難的。Papert 對學校的革命性看法即是基於正在發生中的電腦時代革命，這種革命是雙重的，電腦對社會造成了革命性的影響，電腦也對個人影響力造成了革命性的影響，電腦相當於強力賦能機，一個人能在電腦大量複製的協助下，無論是寫作、寫程式都可以形成巨大的影響力，也因此每個人從社會機器的螺絲釘，逐漸變成超人，也因此 Papert 的教育主張一開始就是以實用性為依歸，兒童學會熟悉使用電腦（編程），並且使用電腦學習一切，也因此他的好朋友 Minsky 稱 Papert 為當代最偉大的教育理論家。

大部分傳統教育人士對於電腦的態度是把現有的教材搬到電腦上，更有效率的教，例如無所不在的學習或是適應性的學習，但學習內容大同小異，Papert指出從數學出發，所有學科無論是內容或是形式，都得重新設計，才能符合電腦時代的需求。

以內容來說，Papert 提出很多質疑，為什麼要學y = x^2 ，不學更複雜的函數呢？為什麼小學生就不能學習微積分呢？他認為電腦的特性其實很容易闡述微積分的原理。不能因為紙筆好畫圖形，傳統的測驗好考，這在電腦時代都要重新審視，電腦時代中編程技能成為新的紙與筆。如果熟練掌握電腦技能，微積分的概念並不難理解。

從形式來說，Papert Papert 指出現存課程中原本非常實用觀念，之所以學生學習之後無法加以應用，源自於把一個完整複雜的觀念拆解成數個看似不相干的部分。這就如同流水線分解流程一樣，比較好教，也比較好考，但是學生能不能把另外的複雜概念拆解成流水線，就得看造化了。以GoBot作為改良版的LOGO機器人為例，我們希望設計一個從測量、算數、統計、到隨機運動的課題，裡面測量、算數都是有目的性，我們希望能將上課過程記錄下來，最終累積到一個完整東西。這有點像有多個子題的連鎖題，只是我們現在要延伸好幾年連貫式的教學。

近年來在歐洲流行的任務式的學習其實有很大的潛力，只是我想應在更大的架構之下，檢視其成果。讓學童完成一樣工作並不能保證他們能學到東西。Papert 真正想要兒童學習的是如前所敘元學習（meta learning）的技巧，學習如何學習。如果以登山作為比喻，老師更像是對周邊的環境很熟悉嚮導，輔助學生根據現有手上的資源，往目的地前進。與其說目的是到達目的地，更像是因應遇到各種狀況做反應。相對而言，傳統的學習方法下，也許學生更像是碰運氣，自己悟到這些學習的原則。

目前電腦與教育的結合還停留在初級階段，在即將來到的物聯網時代還有極大的提升空間，統計機率，被數學界的重視，還沒被反應到課本中。大多數的成人，包含教師或大學教授都無法熟悉使用電腦，以及準備好相對應的環境用電腦學習一切。就如同 Papert生前指出，很多推廣LOGO語言的學校，只停留在畫正三角形以及正方形的層次。

未來在教育技術上其實有很多挑戰，如果我們要類比samba學校，在小學階段更大規模的推行戲劇學習，用以增進寫作能力，我們是不是要讓兒童先學習打字，或是用語音輸入，或是用圖像辨識把手寫的內容輸入，採用這些措施的前提，都是要對教育的方向有清晰的認識。

執行者到底是誰？由哪裡開始？

與絕大多數人認知不同，Papert主張教育是相當高難度的一件事，因為必須對全局有所把握，做一個類似LOGO機器人的教具，必須要具備電腦知識、專業知識、對人的知識，對內容以及形式有把握，對長期效果有把握。就比方說重複練習四則運算，如果我們已經確知其目的，就可以用其他更具教育意義的方式替代。

Papert解釋說未來教育內容要由了解產學界的人創新、形式要由了解教育的人創新。可是自古以來產學界的人在教育領域不受歡迎，因為他們說的話，教育專業聽不懂。了解教育的的人在學界也不受歡迎，學界覺得他們舉例太簡單。我是認為，整體來說教育改革還是該由產學界的人，在學習教育理論後進行。教育的一大目的是把學生送去就業，如果教育的人，本身就沒有競爭力，基本上不可能培養出有競爭力的人。

Papert 指出50年後電腦以及人工智慧普及的社會中，學習是終身的，學校不見得一定得存在，至少不是以過往幾百年的傳統而存在。我的看法是未來教育改革應從兩端著手，幼教以及大學。人們總是用更簡單的方式去理解世界，僱用人才。學校的評鑒失靈之後開始失去意義、知名度，人開始用大公司來取代原本的名牌學校。由另一個角度看產業端知道自己要什麼人，比較大的企業，比方說現在台灣的中信集團，已經自己開始辦大學。幼教端則是可以採用更多 Piaget 式學習，很多人包括諾貝爾獎得主莫言就提出現在小學生都很聰明，沒有必要念六年。不過可以預期的是這會造成大量現有教師失業，以及產業界進來，產生很多利益爭奪問題。

Papert 在書中寫到「可能性是一個科學問題，但是選擇是個政治問題」，將來的國際社會如果彼此選擇了不同教育制度，將對原有的次序造成劇烈動蕩的，而且如前段所述這是一個極度困難的工作。我們相信在Mindstorms成書38年之後，將中文版翻譯出來，對於未來中文世界教育工作者、學習者、注重教育的父母如何做出選擇，會有很大的幫助。