作者简介：猛犸，科学作者、译者。曾出版《未来在现实的第几层》、翻译《虚拟现实：从阿凡达到永生》等。

 IT行业对于教育的影响，并不仅仅是教室里的多媒体设备和MOOC（大规模开放线上教学）。作为学生，人们的理解能力有所差异，记忆力也大有不同。想让一群人用同样的速度学习同样的课程，并不那么靠谱。

但是现在这种情况也许会出现改变。通过对学生大脑活动的监控，计算机将会选择最合适的学习进度，让孔老夫子早在两千年前说过的“因材施教”成为现实。

电脑的“读心术”

塔夫茨大学是波士顿地区的五所名校之一，这所学校工程学院的教授罗伯特·雅各布早在十年前就开始研究如何用计算机观测和判断用户的脑部活动强度；或者说，推断用户当前的一部分脑部活动状态。

传统上，我们想要了解大脑中的活动，有两种主要方式。其中之一是使用脑电信号——从头皮上或者将电机放入脑中，来收集细微的脑电信号并将其分离，根据特定的脑电信号来判断用户的意图。这种方法已经有了好几十年的历史，但是一直因为脑电信号的纷繁复杂而无法实现足够的精度。

另一种则是使用功能性核磁共振的方式，根据脑部不同区域供血强度的不同，而判断出用户当前的意图。这种方式同样有较大的时间延迟，而核磁共振设备的体积又太大，这几乎注定了它在相当长时间内都不能商用化。

而雅各布教授和他的同事们使用的是第三种技术：功能性近红外光谱成像，简称fNIRS。这种技术使用近红外光，照射大脑的特定区域，并且收集反射回来的光。通过研究光在人体组织中的传播特性，就可以重建大脑的图像，来反应脑中氧合血红蛋白、脱氧血红蛋白和全血红蛋白的浓度变化。

这几种血红蛋白，是我们了解人类大脑活动的钥匙。作为人体最重要的耗氧器官，大脑消耗了人体20%以上的氧，而这些氧是通过氧合血红蛋白传送而来的。虽然fNIRS技术只能探测到大脑表面几厘米深度的氧合血红蛋白浓度变化，而且还会有一定的时间延迟，但是它在现有这几种精细的脑部探测技术中，依然是实用性最强的。

早在2007年，雅各布教授的团队就开发出了一种技术，让计算机能够判断计算机用户的压力水平，并且主动调整计算机的人机界面，来让用户的压力不至于“爆棚”；当发现用户压力过大时，就会及时发出提醒信号，将接下来的任务分配给其他压力较小的工作人员，或者让当前用户休息一会。

计算机知道你的“学力”

人类和其他哺乳动物之间最大的不同，在于人类大脑拥有一个巨大的额叶。这是大脑中一个重要的部分，就在我们的额头后方。这个区域掌管了我们的理性，藏着很大一部分我们的“智力”。而雅各布教授希望用fNIRS技术，测量出智力的潜力来。

传统的教育——一对多的教育方式，在最理想的情况下，也只能适合教室中的大多数人。人们对信息的接受和理解能力不一样，大脑能够处理的信息量也不同。因此即使是最好的老师，也不能够保证班级里的每一个学生都能同样程度地理解课程的内容。总是有些人会觉得课程缓慢无聊，同时也有人觉得课程快到跟不上。

fNIRS技术可以测量出每个人大脑的工作负载情况，来判断当前的课程内容是太过简单还是太难，并以此为基础为每个学生设定不同的学习难度，来让所有人都完成课程的目标。

最近，雅克布教授和他的同事们尝试了这样的想法。他们开发了一套叫做“大脑自动化赞美诗”的系统，估计是为了凑出“BACh”这个简称——伟大的作曲家巴赫。这个“巴赫”能够监控学习者的脑部工作负荷，保证学习者在学习过程中既不无聊，也不会觉得太难而让大脑当机。

这是一套音乐辅助教育系统，帮助学习者练习特定的练习曲。学习者会戴上fNIRS设备——看起来像是一条头带，只不过连接着一些电线——然后学习自己之前没有练习过的曲子，先从女高音声部开始。当计算机发现用户对这一部分已经驾轻就熟之后（也就是说，他的大脑工作负载已经降低到某个值以下时），就再加上低音声部。当对这一部分也足够熟悉后，再逐步加上中音声部和男高音声部，以此类推。

结果很明显，使用这套系统的学习者学得更快。BACh系统根据每位学习者的能力而提供相应的内容，减少了时间的消耗，也让学习者不至于无聊或者因为太难而放弃。虽然这种技术现在只是一个研究项目，但是它显然有很大的潜力。

这种学习方式的确让人激动，虽然它还需要更多的改进和研究。也许和MOOC配合在一起，它真的会改变教育的未来；每个人都可以根据自己的学力来调整课程的进度，学习自己想要学习的知识和技能，让“因材施教”不再只是一句空话，而终生学习将不再只是一句口号，每个人都会发现自己更多新的可能。