書籍文章
網路科普文章
鳥兒也會發明和學習！ 在這個奧地利實驗室對幾隻鳳頭鸚鵡所做的實驗當中，某天，研究人員發現一隻雄鸚鵡使用一根自己雕刻的棒子來取得原先拿不到的堅果。經由實驗嘗試讓這隻鸚鵡教其他鸚鵡之後，發現鳥類的確有學習能力(不管是使用工具或是製作工具)，甚至會有"青出於藍"的現象。
吃糖可能傷害記憶力？ 研究人員發現喝高糖水又缺乏omega-3脂肪酸的老鼠，在迷宮的實驗當中表現最差。推測原因是糖份太高時需要分泌大量胰島素來移動葡萄糖，然而胰島素與記憶的好壞有正相關，所以攝取太多糖份會導致記憶退化。
睡眠中複習有助於外語學習，有這麼好？ 研究人員將受試者分為三組：睡覺且聽單字的實驗組、睡覺沒聽單字的控制組、沒睡覺但有聽單字的清醒組，實驗結果是實驗組在播放的那部分單字有明顯的進步，但其他兩組並沒有明顯效果。然而作者說因為這是在實驗室內進行的，所以才能達到良好的控制，若是在日常生活中應用，可能會得不償失。
為人師表，有助學習 實驗者將受試對象分為兩組：一組設定為單純的學習，另一組則設定為學習後需要教導別人，後來發現教導別人的那組在考試有較好的成績，而且內容更完整、更有組織性。
讚美努力將增加學習熱誠 心理學家將心理認知分為固定型認知和成長型認知，前者傾向認為智能是固定的，後者認為智能可以透過努力而成長。實驗者將受試對象分為兩群，一群在答對簡單的題目之後，稱讚其有天份，另一群則稱讚其很努力。後來實驗者發現，被讚美努力的那群，之後更喜好選擇難題作答，而且也傾向於與較優秀的同儕比較成績。另一組研究者發現，遇到錯誤的時候，大腦產生的兩種腦波信號，在讚美努力的那群人中可以測出較高的訊號強度，顯示此訊號可能與如何把事情做好有關。
高壓有助於學習外語？ 研究者發現，在高壓的學習語言環境下，海馬迴與額中迴等地方的皮質有明顯的增加，而這些地方在研究中認為與記憶和語言學習有關，此外，也有研究顯示雙語以上的使用者有較晚發生阿茲海默症的傾向。
- 人工智慧與Alphago 人工智慧的起源年代大約是1950年前後，一個人才輩出的時期，其中被稱作「人工智慧之父」的約翰•麥卡錫（John McCarthy），在1955年的達特茅斯研討會中正式提出「人工智慧」這個術語。
早期的人工智慧是基於「規則」的方法，也就是模仿人們的思維方式，用電腦模擬該方法以解決人工智慧的相關問題，然而遇到了種種困難，例如：問題本身太過複雜以致運算無法承擔，或是解法本身有問題，加上經費不足，讓人工智慧進入了寒冬。近代的方法則是透過大量的資料，讓電腦可以自行學習出規則以完成問題。由於近代新的數學方法，以及日趨加速的硬體，還有更大量的資料，才讓人工智慧再度受到關注。
最近常聽見的「深度學習」，本身是基於一個名為「類神經網路」的模型，其大量、複雜的運算讓人工智慧達到更高的境界。在知名視覺辨識競賽ILSVRC中，深度學習已於2015年初超越人類辨識度，而2016三月，Google旗下DeepMind的圍棋程式AlphaGo擊敗韓國的世界棋王李世乭，掀起了許多熱烈的討論。
AlphaGo跟傳統的下棋程式有很多不同的地方，主要可以分為三個部份：策略網路、評價網路和蒙地卡羅搜尋樹。策略網路的功能就是透過學習大量的棋譜，預測出對手下一步的位置。這個部份與傳統用類神經網路學習圍棋程式很像，但是AlphaGo加入了增強式學習和Rollouts技術，增強模型的強度和速度。評價網路的功用在對每一步棋做「全面」的評價，這裡的「全面」是指考量到最終棋局的勝負，而不是眼光短淺的只考慮當下的情勢。蒙地卡羅搜尋樹則是傳統下棋程式都會用到的演算法，結合上述的深度學習，讓樹能達到更有效率的剪枝，最後使AlphaGo下出絕妙好棋。
許多人對AlphaGo抱持懷疑態度，認為這只是會下棋的程式而已，然而也有人認為AlphaGo的結合了許多技術，創造出了新的決策方法，只要適當的修改程式，未來將可以幫助人們分析許多決策。或是讓AlphaGo更進一步，變成可以教人們下棋的程式，這種自動知識提取是人工智慧的一大挑戰。
科普書籍
- 《人類的學習》
- 作者：Edward L. Thorndike
- 出版社： 昭名
- 出版日期： 2002
本書是作者在康乃爾大學講座中彙編的作品，主要的想法是用動物研究的現象與結果解釋人類的學習。他對人類學習提出三條主要定律：效果律、練習律和準備律以及五條輔助定律。
效果律是指如果讓學習者得到滿足的反應，那麼比起其他情境會有更強的連結；相反地，失敗會造成連結減弱。練習律是指，反應與情境連結的次數越多，會增強連結的強度與延續時間。準備律屬於假說階段，內容是神經元本身不是透過練習而改變的，而是由練習改變神經系統的化學、電學，最後造成神經連結的改變。如果準備產生的傳導與之後的傳導符合，就會帶給學習者滿足，反之會帶給煩惱感。
- 《學習心理學》
- 作者：王克先
- 出版社： 桂冠圖書
- 出版日期： 1987
作者開宗明義地定義學習：經由練習或經驗使個體的行為產生持久的中性改變歷程。這句話包含了四個重要的學習特質：練習與經驗、持久的、中性、歷程。之後，作者詳細說明了學習的生理基礎、動力、能力（即智力）、歷程、種類和指導。學習的歷程可大致分為古典制約學習、操作制約學習、認知學習和社會學習。兩種制約學習都是經由增強作用（reinforcement）建立新的刺激反應連結，相異的地方在於操作制約學習除了有和古典制約學習一樣的反應性行為，還多了操作性行為（或自主性行為）。認知學習有許多種類，如早期的領悟學習，到之後的場地學習、符號學習。領悟學習是將兩個或多個無關的經驗結合，創造出新的方法解決問題。場地學習認為刺激不是單獨的，而是與整個環境相關。符號學習認為學到的內容是符號的意義，即認知地圖，換句話說就是認識「什麼導致什麼」。社會學習認為人的行為大部分都是模仿來的，又稱觀察式的學習，觀察示範者當下可能產生學習，需要過一段時間之後產生相似情境才會令模仿者表現該行為。
- 《人工智慧的未來》
- 作者：Ray Kurzweil
- 出版社： 經濟新潮社
- 出版日期： 2015.07
人工智慧概念的起源可以追溯到1940、50年代，從當時的思考實驗和簡單的實作，到今天發達、多樣化的人工智慧產物，例如無人車、無人飛機、Siri等，逐漸走入人們的生活。書中的主要概念是描述運用逆向工程還原大腦的運作，由長期累積的腦科學、神經科學知識，認識人類大腦皮質的組成、結構，以開發更高智慧的模型。作者提出了一個名為「思維模式辨識」的理論來描述大腦新皮質的運作，其重點是以層級的方式進行處理。以英文字母A為例，低層級的模式包括右上到左下的斜線、左上到右下的斜線、中間的橫線等線條，再往上的層級可能是一個完整的字母A，更高層是包含字母A的字，以此類推。儲存模式需要將冗餘（redundancy）列入考慮，意思是大腦儲存某個人臉時，不是只存一次，而是依照順序存取幾千次，但是每次內容都不太一樣，可能是不同角度、光線、表情。再以字母A為例，每個人寫的A都長的不太一樣，但是透過冗餘可以讓電腦學習出更多種類、變化的字母A。
一個實際的例子是作者與其團隊開發出的隱馬可夫模型，運作方式為將資訊編碼成一維向量，輸入到由馬可夫狀態構成的機率鏈狀結構，透過狀態轉移調整狀態機率，再結合基因演算法，讓模型不斷自行調整參數、初始拓樸結構，「演化」出最好的結果。
作者亦提及許多人腦模擬的計畫，其中最有名的是2005年開始的藍腦計畫（Blue Brain Project）。他們曾經計畫在2014年模擬出老鼠大腦約1億個神經元，並計畫在2023年完成人類全腦模擬。該計畫的進度以指數成長，可歸功於電腦運算速度的突飛猛進。另外作者提及三種讓電腦模擬人腦的方法，第一種是讓電腦像新生兒一樣，只具備一些基礎能力，透過後天慢慢學習，缺點是要花的時間太長。第二種是將一個或多個人腦已非侵入式的方式進行掃描上傳，但是現有的技術不足，無法達成。第三種是簡化部份模型，並設計專門的教學程式，加速模擬大腦的學習速度。