续艺坊的守籍人

一、续艺坊里有个什么活都接的人

南河边上有一座续艺坊，专接四方来的零碎活计。坊主是个精明人，最怕手底下的匠人只会一样——东家今天要竹篮，明天要铁锅，后天要绣帕，样样都外请，工钱就薄了。

坊里有个叫通百的后生，手巧，记性也好。坊主便把一样样手艺往他身上堆：头年教他编竹器，他三个月就摸出门道，劈篾走篾比老篾匠还顺；次年教他铸铁，他也能看火色、辨铁性，铸出的锅底不偏不漏；第三年又添了绣花、斫琴、髹漆。

头几年，坊主乐得合不拢嘴：有这么个"什么活都能顶上"的人，续艺坊的招牌越挂越响。

可怪事是慢慢显出来的。

二、新艺越是精，旧艺越是淡

先是有人来取三年前通百编的那批竹篮，说编口松了要紧一紧。通百接过竹篾，手却生了——他忘了怎么把蔑丝在指间转那个巧劲，编出来的底歪歪扭扭。坊主纳闷："你不是编竹起家的么？"

没多久，铸铁也出了岔子。一炉好铁，通百盯着火色竟拿不准该什么时候起炉，差点烧过了头。绣花更不用说，从前能绣出活灵活现的并蒂莲，如今针脚乱了章法。

最蹊跷的是：每丢一门旧艺，总是发生在他刚精通一门新艺之后。铸铁刚上手那阵，竹编就淡了；绣花刚出师，铸铁的手感又滑走。

坊主急了："我要的是个越学越全的人，怎么倒越学越残？再这样，续艺坊迟早只剩半本手艺。"

三、守籍人摸透了症结

镇尾住着一位管过官家工籍的老匠师，人称"守籍人"。坊主把他请来，老匠师只在一旁看了通百三天活，便摇了摇头。

"这后生不笨，是你们把'记旧艺的门'给堵了。"

他比划着说："人脑记手艺，像在册簿上写工籍——编竹占一页，铸铁占一页，每页都是墨写的手感口诀。学新艺时，要使劲往新页上添墨。可这册簿薄，新墨一多，就顺着纸纹晕进旧页，把旧字的边儿糊了。日子一长，旧页上的字就认不出来了。"

"所以不是他'忘了'怎么做，"守籍人敲了敲册簿，"是旧页被新墨盖住了，字迹还在，只是润不开、使不顺。"

坊主问："那还能两全么？"

"能。有三法。"守籍人伸出三根指头。

四、三法稳住新旧两本账

头一法，叫日日摊籍。每天收工前，不管多累，把各门旧艺的样品、口诀、手感都温习一遍——竹编拆一只小篮找手感，铸铁看一眼火色记记性。旧页天天摊开见风，墨就不容易糊。"别等要用时才翻，那时字早晕没了。"

第二法，叫紧要立藩。编竹是通百的看家底子，绝不许丢。守籍人让他在编竹的那几页四周画一道朱栏，立下规矩：学新艺时，新墨只许写在空白页，朱栏里的旧字，一滴墨也不许沾。"哪些是本，哪些是末，得先分清楚，本不许动。"

第三法，叫另起新屋。每学一门崭新、和旧艺八竿子打不着的手艺，就另备一本册子、另开一间屋放，旧屋原样锁着，谁也不许翻搅。"新本事另立门户，旧本事原封不动，两不相犯。"

五、三样活同时到，旧艺没丢新艺没乱

话分两头。这日恰逢大客上门，一时要编竹篮三只，一时要铸铁锅一口，一时还要现绣一方手帕做样。三样里两样是旧艺、一样是新艺，件件都急。

换作从前，通百准保手忙脚乱，旧艺全垮。

这回他依着三法来：先摊开竹编旧籍找回劈篾的巧劲，三只篮编得匀称；再用朱栏护住编竹的要领，不让新学的铸工带偏了手指；铸锅时则进新屋施展，火力火色全凭新学的章法，半点不扰旧艺；最后抽空绣帕，旧针法竟比从前还稳。

三样活齐刷刷交差。坊主翻来覆去验，旧艺没丢分毫，新艺也没乱阵脚。

守籍人远远看着，只说了一句："学新不碍旧，靠的不是记性，是章法。"

金句：真正的"什么都会"，不是把旧本事挤掉换新本事，而是让新墨落在新页、旧字留在旧页。

技术解读

**持续学习（Continual Learning / Lifelong Learning）**研究的是：如何让一个模型在"按顺序学习多个任务"时，不遗忘旧任务的知识。与之相对的是"每个任务从头训"或"所有任务混在一起训"——前者浪费、后者在真实场景往往不可得（数据不能回放、任务源源不断）。

灾难性遗忘（Catastrophic Forgetting，也称 catastrophic interference）是这一领域的核心难题。McCloskey 与 Cohen 在 1989 年研究神经网络时已明确指出：当网络顺序学习任务 A、再学习任务 B 时，B 的训练会剧烈改写支撑 A 的权重，导致 A 的表现断崖式下跌。French（1999）进一步系统分析了这一现象。

缓解灾难性遗忘主要有三条技术路线，恰好对应故事里的"三法"：

• 经验回放（Experience Replay / Rehearsal）：保留旧任务的少量样本，训练新任务时与新旧数据混合，等效于"天天温习旧艺"。
• 参数正则化（Parameter Regularization），代表工作是 Kirkpatrick 等人 2017 年发表于 Nature 的 EWC（Elastic Weight Consolidation）：估计每个权重对旧任务的重要程度，对学习新任务时"重要权重"的变动施加二次惩罚，等效于"给看家本领立朱栏、不许新墨沾"。
• 网络扩展 / 架构隔离（Architectural Isolation），代表工作是 Rusu 等人 2016 年的 Progressive Networks：为新任务新增一列网络单元、冻结旧列，等效于"另起新屋、旧屋原样锁着"。

稳定性—可塑性困境（stability–plasticity dilemma）是这一切的根本张力：网络既要"可塑"以学好新任务，又要"稳定"以守住旧任务。

核心概念回顾

故事中的隐喻对照

为什么这个故事对应持续学习？

1. 因为神经网络的所有任务共用同一组权重，所以学新任务时反向传播的更新会改写旧任务依赖的权重，所以旧任务表现骤降——这正是"学新丢旧"的底层机制。
2. 因为旧手艺"墨被新墨晕开"= 旧任务的重要权重被新梯度覆盖，所以通百并非抽象地"忘了怎么做"，而是承载该技能的权重值被改写了，与灾难性遗忘同构。
3. 因为经验回放把旧样本和新样本一起训练 = 天天摊开旧工籍温习，所以网络在更新新任务时仍被旧数据"拽住"，旧知识得以保留。
4. 因为 EWC 对旧任务重要的权重施加二次惩罚、只允许不重要权重变动 = 给看家本领画朱栏、新墨不许沾，所以新任务学习不会破坏核心旧技能。
5. 因为 Progressive Networks 为新任务新增列/模块、旧列冻结 = 另起新屋不拆旧屋，所以任务间互不干扰、理论上零遗忘，代价是参数规模增长。
6. 因为持续学习的三条路线本质都在"可塑性（学新）"与"稳定性（守旧）"间找平衡 = 守籍人三法兼顾"学新艺"与"守旧籍"，所以故事与持续学习完全同构。

后记：灾难性遗忘提醒我们，智能的难处从来不是"学不会新的"，而是"学了新的，旧的还在不在"。续艺坊的通百最后什么都会，不是因为他脑子特别好，而是因为守籍人替他立下了章法——新墨落新页，旧字留旧页。模型也是如此：真正的" lifelong "，靠的不是更大的容量，而是更懂得哪些该忘、哪些该守。愿我们学新东西时，也别忘了回头，把旧日的工籍，好好摊开见见风。