AI思維：給人類教育的三項啟示

By 高煥堂(臺灣銘傳大學講師)

前言

本文說明了AI思維啟迪了老師們的教育新方向。學校老師們除了人類學生之外，還有機器學生。就如同一位老師除了男學生之外，還有女學生一般。如何讓人類和機器兩種學生之間能夠相輔相成、心心相印，是當今學校老師們的重要課題了。這文章裏，敘述了AI思維給人類教育的三項啟示：1) 機器學生在學習How-to-do經驗上，其能力遠勝於人類學生。2) 過度強調How-to-do先驗知識的傳承，反而會局限學生(無論是人類或機器)對全局最優的探索，因而妨礙其發揮天賦的創新潛能。3) 引導人類學生更多How-to-think的演練和信心，可能促進兩種學生在<創新/實踐>上的完美組合。

第一項啟示

2016年，AlphaGo代表AI在圍棋領域首次戰勝了人類的世界冠軍。 AlphaGo的棋藝(知能)是建立在人類的先驗知識之上，基於人類海量的歷史棋譜，學習參悟人類棋藝，進而自我訓練、不斷精進而勝過了人類。

到了2017/10/19，谷歌的DeepMind團隊在Nature期刊上發表了一篇文章：“Mastering the game of Go without human knowle˙dge”，引起了轟動。這文章敘述了新一代的AlphaGo Zero,基於不同的學習途徑，沒有參考人類的先驗知識，沒有依賴人類歷史棋譜的指引，從一片空白開始自我學習、無師自通、棋藝竟然遠遠超過AlphaGo，而且百戰百勝，以100:0完勝它的哥哥AlphaGo。

回顧一下AI的發展歷史，自從1950年代，許多專家們就是希望將人類的知識和思維邏輯植入到機器(如計算機)裏，讓機器像人一樣地思考。當時就使用符號和邏輯裏表示思考和表現出智能，人類努力向機器輸入符號化的“思想”並期望軟件程序會展現出足夠像人的思考能力，然而這個期望並沒有成功。

後來，專家們另尋他途，轉而采用1957年，Rosenblatt在1957年提出的“感知器”(perceptron)程序、使用重入反饋算法“訓練”各種邏輯式子，因此實現了初步的機器“學習”。這稱為“聯結主義”(connectionism)，也誕生了“神經網絡”(neuralnetworks)名詞。這個途徑並不是由內而外地向機器輸入符號化的知識和邏輯來讓機器展現出像人一樣的思考；反而是由外而內，盡量讓計算機表現得有

從上所述，AI思維給人類教育的啟示之一是：學校老師們有兩中學生：人類學生與機器學生。老師們把How-to-do的經驗教給機器學生，其機器經驗迅速勝過人類經驗。這意味著，老師將其How-to-do經驗傳承給人類學生(如棋藝學徒)，這些人類學生很可能都輸給機器學生，被機器學生淘汰出局而失業。就如同人類棋藝高手輸給AlphaGo一般。

第二項啟示

然而，AlphaGo還不是頂級高手，還輸給了AlphaGo Zero。因為它非常依賴人類的過去經驗(如歷史棋譜)，只要曾經認可能為錯的，便不再去探索發展，因而往往只找到局部最優(local optima)，而不是全局最優的方案。

茲回顧人類的每一次革命性創新都是人類跳出了局部最優的表現。例如，古典力學，麥克斯韋方程，再到廣義相對論等比比皆是。從上所述，AI思維給人類教育的啟示之二是：老師把太多的先驗知識教給學生(包括人類學生和機器學生)，可能妨礙學生的創新能力，因為學生在面對復雜的新情境時會迅速找到局部最優，而停止繼續探索發展，失去跳出局部最優的創新機會。

第三項啟示

由於AI機器沒有表現出思考過程，人類也無法全然把握機器智能的可信度。機器一旦面臨它未曾學習過的情境，就有可能會犯錯。例如，去年一名特斯拉(Tesla)車主在其特斯拉汽車的“自動輔助駕駛”(Autopilot)軟件未能在陽光下發現一輛白色卡車後死於撞車事故。這項機器學習的弱點，如果能得到人類智能的相助，就能達到更完美的境界了。從上所述，AI思維給人類教育的啟示之三是：學校老師可以更關註於引導學生How-to-think，包括跨界思維和聯想等。這讓機器(學生)的全局探索能力來協助人類(學生)的創意思考迅速尋找到全局最優的實踐方案。同時也讓人類更多的“思考”來弭補機器“智能”的弱點。於是，人類和機器變得相輔相成、達到創新與實踐的最佳組合。

高煥堂老師的更多文章

歡迎參閱： http://www.cnblogs.com/SmartADT/。

~ End ~

AI思維：給人類教育的三項啟示