站在人工智慧的肩上高效學習

站在人工智慧的肩上高效學習

閱讀時間:11 分鐘

上個月 TIMSS(國際數學與科學教育成就趨勢研究調查)公佈 2015 年數據,顯示台灣國小四到八年級的學生,在數學與科學的整體表現是全球第三至第六名之間,但學習興趣與自信卻都敬陪末座。台灣學生針對單一科目,一週平均要花 3 小時完成作業,多數學生下課後還會去補習。長時間的學習確實能達到成效,但卻缺乏效率,學生也失去了學習的熱情。

而近年人工智慧非常熱門,各大企業爭先發展相關技術,若能與教育結合,或許能提供學習者更有效率的學習方法。因此有物邀請到教育科技顧問 Jessie 分析人工智慧能否應用到教育領域,並將如何改變教育。


教育與人才培訓,能否藉「機器學習」(Machine Learning)技術來提升成效?

過去學者致力於從學生的學習歷程記錄中挖掘意義。他們利用資料採礦 (Data Mining)或統計技術,診斷或預測資料。然而過去這些研究樣本都在數十人到數百人之間,而且紀錄種類侷限,商業化應用產值低。

近年發生了關鍵變化:

  1. 歐美與大陸創投熱錢投資加上模仿效應,促成教育科技產品數量爆發,許多學習過程得以數位化,可收集大量的數位足跡。
  2. 摩爾定律使運算速度與記憶體容量大幅提高
  3. 雲運算(Cloud Computing)成熟
  4. 軟體的開放接口(API) 與開放授權普及

大數據(Big Data)爆炸成長成為機器學習的養分。機器學習能獲得充分的訓練資料(training data) 與運算效能。人工智慧產業(Artificial Intelligence,AI)經過一甲子的起落,終於因技術條件到位,開始突飛猛進。

什麼是機器學習?

機器學習(Machine Learning)是人工智慧的子領域。

人工智慧的範疇,涵蓋了所有嘗試以電腦去模仿人腦處理信息的能力。例如:以電路設計或演算法來模仿人腦神經元網絡的運作;以程式模擬彼此互連的知識概念(如 Google 搜尋引擎的核心「知識圖譜」(Knowledge Graph));以及,讓電腦能理解人類語言的自然語言處理技術(Natural Language Processing)等,都屬於人工智慧的範疇。模仿人腦思考能力的人工智慧到目前為止,不算完全成功;倒是機器學習這支技術,因為前述原因,達到博聞強記,神速運算,而異軍突起。

機器學習大量使用統計的方法與推論,建立預測能力,讓電腦或人類可以有效地即時採取行動。機器學習的核心,在於電腦能從收到的資料中學習,持續提升達成預設目標的能力(例如,專門推薦餐廳的應用),而不須仰賴開發者不斷下指令。

今天機器學習技術已經被廣泛應用於各產業。以下是各種可能的能力,例如:購物網站根據使用者瀏覽行為與歷史紀錄,動態調整推薦商品;零售商店根據氣候、季節、日期與地理位置等,計算各商品最佳定價;還有,人臉或圖片辨識、手寫輸入辨識、語音辨識、自動過濾垃圾郵件、自動偵測信用卡盜刷等。機器學習早已被廣泛用在我們生活中,甚至你可能曾與人工智能客服交手過而不知道。

更有名的新聞包括 AlphaGo 戰勝世界圍棋冠軍、自動駕駛汽車上路、IBM Watson 用於開發智慧語音助理等。

如果將機器學習用在教育上,又有哪些應用呢?台大林軒田教授團隊 2010 年贏得 KDD Cup 冠軍,題目是根據 3,000 位學生回答數學題的 900 萬筆紀錄,預測學生是否能答對特定題目。這是一個容易理解的例子。

來一台個人學習助理?

看過電影《大英雄天團》(Big Hero 6)中的可愛機器人杯麵(Baymax)嗎?它是「個人健康助理」。如果有個人學習助理,你會想要一個嗎?當你做功課遇到困難,它可以像個人家教一樣教你解題,或提示你下一步。

5

電影《大英雄天團》。圖:KenPan

或者來一個私人祕書?它能協助你時間管理,即時回答問題、為你導航。

這些概念讓人聯想到智慧語音助理 Amazon Echo 、Google Home、華碩即將上市的居家機器人 Zenbo,以及國外的 Jibo。在即時通訊軟體上的聊天機器人(Bot)推出也約有兩年。當產品內建專家知識庫、知識地圖與演算法,就可能成為學習的智慧助理。

此外,機器學習也可應用在實現目前的主流教育概念 — 個人化學習(Personalized Learning)。

根據教育市場報告 EdWeek Market Brief 團隊對美國眾多學區的訪查,發現教育決策者希望追蹤學生使用學習資源與工具的紀錄,精確了解學生能力、偏好、學習風格等。甚至根據學生需求,推薦內容單元或調整教學方法。

這反應學習方法將從標準化工廠生產的模式,轉移到以學習者為中心的個人化模式。意義不僅在於像推薦電影一樣推薦學習單元,更重要的是將學習的主動權交還給學生。

有了機器,機器是 24 小時隨時待命的,學生不必等老師教才能學。而且各學生的進度可以不公開,落後的學生不須再因補課而沒面子。

教育與培訓市場上運用機器學習的細分領域

若細分「運用機器學習的教育市場」,其中最大宗的應用是「適性學習系統」(Intelligent Tutoring System, ITS)。近兩年明顯有較多資金投入。

熟悉此領域的讀者可能聽過 Knewton,因為它有創投的熱錢,砸許多錢行銷。其實美國政府支持了許多相關的研發。像美國老牌的教科書公司 McGraw Hill 已經投入 20 多年。卡內基美隆大學於十幾年前投入,並開放授權部分技術,現在已經開枝散葉,長出許多商業產品。

除了 ITS ,機器學習還可以用來服務各種需求。以下分學習者、老師,以及學校三方面來舉例。

服務學習者

ITS 的核心是系統會隨時收集學習者的歷程記錄,動態地調整下一步,提供給學習者最適當的反饋或測驗題目,以提升學習成效與動機,並保持學習者在最適的「挑戰範圍」(Zone of Proximal Development, ZPD)內。ZPD 是指學習者本來無法達成,但藉由他人或科技的協助可以做到的挑戰,從而擴展提升能力(下圖灰色部分)。[註 1]

hackpad.com_UCUfuURcWwY_p.499736_1479700733500_ZPD and scaffolding

圖:Steve Wheeler

目前國內這種產品很少。由巨匠電腦投資,台南大學蘇俊銘教授團隊開發的「狀元奇機」是針對國中生的適性系統產品。其開發超過 2 年,雇用 50 位專家自製內容,值得觀察。

index_photo01

巨匠電腦推出的適性學習產品「狀元奇機」。圖片:巨匠國中狀元網

在公部門,則有台北市教育局與資策會數位教育研究所合作的台北市「酷課雲」。其根據學生能力而動態調整學習路徑。筆者親自參與此專案,協助解決教育科技目前最大的問題 — 數據孤島(Data Silos)。

根據研究團隊 EdSurge訪查,ITS 對落後學生幫助很大,也解決了學生的學習行為問題。 另一方學習領先的學生也能夠維持興趣與優勢。

服務教學者

教師也可以用人工智慧。例如系統可以根據教學目標來推薦教學內容,減輕老師的腦力負擔。本文截稿之際,IBM Watson 傳出與教育界大咖 Pearson 和 BlackBoard 合作開發人工智慧教育應用。前者的服務目標是學生,後者是老師。

此外,大型線上課程(MOOCS)的教學者常碰到「如何改上千份作業」的問題。亞歷桑納州立大學(Arizona State University)今年宣布與比爾蓋茲成立的 Big History Project 合作,探索用自然語言處理技術來自動批改論說文(essay)。難怪最近比爾頻頻為 AI 在教育上的應用發聲。

喬治亞理工學院(Georgia Tech)教授 Ashok Goel 在今年五月公布,一門人工智慧課程的其中一位助教竟然不是真人,而是基於 IBM Watson 所建立的智慧助理。他給它命名為 Jill Watson。它在線上回答學生提問,竟然沒有人發現它不是真人。這個助教應用的就是自然語言處理技術與機器學習。

服務學校

CIO 雜誌預測,2018 年之前,全球超過 30% 的大學院校將採用預測性的學習分析技術。

大學也可以用機器學習預測可能會退學的學生,提早介入輔導。美國喬治亞州立大學(Georgia State University)分析了過去十年的 250 萬筆學生成績,建立了一個失敗學生的預警系統,包含 800 多種預警機制,讓輔導教師盡早介入,避免學生失敗。這系統並能建議學生的最適主修與選課;甚至部分課程也利用 ITS,提供個人化的學習路徑。

機器學習也可以設計用來協助學生提昇學習的技巧、習慣與態度。其中,歷史最悠久的應用是協助學習者對抗遺忘曲線。

考前抱佛腳通常效果不彰,而且考完就忘。經常練習與重覆複習是記憶的不二法門。因此這類產品會分析最有效的複習頻率,並安排適當的複習間隔。有些產品利用行動裝置,讓學習者善用碎片時間學習。為企業培訓設計的產品更多,尤其是用來訓練銷售人員學習關於新產品的知識。

學習助理可以根據考試、作業繳交日期與學習者自訂的目標,協助安排時程,或根據同儕互動紀錄推薦行動,例如誰也讀過這個內容,可以追蹤他,提升社群學習(Social Learning)的效果。

此外,機器學習技術對於培訓領域相當重要的一個分支 — 效能支持(Performance Support)— 也十分有價值。這是指利用行動裝置,根據所在環境與歷史資料,推薦適當的輔助內容。載具也不止於電腦或手機,例如擴增實境(AR)已經開始實際應用於工作場域。

台灣大學張瑞益教授團隊開發出能根據情境(context)而推薦行動的應用,目前正在台大醫院與桃園潛能開發中心用於服務脊椎損傷病患,同樣的系統架構也可用在服務學習者上。

善用人工智慧的人有巨大優勢

機器學習當然能幫助人類學習。更核心的思維,在於善用資料 — 數位足跡 — 可以創造價值。善用資料科學,讓教育由過去「賣內容包裹」的模式,往「教育即服務」(Education As A Service)的方向,轉變成以學習者需求為中心的服務。

或許你擔憂人工智慧搶走人類工作?畢竟,人類再厲害也無法比電腦算的快,記憶能力更不用跟電腦比了,規律的工作交給電腦更是比交給人類還可靠。現在電腦連預測能力都有了,聽起來令人憂鬱?

別擔心,其實機器學習屬於「弱人工智慧」,沒你想的聰明,只能用在預先設定的情境中。即使如此,機器仍可能取代一些人類的工作。一般人該怎麼做呢?

人類如不想被人工智慧取代,一定要知道如何駕馭它,就像知道如何用計算機一樣。最近幾年歐美倡議大家都該學寫程式,我認為是過度行銷。程式語言本身一直在汰舊換新,而機器學習甚至不需人類一行一行寫程式指揮它。API 技術與開源軟體,讓開發者可以直接拿寫好的程式模組來組合建構。所以重點不是學寫程式,而是學習運算思維的邏輯。

更關鍵的是了解新科技如何運作,如何影響人類社會與工作機會。人工智慧的應用不會獨立存在,而是結合各種科技。未來世界需要能操作或運用人工智慧的人才。資料科學家也被稱作這世紀最「性感」的工作。

了解機器的限制

高階批判思考、分析力與創造力才是人類超越電腦之處。就讓電腦協助我們處理需要大量記憶、複雜計算、建模、從大數據中預測趨勢的工作,並減輕資訊超量負荷的問題。但是,我們需要了解與學習這類新科技工具,才能取得優勢。舉例來說,會善用搜尋引擎(正是基於機器學習技術)就是一種現代數位知能。

同時,我們也應了解機器的限制,例如「同溫層」(Filter Bubble)現象。另外要避免被人工智慧左右而不自知。像這次美國總統大選,報導指出有超過 40 萬個機器人(Bot)在社群媒體上發表評論。據 MIT 研究,人類無法辨別這些言論不是來自真人,而它們的確發揮了影響力 — 它們絕大多數都支持川普!假新聞網站得益於臉書的搜尋推薦功能(也是基於機器學習技術),獲取大幅流量。

正確的學習或策略始於正確的資訊,沒有後者,哪來前者?

利用人工智慧學習才剛開始

終身學習是必要的。強化學習的技巧、善用學習分析都可以幫助我們更有效率的學習。歐洲國家在 WATCHME 計畫中,發現學生非常想即時知道自己的表現跟「平均」、「標準」、「目標」比較起來如何,跟同儕比起來如何。學生也希望能即時掌握自己的學習進度,以提升競爭力。這就是善用資料科學的第一步。

研究指出,人與人工智慧的搭檔會得到最有利的結果。此領域剛剛開始加速,所以我在數位學習無國界網站上開闢了一個新專案,稱為「未來學習者」,將持續探討這個領域。歡迎有興趣的讀者加入。

註 1:對學理有興趣者可以參考此文介紹

«

»

科技島讀-你的未來趨勢嚮導

有物推出新產品囉!

由有物報告團隊製作的最新產品-科技島讀

透過閱讀科技島讀,你將能夠掌握科技趨勢,從更高的視角觀察科技將如何改變世界。

現在就前往 >> 科技島讀