上一篇文稿提及過去60年後，人工智能「死灰復燃」，近十年重新受到重視，這有賴先行者的試錯，以及概念認知的轉變及技術改良的加持。現代AI發展的曙光要算發生在出現了新的數學工具、新的理論和摩爾定律的階段。人工智能也在確定自己的方向，其中一個選擇就是要做實用性、功能性的人工智能，這導致了一個新的人工智能路徑。
AI 技術推動學習範式轉移
大家可以看到，無論是人工智能狗還是無人車駕駛，都不是用程式設計方法寫出來，而是通過一套學習演算法，在模擬器中不斷地走路和開車，讓機器自己產生行為策略的所謂「機器學習」，這是人工智能和原先控制論最不同的地方。
另一個認知突破是：人工智能的運算也是由指令集構成，但執行指令集的執行只是一個過程而不是目的，目的是優化演算法。專家以爬山做比喻，目的是爬到山頂，傳統計算體系是嚴格設定登山路線，一步也不能出錯，但人工智能則可以在中間出錯，只要能到山頂。
根據專家分析，機器學習演算法大致可以分為3種：一、監督學習（如分類）、二、非監督學習（如聚類）和三、增強學習（如隨機）。人工智能前60年，主要通過有監督的深度學習演算法，解決語音辨識、圖像識別、自然語言理解等總樣本量有上限的相對「有窮大」問題。
而增強學習演算法主要從任意初始狀態開始，機器與外部環境持續交互，通過不斷試錯和累積回報來「學習」最佳策略，在這個過程中外界不給予直接指導（監督），只給予間接的或是遠距離的回報（Reward）。舉例來說，訓練室內機器人完成某個任務，在這個過程中人類並不干涉，只有當機器人接近完成任務時才給予正回饋。換句話說，增強學習演算法更接近生物學習的行為特徵，具有探索未知世界的能力。
這些認知和應用上的改變，也影響了現在「學習科學」的研究目標及AI賦能教育的應用策略。好像圍棋對弈，對於人工智能來說，就相當於是求解一個開放式的問題，由學習演算法自行確定一種通向解決對手下一步棋的答案，模式很接近目前倡導專題研習／項目學習（PBL），旨在藉現實問題，通過「高效學習」策略，產生「深度學習」效果，達到「自主學習」的教育目標。
AlphaGo對增強學習演算法的探索，打開了「無窮大」的大門，貢獻固然大。而另一個AI系統：IBM Watson的AI技術開源推廣，也不能忽視。Watson並不是簡單的機器學習系統，當IBM的研究員開始嘗試構造Watson時，發現傳統的機器學習演算法行不通。
傳統的機器學習演算法先歸納知識，把知識形成規則，再讓機器根據規則進行回應，這便不足以讓Watson在人工智能演算比試中勝出。同時要處理的資料量每每過於龐大，IBM研究員意識到必須讓Watson能夠自行學習知識而儘量減少人工干預，這和Google的增強學習有很相似的演算法優化模式。
而Watson團隊強調，「電腦永遠不會取代人的主動性，也不會取代人類的創造性思維。」電腦就是要把人類從無意義的、重複性的思維模式中解放出來。因此，在IBM Watson的商業化推廣中，IBM提出了「認知計算」，強調的人與機器共存。在認知計算時代，並不是機器取代人類，而是人機協作共同創造更好的結果，這已是人工智能科技界的專業共識。
除了谷歌、IBM等大公司外，微軟、Facebook、百度等互聯網巨頭紛紛向人工智能領域投鉅資進行研發，各國政府也開始意識到人工智能是未來社會的戰略制高點，甚至人工智能有可能成為未來社會的一部分，近幾年都積極利用教育規劃手段，將AI 技術應用到學習效能的提升，以及融入基礎教育的學習課程內。
AI 技術賦能學習模式變革
有關AI 技術在促進學習成效的應用，上一篇文稿介紹過目前內地校內、校外教育層面的學習智能化有不少嘗試。例如自動批改作業、拍照搜題的線上答疑、學生上課專注度監測、教學體系回饋和評測等。近年也看到不少超大型培訓機都利用本身原來的線下培訓資源，通過多元AI 技術整合，開發大規模OMO創新教育模式。香港也開始有初創企業在做相類似的教育增值服務。
巨企變革原因，一來是產業轉型；二來是市場佔領；三來是AI增值服務方案輸出。例如「好未來」過去三年在AI賦能教學上進行過三次實踐，就是：
1.）推動課堂革命：利用全方位教學資料庫（大數據）驅動大規模因材施教；
2.）建構雙師教育：將線上線下融合，共用優質教育資源平台；
3.）提倡快樂學習：發展一種興趣導向的教育模式。
假如借助AI全面重塑教育，我們要思考未來教育幾個核心問題。我們為什麼還要到學校去？學習到底怎麼發生的？技術可以幫助教育做什麼？技術不能幫助教育做什麼？有專家指出可以循三個方向切入發展：
1、推動「個體教學法」；
2、打造「泛教育生態圈」；
3、學習淡化結果，重視過程。
同時，當我們談論 AI 與教育時，也應該關注三大核心議題：
1、談AI的顛覆：教育因技術的提升而重構；
2、談激勵機制：人類與AI都可帶來相似結果；
3、談情感教育：AI可支援但不可替代人類學習。
AI 技術融入教育規劃的前景
近年來有關人工智能與教育的研究呈現出逐漸增長的趨勢，新冠疫情的全球爆發引致的工作和學習情境翻轉，更加快了該主題的研究步伐。有一篇美國計算與學習科學綜合研究中心（CIRCLS）2020年11月發表的《人工智能與學習的未來：專家小組報告》。CIRCLS報告主要就人工智能的重要優勢和劣勢、人工智能應用於學習的機會和障礙、人工智能在學習中的新設計概念和應用設想、風險和建議進行了論述。
報告最後還提出了未來人工智能應用於教育的7項建議：
1、研究人工智能更廣泛的學習應用場景
2、開發輔助教師和改善教學的人工智能系統
3、加強和拓展人工智能在學習評價
4、加快發展以人為本或負責任的人工智能
5、制定更強有力的倫理和公平政策
6、向教育政策制定者和實踐者提供資訊並使之參與
7、加強整個人工智能和教育生態系統
教育界在人工智能時代來臨，對學校教育變革又有什麼想像和憧憬？我們可以從一篇上海市電教館館長張治，在2019中國教育科學論壇主題論壇「智慧時代的教育」的主旨報告，所提出「智慧時代學校教育十三個新圖景」，看到端倪：
1、每個學生都有一個數字畫像
2、每一位教師都有一個人工智能助手
3、每一門課程都有知識圖譜
4、每一項教學業務都有可能外包
5、每一個學校都是虛擬學校的組成部分
6、每一種學習都會被記載
7、每個人作業都不一樣
8、每個人的學程都是定制的
9、每一種學習方式都被尊重
10、每一場教育都注重協作共生
11、每一個家庭都形成獨特的教育場景
12、每一種教育裝備都趨向智能化
13、每一所學校都被隱性課程環抱
關於AI教育在學校課程和課堂學習，有什麼規劃和準備，下一篇再討論。
現代「人工智能科技」學習（下）——《亞太創藝談》25
丁惠芳
何光鴻
劉寧榮
蔡世鴻
張灼祥
梁天卓
楊興安
劉銳紹
潘燊昌
王永平
陳欣蔚
郭一鳴
同意灼見名家會員服務條款及細則