在AI作為一種學習工具即將要全面進入教育系統的當下，不少教育工作者仍在摸索究竟AI應該應用在哪些學習環節，對學生學習才會有最大效果。然而，如果我們對AI能夠應用在學習範疇的特質未有充分的理解，我們就難以善用AI的長處，甚至可能反過來，像筆者在上一篇文章〈能夠善用AI 須經不同學習層次〉中指出：學生如無法掌握不同的學習層次，則無法駕馭及善用AI，甚至誤用AI去學習，結果極有可能得不償失。
AI特異功能及後AI學習
要真正善用AI，首先須要理解AI的特質如何與學習過程高度融合，而能達致前所未有的學習效果。本文先就AI現有的獨特功能作初步分析與探索，如透過強大演算力及龐大資料庫瞬間即時提供綜合性資訊、解答難題及提供持續探究的方向；利用數據訓練、深度學習、大規模語言模型等技術進行訓練、協助創作及準備學習材料；就學生需要提供個性化的學習支援；就不同學科設計專屬的學習輔助環節與回饋系統等不同功能，可以預期未來AI工具應用在學習過程的深度與廣度都會大得非常驚人。
我認為這樣的轉變對學習本質而言必然是革命性的。因為可以預期現有許多不同學科大量的學習內容及過程，都可以利用AI縮短了學習時間，而學生的學習就會遷移到「後AI學習領域」（筆者自創用語）中，即是AI無法處理的學習環節或層次。例如：個性化的AI語言學習平台必然可加快語言學習的速度，可以騰出更多時間讓學生在真實情境中更多實作交流；給更多時間讓學生在課堂上對不同AI來源的資訊作更深入的思辨分析；AI後續學習，就AI生成的資料或作品，作進一步個人的分析整理、批判及再創造；在專題研習、全方位學習、科學實驗、社區探究、街頭訪談、一手資料數據收集、情意自然教育、生活體驗等不同活動前，利用AI提供的資料及建議，先作深入的分析及計劃部署，在各項實踐行動中全面融入價值觀教育。
以上這些AI與後AI學習領域的高度結合，將能善用AI深度掌握所學課題的背景資料，打好穩紮的學習基礎之後，更能跨越AI，帶領學生全面進入AI也無法踏足的情意與實踐學習領域。
以上例子不僅是一種學習方法的創新，實質上已牽涉到不同學習領域的延伸與突破，估計未來的教育方向更可能迅速發展到，必須打破及重組現有不同學科的學習領域內容與學習方法。正如巴西教育家Paulo Freire宣稱：「教育的手段從來不應是為學生累積（banking）知識。」
進入AI世代之後，單純的知識貶值幅度極有可能超乎你的想像，因為再多純粹資料性的知識，已經可以用秒計的速度在每個人手中垂手可得。真正能為個人所擁有的知識，是需要經過實踐驗證，並在學生個人的發明及再發明中才會出現。我們是時候須要重塑學習的目的與方法，筆者認為AI進入教育體系後，學習必須經歷下文的三個轉化。
由淺層學習轉化到深度學習
香港的基礎教育一直受着公開考試的回沖效應（wash back effect）所影響，學生的學習通常以完成特定任務或考試為目標，而非追求知識的全面掌握。學生主要依賴記憶和重複練習來學習，而不是探索知識的深層意義，更少會對所學內容進行批判性分析或反思，可以說大部分的學校課堂都易流於這樣的淺層學習。然而進入AI世代後，資料的迅速獲取甚至即時分析，實際上已可由AI全盤取代，單純的記憶背誦已變得毫無意義。
運用AI實質上只是學習的起步點，但因其能就個別學生需要提供豐富及有焦點的學習資源，的確大幅提升了學習的起步點。學生真正需要的是資料的辨析能力，以及應用所得知識去應對真實世界種種挑戰的能力。這些能力就是教育學者Fullan等人所歸納的「深度學習」特質，包括：品格、公民意識、協作、溝通、創造力、批判思考等六大全球化能力（global competencies，註）。當在學習過程中，學生能運用上述能力投入對全世界有意義的學習任務時，深度學習才會真正出現。
從上文不同的AI與後AI學習領域結合的例子可以看出，AI縮短了大量資料的獲取與分析時間，毋疑更有效提升學生掌握學習資料的廣度及有焦點的深度。只要在學習過程中能透過教師在課堂教學中的悉心安排，並在與同學及教師的互動中進行更深入的思辨討論，再加上打破課堂教學的框框，走到真實世界的環境中學習，在實踐體驗活動中同時引入價值觀教育內涵，蘊含全球化能力的深度學習就會出現。
因此，Fullan等人提出深度學習的四大重要關鍵設計要素：學習夥伴關係（learning partnerships）、學習環境（learning environments）、數碼科技應用（leveraging digital）及教學法實踐（pedagogical practices），正好作為全面迎接AI進入教育系統的重大特質。
在以上這些深度學習的過程中，AI甚至能就特殊的學習環節及個別化的學習進展提供不同模式的鷹架支援學習，為深度學習提供極有利的條件。筆者預期AI機器的深度學習與以上教育學中學生的深度學習相互結合，將會重塑未來學生學習的嶄新內涵。
由追求普及知識轉化到個性化學習
現今AI機器的深度學習功能，已經可以做到深入掌握個別學生在任何學習領域中任何環節的學習進展，其個性化的互動功能已經可以成為每個學生的自學老師，以下是一些已發展的例子：
根據學生答題正確率動態調整難度，例如錯題自動歸類並推送同類練習；
根據學生答題歷史預測易錯題型，強化個人在學科上的學習弱項；
根據學生的學習歷史，生成個人化的學習路徑；
語音識別即時評分，並糾正發音；
分析學生閱讀速度與理解程度，推送合適的閱讀文本；
評估學生作文結構、語法，並給出針對性的改進建議；
依據學生已有知識，引導學生設計實驗並預測結果；
根據學生興趣及學習軌跡，推薦跨學科專題研習方案；
分析學生過去的藝文作品，提取其獨特的風格或技巧特徵，提示學生在新創作中保持或發展不同特徵；
根據學生的偏好生成創意建議及激發靈感，例如主題內涵、色彩搭配、構圖方式等，幫助學生突破創作瓶頸。
以上不同的個性化學習例子，由針對特定學習內容的練習，到協助學生提升創意思維能力，AI都扮演着革命性的角色。然而，筆者很想特別指出，AI的創作力確實超乎一般常人，但在於創意教育的範疇中，學生絕不需要AI直接生成的創作，AI的創作仍難以與歷代具獨特風格的優秀文學家或藝術家相比。學生真正需要應用的，是AI的深度分析能力，這足以高度拓闊學生的學習視野。我們只能借助AI在不同情境中激發學生的創意，但創意技能必須要在學生的個人生命及生活體驗中結合，才能真正形成。
在即將要進入21世紀中葉的今天，大部分國家的教育重點已不會滿足於追求教育機會均等的普及教育進程，創意與科技已主宰了未來的教育發展焦點。教育與學習所追求的不再是均一而是獨特，我敢預言，未來的教育絕不能以一份共同的考卷，不斷困鎖數以億萬計的學生。當某時某地某一個學生突然對身邊的一隻小生物產生好奇及濃厚的探索興緻，某個年級的學生因為看到人群中一個突然出現的情境引發了無限的感動，當學生在AI與網絡世界接觸到一個議題感到不吐不快，出現以上類似的情境，真正的學習歷程才算開始。由普及化轉化到個性化學習，AI的出現會是一個很大的契機。
由單面向轉化到多面向學習
AI應用到的學習層面已不僅以文字形式提供學習支援，已經可以同時結合數據、圖像、立體、語音及影片等多媒介，進行內涵及情感的分析及輸出。其多領域的應用，例如醫療診斷、科學研究、金融分析等，已可應用到基礎教育以外的專科學習。即使在基礎教育的學科中，AI也可以結合學生的多元數據如答題時間、錯誤模式、情緒反應、協作行為等進行分析，協助學生學習。也可以針對學生不同的認知風格如：視覺型、聽覺型或動覺型等，推送不同的學習方法。
當下學生普遍應用免費的AI平台，很容易出現一個弊端，就是不斷提問AI求取資料，AI彷彿成為一個生神仙，有求必應。其實AI的深度學習功能，有能力在與學生的互動中，掌握個別學生的思維與認知模式，引導學生進一步的主動學習，而非只單向地接收資料。例如AI不只解答科學問題，還可以追問學生「為什麼你認為這個假設合理？」這就可以訓練學生的後設認知能力。有些AI工具甚至可以直接測量學生的批判性思維、創造力、後設認知等多種高階思維能力，如能結合AI平台同時應用，就可以監測及轉化學生應用AI時可能出現的認知局限。若能如此，AI的本質就從一個工具升級為「認知夥伴」，其核心在於：不再問學生會不會做考題，而是問學生為什麼這樣思考。
更為核心的問題是，應用AI學習的目的絕不能只為求取考試分數，學習興趣、心理素質、精神及情緒健康、社交關係與社會關懷等，這一切對每一個成長中的學生而言，都比考試分數更重要。真正善用AI學習的基本條件，須要確認真正的學習主體是學生，而非AI這種最新進化的機器；我們不應是要學生去學習AI，而是要AI去適應學生的主體學習。當有一天AI學習與後AI學習並存，甚至高度融合之後，新世代的「學習」定義，才得以完整重塑。
註：Fullan, M., Quinn, J., & McEachen, J. (2018). Deep Learning: Engage the World Change the World. Corwin Publishers.
