一年一度的教育基金會年會於2017年12月18日登場，來自全台共400多位教育基金會的夥伴們，共襄盛舉。今年主題是「擁抱AI．教育共好」。大數據與人工智慧（AI）是近來很夯的名詞，也帶來很多未來可能的應用和討論，非營利組織（NPO）夥伴們可以從什麼觀點切入？或掌握什麼核心內容？另外，也從 NPO 可以運用的雲端工具與支持者關係管理系統（CRM），來看科技工具如何有助於 NPO 的服務，以及實際在組織運作中可能的挑戰和解決方法。
以下依照場次共有三篇活動紀錄：
（可先參考：2017教育基金會年會——擁抱AI．教育共好）
本文包括二場演講分享：
- 楊立偉：大數據及人工智慧對教育的影響
- 葛如鈞：迎接AI時代與教育未來
楊立偉：大數據及人工智慧對教育的影響
現在全球有將近九成的資料是在過去二年內產生的，並且仍在加速中。這些巨大、多樣化的數據來源，將改變整個產業、社會、學界和政府，不會逆轉。因此，「數位素養」是很重要的。有人說，資料科學家（data scientist）是21世紀最性感的職業，因為掌握工具技術、了解演算方法，並且能回到產業核心知識的人，將能做出巨大貢獻。
目前的機器學習比較擅長由訓練到自動化，也就是「依樣畫葫蘆」、「目標最佳化」這一類重複、有固定模式的，但在理解、推論方面，還是很薄弱。以亞馬遜（Amazon）為例，透過資料探勘（data mining）和協同過濾（collaborative filtering），可以根據消費者過往的紀錄進行最佳化；也能利用某興趣相投、擁有共同經驗的群體喜好，來推薦使用者感興趣的資訊。但這個過程也容易產生「同溫層」效應，也就是「極化」的問題——比較沒機會看到自己不感興趣、立場相左的東西。
（可先參考：2017教育基金會年會——擁抱AI．教育共好）
本文包括：
- 邵立宜：NPO可運用的雲端科技工具
- 陳梅慧：司改會的數位政策——以 CRM 為例
邵立宜：NPO可運用的雲端科技工具
1. 科技濃湯
科技濃湯是一個全球性非營利組織的捐贈中介專案，總部在美國舊金山。從 2008 年開始，在台灣與開拓文教基金會合作。作為一個合作平台，科技濃湯試著結合軟╱硬體等跨領域資源，讓非營利組織能將資訊科技應用在組織的管理、倡議、服務等等，有助於社會公益的創新與進步。至2017年底為止，平台上共有微軟、Google、趨勢科技等15家捐贈廠商，超過一千多個NPO會員組織。
目前平台上提供133種產品與服務，包括：
- 桌機軟體：作業系統、Office、伺服器、防毒軟體、影片剪輯等捐贈產品
- 雲端產品：Office 365、Azure、Google 非營利版、Mayo 人資系統等服務
- 捐介平台：Benevity
捐贈廠商透過科技濃湯平台，NPO 只需支付低於市價一成以上的費用，就能取得正版軟體，同時也維持科技濃湯的運作，並提供講座、工作坊等資訊培力活動。
所有會員及產品申請，完全都採線上作業。
（可先參考：2017教育基金會年會——擁抱AI．教育共好）
大數據、人工智慧翻轉了知識體系，從大數據的分析所獲得的知識，會被帶進實務操作，影響企業決策與消費者獲得產品、服務的方式。
1. 面對人工智慧的時代
“AlphaGO” 是由 Google 開發的人工智慧圍棋程式，從2015年擊敗歐洲圍棋冠軍，一直到2017年戰勝中國棋王，標誌著人機對奕暫告一段落。除了這一類屬於「完整訊息的博奕遊戲」之外，另一個用來玩撲克牌的 AI 程式 “Libratus (CMU)”，也在2017年贏過眾多好手，即便在「不完整訊息的博奕遊戲」中，人工智慧也穩居上風。
其實 AI 已經發展了20年，但近二年才讓大家比較有突飛猛進的感覺，是因為資料量夠多、處理資料的硬體速度也跟上了，畢竟處理大量資料與深度學習都需要龐大的計算資源。譬如 AlphaGO 就有幾千筆的棋譜作為基礎。這裡要留意，餵給機器的資料基礎必須是正確的，否則機器處理出來的結果就可能是錯誤的。
在這樣的發展趨勢中，可以看到硬體、軟體的主從地位也被翻轉。過去是以泛用型 CPU（Intel, AMD）為基礎，在 x86 的架構下開發各種軟體；但從現在開始，重視邏輯的人工智慧所應用的計算型態，正在主導特殊硬體加速器的研發，也是晶圓代工與 IC 設計產業的新契機。
許多人擔心，AI來了，是否會讓人類失業？或教學相長？目前的 AI 應用，在醫療方面潛力無窮，譬如篩檢乳癌，AI可以在10萬x10萬的高畫質像素照片中，偵測到100x100大小的腫瘤組織，診斷乳癌的敏感度為92.4%，比病理醫師的73.2%還要高。但AI目前只能當作判斷的輔助工具，無法完全取代人的決策，最後仍得透過病理醫師才能做綜合診斷。
另外一個例子則是自動駕駛。目前自駕共分為5級，第一級是會保持安全車距，第五級則是全自動駕駛，目前最有名氣的特斯拉汽車（Tesla）是第三級，可自動駕駛，但必要時仍需人工介入，以防發生事故。但即便是自駕技術，也需要考慮不同的環境與資料內容，以台灣機慢車時常混雜並行的狀態，美國的自駕技術來到台灣勢必需要調整。
台灣是經濟小國，沒有大市場支撐，但可以選擇站在巨人的肩膀上，在AI領域開發適宜的模組或應用。特別當AI以大量案例演練為基礎，以類神經網絡建立知識決策模式的前提下，更需要利用深度學習的演繹來創新知識，發掘未知的新知與決策模式，這也是為何導入AI需要「高度智慧的策略」。
