2018年1月29日 星期一

2017教育基金會年會——擁抱AI.教育共好



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:

迎接AI時代與教育未來論壇@2017教育基金會年會

(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。

NPO可運用的雲端科技工具 & 司改會的數位政策@2017教育基金會年會

(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。



張善政:大數據、人工智慧與未來教育@2017教育基金會年會

(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」。