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」。

2. 建立大數據時代的基礎

現在有各種穿戴裝置，譬如可以測量血壓、心跳、睡眠品質等等的智慧手錶或健康手環、智慧運動衫等等，可讓過去只在健檢時做的定點測量的數據，延伸成為持續累積的線性資料，並且也能隨時監控、預警健康異常的狀態。

回到教育體系為例，平常學校裡也有各種紀錄的資料蒐集：

• 學業（教務）：出缺勤狀況、各種考試成績、報告繳交等等
• 生活（學務）：學校設施的使用、參與社團或活動、生活習性（宿舍）的紀錄等等
• 家長互動：校務系統開放給家長使用的互動介面、老師╱家長╱學生的溝通與連結

數位化之後，等於是把紙本蒐集的資料轉移到整合性的系統裡，讓電腦可以做進一步的分析與自動化預警。以美國的 kickboard 為例，該系統能蒐集平時老師紀錄的各種資料，成為學生評量與警示系統。透過跨學科、跨層級、以學生為中心的資料蒐集，不同學科的老師也能同步、彼此協調作法，並且可以自動把資料分析的結果通知老師。也有家長入口網站，方便溝通與分享。

一般學習異常的預警情境，會是持續蒐集各種紀錄，包括出席、考試、社團活動、生活習性等等，為學生建立正常基線後，系統可以偵測異常狀況；當然，這個過程裡，資料會不斷進行回饋與校正。當學校收到預警通知，師長可以判斷是否進行下一步動作——訪談、輔導等等。

當然，除了學校內的紀錄外，鼓勵學生多元化的生活體驗和紀錄，仍是不可或缺的。譬如：利用假期到偏鄉服務與實習、鼓勵單人自助旅遊、企業實習等各種活動。

3. 未來教育的趨勢

如果資訊科技這麼重要，孩子是否從小就開始學寫程式呢？其實重點是培養「邏輯觀念」。因為未來是軟體應用（到人工智慧）的時代，軟體程式會是跨領域的。重點不是學習哪一種程式語言，而是訓練邏輯，具備邏輯觀念後，程式語言會很快上手。這個過程需要大家一起來參與、幫忙。

在 https://code.org，可以進行線上自學的程式學習 

最後要強調的是，我們需要兼具微觀與巨觀的教育，以「程式語言」（邏輯）為第一步，透過熟悉網路資源，特別現在開源（註）蔚為趨勢，可以事半功倍，才能觀察國際企業的創新研發，刺激跨領域的應用創意，最後才能了解將人類思考判斷的思維轉化為具體的類神經網絡的「人工智慧」。（註：什麼是開源？談談開源授權、歷史...）