top of page

線上學習課程成趨勢

Updated: Apr 28

經歷了二十年的網絡高速發展,互聯網積累了龐大的共創公共資源,也成為人工智能中機器學習的最重要來源。正是這些巨大的資源,帶領着全球的數碼化學習加強轉型。在過去幾年,大規模開放的線上課程(MOOCs)興起並持續增長,也許是傳統學習發生重大變化的預兆,甚至許多正規的學習機構也開始擁抱這個不可避免的趨勢。

早在1998年開始,我就作為一個善於運用數據分析的產品經理,憑着資料去規劃網站的內容和功能開發,從此與大數據結下不解之緣。因為工作的關係,在路上的時間佔了生活的大部分,於是非正式學習(Informal learning)成為我汲取知識的重要途徑。經歷了十幾年的「飛人生活」,我養成了一些自己的學習原則,在此和大家分享一下:

1)盡量看電子版的資訊,因為更方便存儲及易於未來搜尋。

2)選擇使用有回饋閉環的資訊頻道,例如Flipboard能讓我回覆是否想多看相同資料,演算法會推薦更多需要的資訊。

3)存儲下來的資料最好能做到分類及標籤。我十年來一直使用Evernote,因為可讓我根據自己喜好作分類,及為資料提供未來方便搜尋標籤。

4)善用社交網絡的分享應用,如微信朋友圈、LinkedIn軟體發布及收集共同興趣(物以類聚、人以群分)資料,當然也要小心因此產生偏見。

5)可以選擇的情況下,增加使用專業可靠不帶廣告的搜尋引擎。

6)利用碎片化的時間,以15至20分鐘為單位,收聽Blinkist或喜馬拉雅。前者可以幫我為新書作Preview,後者是「微學習」的最佳管道。

在科技的發展下,學習的方式有4個特徵:社區化、非正式、自學、好玩。科技改變了知識的產生、傳播及互動的方式。雖然在傳統的學習中,被動學習仍然是常態,但這與數碼時代形成鮮明對比:在數碼時代,知識無處不在,可即時搜索,按需使用,並且每天有數百萬全球貢獻者不斷更新線上共用。社交網絡技術的興起使得具有相似學習興趣的人形成群體,分享關於某一主題的知識。

我在想教育是否已經到了一個臨界點,以前Ability to learn是人類進步的重要因素。但從今開始,或許非正式學習已成為Learning的一種新常態了。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page