top of page

培養下一代善用AI

Updated: Apr 28

我是個教育的門外漢,但希望可以從自己的經歷分享一些想法。在人工智能(AI)行業高速發展過程中,我時常有機會擔任面試官,跟很多應屆畢業生面試。愈來愈多學生在面試時說,過去兩年參與了什麼比賽,在這個比賽裏贏了及學到什麼。聽起來他們好像寓比賽於學習,而且相當雀躍。

無可奈何的是,在大學比較難找到對大數據和人工智能有實戰經驗的老師。雖然老師能教到一些基礎知識,但難免容易跟現實脫節,因此學生覺得線上的informal learning變得更重要。

我想說的是,今天的教育也可能出現類似情況。雖然說學校教出來的知識不合時宜,會讓人覺得有點太功利,但能否學以致用,對社會還是非常關鍵的元素。

多年來筆者為不少機構作數位化轉型的顧問,最重要的事情不是技術,而是想用技術去達到什麼目的?如何讓組織適應於新的技術中?然後才開始盤點資訊化的現況。

每個行業都這樣,包括醫院、金融。細心看清楚數據的可用、常用及共用情況,例如在學校評估學習的效果,我們最常用的資料是考試結果,但很少會收集考試過程中學生的答題順序及時間,然後分析學生是答題技巧出問題還是真的不懂。因為在紙上答題的關係,所以沒有辦法收集更多考試中的過程數據。

在全球的網絡趨勢中,有3點可能改變着教育的本質。第一、我們已經生活在一個高度連接的世界。第二、資訊的流通,以2018年和2019年比較,訊息量已經大了一倍,未來先進的通訊技術可能還會繼續產生更大量資訊。第三、人工智能處理資訊的能力,已經達到人類前所未有的高度,未來必將接近及超越人類。

大家有否看過電影裏的情節,Iron Man問超級電腦一個難題及自己的想法後,早上醒來電腦已可以告訴他答案,這個夢想現在已經逐步實現了。有些人工智能實驗室已經認為,用電腦模仿6歲的小孩學習能力很快就能成事,等於讓一個有6歲智商的小孩24小時瀏覽網站,學習知識。

為什麼要談論這些事情呢?因為人類跟電腦的差別,在於我們有語言文字紀錄及舉一反三的學習能力,但是今天人工智能的進步,已讓機器智慧與人類的差別到了分水嶺,並打破這個壟斷。

我的淺見是人類必須學習如何駕馭人工智能是一個重要課題。例如,自動化會讓學習更像速食文化,對下一代而言人類會變得更愚蠢還是更聰明?凡事迷信Google,而不明白搜尋器機制的人們能有差異化思考嗎?在朋友圈中每天在看消息的人們,明白到自己有可能正自我催眠,看的都是自己認同的觀點嗎?資訊科技對人類的學習帶來便捷,但思考的方法也要來個2.0的時候了!

培養下一代怎麼利用好人工智能可能是當務之急。

Recent Posts

See All
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

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page