AI思維給人類教育的三項啟示

高煥堂

摘要：敘述了AI思維給人類教育的三項啟示：1）機器學生在學習how-to-do（如何去做）經驗上，其能力遠勝于人類學生。2）過度強調how-to-do先驗知識的傳承，反而會局限學生（無論是人類或機器）對全局最優的探索，因而妨礙其發揮天賦的創新潛能。3）引導人類學生更多how-to-think的演練和信心，可能促進兩種學生在《創新/實踐》上的完美組合。

關鍵詞：AI；思維；how-to-do；how-to-think

1 AI思維：為什么AlphaGo Zero會贏？

2016年，AlphaGo戰勝了人類的圍棋冠軍高手。2017年AlphaGo Zero超越了AlphaGo，而且百戰百勝。為了讓大家更了解AlphaGo Zero會贏的原因，我拿企鵝來比喻AlphaGo機器。

設想2015年之前（的某一天），某學校里有一位人類老師，他教一些人類學生在臺北抓魚去市場賣、看誰能賣最多。越大的魚可以賣越多錢。臺北有池塘、河流、也有沿海。老師告訴人類學生說：池塘的魚比較小，河流的魚比較大，海里的魚最大，海上風浪大，要注意自身安全。幾次比賽之后，人類學生全部到河流去抓魚了。

2016年，來了一位企鵝學生（比喻AlphaGo機器）。這位人類老師也告訴企鵝說：池塘的比較小，河流的魚比較大，海里的魚最大，海上風浪大，要注意自身安全。

這只企鵝學生發現了所有人類學生都天天到河里抓魚，河里都剩下小魚了，它逛到池塘邊，跳進池塘、潛入池底抓出一條大魚（且刻意不告訴其他學生和老師），得到了冠軍。

2017年，又未了一位新的企鵝學生（比喻AlphaGo Zero機器）。這只新企鵝學生比較頑皮，根本聽不進老師教它的任何知識，自己跟同學們一起去抓魚了。它走到海邊，撲通一聲就跳入海中，玩得不亦樂乎，順手一抓就得到一只超大魚（且刻意不告訴其他學生和老師），得到了冠軍。

那么，AlphaGo Zero會贏的背后原因是什么？老師傳授給學生的先驗知識：“池塘的比較小，河流的魚比較大，海里的魚最大，海上風浪大，要注意自身安全。”這是人類老師基于其經驗而領悟的先驗知識，是基于人類特性而定的最佳方案，僅是人類探索空間的局部最優（local optima）而已。但是不一定是“人類+企鵝AlphaGo”探索空間的全局最優（global optima）。

企鵝AlphaGo承襲了老師的知識，也認為大海很危險，就沒去大海了。但是它有特殊習性（人類沒有）：喜歡玩水。所以它的探索空間大于人類（包括池塘內部），而發現了“人類+企鵝AlphaGo”探索空間的全局最優（池里抓魚），而勝過了人類學生。

企鵝AlphaGo Zero沒有承襲老師的知識，不認為大海有危險（其實企鵝喜歡海浪），就跑去大海了。所以它的探索空間大于“人類+企鵝AlphaGo”，而發現了“人類+企鵝AlphaGo+企鵝AlphaGo Zero”探索空間的全局最優（海中抓魚），而勝過了企鵝AlphaGo和人類。

2 AI思維：給人類教育的三項啟示

2.1 第一項啟示

從上所述，AI思維給人類教育的啟示之一是：學校老師有兩種學生：人類學生與機器學生。老師們把how-to-do的經驗教給機器學生，其機器經驗迅速勝過人類經驗。這意味著，老師將其how-to-do（如何去做）經驗傳承給人類學生（如棋藝學徒），這些人類學生很可能都輸給機器學生，被機器學生淘汰出局而失業。就如同人類棋藝高手輸給AlphaGo一般。簡而言之，這項啟示就是：機器學生在學習how-to-do經驗上，其能力遠勝于人類學生。

2.2 第二項啟示

然而，AlphaGo還不是頂級高手，還輸給了AlphaGo Zero。因為它非常依賴人類的過去經驗（如歷史棋譜），只要曾經認可為錯的，便不再去探索發展，因而往往只找到局部最優（local optima），而不是全局最優的方案。

回顧人類的每一次革命性創新都是人類跳出了局部最優的表現。例如，古典力學，麥克斯韋方程，再到廣義相對論等比比皆是。從上所述，AI思維給人類教育的啟示之二是：老師把太多的先驗知識教給學生（包括人類學生和機器學生），可能妨礙學生的創新能力，因為學生在面對復雜的新情境時會迅速找到局部最優，而停止繼續探索發展，失去跳出局部最優的創新機會。

其實，從一般的教學都可以體會上述的啟示。試想，如果您是爸爸或媽媽且是游泳教練，您會如何教您自己的小孩學游泳呢？同樣地，如果您是爸爸或媽媽且是網球教練，您會如何教您自己的小孩打網球呢？先練習打墻壁，還是直接進球場，陪他亂打一通呢？再試想，如果您是爸爸或媽媽且英語很流俐，您會如何教您自己的小孩講英語呢？先講解簡單文法和句型，還是直接英語對話，陪他亂講一通呢？

老師引領人類學生自己學習、累積知識和經驗，比老師給予的先驗知識更能發揮學生的天賦創造力。老師引領機器學生自己學習、累積知識和經驗的速度和豐富性讓老師給予的先驗知識顯得微不足道了。

簡而言之，這項啟示就是：過度強調how-to-do先驗知識的傳承，反而會局限學生（無論是人類或機器）對全局最優的探索，因而妨礙其發揮天賦的創新潛能。

2.3 第三項啟示

上文提到機器擅長學習，從how-to-do經驗中學習和領悟，而呈現出智慧。大數據提供給它極佳的學習材料。機器的智慧很類似人類的“歸納性”智慧，它的思考過程不清晰，所以只產生思考的“結論”知識，而沒有產生思考的“過程”知識。

由于AI機器沒有表現出思考過程，人類也無法全然把握機器智慧的可信度。機器一旦面臨它未曾學習過的情境，就有可能會犯錯。例如，去年一名特斯拉（Tesla）車主在其特斯拉汽車的“自動輔助駕駛”軟件未能在陽光下發現一輛白色卡車后死于撞車事故。這項機器學習的弱點，如果能得到人類智慧的相助，就能達到更完美的境界了。

從上所述，AI給人類教育的啟示之三是：學校老師可以更關注于引導學生how-to-think（如何去思考），包括跨界思維和聯想等。這讓機器（學生）的全局探索能力來協助人類（學生）的創意思考迅速尋找到全局最優的實踐方案。同時也讓人類更多的“思考”來弭補機器“智慧”的弱點。于是，人類和機器變得相輔相成、達到創新與實踐的最佳組合。

3 結論

引導人類學生更多how-to-think的演練和信心，可能促進兩種學生在“創新/實踐”上的完美組合。