AI思維給人類教育的三項啟示

作者 / 高煥堂 臺灣VR產(chǎn)業(yè)聯(lián)盟主席、廈門VR/AR協(xié)會榮譽會長兼總顧問

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

1 AI 思維：為什么AlphaGo Zero會贏?

　　2016年，AlphaGo戰(zhàn)勝了人類的圍棋冠軍高手。2017年AlphaGo Zero超越了AlphaGo，而且百戰(zhàn)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(shè)想2015年之前(的某一天)，某學(xué)校里有一位人類老師，他教一些人類學(xué)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(xué)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(fēng)浪大，要注意自身安全。幾次比賽之后，人類學(xué)生全部到河流去抓魚了。

　　2016年，來了一位企鵝學(xué)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(fēng)浪大，要注意自身安全。

　　這只企鵝學(xué)生發(fā)現(xiàn)了所有人類學(xué)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(jìn)池塘、潛入池底抓出一條大魚(且刻意不告訴其他學(xué)生和老師)，得到了冠軍。

　　2017年，又來了一位新的企鵝學(xué)生(比喻AlphaGo Zero機器)。這只新企鵝學(xué)生比較頑皮，根本聽不進(jìn)老師教它的任何知識，自己跟同學(xué)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(xué)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(xué)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(fēng)浪大，要注意自身安全?！边@是人類老師基于其經(jīng)驗而領(lǐng)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(yōu)(local optima)而已。但是不一定是“人類+企鵝AlphaGo”探索空間的全局最優(yōu)(global optima)。

　　企鵝AlphaGo承襲了老師的知識，也認(rèn)為大海很危險，就沒去大海了。但是它有特殊習(xí)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(nèi)部)，而發(fā)現(xiàn)了“人類+企鵝AlphaGo”探索空間的全局最優(yōu)(池里抓魚)，而勝過了人類學(xué)生。

　　企鵝AlphaGo Zero沒有承襲老師的知識，不認(rèn)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(fā)現(xiàn)了“人類+企鵝AlphaGo+企鵝AlphaGo Zero”探索空間的全局最優(yōu)(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(xué)校老師有兩種學(xué)生：人類學(xué)生與機器學(xué)生。老師們把how-to-do的經(jīng)驗教給機器學(xué)生，其機器經(jīng)驗迅速勝過人類經(jīng)驗。這意味著，老師將其how-to-do(如何去做)經(jīng)驗傳承給人類學(xué)生(如棋藝學(xué)徒)，這些人類學(xué)生很可能都輸給機器學(xué)生，被機器學(xué)生淘汰出局而失業(yè)。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(xué)生在學(xué)習(xí)how-to-do經(jīng)驗上，其能力遠(yuǎn)勝于人類學(xué)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(jīng)驗(如歷史棋譜)，只要曾經(jīng)認(rèn)可為錯的，便不再去探索發(fā)展，因而往往只找到局部最優(yōu)(local optima)，而不是全局最優(yōu)的方案。

　　回顧人類的每一次革命性創(chuàng)新都是人類跳出了局部最優(yōu)的表現(xiàn)。例如，古典力學(xué)，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(xué)生(包括人類學(xué)生和機器學(xué)生)，可能妨礙學(xué)生的創(chuàng)新能力，因為學(xué)生在面對復(fù)雜的新情境時會迅速找到局部最優(yōu)，而停止繼續(xù)探索發(fā)展，失去跳出局部最優(yōu)的創(chuàng)新機會。

　　其實，從一般的教學(xué)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(xué)游泳呢?同樣地，如果您是爸爸或媽媽且是網(wǎng)球教練，您會如何教您自己的小孩打網(wǎng)球呢?先練習(xí)打墻壁，還是直接進(jìn)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(lǐng)人類學(xué)生自己學(xué)習(xí)、累積知識和經(jīng)驗，比老師給予的先驗知識更能發(fā)揮學(xué)生的天賦創(chuàng)造力。老師引領(lǐng)機器學(xué)生自己學(xué)習(xí)、累積知識和經(jīng)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(diào)how-to-do先驗知識的傳承，反而會局限學(xué)生(無論是人類或機器)對全局最優(yōu)的探索，因而妨礙其發(fā)揮天賦的創(chuàng)新潛能。

2.3 第三項啟示

　　上文提到機器擅長學(xué)習(xí)，從how-to-do經(jīng)驗中學(xué)習(xí)和領(lǐng)悟，而呈現(xiàn)出智慧。大數(shù)據(jù)提供給它極佳的學(xué)習(xí)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(chǎn)生思考的“結(jié)論”知識，而沒有產(chǎn)生思考的“過程”知識。

　　由于AI機器沒有表現(xiàn)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(xué)習(xí)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(fā)現(xiàn)一輛白色卡車后死于撞車事故。這項機器學(xué)習(xí)的弱點，如果能得到人類智慧的相助，就能達(dá)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(xué)校老師可以更關(guān)注于引導(dǎo)學(xué)生how-to-think(如何去思考)，包括跨界思維和聯(lián)想等。這讓機器(學(xué)生)的全局探索能力來協(xié)助人類(學(xué)生)的創(chuàng)意思考迅速尋找到全局最優(yōu)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(dá)到創(chuàng)新與實踐的最佳組合。

3 結(jié)論

　　引導(dǎo)人類學(xué)生更多how-to-think的演練和信心，可能促進(jìn)兩種學(xué)生在“創(chuàng)新/實踐”上的完美組合。

　　本文來源于《電子產(chǎn)品世界》2018年第1期第82頁，歡迎您寫論文時引用，并注明出處。