AI思維給人類(lèi)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(mén)VR/AR協(xié)會(huì )榮譽(yù)會(huì )長(cháng)兼總顧問(wèn)

摘要：敘述了AI思維給人類(lèi)教育的三項啟示：1) 機器學(xué)生在學(xué)習how-to-do(如何去做)經(jīng)驗上，其能力遠勝于人類(lèi)學(xué)生。2) 過(guò)度強調how-to-do先驗知識的傳承，反而會(huì )局限學(xué)生(無(wú)論是人類(lèi)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) 引導人類(lèi)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(shí)踐》上的完美組合。

1 AI 思維：為什么AlphaGo Zero會(huì )贏(yíng)?

　　2016年，AlphaGo戰勝了人類(lèi)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(huì )贏(yíng)的原因，我拿企鵝來(lái)比喻AlphaGo機器。

　　設想2015年之前(的某一天)，某學(xué)校里有一位人類(lèi)老師，他教一些人類(lèi)學(xué)生在臺北抓魚(yú)去市場(chǎng)賣(mài)、看誰(shuí)能賣(mài)最多。越大的魚(yú)可以賣(mài)越多錢(qián)。臺北有池塘、河流、也有沿海。老師告訴人類(lèi)學(xué)生說(shuō)：池塘的魚(yú)比較小，河流的魚(yú)比較大，海里的魚(yú)最大，海上風(fēng)浪大，要注意自身安全。幾次比賽之后，人類(lèi)學(xué)生全部到河流去抓魚(yú)了。

　　2016年，來(lái)了一位企鵝學(xué)生(比喻AlphaGo機器)。這位人類(lèi)老師也告訴企鵝說(shuō)：池塘的比較小，河流的魚(yú)比較大，海里的魚(yú)最大，海上風(fēng)浪大，要注意自身安全。

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

　　2017年，又來(lái)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(tīng)不進(jìn)老師教它的任何知識，自己跟同學(xué)們一起去抓魚(yú)了。它走到海邊，撲通一聲就跳入海中，玩得不亦樂(lè )乎，順手一抓就得到一只超大魚(yú)(且刻意不告訴其他學(xué)生和老師)，得到了冠軍。

　　那么，AlphaGo Zero會(huì )贏(yíng)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(yú)比較大，海里的魚(yú)最大，海上風(fēng)浪大，要注意自身安全?！边@是人類(lèi)老師基于其經(jīng)驗而領(lǐng)悟的先驗知識，是基于人類(lèi)特性而定的最佳方案，僅是人類(lèi)探索空間的局部最優(yōu)(local optima)而已。但是不一定是“人類(lèi)+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，也認為大海很危險，就沒(méi)去大海了。但是它有特殊習性(人類(lèi)沒(méi)有)：喜歡玩水。所以它的探索空間大于人類(lèi)(包括池塘內部)，而發(fā)現了“人類(lèi)+企鵝AlphaGo”探索空間的全局最優(yōu)(池里抓魚(yú))，而勝過(guò)了人類(lèi)學(xué)生。

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

2 AI思維：給人類(lèi)教育的三項啟示

2.1 第一項啟示

　　從上所述，AI思維給人類(lèi)教育的啟示之一是： 學(xué)校老師有兩種學(xué)生：人類(lèi)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(guò)人類(lèi)經(jīng)驗。這意味著(zhù)，老師將其how-to-do(如何去做)經(jīng)驗傳承給人類(lèi)學(xué)生(如棋藝學(xué)徒)，這些人類(lèi)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(lèi)棋藝高手輸給AlphaGo一般。簡(jiǎn)而言之，這項啟示就是：機器學(xué)生在學(xué)習how-to-do經(jīng)驗上，其能力遠勝于人類(lèi)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(lài)人類(lèi)的過(guò)去經(jīng)驗(如歷史棋譜)，只要曾經(jīng)認可為錯的，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(lèi)的每一次革命性創(chuàng )新都是人類(lèi)跳出了局部最優(yōu)的表現。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(lèi)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(lèi)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)生在面對復雜的新情境時(shí)會(huì )迅速找到局部最優(yōu)，而停止繼續探索發(fā)展，失去跳出局部最優(yōu)的創(chuàng )新機會(huì )。

　　其實(shí)，從一般的教學(xué)都可以體會(huì )上述的啟示。試想，如果您是爸爸或媽媽且是游泳教練，您會(huì )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(huì )如何教您自己的小孩打網(wǎng)球呢?先練習打墻壁，還是直接進(jìn)球場(chǎng)，陪他亂打一通呢?再試想，如果您是爸爸或媽媽且英語(yǔ)很流俐，您會(huì )如何教您自己的小孩講英語(yǔ)呢?先講解簡(jiǎn)單文法和句型，還是直接英語(yǔ)對話(huà)，陪他亂講一通呢?

　　老師引領(lǐng)人類(lèi)學(xué)生自己學(xué)習、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、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(jiǎn)而言之，這項啟示就是：過(guò)度強調how-to-do先驗知識的傳承，反而會(huì )局限學(xué)生(無(wú)論是人類(lèi)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(cháng)學(xué)習，從how-to-do經(jīng)驗中學(xué)習和領(lǐng)悟，而呈現出智慧。大數據提供給它極佳的學(xué)習材料。機器的智慧很類(lèi)似人類(lèi)的“歸納性”智慧，它的思考過(guò)程不清晰，所以只產(chǎn)生思考的“結論”知識，而沒(méi)有產(chǎn)生思考的“過(guò)程”知識。

　　由于A(yíng)I機器沒(méi)有表現出思考過(guò)程，人類(lèi)也無(wú)法全然把握機器智慧的可信度。機器一旦面臨它未曾學(xué)習過(guò)的情境，就有可能會(huì )犯錯。例如，去年一名特斯拉(Tesla)車(chē)主在其特斯拉汽車(chē)的“自動(dòng)輔助駕駛”軟件未能在陽(yáng)光下發(fā)現一輛白色卡車(chē)后死于撞車(chē)事故。這項機器學(xué)習的弱點(diǎn)，如果能得到人類(lèi)智慧的相助，就能達到更完美的境界了。

　　從上所述，AI給人類(lèi)教育的啟示之三是：學(xué)校老師可以更關(guān)注于引導學(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(lái)協(xié)助人類(lèi)(學(xué)生)的創(chuàng )意思考迅速尋找到全局最優(yōu)的實(shí)踐方案。同時(shí)也讓人類(lèi)更多的“思考”來(lái)弭補機器“智慧”的弱點(diǎn)。于是，人類(lèi)和機器變得相輔相成、達到創(chuàng )新與實(shí)踐的最佳組合。

3 結論

　　引導人類(lèi)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(shí)踐”上的完美組合。

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