前一陣子指考放榜，因為大學指考錄取比率逐年縮減，部分頂尖大學甄選招生比率都早已超過7成、指考分發不到3成，有的系不到4%，引起大家一陣討論。學校不斷提高申請招生名額的結果，也出現「女兒考上成大…爸爸自爆自傳我寫的」，「60滿級分建中生落榜哭1小時...逾5成建中生要考指考」的新聞。這些事情每年不斷發生，根結就在於一兩次的測驗無法隨時正確的評量學生的學學習成果。同時大班式的集體教學，讓中後段學生從小學二三年級，起就不再進步而放棄學習。因為有了斷點，後面就再也接不上了。個人認為發展AI教學機器人，以客製化的個人教學進度，能讓每個人終生都能順利學習。若再用區塊鏈將學習成果公正紀錄起來，則可以解決考招遺憾。
AI教學機器人
知識有分記憶型，理解型，練習型，自由發揮還有推理型等不同分類。在先什麼知識都不教的狀態下讓大家去憑空想像，就是自由發揮型。比如繪畫，提供蠟筆與圖畫紙，然後指定題目，就讓學生自由發揮創意來畫圖。或者像是舞蹈，在一個空間裡播放音樂，讓學生隨自己的意念來擺動身體，這個就是自由創意式的舞蹈教學。而記憶性知識傳授的教學法，基本上就是講解，複習與測驗的方式。事先設定好必須記住的知識單元，然後就重複這個方法，直到所有的單元都計入學生的腦袋中為止。
教學機器人的任務就是重複執行演示，練習，複習以及測驗的基本的學習過程。之前提過人腦的小抄大腦模型「複製小抄大腦，讓金融科技搭起人工智慧塔」，這模型把這些知識片段比喻成一張小抄，小抄裡面紀錄著這個知識片段的內容。何如果讓電腦去模擬人腦的運作來了解知識及處理知識，則要把這個小抄轉變成一個知識處理器讓電腦去執行。所有的處理器連在一起後就變成和知識處理網路，希望它未來可以像人類一樣的處理知識。每一個片段的知識單元，就有一些先備知識單元當成它的輸入點。而這個知識單元輸出也有可能是其它知識單元的輸入點。將所有的知識單元全部展開，就有點像是類神經網路的架構。只是其中有許多孤島，它們不和別人連接。也可能是斷點，連到這邊就沒有了。
學習的路徑，也就是學習的次序很重要。如果你在學一個知識單元時，它的先備能力知識單元你都不會，那麼你學了之後還是一個死知識，只是硬背起來，完全不了解它裡面的涵義。相反的，如果這些先備知識單元都已經學過了，那在學這個新知識單元時，一提到先備知單元的時候，就可以連結到那邊去。運用這個先備知識單元的內容，然後再一起思考，這樣的效果是完全不一樣的。
我們要將這些知識單元，依照它的重要程度給它分數。這些分數就可以變成加強式學習裡面的報酬。未來要運用AI的方法來開發教學機器人，要研究運用加強式學習來尋找學習的次序與效果，以找出知識金字塔的最佳學習路徑。每項知識單元都有一些先備能力，前面沒弄清楚後面也會是一知半解。整體的人類知識，就如腦細胞一樣，多到數不清。這時要怎麼學就是個大學問了。如果零碎學習，那麼這些片斷知識無法連結在一起。 （相關報導： 夏肇毅觀點：程度分級分班，上學不再浪費時光 ｜ 更多文章 ）
因此學習一定要有關連。AI教學機器人可以研究如何運用加強式學習，想辦法從各個知識單元間的關連性中找到最佳連結路徑。或者評估學習時間分配，在固定時間中學到最多單元。人類
