夏肇毅觀點:升學不再痛苦,讓區塊鏈技術與AI教學機器人造就智慧學校

2019-08-20 05:50

? 人氣

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。圖為指考教室。(資料照,顏麟宇攝)

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。圖為指考教室。(資料照,顏麟宇攝)

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指考分發不到3,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...5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。

[啟動LINE推播] 每日重大新聞通知

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。

AI,人工智慧,示意圖。(取自pixabay)
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。(示意圖,取自pixabay)

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。

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

的學習時間有限,學習的能量也隨個人的天資而有所不同。如何運用有限的學習時間,來得到最大的學習成果,就是規劃這個AI學習機器人時的需要探討的問題。

區塊鏈應用

國發會七月成立國家隊,大力推展區塊鏈應用。我們都聽過比特幣,它就是區塊鏈第一代的應用。區塊鏈是採用分散式帳本技術,也就是說會把同一個帳本複製到每一個節點上面。區塊鏈中的一個區塊,就等於是帳本裡面的一個帳頁。區塊和區塊的中間,會用特殊的函數鏈結起來以供驗證。區塊鏈網路中的每一個節點都可以修改這個帳本,那到底要聽誰的呢?這就要靠裡面的共識機制,用投票決定。在比特幣裡,它所用的共識機制是工作證明,誰的算力強,能夠產生最長鏈,那麼就聽它的。在共識機制的運作之下,除非你掌握超過51%的節點,否則你就很難去隨意竄改內容。這個就是區塊鏈到目前為止所被公認的最大優點:不可竄改性。

在區塊鏈發展的過程中,一般稱區塊鏈1.0是加密貨幣應用,區塊鏈2.0是智能合約在金融及產權上的應用。而到了區塊鏈3.0,就是將區塊鏈應用到各行各業上。當要追求的是不易竄改的安全性時,那麼建立區塊鏈網路才有價值。所以貴重,有價值,有所有權的項目才是我們尋找的目標。譬如資產的轉移,學位的授予,資格的擁有,分數的評斷等。我們把這些值得妥善保管的標的先統稱為資產。有了值得保存的目標後,通常他們的所有權會轉移。資產的轉移要經過交換的過程,看要一手交錢一手交貨,還是要先享受後付款。通常都是要拿等值的資產來交換,我們把這過程稱為交易,而參與交易的人為參與者。

比特幣(AP)
比特幣為區塊鏈第一代的應用。區塊鏈是採用分散式帳本技術,也就是說會把同一個帳本複製到每一個節點上面。區塊鏈中的一個區塊,就等於是帳本裡面的一個帳頁。區塊和區塊的中間,會用特殊的函數鏈結起來以供驗證。(資料照,AP)

要運用區塊鏈結合教學機器人發展智慧學校應用時,可以先構想一些可以轉移的資產,如學號,學分,學位。學校每年發行一定數量的學號,讓新生來取得。同時也發行不同學分讓學生來取得,同時記錄成績。最後累積一定學分後,就取得學位。之後這學號就註銷,不再作用,僅供查詢之用。智慧學校裡的教學機器人,各知識單元的學習履歷會被完整地紀錄到區塊鏈裡,一旦成績達到某個等級,就可利用智能合約自動取得學分。若想要利用到入學作業上,只要將這些成績結合各校科系的錄取標準,馬上就可粗篩出你有資格進入的學校與科系。

如果能開發出結合區塊鏈的AI教學機器人,則可以在課程的教學上,讓學生能夠自動學習,同時也可以加以測驗,看看了解的情況如何。在學習的過程中間,也會穿插實驗與練習。它可以知道你練習的結果的正確性,然後再依據正確來決定你要再更深入的學習呢,還是要重複這個主題,或者再倒退回之前的主題學習。最後再加以測驗,以了解學習者真正的程度。同時測驗的結果可以存入區塊鏈中,讓學習者的學習更有效率,學習履歷得以完整保存。之後再讓區塊鏈中的智能合約自動判斷入學條件,即可知道你能符合哪些學校的入學基本要求門檻。有了這些過程,未來的升學篩選會更容易,也可讓學生與家長不再為升學考試徬徨。

*作者為提供雲端理財與教學機服務之CubicPower晶智能創辦人。曾任區塊鏈技術與應用課程兼任副教授及服務於緯創軟體、英商路透社等金融與科技單位從事金融軟體開發專案工作。

 

 
關鍵字:
風傳媒歡迎各界分享發聲,來稿請寄至 opinion@storm.mg

本週最多人贊助文章