五、具體建議：加速AI素養教育的基礎建設
面對「後知識時代」的來臨，筆者認為除了目前各校所提出的教學與學習指引外，更需要加速關於AI素養教育的基礎建設。大致包括以下幾個面向(以下更針對政府、研究機構或高等教育單位，並非針對學生或教師個人)：
1. 在地知識與研究資料的公共化與結構化
眾所周知，如ChatGPT這類大型語言模型是需要大量的文字語言資料來作訓練(GPT-4還包括圖片或影像的資料)。這類資料雖然不是像檔案夾一樣儲存於演算法中，卻仍然是透過AI模型的訓練過程而影響模型參數，間接影響最後的文字輸出。而微軟的New Bing更直接將搜尋引擎與GPT-4結合。這使得虛擬知識的產生會更多倚賴於相關資料的數位可及性。這對於在地化的人文社會領域研究有特別深刻的重要性，否則很容易在此大型語言模型所創造的虛擬知識中失去被學習者注意而導致學習偏誤。在AI大數據的時代，這種基礎資料建置可能比硬體設備更為重要，需要積極往公共化與結構化的方向作整理，使之可以成為AI時代可以用來訓練獨特AI應用的重要資產，也是筆者曾經另行撰文表達的深切提醒[32]。
2. 系統性開發大型語言模型相關的應用
最近OpenAI的API已經容許讓ChatGPT這個AI對話機器人可以連上網際網路以搜尋即時資訊，或使用第三方服務，使之成為開發平台等等[33]。在美國已經有許多業界公司在不同程度上將ChatGPT導入到工作流程中，甚至使用自己的資料來加工訓練更客製化的AI對話機器人[34]。類似的作法應該亦為我國學術機構或政府所看重，規劃如何善用這些大型語言模型來訓練在地化的資料或建立更符合教學目標的外掛應用程式。好讓我國本土特有的知識資料能夠被自己的使用者更為看重，並進入虛擬知識的領域來產生更大的影響力。
3. 推動以個人志趣為中心的「外掛式學習」
本文並不認為實體知識或傳統的學習方式會消失或被虛擬知識所取代，而是說兩者會平行共存，原因是虛擬知識的根本仍然來自實體知識，只是提供更為方便整合與傳達的方式。但是由於學習的對象不同，學習的方式也必然有所差異。畢竟虛擬知識需要學習者更為積極主動的參與，才能透過問題的設計與引導讓自己學習到更深入的內容。這部分筆者稱之為「外掛式學習(Plugin Leanring)」，因為這相當於將一部分的學習過程與AI大型語言模型作結合，減少學習者在茫茫知識領域查詢、蒐集或整理資料的過程，但仍需要學習者自行透過反思、詰問與另行確認檢驗，以至於達到精簡有效的學習歷程。因此虛擬知識的學習可能會比目前的實體知識更倚賴於學生個人的志趣。未來的高階人才必然是能將虛擬知識與實體知識作充分有效的整合，但是相關的學習方式還有待更多的開發。並且也需要高等教育單位在學制規劃、課程設計、學生人數、評量方式、設備支援或共學團體等等方面提供更適切的配套措施。這部分筆者會在未來的文章中作進一步的闡述。
