作者 / 高焕堂 台湾VR工业联盟主席、厦门VR/AR协会荣誉会长兼总参谋
摘要：叙说了AI思想给人类教育的三项启示：1) 机器学生在学习how-to-do(怎么去做)经历上，其才能远胜于人类学生。2) 过度着重how-to-do先验常识的传承，反而会限制学生(无论是人类或机器)对大局最优的探究，因此阻碍其发挥天分的立异潜能。3) 引导人类学生更多how-to-think的演练和决心，或许促进两种学生在《立异/实践》上的完美组合。
1 AI 思想：为什么AlphaGo Zero会赢?
2016年，AlphaGo战胜了人类的围棋冠军高手。2017年AlphaGo Zero逾越了AlphaGo，并且攻无不克。为了让我们更了解AlphaGo Zero会赢的原因，我拿企鹅来比方AlphaGo机器。
想象2015年之前(的某一天)，某校园里有一位人类教师，他教一些人类学生在台北抓鱼去商场卖、看谁能卖最多。越大的鱼能够卖越多钱。台北有池塘、河流、也有滨海。教师告知人类学生说：池塘的鱼比较小，河流的鱼比较大，海里的鱼最大，海上风波大，要注意本身安全。几回竞赛之后，人类学生悉数到河流去抓鱼了。
2016年，来了一位企鹅学生(比方AlphaGo机器)。这位人类教师也告知企鹅说：池塘的比较小，河流的鱼比较大，海里的鱼最大，海上风波大，要注意本身安全。
这只企鹅学生发现了所有人类学生都天天到河里抓鱼，河里都剩余小鱼了，它逛到池塘边，跳进池塘、潜入池底抓出一条大鱼(且故意不告知其他学生和教师)，得到了冠军。
2017年，又来了一位新的企鹅学生(比方AlphaGo Zero机器)。这只新企鹅学生比较调皮，底子听不进教师教它的任何常识，自己跟同学们一同去抓鱼了。它走到海滨，扑通一声就跳入海中，玩得不亦乐乎，随手一抓就得到一只超大鱼(且故意不告知其他学生和教师)，得到了冠军。
那么，AlphaGo Zero会赢的背面原因是什么?教师传授给学生的先验常识：“池塘的比较小，河流的鱼比较大，海里的鱼最大，海上风波大，要注意本身安全。”这是人类教师根据其经历而领会的先验常识，是根据人类特性而定的最佳计划，仅是人类探究空间的部分最优(local optima)罢了。可是纷歧定是“人类+企鹅AlphaGo”探究空间的大局最优(global optima)。
企鹅AlphaGo秉承了教师的常识，也以为大海很风险，就没去大海了。可是它有特别习性(人类没有)：喜爱玩水。所以它的探究空间大于人类(包含池塘内部)，而发现了“人类+企鹅AlphaGo”探究空间的大局最优(池里抓鱼)，而胜过了人类学生。
企鹅AlphaGo Zero没有秉承教师的常识，不以为大海有风险(其实企鹅喜爱波浪)，就跑去大海了。所以它的探究空间大于“人类+企鹅AlphaGo”，而发现了“人类+企鹅AlphaGo+企鹅AlphaGo Zero”探究空间的大局最优(海中抓鱼)，而胜过了企鹅AlphaGo和人类。
2 AI思想：给人类教育的三项启示
2.1 第一项启示
从上所述，AI思想给人类教育的启示之一是： 校园教师有两种学生：人类学生与机器学生。教师们把how-to-do的经历教给机器学生，其机器经历敏捷胜过人类经历。这意味着，教师将其how-to-do(怎么去做)经历传承给人类学生(如棋术学徒)，这些人类学生很或许都输给机器学生，被机器学生筛选出局而赋闲。就如同人类棋术高手输给AlphaGo一般。简而言之，这项启示便是：机器学生在学习how-to-do经历上，其才能远胜于人类学生。
2.2 第二项启示
但是，AlphaGo还不是尖端高手，还输给了AlphaGo Zero。因为它十分依靠人类的曩昔经历(如前史棋谱)，只需从前认可为错的，便不再去探究开展，因此往往只找到部分最优(local optima)，而不是大局最优的计划。
回忆人类的每一次革命性立异都是人类跳出了部分最优的体现。例如，古典力学，麦克斯韦方程，再到广义相对论等举目皆是。从上所述，AI思想给人类教育的启示之二是：教师把太多的先验常识教给学生(包含人类学生和机器学生)，或许阻碍学生的立异才能，因为学生在面对杂乱的新情境时会敏捷找到部分最优，而中止持续探究开展，失掉跳出部分最优的立异时机。
其实，从一般的教育都能够领会上述的启示。试想，假如您是爸爸或妈妈且是游水教练，您会怎么教您自己的小孩学游水呢?同样地，假如您是爸爸或妈妈且是网球教练，您会怎么教您自己的小孩打网球呢?先操练打墙面，仍是直接进球场，陪他乱打一通呢?再试想，假如您是爸爸或妈妈且英语很流俐，您会怎么教您自己的小孩讲英语呢?先解说简略文法和句型，仍是直接英语对话，陪他乱讲一通呢?
教师引领人类学生自己学习、累积常识和经历，比教师给予的先验常识更能发挥学生的天分创造力。教师引领机器学生自己学习、累积常识和经历的速度和丰富性让教师给予的先验常识显得微乎其微了。
简而言之，这项启示便是：过度着重how-to-do先验常识的传承，反而会限制学生(无论是人类或机器)对大局最优的探究，因此阻碍其发挥天分的立异潜能。
2.3 第三项启示
上文说到机器拿手学习，从how-to-do经历中学习和领会，而呈现出才智。大数据供给给它极佳的学习材料。机器的才智很相似人类的“概括性”才智，它的考虑进程不明晰，所以只发生考虑的“定论”常识，而没有发生考虑的“进程”常识。
因为AI机器没有体现出考虑进程，人类也无法全然掌握机器才智的可信度。机器一旦面对它未曾学习过的情境，就有或许会犯错。例如，上一年一名特斯拉(Tesla)车主在其特斯拉轿车的“主动辅佐驾驭”软件未能在阳光下发现一辆白色货车后死于撞车事端。这项机器学习的缺点，假如能得到人类才智的相助，就能到达更完美的境地了。
从上所述，AI给人类教育的启示之三是：校园教师能够更重视于引导学生how-to-think(怎么去考虑)，包含跨界思想和联想等。这让机器(学生)的大局探究才能来帮忙人类(学生)的构考虑虑敏捷寻找到大局最优的实践计划。一起也让人类更多的“考虑”来弭补机器“才智”的缺点。所以，人类和机器变得相得益彰、到达立异与实践的最佳组合。
3 定论
引导人类学生更多how-to-think的演练和决心，或许促进两种学生在“立异/实践”上的完美组合。
本文来源于《电子产品世界》2018年第1期第82页，欢迎您写论文时引证，并注明出处。
