以知識做為燃料，激發不受限的創造力

從 2018 年上學期開始，我和政治大學應用數學系副教授兼學務長蔡炎龍老師，開始一項教學實驗，合作開設「設計思考與人工智慧」這門課。因為我們觀察了許多人工智慧的課程和專案，有個共同感覺：雖然媒體有不少導入人工智慧「神蹟」的報導，但身邊運用這個科技來解決問題的專案，成功比例似乎並不高。

從學校老師角度來看，許多人工智慧課程會提供學生已經整理好的資料，然後只著重模型的建立和模型表現的改善，最後以模型的預測效果做為目標。學生就算學會解決老師所給的問題、也學會了訓練模型，但仍然沒能力自己發想一個有意義的問題。不過，「提出有意義的問題」卻是業界最急切需要的能力，特別是 ChatGPT 出現之後，大家可能有更深刻的感受。

所以，如何從源頭了解問題的結構和資料處理方式，似乎才是運用人工智慧的基礎。應該如何著手？設計思考是一個合適的切入方法。

應用 AI 技術第一步：問一個好問題

很多人常以為設計只是用來製作好用或好看的東西，其實不然。設計思考所談的，並不限於美國史丹佛大學的設計學院（d.school）提出、由五個步驟進行的「設計思考」，還著重在問題的建構、尋求多重選擇而非唯一正解，以及如何運用原型進行模擬，進而獲取知識。

翻開人類社會發展的歷史，每一種科技的產生，都是人類透過設計來改變環境，或者加強面對環境變化能力的軌跡。從石器、青銅器、貨幣乃至於現代的汽車、飛機、電腦和醫療設備，都是有形的人造物；同時還有無形的人造物，像是政治制度、商業規則、法律條文......有哪一樣不是設計出來的呢？

而我們透過這堂課觀察到的第一個現象是，「怎麼問一個好問題」看似容易，其實不然。有很多善於觀察及思考現象的同學，沒辦法將看到的現象轉換成 AI 能夠處理的數據。

例如大家都能想到「用過去的消費紀錄來預測未來的消費行為」，但「消費紀錄」指的是什麼？是半年、一年？還是有史以來的所有紀錄？是每一筆消費額、平均每次消費額、消費次數？還是每月消費額？看似瑣碎的問題，如果無法清楚界定，就沒辦法成為 AI 的訓練資料。

所以，在擁有 AI 如此強大的工具之後，除了去了解 AI 的能與不能之外，未來人才需要的關鍵能力之一，是要能將現象轉化為資料科學可處理的數據。我們不見得要成為 AI 工程師或資料科學家，但擁有這種能力，是不同領域人才能夠善用 AI 的基礎。

本文節錄自《AI 如何重塑教育：ChatGPT 來了！讓孩子活出熱情，啟動真探究的內在學習》，由親子天下授權轉載。