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。