https://www.parenting.com.tw/article/5095515
更新:2023-06-20 14:48 顏擇雅 (親子天下雜誌127期 2023-06-01出刊)
從前常聽到的答案是,注重背誦的教育教出來的技能很容易被取代,如今,這點已經值得商榷了。像ChatGPT這種餵大量資料給大型語言模型所訓練出來的生成器,運作方式是憑訓練預測下一個字。它吸收資訊的功能雖然強大,卻只專注於處理字與字之間的關係,完全不管字詞背後的概念或事物,因此才能答對許多研究所等級的題目,卻在小學生程度的問題上栽跟頭。
「A參加賽跑,跑在第二名前面,A是第幾名?」它答:「如果A跑在第二名前面,A排名就比第二名高,比第一名低,因此A應是第二名。」它會犯這種錯,因為它不知排名為何物,也不知一和二分別代表什麼概念。它甚至不知數字是什麼。
文字生成器產生大量的幻想文、假知識。過去幾年,學者專家總鼓吹不要標準答案的教育理念,背後的假設是許多知識在網路上一搜尋就有。問題是AI文字生成器普遍之後,網上的假知識一定會變多。要辨別真假,人的知識涵養就變得更重要。不依賴標準答案,要怎麼養成足夠的知識涵養?
我們一直以為PISA化考題可以培養出AI無法取代的人才,問題是ChatGPT考這種考題的能力就算不是頂尖,中上卻沒問題。那我們憑什麼以為PISA化考題有助於讓所有人的工作都不被取代?嚴格說,它應該只能讓頂尖人才的工作不被取代,也就是考贏AI的那些人。這樣,需要所有學生的學習方向都受制於PISA化考題嗎?
AI永遠需要頂尖人才幫忙設計模型。
記者或會計師的飯碗不會全都消失,但靠著人機協作,人均生產力會比現在高很多,需求人力也會小很多,也就是就業市場會變競爭,淘汰到只剩下頂尖人才,那種知道如何跟AI互補的人才。
洛杉磯加州大學的知名數學家陶哲軒說,他問ChatGPT問題,獲得的答案雖然是錯的,卻因為錯的方式很新鮮,可以從中獲得靈感。但這不代表所有數學家都可以因為AI而如虎添翼。許多媒體預測未來最有可能被取代的飯碗,第一名往往就是數學家。這並不矛盾,許多領域都會這樣:頂尖的人才做更多,不頂尖的人才失去舞台。
人類憑本能就會的,例如組裝IKEA書架,對AI來說卻很難。當然只要裝上足夠的感應器與類神經網路,機器人還是可以成功把書架組裝完成,但加上訓練過程所耗費的電力,卻沒人力划算。
這是AI時代一大可能:未來就業市場需要的知識工作者會比現在少很多。水電工、油漆工的飯碗都不會受影響,反而是半導體工程師的飯碗會。這樣,不就表示需要大學學歷的職缺會減少?這也許不是壞事。大學學歷變得不重要,扛學貸的年輕人會減少。進職場的年齡也會下降,婚孕年齡會跟著降,這樣就會有更多人願意生第二胎、第三胎,少子化的問題搞不好終於有解。當然,前提是年輕人要學會跟真人交友、戀愛。要跟AI交友、戀愛不是問題,但要一起結婚生子,就完全不可能了。
那不頂尖的人才怎麼辦?別忘了AI也需要真人幫忙訓練模型,訓練完再做檢測校正。這種工作雖也是知識工作,卻只需要細心與耐性,不需要多大創意。所以「AI時代更需要培養興趣」這說法,我也覺得需要商榷。
創意工作當然需要有興趣,但今年冒出來的內容生成器是可以做許多創意工作的,包括寫詩、畫畫、發想廣告文案。普通創意一點都不保障飯碗,頂尖創意才有保障。既然如此,那何必鼓勵所有孩子追求創意?好好完成作業,考試少一點粗心,這樣培養出來的特質在AI時代不也很有用?
ChatGPT翻譯能力非常強,台灣是否需要繼續重視雙語教育,也需要商榷了。
「莫拉維克悖論」:人類覺得困難的高級運算或雙語能力,AI往往輕而易舉。
編按: 莫拉維克悖論(英語:Moravec's paradox)是由人工智慧和機器人學者所發現的一個和常識相佐的現象。和傳統假設不同,人類所獨有的高階智慧能力只需要非常少的計算能力,例如推理,但是無意識的技能和直覺卻需要極大的運算能力。這個理念是由漢斯·莫拉維克、羅德尼·布魯克斯、馬文·閔斯基等人於1980年代所闡釋。如莫拉維克所寫;「要讓電腦如成人般地下棋是相對容易的,但是要讓電腦有如一歲小孩般的感知和行動能力卻是相當困難甚至是不可能的。」[1]
語言學家和認知科學家史迪芬·平克認為這是人工智慧學者的最重要發現,在「語言本能」這本書裡,他寫道: 經過35年人工智慧的研究,發現到最重要的課題是「困難的問題是易解的,簡單的問題是難解的」。四歲小孩具有的本能─辨識人臉、舉起鉛筆、在房間內走動、回答問題─事實上是工程領域內目前為止最難解的問題。當新一代的智慧裝置出現,股票分析師、石化工程師和假釋委員會都要小心他們的位置被取代,但是園丁、接待員和廚師至少十年內都不用擔心被人工智慧所取代。
對人工智慧發展所造成的影響
在早期人工智慧的研究裡,主要的研究學者預測在數十年內他們就可以造出思考機器(參見人工智慧的歷史)。他們的樂觀部分來自於一個事實,他們已經成功地使用邏輯來創造寫作程式,並且解決了代數和幾何的問題以及像人類棋士般下西洋棋。正因為邏輯和代數對於一般人是很困難的,所以被視為一種智慧象徵。他們認為,當幾乎解決了「困難」的問題時,「容易」的問題也會很快被解決,例如電腦視覺和常識推理。但事實證明他們錯了,一個原因是這些問題是其實是難解的,而且是令人難以置信的困難。事實上,他們已經解決的邏輯問題是無關緊要的,因為這些問題是非常容易用機器來解決的。[3]
布魯克斯解釋說,根據早期人工智慧研究,智慧最重要的特徵是那些困難到連高學歷的人都會覺得有挑戰性的任務,例如西洋棋,抽象符號的統合,數學定理證明和解決複雜的代數問題。至於四五歲的小孩就可以解決的事情,例如用眼睛區分咖啡杯和一張椅子,或者用腿自由行走,又或是發現一條可以從臥室走到客廳的路徑,這些都被認為是不需要智慧的。[4]
因此,布魯克斯將在人工智慧和機器人技術的研究上追求一個新方向。他決定建造一種沒有辨識能力而只有感知和行動能力的機器。也就是將建立一個跳脫傳統定義的人工智慧[4]。這個新方向,他稱之為新人工智慧(Nouvelle AI),並且影響到了後來的機器人技術和人工智慧的研究。
https://www.parenting.com.tw/article/5095515
2023-06-20 媒體公認,今年是生成式AI元年。從小跟著新科技一起成長的下一代,他們的人生跟我們會有哪些不同?AI成為話題已有十年之久,《親子天下》三年前也製作過AI時代教育的封面專題,今年的熱門程度卻是前所未見。最主要的原因當然是ChatGPT襲捲全球,對一般民眾來說是第一次親身體驗,而非透過電視來領教AI威力。ChatGPT是文字生成器。玩家意猶未盡,常常也去試用一下圖像生成器Midjourney、影片生成器Synthesia,還有網路上雨後春筍般冒出的各種人臉生成器。媒體公認,今年是生成式AI元年。初登場就引起大驚奇,鐵定會大大改變世界。這時不妨想想,從小跟著新科技一起成長的下一代,他們的人生跟我們會有哪些不同?
顯然,他們的社交與休閒會很不同。事實上,近三十年資通科技長足進步,對孩子成長的最大影響也是發生在社交與休閒的層面。青少年愈來愈「宅」,放學後的同儕互動不再是面對面。休閒則以線上遊戲、短影音和社群媒體,取代逛街、溜冰或打球。
有了生成式AI,社交恐怕不再只是「宅」,還會變虛擬。許多孩子小時候都有過虛擬友情,這是為何小孩玩娃娃或公仔總是自言自語,一人分飾多角,一下子扮演自己,一下子扮演想像的朋友。目前這階段通常在青春期以前結束。但AI可將虛擬友情從腦中移轉到線上,賦予形象與對話能力,其外型、言行還可以遵從指令。從此,這階段應該不會再侷限於童年,持續一輩子都有可能。
https://www.parenting.com.tw/article/5097215
AI時代教養:不一味禁止,而是引導孩子正確適當地用
2024-04-01 14:39by 阿鎧老師
隨著AI蓬勃發展,在我們的生活中隨處可見,那AI會不會跟手機一樣成為家長禁止孩子接觸的高科技產品呢?當臉書等社群媒體大當機的事件發生時,不少爸媽或許感到了恐慌,這不僅是因為我們習慣了透過這些平台進行日常溝通和資訊獲取,同時也反映了一個現象:當代社會對於科技的依賴程度。
很多人由於不太熟悉新興科技,對於科技可能帶來的負面影響感到擔憂,從而選擇讓孩子遠離科技產品,這種保護性的做法從不讓孩子玩電腦演變到現在限制使用手機。然而,在AI時代的來臨之際,這種擔憂轉向了AI技術是否會導致孩子過度依賴,從而影響他們的學習效果。
AI對幼兒教育帶來的負面影響不可忽視。首先,AI系統可能會固化和放大社會偏見,如果AI學習的數據本身存在性別或種族等方面的偏見,那麼這些偏見也可能通過AI教育應用被傳遞給孩子。此外,AI在個性化學習的實現上仍然存在限制,可能無法完全適應每個孩子獨特的學習風格和需求。過度依賴AI亦可能削弱孩子解決問題的能力,缺乏與人類教師之間的情感交流,影響孩子的情感智慧和社交技能的發展。另外,AI技術的引入也可能加劇教育資源的不平等,特別是在資源有限的學校和家庭中,無法承擔高昂的AI教育工具和系統,從而擴大了教育機會的差距。
換個角度,香港教育大學2022年的研究指出,AI在幼兒教育中的應用不應僅被視為一個潛在的威脅,而應被視為一個重要的機會來促進幼兒的全面發展。研究提倡積極培養幼兒的AI素養,包括讓幼兒認識和理解AI的基本功能、學習如何在日常生活中合理地使用AI應用程式、以及評估和創建AI。透過這些學習內容,幼兒不僅能夠獲得必要的數位技能,同時也能培養他們的批判性思維、創新能力和道德判斷力。為了有效實施這種AI教育,香港教育大學的研究強調了創新教學方法的重要性,包括透過遊戲、項目式學習和互動式應用來吸引幼兒的興趣和參與,從而使他們能夠在一個支持和鼓勵的環境中探索和學習AI。
科技的發展猶如「水能載舟亦能覆舟」,這把雙刃劍特性意味著,雖然過度依賴科技可能會帶來問題,但科技本身也是推動社會進步的強大動力。因此,對於即將生活在AI時代的孩子來說,關鍵不在於阻止他們接觸科技,而是引導他們學習如何正確且適當地利用科技。這需要家長、教育者和政策制定者共同努力,不僅要提供適齡的AI教育和資源,也要教導孩子們理解科技的潛力和限制,從而使他們能夠在未來的社會中自信且負責任地使用科技。
https://www.bnext.com.tw/article/79404/ai-replace
「運算不可化約性」是理解AI的關鍵概念
大多數的工程系統,都像是一個時鐘:我們設計精密的部件,讓它照著我們的期望運轉。軟體也是如此,我們寫一行一行的程式碼,讓軟體運作。我們也因此期望:會做複雜工作的機械或軟體,底層的設計也同樣的複雜。但是在電腦運算中不是如此。有時候非常小的軟體,單純幾個法則反覆運算,也可以產生驚人的複雜結果。這符合自然界的規律:有限的物理法則與設計原理,產生了人類無法窮盡的複雜性。這種複雜性是不可被化約的,我們只會得到複雜的結果,但無法詳細知道每一個步驟發生了什麼事,也無法用一個抽象公式表達這個「複雜性」。
也因此,複雜系統無法被預測。要知道這個系統運行會產生什麼結果,唯一的方法是實際運行系統。同時,複雜系統不是人類能喊停就停的,而是會不斷演進,有相對的自主性。Wolfram 稱這個特性叫做 「運算不可化約性」(computational irreducibility) 。如同人不能預測生態系怎樣發展、預測股市怎樣漲跌,人也不可能準確預測 AI 的每一步行為。「運算不可化約性」是人類知識的極限。
Wolfram 認為,面對這個劇烈的未來變動,我們應該學習的重點有三個:
學習如何使用這個工具。
綜觀歷史,適應新工具的人都會勝出。
除了學習使用自動化工具,也應該在學習過程中應用自動化工具,加大你獲取經驗與案例的速度。
學習有哪些事情可以應用這個工具。
最好的槓桿會來自「找出全新可能」,那些過去我們做不到,但是因為新的科技而可行的事情。
例如教育領域(AI 私人家教)、醫療(AI 診斷)等已經看到許多破壞性創新。
學習能幫助你思考這些事情的知識。
世界確實不斷分化,領域 know how 越來越專精。
但越是具體的專業,就有可能應用 AI 執行任務。
相對的,懂得應用 AI ,思維上跨領域,以底層邏輯思考的「雜學者」更有機會勝出。
Wolfram 認為,學習最好的方向是盡可能廣與深,結合大量的跨領域知識。細節已經不重要了,而是要能抓出更高層次的抽象邏輯思考。
「到底哪些事情是 AI 不能做,只有人類可以做的?」
Wolfram 的答案是: 「決定意義」 。最終,人類還是得決定「要用 AI 做什麼才有意義」。AI 擅長執行「目標」,但要決定「什麼目標值得做」,還是得回歸到人類身上。也就是說,「策略性思考」是 AI 永遠不會取代的工作內容。
如果你的工作內容很少這個成分,多數都是「執行」為主,那從Wolfram的觀點,確實在未來五年、十年內,AI 會在某種程度上取代你「怎樣辦公」的方法。甚至當新方法效率提升,不需要這麼多人力執行時,確實會被少數擅長AI工具的人取代。就像是用手算數的會計計算員,被操作電腦 Excel 報表的會計取代一樣。我們都聽過:「AI 不會取代你,但擅長使用 AI 的人會」。這句話,在說的對象是「執行者」,而不是「決策者」。