更多

    人工智能為教育帶來改革

    【#1413 PCM】NVIDIA GeForceRTX 3080 深度拆解+測試

    談到新一代的GeForce RTX 3080,都是些琅琅上口的名辭如2代RT Cores、3代Tensor Cores、2X FP32及流暢的4K遊戲性能等等。而最令人振奮的,是RTX 3080部分技術更超越數據中心用的A100 GPU,屬誠意之作。

    【#1413 Biz.iT】個人化推薦引擎 推動網店收益

    疫情推動商戶開設網店,已經有效吸納一批新客戶。下一步考慮推動更多消費,或需要工具協助,例如個人化推薦引擎。該技術是人工智能實用案例之一,亞馬遜、Netflix等是都利用自行開發的推薦引擎而成功增加收入的著名例子。

    美國法院叫停商務部WeChat 禁令

    針對商務部對 WeChat 禁令,有用戶向加州三藩市的裁判法院入稟,而法院裁判法官頒令,阻止商務部禁令生效。

    幾年前以真人真事改編的奧斯卡得獎電影「解碼遊戲」,內容講述英國科學家艾倫‧圖靈( Alan Turing )於第二次世界大戰時,成功設計出人類第一部電腦。圖靈不單開發了最早期電腦的雛形,亦最早提出人工智能的測試方法,後稱為「圖靈測試」( Turing Test )。他提出當電腦有一天可以模仿人類智慧,讓我們隔著牆與電腦對話時,不能分辨出對方是真人還是電腦,那便成功通過「圖靈測試」。然而,當時科學家們卻估計這人工智能的構思,在 100 年內也不可能實現。

    事實上,筆者第一次接觸人工智能的學術書籍是在 80 年代。當時的人工智能是非常冷門的學科,過了整整 30 年,人工智能才再被重視,且極速地被植入不同的科技產品中,催化「第四次工業革命」的誕生。這主要是與過去 10 年流動網絡的蓬勃發展,與我們的衣食住行連上不可或缺的關係,形成了網上的海量數據,從而建成了巨大的數據庫,足以實現數十年前科學家認為不可能短時間內發生的人工智能技術。

    甚麼是人工智能?

    人工智能的原理是模仿人類的學習方法,就是人類大腦的神經細胞,在學習的歷程中,由零開始,透過反覆練習、嘗試,逐漸地將零散的神經細胞連接起來,形成「學問」,因而可以根據外在環境提供的資訊,作出相應的決定。人工智能程式就是模仿大腦運作,先透過隨意記憶體模仿大腦的神經細胞,開始時是零智能,透過反覆輸入測試數據,如:在系統上載不同動物的照片,再將相同動物的照片標籤作歸類,經過大量照片的訓練,電腦程式就可以逐漸分辨各類動物。這種有學習能力的電腦程式設計稱為「人工神經網絡」( Artificial Neural Network, ANN ),透過足夠的學習數據,程式就能學到如何對不同輸入訊息作出分析。以天氣預告為例,程式員並不一定要知道氣壓、溫度、風速等數據與下雨的關係,只需透過運用 ANN ,輸入足夠的歷史數據,讓電腦程式學習這些數據之間的關係,便能準確地計算天氣預測。

    解決教學差異問題

    在教育議題上,人工智能有助解決最核心的問題,就是實踐「因材施教」。每個學生的學習能力、興趣都各有不同,如教師與學生可以一對一的教學模式,當然能夠充分掌握學生的學習難點,並施以合適的幫助,其教學效益必定比大班教學高。事實上,在課堂中推行一對一教學方法的機會近乎零,同班的學生,往往只有同一個課程、同一個進度、同一樣功課,能力稍遜的學生要承受的壓力相對大,亦有機會跟不上學習進度。而人工智能學習平台為師生們提供出路,平台透過收集每一位學生累積的學習數據,分析其學習能力,並提供適切的學習資源及練習,讓每一個學生均得到最合適的支援。

    人工智能學習的研究已有 20 多年歷史。當中提及的開放步驟是先建立知識圖譜( Knowledge Map ),將每一個要學習的知識有系統地訂立關係圖,再透過智能程式,根據各學生的能力提供最合適的個人化學習路徑,達到「因材施教」的目標。坊間較成熟的人工智能學習系統有 Knewton 、 ALEKS 、 AutoTutor 等,多為外國開發的產品,下一次會再詳細介紹。

    您會感興趣的內容

    相關文章