學AI與學用Al其實完全是兩回事(下)

Posted by

上回說到,要學好AI,由「學用AI」開始可算是其中一個選擇,主要原因是在小學階段所掌握的數學知識並不足夠讓同學們理解一眾人工智能演算法。各位應該會提問:「還有其他選擇嗎?」不賣關子,現在開估。

我們已進入「電腦世界」,亦有人說成為「互聯網世界」。大家都預計科技發展只會越來越快,大數據分析系統會越來越準確,人工智能應用會走進世界每人之日常生活當中,甚至近年之元宇宙熱潮來襲,隨時要準備將來可能要在虛擬世界生活。一口氣說了這麼多buzzword,目的只得一個,就是希望你可以好好想想這些科技發展之由來。

前人發明電腦機器,是為了讓生活更方便;
前人發明互聯網,是為了讓訊息在不同地點之間有效地傳送;
前人發明人工智能技術,其中一個原因是為了提升工作效率;
而元宇宙領域,則希望把人與人之距離拉近。

要做個「發明家」,需具備了解問題重點(亦稱痛點「pain point」)之能力,看看憑藉現有資源,加上一個能「跳出框框」的腦袋,可以創造些什麼。結果當然重要,但我個人認為,過程更有意思。

香港填鴨式教育之問題應該不用多解釋,但是各位家長有沒有留意STEM教育亦正在被「填鴨化」?以「學用AI」為例,學校用著同一個AI教學平台,同學在做同一樣的AI項目。追求的是一個有「AI」的項目,其實做什麼都不重要,又或者是否真AI也不重要,反正香港趨勢都是這樣,跟著做便可。

訓練是這樣,參加比賽亦同樣。各大單位繼續以buzzword為食糧舉辦多個「全港」,甚至「國際」性比賽,來來去去都是重複地做著一些相類似的項目,獲獎的亦不一定有新意。重點是,滿足了一眾家長之欲望,「我要證書獎項報學校」。

在RoboCode之日常,每到升小學或中學季節,便有家長找我求救。因為小朋友不怎麼參加校外活動,證書不夠多,而且沒有在比賽獲獎。我當然盡力協助,證書、學期成績表不在話下,很多時我都會主動替學生撰寫推薦信,盡一點綿力。在這「輸人不輸陣」之遊戲競賽,證書及獎杯變成了遊戲必殺技,無論是什麼證書或是什麼比賽獎杯一律不重要,「有好過無」,對吧?反而當事人之能力往往不會被當作首個考慮因素。

RoboCode有不少「實力派」學生,我不是指學術成績(事實上他們整體學術成績都不錯,但不一定考獲頭幾名),而是創造力。雖然在校內未必得到很多讚賞,但在我眼裏都在閃閃發光。

STEM教育重點包括提升學生邏輯思維、解難能力及創意。如沒有難題,怎麼解?

還記得數年前有位記者朋友找我做專題訪問,當中提到可否推薦兩位同學去做個「featured post」,主題為「自發性利用所學到的編程知識去解決真實世界之問題」。老實說,香港小朋友比大人更忙,如果不是參加比賽,那有閒情逸致去寫一個只有自己用的手機app?可能你會說在幾年前看過一些報導,初中生成立公司開發手機app,作為公司CEO對外推廣。事情別只看表面,實情是家長投放六位數資金找手機程式開發商進行「完整」開發(學生所做的只是初步樣版(prototype),結果當然是「倒錢落海」,無疾而終。

既然大家都認同未來是基於電腦世界上繼續發展,所有事情以電腦為基礎的話,學習電腦如何思考不是很重要嗎?

在各種人工智能演算法中,每一種都需要被賦予一個明確目標。上文提及之三個AI學習重點包括:

  1. 目標(AI要解決什麼問題)
  2. 輸入數據(作為AI模型訓練之材料)
  3. 輸出結果及應用(如果放中真實系統中,提升準確度或方便性等)

要知道解決什麼問題,便可揀選最有效或最合適之方法。例如你不會用生果刀去斬骨頭,因為工具錯配所以沒有效果。這一步,相信要在高中階段才會逐步領悟。

要訓練一個準確度高之AI模型,數據必不可少。在小學至初中階段,我認為同學們要有這種觀察能力,並要被訓練至條件反射級別。他們所需要做的,就是了解電腦如何消化這些數據,亦可說成所選的AI模型需要那些數據來進行訓練。

在剛剛過去的中學講座,我跟同學們開了個玩笑。

「其實我跟姜濤非常相似,我們都是男性、黑頭髮、而且有眼耳口鼻,100% match!」同學們露出驚訝的表情,相信認為黃博士本人更「有型」!

我們的外觀對電腦系統(特別是AI系統)來說,都可以(或需要)被「數據化」。如果只是用性別及頭髮顏色來辨別,避免太膚淺了吧。一起來學學如何把我們的外觀數據化,方向是把細節找出來。例如:

頭髮:長度、顏色及髮型;
面形:形狀(較圓或較方);
面部器官:眼、耳、口、鼻之形狀;
面上特徵:墨、痣、疤痕;
面上配飾:眼鏡(又可再用其形狀及顏色來細分)等。

找到細節後,最基本可以用0或1來表示該特徵有否出現,在比較下,便可知兩者有多相似。當然這是一個超級簡化版本,但很多學生都答不出來,因為沒有習慣性地主動觀察身邊的人和事。對,觀察也是一種習慣。

這種找出相似度的邏輯或人工智能演算法,真的可說是豐儉由人。在真實世界可以做到「秒速審批貸款」,亦不一定利用高深的算法。找個類同的群組,統計一下還款機率便可輕易作出決定。但是,我認為在早期學習階段,除了做到以上這點外,還可更進一步,就是利用編程創建簡單演算法。

不一定需要用上Python或JavaScript,利用block-based編程平台(例如Scratch)亦可,重點是問題表述(problem formulation)及邏輯思維。早前在香港電台節目《講東講西》分享時,跟主持人亦曾討論這個問題,我們均同意香港學生整體對problem formulation一環比較弱,這當然與香港教育制度直接掛勾。

找出問題重點,構思可行解決方法,動手嘗試,便有機會成功。就算結果不太理想,也能從中累積經驗,一步一腳印。

你可能會問到,這跟「真正的AI」好像還有一大段距離,但作為起步階段來說,經過一段時間訓練,相信效果會很不錯。在我眼中那些「閃閃發光的學生」,懂得如何找到問題之核心,而且有動手解決問題之能力。當成長至高中階段,數學基礎便足夠支持同學理解AI演算法之複雜模型,而在RoboCode中,已有成功例子。 如果一直只是「學用AI」沒有以上過程,其實都只是學做一個使用者。AI技術一直在演變,我們當然可以選擇成為用家。但要提升競爭力的話,必須具備創造力。現時,人工智能發展仍沒有看到完結的一天,雖然技術進步了不少,但仍然遇到很多實際難題,例如準確度不夠高、運算不夠快或用起來不夠方便。未來需要「發明家」把世界發展再向前推進,各位同學,繼續努力吧!

————————————————–
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
YouTube: https://www.youtube.com/drjackeiwong/
Website: https://drjackeiwong.com/