人工智能助個性化學習走向巔峰

楊謹忠

人工智能要能取代人腦還有很長的路要走，但對于那些基礎與重復的任務，已經足以勝任。

背景回顧

回顧2016年人工智能（Artificial Intelligence）發展的重點事件，除了持續優化的對話機器人、實時翻譯語言助手，以及自動駕駛無人車之外，最熱門的頭條應當是在3月由谷歌人工智能AlphaGo對戰韓國圍棋九段名將李世石。這一事件掀起了人們對人工智能的新一波關注。

接著，9月底，谷歌、Facebook、IBM、微軟、亞馬遜這幾家科技巨頭聯合成立了一個名為“人工智能伙伴關系——造福人類與社會”的非盈利組織（Partnership on Artificial Intelligence to Benefit People and Society），促進人工智能領域的研究與技術實踐，推進公眾對人工智能的理解。這在人工智能的發展進程上也是一個關鍵事件。

此外，像蘋果這樣的公司雖然沒有加入上述的人工智能組織，但回顧過往幾年，蘋果已經悄悄收購了10～20家人工智能相關企業，并陸續將人工智能技術融入其產品中。就連微軟今年也將人工智能的功能加入其云端辦公軟件中。可以說，人工智能已經逐漸在眾多領域開始綻放光芒。

隨著計算機演算能力的提升以及相關技術的推進，人工智能在經歷數十年的發展后，已經從需要外力監督的機器學習（Machine Learning），跨入不需要監督的深度學習（Deep Learning）。現在已經能夠模擬大規模的神經網絡，讓機器在不需要直接人為干預的狀態下自己“動腦思考”。雖說如此，人工智能要能取代人腦還有很長的路要走，但對于那些基礎與重復的任務，已經足以勝任。

而在企業培訓的應用中，人工智能尚未達到像電影《黑客帝國》中的場景一樣，不用學習就可將所需知識直接下載至腦中。因為學習是個性化的，并且還要經歷知識內化的過程，才能最終完成。雖然人工智能無法替代人類學習，但現階段“智能化”在企業培訓中還是有很多應用潛力。

解讀

To老師：推進個性化輔導

“智能化系統”通過對學習者行為歷程的收集與分析，讓老師可以更快地了解到每個學習者的能力水平與學習進度，進而透過系統平臺推送相對應的學習資源或者進行個性化的輔導，達到因材施教的目標。“智能化系統”也可以根據學習者的程度與需求，匹配相關的資源，選取真正對其有用的內容，提供多元與個性化的學習歷程（Learning Experience），從而摒棄以往齊頭并進式的課程規劃。

“專家系統”（Knowledge-based Expert System）是一種模擬人類專家解決領域問題的計算機程序系統。將其結合人工智能技術，根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，能模擬出人類專家的決策過程，以便解決那些需要專家才能處理的復雜問題。非專家們可以通過這種系統來增進問題解決的能力，同時專家們也可把它視為具備專業知識的助理。這種“專家系統”已經取代了部分老師的角色。

從內容制作來看，現在已經有些“智能化”系統可以針對特定主題自動生成內容。智能化寫作工具的發展以及國際很多新聞行業吹起的人工智能化風潮，都預示了內容制作“智能化”的未來。

To學員：提供個性化反饋

學習者過去在學習時，往往缺乏足夠的演練機會，通過“智能化”的輔導系統，可以增加學習互動練習的機會，讓學習者不斷試錯，進而加快提升學習者的熟練程度。例如在語言學習上就有很多類似的應用。

學習者可以借助知識圖譜快速縮小搜索范圍。“智能化搜索”可以更好地理解學習者搜索的信息，總結出與搜索話題相關的內容。由于知識圖譜構建了一個與搜索結果相關的完整知識體系，所以學習者往往會獲得意想不到的發現。在搜索中，學習者可能會了解到某個新的知識或新的聯系，從而進行一系列全新的搜索與學習。并且有些“智能化”系統，還能根據過往學習者的學習歷程以及本身的興趣、能力或工作崗位，主動推薦相關資源。

此外，與傳統學習管理平臺注重管理與記錄不同的是，“智能化”指導系統會提供給學習者“個性化”的反饋。學習者參加完測驗后，可以更好地了解自己的弱項，進一步獲取相關的學習資源及后續所建議的學習路徑。智能化輔助系統扮演了助教的角色，有效指導并促進學習者的學習。

To培訓管理者：開展個性化推廣

不管名稱是叫培訓部門、學習發展部門、企業大學或者近年新興的互聯網學習部門，培訓管理者都會面臨整體培訓項目管理與運營的問題。過去，培訓管理者在運營項目時，往往只能憑借經驗或者“拍腦袋”。通過廣泛收集學習者各類的歷程與行為數據并進行分析，培訓項目運營者就可以了解項目的健康度，并實時監控，即時調整運營手段。在項目推廣時，還可以針對不同特征的學習者選擇個性化的推廣手段，提供更精準的培訓服務。

學習無處不在，當學習歷程記錄可以通過xAPI這類學習技術標準，來收集多元及完整的學習歷程數據后，學習數據就不會只停留在SCORM課件閱讀或者面授中缺席的記錄模式，而是可以將學習歷程數據集中起來。過去單純的學習記錄也可以上升到預警及預測的層次，甚至通過數據收集與深度分析，提供關于“學習者如何建構所學內容的意義、如何形成理解、以及學習過程中所做決策”的報告，這對培訓項目設計與運營會有莫大的幫助。

To業務部門：提供場景化的工作輔助資源

培訓的目的，對業務部門而言，并不是為了培訓而培訓， 也不是只為了提升個人素質或能力而培訓，而是為了更好地在工作中完成任務，提升工作成效，最終創造組織績效。培訓如何落地，一直是企業培訓所面臨的挑戰。在工作環境中，“智能化”工作輔助系統（Intelligent Performance Support System）可以依照角色或流程等屬性，即時提供給任務執行者個性化且適量的內容，扮演了教練的角色，加速問題解決并提升工作成效。

此外，通過學習元件（Learning Objects）或知識元件（Knowledge Objects）在元數據層（Meta Data）的標簽，內容資源可以具備學習者能力、角色、工作場景及業務流程等屬性。之后，結合“智能化”推薦引擎，內容便可以依照單一或多元屬性呈現，作為獲取知識的來源被自動推送給學習者，或者作為問題解決的資料來源被推送給任務執行者，滿足在工作中“即用即學”的場景。

未來的終點：智能化

人工智能在企業培訓中其實有很多的應用可能性，但要能真正在企業培訓中應用人工智能，還需要經歷幾個階段。

首先是“自動化”。也就是從學習環境中的知識傳遞與學習歷程，到工作環境中的知識應用歷程，都能匯集完整行為歷程數據，并且能進行數據的自動匯總集中，以便后續的分析。

其次是“個性化”。除了在學習環境中了解并掌握學習者（Learner）的個性化需求之外，還有在工作環境中，了解并掌握工作任務執行者（Performer）最終知識應用的業務場景個性化需求。

最終是“智能化”。當具備足夠的數據以及有用的數據，智能推薦、智能指導、智能搜索或者智能輔助等應用就能水到渠成。

展望未來，在企業培訓中學習技術應用的“智能化”是一條必走之路，但也不會一蹴而就。因為“智能化”學習基于數據，因此收集完整的學習與行為歷程數據，精確內容的顆粒度并賦予多元屬性，以及完善算法建模等工作之后，“智能化”這條路才能走得順。