隔開 。 目前 ， 該 系統 的 最 大 資產 是 ， 做 某些 教育 和 課程 實驗 的 成本 大大 降低 了 。 「 在 傳統 的 教育 研究 中 ， 你 可能 有 二十 個 學生 在 實驗組 ， 二十 個 學生 在 控制組 。 如果 你 真的 很 幸運 ， 或許 可以 得到 剛好 過 統計 顯著 門檻 的 結果 。 」 吳 說 。 一 個 包含 數百 位 學生 的 大型 教育 研究 ， 花費 可 達 數千 美元 ， 而且 有時 數 個 月 或 數 年 都 得 不 到 可以 行動 的 結果 。 在 「 課斯拉 」 上 ， 每 個 互動 都 可 變成 A/B 組 測試 ， 讓 其中 一半 的 學生 看 某 一 堂 課 ， 而 另一半 看到 不同 的 課 。 何 任 一 天 吳恩達 都 可以 對 兩萬 名 學生 進行 這 類 測試 。 所有 資料 都 在 幫助 他 了 解 詳細到 任何 個人 等級 、 又 廣 到 足以 套用到 任何 國家 任何 學生 的 學習 過程 。 二○一二年 ， 他 有 兩千 名 學生 對 一 個 題目 提交 同樣 的 錯誤 答案 ， 吳恩達 立刻 發現 問題 不 在 上課 的 學生 ， 而是 題目 本身 不對勁 ： 「 在 一般 課堂 上 ， 如果 一百 個 學生 有 兩 名 提交 同樣 的 錯誤 答案 ， 你 或許 根本 不會 注意到 。 但是 當 一萬 名 學生 裡 有 兩千 個 提交 了 同樣 的 錯誤 答案 ， 那 就 強烈 地 提醒 教師 必須 解釋 清楚 。 」 吳 再次 檢查 了 題目 ， 一 開始 沒 看出 什麼 錯 。 大部分 學生 都 答對 了 。 但 當 他 用 學習 演算法 分析 這 批 資料 ， 就 發現 答錯 的 學生 都 是 犯 同 一 類型 的 錯 ： 他們 把 公式 裡 的 兩 個 步驟 弄反 了 。 他 因此 學會 如何 在 錯誤 發生 前 便 預測到 。 他 設計 了 一 個 客製化 的 錯誤 訊息 ， 所以 現在 每 個 做錯 該 題 的 學生 都 會 得到 一 個 提示 ， 要 他 或 她 重新 想想 運算 順序 ， 如此一來 學生 就 能 更正 錯誤 步驟 ， 進步 得 更 快 。 在 實際 蒐集 並 使用 學生 資料 的 線上 環境 中 ， 這 類 發現 越來越 常見 。 MIT 物理學家 大衛 ． 普里查德 （ David Pritchard ） 首度 分析 一千 位 學生 接受 廣為 使用 的 一 種 概念 測驗 的 結果 時 ， 他 發現 大部分 精心 設計 的 題目 往往 對 問題 學生 是 挑戰 ， 對 準備 較 佳 的 學生 則 輕而易舉 ， 就 像 大家 預期 的 一樣 。 但 有 兩 個 題目 特別 產生 了 違反 直覺 的 結果 。 拿 A 的 學生 做 得 好 ， 拿 B 的 學生 做 得 較 差 ， 但是 拿 C 、 尤其 是 D 的 學生 比 拿 B 的 學生 表現 更 好 ！ 他 發現 題目 的 用語 是 模稜兩可 的 ， 但 拿 A 的 學生 似乎 知道 題目 在 問 什麼 。 許多 表現 較 差 的 學生 在 誤解 題意 之後 ， 用 常見 的 錯誤 物理 觀念 反而 做出 了 對 的 答案 — 正 所謂 負負 得 正 。 這 就 是 教 一 班 三十 名 學生 的 一般 教師 絕 不 會 注意到 的 事 ， 但 因為 普里查德 找 了 數百 位 學生 來 參加 觀念 測驗 ， 資料量 夠 大 ， 使得 分析 能 找出 問題 。 依據 新 得到 的 資訊 快速 調整 課程 ， 只有 在 網際網路 時代 才 做 得 到 。 但 吳恩達 小心翼翼 地 指出 ， 他 其實 不 贊成 純 線上 教育 。 他 熱衷 於 所謂 的 翻轉 教學 ， 也 就 是 真人 教育 配合 大量 線上 教學 。 由於 機器 學習 課 的 高人氣 ， 今天 上 過 吳恩達 的 課 的 學生 遠 比 以前 多 ， 但 他 的 授課 時間 其實 比 以前 少 很多 。 他用 課堂 時間 教 高階 觀念 、 試驗 新 教材 、 以及 研討 大 題目 。 「 教師 可以 從 網站 看看 學生 哪裡 弄 對 、 哪裡 弄錯 ， 以便 將 課堂 討論 專注 在 學生 真正 感到 困惑 的 地方 。 」 未來 的 教室 會 是 什麼 模樣 堪薩斯 州立 大學 物理學家 狄恩． 佐爾曼 （ Dean Zollman ） 與 桑傑 ． 瑞貝羅 （ Sanjay Rebello ） 做 過 這 個 領域 裡 的 一些 最 先鋒性 的 研究 ， 他們 在 二○○五年 給 學生 PDA ， 並 教 他們 在 課堂 中 發送 簡訊 （ 只要 是 物理課 ） 。 佐爾曼 和 瑞貝羅 可以 對 每 位 學生 即時 小考 ， 並 依 結果 改變 課堂 計畫 。 佐爾曼 和 瑞貝羅 的 課堂 ， 在 許多 方面 都 可以 看到 吳恩達 教學 的 影子 ， 或許 這 也 是 未來 所有 教室 的 樣貌 。 在 一 則 媒體 報導 中 ， 瑞貝羅 表示 該 系統 有效 地 解決 了 弱勢 學生 課堂 參與 的 問題 。 「 我 發現 即使 在 小 教室 ， 這 也 能 讓 我 感覺到 這 群 沉默 的 多數 或 沉默 的 少數 學生 怎麼 想 事情 ， 這 是 我 〔 平常 〕 不會 得到 的 發現 。 」 在 線上 學習 的 世界 ， 吳恩達 已經 有 許多 競爭 者 。 美國 東岸 的 ed X 平台 已經 吸引 了 數千 名 參與 者 ， 它 的 特色 是 MIT 和 長春藤 名校 提供 的 線上 互動 課程 。 在 西岸 ， 吳 的 兩 位 史丹佛 同事 瑟巴斯鈞．史倫 （ Sebastian Thrun ） 和 彼德．諾維格 （ Peter Norvig ） 大約 也 與 他 同時 把 他們 的 人工 智慧 互動 課程 放上 網路 ， 現在 則 主持 一 家 叫 Udacity 的 公司 。 諾維格 也 擔任 Google 研究 總監 ， 是 這 家 以 年輕人 居多 的 公司 裡 ， 最 年長 的 高層 主管 之 一 。 在 加入 這 家 搜尋 巨人 之前 ， 他 曾 在 美國 航太 總署 艾姆斯 研究 中心 （ Ames Research Center ） 負責 電腦 科學 部門 ， 在 那裡 從事 送 機器人 上 太空 的 工作 。 他 被 認為 是 人工 智慧界 最 頂尖 的 學者 之 一 ， 但 也 因 他 古怪 的 風格 聞名 。 如果 你 在 一 個 大 場合 撞見 諾維格 ， 他 很 可能 就 穿著 他 的 招牌 夏威夷衫 。 在 公開 場合 ， 他 以 一 種 緩慢 、 彷彿 發自 沼澤 深處 的 聲音 說話 ， 好像 是 從 他 六 英呎 多 的 身體 底部 發出來 的 。 他 的 數學 天才 以及 內在 搞笑 的 靈魂 ， 似乎 達成 了 奇特 而 穩固 的 平衡 。 教線 上課 時 ， 他 發現 會 搞砸 實體課 的 小 錯誤 及 滑稽 時刻 ， 在 線上 效果 卻 不錯 。 「 我 原 以為 是 要 錄製 影片 並 使 它們 完美 無瑕 。 但 我 發現 ， 其實 是 要 建立 個人 與 個人 的 連結 。 找出 讓 學生 投入 功課 的 方法 。 」 他 告訴 我 。 我 第一 次 遇到 諾維格 是 在 二○○七年 舊金山 的 奇點 高峰會 。 我們 閒聊 了 一下