著名 ） 的 滴畫 ， 進度 和 內容 都 很 個人化 。 直到 最近 ， 後者 這 種 自由 放任 的 教法 因 軟體 的 限制 而 無法 再 進步 ， 因為 它 的 核心 是 if-then 的 句子 ， 你 可以 在 《 多重 結局 冒險 》 （ Choose Your Own Adventure ） 中 找到 ： 如果 要 去 鬼影 幢幢 的 地下室 探險 的話 ， 看 第十 頁 ； 如果 要 打電話 給 警察 ， 看 第十二 頁 。 今天 ， 我們 生活 所 依賴 的 演算法 已經 變 得 非常 複雜 了 ， 所以 教育 科技 也 必須 變 得 複雜 ， 上面 那 種 if-then 已 不 夠 用 了 。 在 前面 的 章節 中 有 提到 ， 由 外 到 內 的 教育 研究 者 ， 如 卡瓦 和 文提拉 已經 用 機器 學習 演算法 做 過 實驗 ， 從 學生 的 行為 中 去 找出 有用 的 型態 。 他們 還 沒有 找到 什麼 可 用 的 資料 ， 但是 把 這 同樣 的 技術 應用到 由 內 到 外 的 架構 中 ， 理論 上 可以 提供 勇敢 的 教育 者 ， 或是 說 傲慢 的 教育 者 ， 立即 去 用 。 在 這 教育 科技 機器 學習池 中 最 大 的 魚 當然 就 是 IBM 了 ， 它 最 有名 的 便是 建造 了 可以 回答 問題 的 機器人 華生 （ Watson ） 。 在 二○一一年 華生 變成 家喻戶曉 的 名字 ， 因為 它 在 美國 電視 益智 節目 《 危險 邊緣 》 （ Jeopardy ） 中 ， 打敗 了 兩 個 人類 的 冠軍 。 這 個 比賽 主要 是 測 你 在 腦海 中 裝有 多少 知識 ， 能不能 快速 提取出來 。 華生 上場 時 ， 它 是 沒有 和 網路 連線 的 ， 完全 靠 它 記憶體 中 的 知識 ， 但是 它 的 記憶體 中 有 全 套 的 維基 百科 ， 所以 對 IBM 團隊 而言 ， 最 大 的 挑戰 是 使 華生 了 解 節目 主持人 嘴 裡 說出來 的 話 。 人類 誕生 在 這 個 世界 時 ， 大腦 已經 被 設定好 要 去 處理 語言 ， 這 個 語言 跟 我們 的 閱讀 、 說話 和 聆聽 有 密不可分 的 關係 。 甚至 可以 說 ， 我們 是 個 分析 語言 的 機器 ， 比 任何 電腦 都 行 。 在 過去 的 數十 年 間 ， 因為 電腦 的 能量 一直 增大 ， 機器 學習 從 理論 上 的 可能性 到 實際 操作出來 ， 現在 電腦 開始 要 趕上 我們 。 這 個 機器 學習 背後 的 理論 ， 其實 可以 追溯到 神經 科學 的 理論 ， 即 所謂 的 海伯 定律 ： 「 同步 發射 的 神經元 會 連接 在一起 」 ， 這 是 加拿大 麥吉爾 大學 的 海伯 最早 提出來 的 。 不同 強度 突觸 同步 發射 時 ， 就 形成 記憶 的 基礎 ， 電腦 科學家 開始 去 想 如何 用 電腦 編碼 ， 去 代表 大腦 中 的 神經元 和 突觸 發射 的 機率 。 他們 可以 做 一 個 虛擬 的 神經元 ， 對 許多 複合 的 輸入 如 數位 相機 中 ， 對 光波 長短 敏感 的 細胞 訓練 它 發射 或 不 發射 （ 即 給 一 個 是 或 不 是 的 回答 ） ， 就 好像 一 個 虛擬 的 神經元 ， 可以 被 訓練 去 辨識 某 個 形狀 是否 為 某 個 字母 （ 這 跟 大腦 字母盒 的 功能 非常 相似 ） 。 人工 神經元 尋找 型態 的 能力 開始 展開 ， 所以 當 把 它們 一層層 堆積 起來 ， 每 一 層 「 是 」 或 「 否 」 的 輸出 ， 都 會 去 訓練 下 一 層 的 細胞 。 今天 ， 這 個 「 深度 學習 」 （ deep learning ） 系統 有 二十 層 以上 的 神經元 24 ， 在 這 系統 最 複雜 的 部分 裡 ， 從 第一 層 的 輸入 到 二十幾 層 的 輸出 中間 發生 的 大部分 事情 ， 是 被 隱藏 的 。 這 個 不 透明 和 深度 學習 系統 已經 充斥 在 我們 的 生活 中 ， 有 一 群 現代 電腦 科學家 提出 一 個 新 的 領域 叫 「 機器 行為 」 （ machine behavior ） 來 研究 這 個 效應 25 ， 這 個 領域 是 想 應用 行為 主義 的 刺激 — 反應 典範 ， 這 個 在 史金納 、 華生 甚至 桑戴克 手 上 發揚到 極至 的 典範 ， 來 研究 電腦 的 演算法 。 正 是 這 種 演算法 ， 透過 訓練 可以 抽出 口語 英文 句子 中 的 語意 型態 ， 將 它們 和 知識庫 去 做 比對 ， 使得 IBM 的 機器人 華生 可以 在 節目 中 打敗 人類 。 當 觀眾 逐漸 習慣 這 個 益智 節目 霸主 時 ， IBM 已經 把 這 個 問答 系統 擴張到 健康 知識 、 財經 、 法律 ， 甚至 是 足球 領域 26 。 二○一六年 IBM 宣布 ， 華生 教育 （ Watson Education ） 誕生 了 27 。 在 我 寫 這 本 書 時 ， 華生 教育 有 兩 個 主要 的 產品 ： 華生 教室 （ Watson Classroom ） 和 華生 家教 （ Watson Tutor ） ， 它們 就 像 兩 面 神 （ Janus ） （ 譯註 ： 羅馬 神話 中 的 神 ， 有 兩 張 面孔 ， 一 個 看 前面 ， 一 個 看 後面 ） ， 分別 面向 老師 和 學生 。 IBM 的 工程師 可以 把 資料 ， 例如 地質學 的 內容 ， 餵給 華生 的 核心 系統 ， 它 會 把 這些 資料 分類 送到 不同 的 主題 去 。 IBM 華生 教育 的 策略 應用 部門 全球 主任 卡布蘭 （ Alex Kaplan ） 說 ： 「 你 必須 訓練 它 對 某 一 個 領域 專精 ， 這 個 ， 」 他 指 著 手 上 的 盒子 說 ： 「 這 是 目前 地質學 所有 已 知 的 資料 ， 所以 當 華生 了 解 這些 全部 的 資料 後 ， 它 就 可以 畫出 一 個 主要 概念 關係 的 地圖 來 ， 於是 你 就 有 了 地質學 的 概念 地圖 。 」 透過 幾 種 不同 的 方法 — 華生 教室 主要 是 標準 測驗 的 數據 ， 華生 家教 主要 是 由 聊天 機器人 從 教科書 中 提出 問題 — 核心 系統 可 藉 此 試圖 找出 學生 個人 的 學習 型態 。 IBM 發展 華生 家教 主要 是 希望 它 成為 一 個 聰明 的 貓頭鷹 ， 坐 在 你 的 肩膀 上 ， 在 你 讀 教科書 時 回答 你 的 問題 。 一旦 你 啟動 了 這 個 電腦 程式 ， 它 的 目的 只 有 一 個 ， 使 你 了解 這 一 章節 中 每 一 個 重要 的 概念 ， 不停 問 你 問題 ， 暗示 答案 在 哪裡 （ 目前 只有 高等 教育 和 專業 領域 的 學生 如 醫生 、 律師 、 會計師 才 可以 有 管道 用到 ） 。 這 種 熟練 學習 法 （ mastery learning ） 跟 大部分 教室 的 熟練 學習 不 一樣 ， 它 把 每 一 個 主題 切 得 非常 薄 。 它 不 是 把 「 熟練 」 定義為 九五％ 以上 答對 ， 而是 把 主題 分化成 兩極 ， 你 要不然 就是 知道 氧 是 地殼 表面 最 充分 的 氣體 ， 要不然 就是 不 知道 ， 沒有 中間 的 灰色 地帶 。 講起來 ， 這 種 科技 要 來 取代 人類 老師 還 有 很 長 一 段 路 要 走 。 在 目前 ， 即使 是 最 好 的 機器人 如 亞馬遜 的 Alexa ， 來 教 歷史課 都 不行 。 老師 們 其實 不必 擔心 會 被 機器人 搶走 飯碗 。 然而 ， 機器 學習 的 軟體 跟 以前 的 軟體 很 不 一樣 ， 它 不 是 會不會 （ whether ） 的 問題 ， 而是 什麼 時候 （ when ） 的 問題 。 在 往後 的 日子 裡 ， 我們 會 看到 很多 來自 華生 母公司 的 新 科技 ， 如 杭州 的 松鼠 （ Squirrel AI ） 是 幫助 學生 準備 中國 年末 的 標準化 考試 ， 而 它 已經 用 在 紐約市 全部 的 公立 學校 系統 中 ， 幫助 了 很多 學生 28 。 它 把 學校 的 科目 切到 非常 細 ， 例如 把 中學 的 數學 分割成 一萬 個 教學 重點 ， 像 小 精靈 （ Pac-Man-like ） 電玩 遊戲 那樣 ， 讓 學生 依 自己 的 學習 步調 ， 一 口 一 口 吞下去 。 將來 ， 「 人類 老師 會 變 得 像 自動 駕駛 飛機 的 機師 。 」 這 個 公司 的 創始人 李 （ Derek Li ） 告訴 MIT 《 科技 回顧 》 （ Technology Review ） 說 ， 他 的 存在 主要 是 提供 乘客 情緒 上 的 安全感 。 大部分 這 種 由 內 到 外 機器 學習 的 教育 科技 是 用 在 STEM 領域 上 ， 因為 它們 的 內容 很 清楚 （ 不 像 文科 有 模稜兩可 的 情形 ） ， 問題 也 有 明確 的 答案 ， 所以 適合 自動化 。 不過 ， 現在 已 可 用 電腦 來 改 考卷 和 作文 了 ， 用 人類 打 過 分數 的 作文 去 訓練 機器 學習 的 演算法 ， 使 它 學會 什麼 是 人類 認為 的 好 文章 ， 在 很 短 的 時間 改出 大量 的 作文 ， 美國 最 主要 的 研究所 入門 考試 GRE 也 是 用 機器 來 改 作文 ， 這 個 系統 叫 「 e-rater 」 。 GRE 的 母公司 在 二○一八年 公布 了 一 個 內部 研究 29 ， 去 探究 e-rater 認為 好 文章 的 因素 是 什麼 （ 這 種 系統 如何 運作 一直 都