這是GP小梨君的第16篇教育筆記

文章源于日本AI專家Noriko Arai TED演講，由小梨君整理和翻譯

歡迎轉載和分享，請尊重原創注明來源。

關于人工智能AI， 研究人員一直表示 ，我們人類不需要擔心， 因為隻有輕微的工作才會被機器接管。 真的是這樣嗎 ？人工智能将創造新的就業機會， 所以失業的人會找到一份新的工作。 但是，真正的問題是： 又有多少可能由于AI而失去工作的人能找到一份新的工作呢？ 特别是當AI聰明得足以比我們大多數人學習得更好的時候？

如果要問有多少人會認為 AI将在2020年之前通過頂尖大學的入學考試， 一定會有很多人回答“當然可以！”還有一些人可能會說：“也許， 因為AI已經赢得了頂級的圍棋選手。” 其他人可能會說：“呃，不，永遠不可能。”那意味着我們現在還不明确答案。日本的AI專家Noriko Arai便是基于此而開始了東大機器人項目， 制作一台能通過日本頂級大學東京大學的入學考試的AI。

為什麼要以入學考試為基準呢？

Noriko Arai團隊認為必須研究人工智能與人類相比的性能，特别是在規模和專門知識上，它們被認為隻由人類獲得，而且隻有通過教育才能獲得。要進入東京大學， 必須通過兩種不同類型的考試。 第一個是多選風格的國家标準化考試。必須要讓 7個科目獲得高分 ——可以說是84％或更高的準确率 ，才被允許進行 第二階段的筆試。

以“Jeopardy！”（危險邊緣）這個挑戰遊戲來解釋一下現代AI的工作原理。一個典型“Jeopardy！”問題如 “莫紮特的最後一個交響樂隊與這個星球同名”。

如果不知道答案，我們會Google，百度，對吧？我們會以關鍵詞， 如“莫紮特”，“最後”和“交響樂”進行搜索。 機器基本上是一樣的。 那麼具有這個屬性的維基百科頁面将排名第一。 然後我們再選擇讀取頁面。

不幸的是，現代的很多AI（ 包括Watson，Siri和Todai Robot） 都不能夠閱讀。 但他們非常擅長搜索和優化。 它将會認識到 ，這些關鍵詞“莫紮特”，“最後”和“交響曲” 出現。 所以如果能找到一個這個星球的詞， 并且與這些關鍵字共存， 這一定是答案。 在這種情況下，Watson找到了正确答案是“木星”。

東大機器人也是類似地工作，但是在回答一些關于Yes or No的曆史問題時候會更有智慧。比如像“查理曼擊退了馬紮爾人。這句話是真的還是假的？” 機器人就會開始産生一個事實上的問題， 如：“查理曼親自擊退了【這個人類型】”。 然後，結果顯示“阿瓦斯”，而不是“馬紮爾人”排名第一的時候。那這句話可能是假的。 東大機器人不會讀，不能理解， 但在許多情況的統計上是正确的。

對于第二階段筆試部分， 比如需要寫一個這樣的600字的短文：[讨論 17世紀東亞和東南亞海運貿易的崛起...]在不理解這件事情的前提下，和以上所提到的一樣，機器人會通過把教科書和維基百科的句子 結合在一起，并對它進行了優化，最後形成一篇文章。

但令人驚訝的是，通過遠程服務器工作的機器人比大多數學生寫了一篇更好的文章。

數學怎麼樣？自“人工智能”一詞誕生以來，全自動數學解題機一直是一個夢想，但長期以來一直保持在算術水平上。 去年，Noriko Arai 團隊成功開發出一套系統，解決大學前水平的問題。例如下面一道數學問題， Noriko Arai 團隊不得不教二千個數學公理 和八千個日語單詞 ，以接受自然語言寫的問題。 把原始問題翻譯成機器可讀的公式。 不可思議的和有趣的是，現在機器能夠輸出一個完美答案了。

盡管證據顯示機器是不可能讀的。但現實是，在去年第二階段筆試部分中東大機器人就在數學成績上排進了前1%。

那麼，它通過東京大學考試了嗎？答案是沒有。因為機器不能理解。比如在英語考試中一段兩人對話。

Nate：再過幾分鐘我們就要到書店了。 Sunil：等等 ______ Nate：謝謝你！這總是發生...]

空格中的選項有

➀ 我們走了很久了

➁ 我們快到了

➂ 你的鞋看起來很貴

➃你的鞋帶是解開的

對我們來說，很容易能夠理清情況 。顯然第四是正确的答案。 但是， 即使在使用深度學習技術學習了150億個英文句子之後，Todai Robot選擇了第二個。還是和上述所提到的一樣： 現代的AI不能讀， 不能理解。它們隻是顯得像理解了一樣。

在有 50萬學生與東大機器人參加同一考試結果中。東大機器人能夠排在全體學生的前20％， 能夠通過日本多于60％的大學， 不包括東京大學。但我們能看到它是如何超越了 白領階層的數量。在繼續給數以千計的學生做了一些簡單的多選題測試後，仍舊發現大約三分之一的學生都不能答對的問題但是機器人答對了。這無疑會令人恐慌，沒有智慧的機器怎麼能比學生們、比我們的孩子們表現的更好呢？

我們一直相信，隻要能在網上免費提供好的學習材料，讓孩子們能夠通過互聯網訪問，每個人都能學并且學的很好。但是，一些優秀的材料可能隻對那些能讀得好的人有益，而且那些讀得好的人的百分比可能比我們預期的要低得多。我們人類将如何與AI共存，這是我們必須在确鑿證據的基礎上仔細考慮的問題。與此同時，我們不得不匆忙地思考，因為時間不多了。

我們人類能夠理解。對于AI來說是非常非常缺乏的。但是大多數學生隻是把知識包起來，而不去了解知識的意義，所以這不是知識，隻是記憶，但人工智能是可以做同樣的事情并且比我們要做的好的。所以我們必須考慮一種新的教育方式。從生搬硬套知識到理解其意義的轉變。

我們需要讓孩子們知道如何思考，如何解決問題。在對現實問題的不斷考量以及對優質教育的持續探索上，Gear&Pear以前瞻的視野和前沿的技術不斷創新，率先在STEAM的基礎上升級優化，首創基于PBL的STED跨學科創客教育課程體系（Project—Based Learning項目制學習，Science科學，Technology技術，Engineering工程，Design設計）。

注重學習與現實世界的聯系，注重學習過程中的體驗，而非生硬的知識結果。希望孩子們創造能夠應用于真實生活的知識和技能，運用這一切改變他們的未來，迎接未來的世界。

END

文章内容為齒輪梨原創，部分圖片源自網絡，如需使用請聯系授權。

（Wechat ID:gearpear ）