從人工智能圍棋AlphaGo看學習
2016-03-21
人工智能程式AlphaGo以總分4比1擊敗圍棋世界冠軍，技驚四座，成為很多傳媒的報道焦點。
外子是圍棋超級愛好者，對腦神經學習亦頗有心得，他和我談論上述事件背後的理論及實踐基礎，和對人類學習的啟發。
圍棋是不涉及估算及運氣的思考活動，可說是世上最複雜的棋盤遊戲。以電腦和人工智能與實力高強的棋手對弈，更令對手棄子投降，實在不可思議！
AlphaGo程式是人工智能的巨大突破，程式設計團隊以人類神經網絡為藍本，嘗試開發能夠學習和思考的機器。程式模擬人類腦細胞的多層網絡結構及運作模式──通過不同的經驗改變細胞間眾多連繫接觸點的反應強度，以提升整個網絡對周遭環境的回應果效，這也是人類學習過程的特性。
AlphaGo程式以十萬多的專業圍棋手的棋譜作為情境的輸入，用專家棋手們在類似情境的棋法作為成功指標，使網絡成千上萬的接點強化連結的特性，令程式可自行學習和思考，並能在相近的情境下，懂得運用人類專家棋手的下棋技術。
除此之外，智能網絡與人類學習一樣，需要通過反覆練習來強化學習果效。智能網絡以自我比賽作為練習平台，總結無數棋局的經驗，自行學習，逐步提升網絡接觸點的功能，這次才能與世界級冠軍分庭抗禮。
外子對AlphaGo程式的闡釋，強化我對孩子學習的一些想法。
經歷是學習的必要條件，但這些經歷必須能衝擊學習者腦內的固有網絡，讓他們運用已有知識，啟動及激活相關網絡，掌握新的知識和技術。如智能網絡一樣，孩子通過比較和檢視不同經歷的結果，改進腦內網絡連繫點的特性和強度，自然能在近似的情境下，解決困難和掌握新的知識，有效回應新的挑戰。
人類學習與人工智能網絡確有類似的地方，人卻缺少了人工智能一個非常重要的優勢——人是有情緒的，我們的學習常會受到情感影響。
在眾多學習經歷裏，學習者總會有成功和失敗的時候，強烈的情緒絕對影響孩子的專注、投入和得着。在這個領域裏，無論多麼先進的機械及人工智能，絕不能取代教師的專業知識和角色。教師的從旁點撥和鼓勵，對孩子的學習至為重要。與教師同工共勉。
作者：梁翠珍
獲星島日報授權轉載