幾年前以真人真事改編的奧斯卡得獎電影「解碼遊戲」，內容講述英國科學家艾倫‧圖靈（ Alan Turing ）於第二次世界大戰時，成功設計出人類第一部電腦。圖靈不單開發了最早期電腦的雛形，亦最早提出人工智能的測試方法，後稱為「圖靈測試」（ Turing Test ）。他提出當電腦有一天可以模仿人類智慧，讓我們隔著牆與電腦對話時，不能分辨出對方是真人還是電腦，那便成功通過「圖靈測試」。然而，當時科學家們卻估計這人工智能的構思，在 100 年內也不可能實現。
事實上，筆者第一次接觸人工智能的學術書籍是在 80 年代。當時的人工智能是非常冷門的學科，過了整整 30 年，人工智能才再被重視，且極速地被植入不同的科技產品中，催化「第四次工業革命」的誕生。這主要是與過去 10 年流動網絡的蓬勃發展，與我們的衣食住行連上不可或缺的關係，形成了網上的海量數據，從而建成了巨大的數據庫，足以實現數十年前科學家認為不可能短時間內發生的人工智能技術。
甚麼是人工智能？
人工智能的原理是模仿人類的學習方法，就是人類大腦的神經細胞，在學習的歷程中，由零開始，透過反覆練習、嘗試，逐漸地將零散的神經細胞連接起來，形成「學問」，因而可以根據外在環境提供的資訊，作出相應的決定。人工智能程式就是模仿大腦運作，先透過隨意記憶體模仿大腦的神經細胞，開始時是零智能，透過反覆輸入測試數據，如：在系統上載不同動物的照片，再將相同動物的照片標籤作歸類，經過大量照片的訓練，電腦程式就可以逐漸分辨各類動物。這種有學習能力的電腦程式設計稱為「人工神經網絡」（ Artificial Neural Network, ANN ），透過足夠的學習數據，程式就能學到如何對不同輸入訊息作出分析。以天氣預告為例，程式員並不一定要知道氣壓、溫度、風速等數據與下雨的關係，只需透過運用 ANN ，輸入足夠的歷史數據，讓電腦程式學習這些數據之間的關係，便能準確地計算天氣預測。
解決教學差異問題
在教育議題上，人工智能有助解決最核心的問題，就是實踐「因材施教」。每個學生的學習能力、興趣都各有不同，如教師與學生可以一對一的教學模式，當然能夠充分掌握學生的學習難點，並施以合適的幫助，其教學效益必定比大班教學高。事實上，在課堂中推行一對一教學方法的機會近乎零，同班的學生，往往只有同一個課程、同一個進度、同一樣功課，能力稍遜的學生要承受的壓力相對大，亦有機會跟不上學習進度。而人工智能學習平台為師生們提供出路，平台透過收集每一位學生累積的學習數據，分析其學習能力，並提供適切的學習資源及練習，讓每一個學生均得到最合適的支援。
人工智能學習的研究已有 20 多年歷史。當中提及的開放步驟是先建立知識圖譜（ Knowledge Map ），將每一個要學習的知識有系統地訂立關係圖，再透過智能程式，根據各學生的能力提供最合適的個人化學習路徑，達到「因材施教」的目標。坊間較成熟的人工智能學習系統有 Knewton 、 ALEKS 、 AutoTutor 等，多為外國開發的產品，下一次會再詳細介紹。