現代教育通訊118期

新興科技，包括人工智能(AI)近年來已逐漸融入教育環境，對老師們而言更不會感到陌生。無論是課前備課、教材設計，還是課後教務處理，AI的身影早已悄悄滲透進每日教學流程之中。AI工具的出現，確實大大縮短了準備教材的時間，也簡化了不少行政工作。但在課堂上實際應用AI，往往卻面對不少困難與疑問。

 

隨着AI 科技的日漸成熟，現時社會對「 人工智能」的理念、發展及應用大致有着以下粗略的共識：所謂「 智能」，是指有能力獲取、處理及運用數據(Data)及資訊(Information)，並因而作出有系統、有策略的理智決定，從而解決問題。應用新興科技去模仿或進行以上的過程就是我們所謂的AI了。應用電腦及編程的方法去完成這過程，就是「機器學習(Machine Learning)」；參照「神經網絡(Neural Network)」而設計的機器學習，就是「深度學習(Deep Learning)」。

 

作為一位數學老師，我經常思考一個關鍵問題——AI如何真正走進數學教學的核心？運用AI不只是協助老師教學，更是要啟發學生的學習方式，讓他們懂得適應並善用AI工具，甚至未來能主動訓練AI、與AI互動學習。

 

要做到這一點，首先我們必須讓學生理解AI的運作邏輯，尤其是「機器學習(Machine Learning)」的過程。AI的本質是模擬、呈現與擴展人類的智慧。很多人以為AI只是預先設定好程式，然後電腦依據規則運作——這是一個誤解。現今的AI不僅能按規則處理資料，更重要的是它能從資料與結果之間反推規則，這正是機器學習的核心概念。

 

如果我們把「機器」看作是「學生」，教育工作者的任務就是理解這位新型學習者的行為、特質與邏輯。當教師了解機器的學習方式，就能充分發揮AI的優勢，而AI的智慧，正來自資料與人類引導下的學習過程，而非單靠程式的進化。

 

隨着技術演進，我們見證了AI由「機器學習」進一步走向「深度學習(Deep Learning)」。深度學習的誕生來自人類理解：原來機器也需要老師。我們開始模仿人類大腦的神經元結構，打造類似學習機制的演算法。像「卷積神經網絡(CNN)」這類模型，就以分層方式分析物件特徵，模仿人類視覺系統去辨識圖像。這種由外而內、層層深入的分析方式，便是AI學習的精髓所在。當AI辨識出物件的外形後，便會開始補足其內部細節以完成資訊處理。我們期望學生在不斷學習的過程中理解並應用此一概念，從而具體掌握AI的運作方式。如何協助學生理解這一複雜的過程，是當前課堂教學的一大挑戰。

 

學生的學習運用、適應AI的歷程，個人認為可以分作「體驗(Experience)→ 理解 (Understand)→ 掌控(Control)」三個階段。而在初小學階段，學習重點應該放在由「體驗 → 理解」這過程中。以下就用一個我到某間小學做試教的經驗，闡述這個過程。而在試教中，我運用了Google的Teachable Machine平台進行AI教學，讓小三學生理解「機器學習」的五大流程：「定義問題→蒐集數據 →處理數據集 →訓練模型→推論與預測」。

 

首先我就設立了一個學習主題——「AI 能否辨認三角形？」這個主題非常適合三年級學生，因為他們剛完成有關圖形的課題，透過訓練AI模型，有助他們在學習後主動實踐與探索，將抽象知識轉化為互動體驗。整個活動本身極具趣味性，所以過程中學生參與其中時都非常投入，並能深化對三角形辨識的理解。

 

設立好學習主題後，就需要老師着手準備教材與資料，搜集適用的數據作為 AI 模型的訓練素材。因為在AI訓練中，數據的質素和多樣性是關鍵因素。或者有人認為數據隨便就可以在網絡上搜索得到，其實並不然。要搜集適合訓練AI的優質數據，事實上需要花費大量時間、精力與資源。

 

準備好所有前期工序後，就可以進入主題——引導學生訓練AI。訓練流程為：選取十幅圖片作訓練，再準備一組測試資料以進行模型驗證。裝置具備鏡頭，可利用即時影像辨識；沒有的話就透過上載圖像進行分析。有些學生想自行搜尋圖像，其間我建議他們使用英文關鍵詞配合Google Translate工具進行搜尋，因為中文搜尋未必取得足夠或者符合他們心目中想要的素材。在整個教學的過程中，學生不單學會搜尋、輸入資料，更可觀察模型輸出結果，從而理解 AI 辨識的準確度。

 

學生利用自己的數據教導AI辨認三角形，這樣不但鞏固他們的已有知識，更能深切體驗機器如何學習。在整個過程中，學生就成為「小老師」，親身訓練 AI 模型。當模型完成學習並成功輸出結果後，便可進入測試階段。值得留意的是，整個訓練流程正是模仿神經網絡的運作模式，所以模型必須重複進行多次訓練才能得出準確結果。

 

例如首批圖片可設定為 50 張，輸入時以每批 16 張作訓練，即批次數量為 16張。若上載100張圖片，系統便會自動分批處理並執行訓練任務。這些技術操作雖簡易，但背後蘊含的邏輯與數學概念，正是我們希望學生能在體驗中逐步理解與吸收的知識。

 

透過整個教學歷程，學生不但親身參與了資料蒐集與模型訓練的過程，更在互動中體驗到AI的邏輯與運作方式。從最初的圖像分類，到理解神經網絡如何從資料中推導規則，他們開始從使用者的角度，轉向訓練者的角色，這種角色的轉換大大提升了學生的學習動機。在課堂中，我們不再僅僅向學生灌輸知識，而是透過引導與設計，讓他們以「小老師」的身份，親自教會AI模型如何學習。學生在建立與測試模型的過程中，不只鞏固了數學知識，更發展了觀察力、邏輯推理、資料管理和批判性分析等多項跨學科能力。

 

當然，以上的教學，可以有各種變招，也可以在高小進行。例如可以改用有AI Mode 的「人形機器人(Humanoid Robot)」，讓高小學生訓練它們進行各種有意義的分類與辨析活動。隨着高小學生「編程能力」的提升，教師更可將「理解 → 掌控」這過程也安插其中，讓他們控制人形機器人就不同的分類與辨析結果作出回應。這對幫助小學生自學，令學習活動變得生動有趣，以及提升他們的學習動機都有幫助。

 

AI對很多人而言，或者是日常處理不同事務的小助手，但若果可以透過適切的方法引入到數學科，將會是一場教育理念的革新。透過精心設計的教學活動，學生能夠在愉快氛圍中，實踐理論、建構模型、反思邏輯，從而將傳統知識學習，轉化為新世代智能啟發。AI不再只是冷冰冰的工具，而是一位可以對話、可以學習的「學生」，等待著被理解與教導。而老師的使命就是，成為AI教育與學生成長之間的橋樑，引領他們走進一個更具創造力與思辨力的未來。