超越算法：人工智能仍無法教會我們的事

過去幾年，人工智能（AI）的廣泛影響幾乎遍及社會每一個層面，而教育也不例外。為了解教育工作者應該如何回應AI浪潮，院刊訪問了數學與資訊科技學系兩位 STEM 教育與教育科技專家：吳子傑博士(Davy)和張浩然(Haoran)博士。我們也很高興邀得同一學系的陳謝天(David)博士主持訪談。

是次訪談探討了AI如何影響教與學，以及誤用AI的不良後果，並且討論了一個根本問題：在AI能執行複雜任務如寫作、分析、設計、翻譯，甚至提供情感支持的時代，人類還有甚麼獨特且無可取代的價值？他們也反思大學教育的未來，包括當知識變得迅速過時、AI 能即時提供答案時，大學教育應教授甚麼內容？

陳博士現任數學與資訊科技學系研究與發展委員會主席；張博士為人工智能與教育科技（榮譽）理學士 (BSc(AI&EdTech)) 課程主任，吳博士則是教師專業進修課程證書(ICT)課程統籌。

吳博士：我在大學主修計算機科學。當時，運算思維與STEM教育成為學術界的一個重要的趨勢。畢業後，我在一所中學任教資訊與通訊科技（ICT），擔任該校STEM統籌一職約兩年。我完成教師教育深造文憑（PGDE）後，便開始任教ICT；期間，我攻讀了教育心理學教育碩士（MEd），後來繼續攻讀教育與科技博士學位。這種課堂經驗與研究所學習的結合，幫助我理解如何將科技、教育心理學與實務教學法結合起來。

在修讀碩士和博士期間，我發現自己對研究和學術寫作產生了濃厚的熱情。當時，我有機會進行幾個令人興奮的教育相關項目，例如利用3D打印技術把抽象的數學概念視覺化地呈現，促進學生對相關概念的了解，以及利用AI為STEM教育製作多種模擬和應用情境。我也對尋找更有效率及更愉快地學習的方法產生了濃厚興趣。這種透過研究提升學生表現和創新教學法的渴望及興趣，讓我認為進入高等教育是自然而然的一步。我在2024年加入教大。

張博士：我的本科學位和哲學碩士（MPhil）都是修讀理論物理的。當時，我同時研習理論物理和計算物理，計算物理涉及撰寫電腦程式來模擬物理系統。我的研究也涵蓋遺傳演算法，是演化計算與人工智能中重要的技術。那是我第一次接觸AI。

畢業後，我在本地一所大學任教副學士學位課程，教授數學、科學、電腦及許多與科學相關的科目。教了九年書之後，我意識到雖然我對學科有紮實的知識，卻不知道如何有效地教學。因此，我攻讀教育博士學位，學習教育理論。畢業後，我在2022年加入教大。

雖然我的學術訓練植根於理論物理與教育，但我的工作也涉及電腦科學與AI。過去幾年，學術界一直非常關注怎樣以真正造福學生的方式，將 AI 整合於教育中。我不認為 AI 一定是「好」的。對我來說，重要的問題是：應該如何明智地使用AI？在AI時代，學生、教師乃至人類，仍能創造什麼獨特的價值？如果AI被錯誤使用，會嚴重損害教育。

張博士：要明白AI帶來的傷害，首先要明白信息不等同知識。現今教育中，許多學生使用 AI 來生成答案。但當每個人都用類似的工具、用相似的方式得到類似答案時，大家看起來就變得一樣了。這稱為同質化，背後反映的是對事物的膚淺理解：你知道某事物存在，但你並不真正理解它為何存在或如何改變它。

當大家的理解都流於表面時，僱主便很難區分不同應徵者。你不會比別人更具優勢，也無法證明自己的價值。當AI處理和呈現信息的能力比你更強時，你便難以立足。

AI可以提供大量信息，但信息並非知識。只有當我們運用信息解決真實問題時，知識才會逐步形成。這正需要高階思維：判斷信息是否相關和可靠、比較不同信息，並透過推理找出解決方案。

現代神經科學提供了一個有助理解這點的角度。透過反覆練習和主動解難，大腦可以強化和調整與特定技能及思維模式相關的神經連結。換言之，學生要加深理解，不能只是接收信息，還須主動運用、質疑信息，並把它應用於現實問題。危險在於，學生若過度依賴AI代替自己思考，便會失去親自建構知識的機會；這是AI時代其中一項最大的風險。

吳博士：Haoran剛才談到的正是AI素養的內容。雖然 AI 素養的意義不斷演變並從不同的角度被理解，但它通常包含四個面向：基於布盧姆分類學的（1） 對 AI 的知識與了解，（2） AI 的使用與應用，（3） AI 的評估與創造，以及 （4） AI 倫理。這些面向幫助人們了解 AI 如何運作、如何有效運用AI、如何判斷其輸出，以及如何在不同情境中負責任而有意義地應用它。

第一個面向是關於AI的知識與技能。每天都有新的 AI 工具與概念在市場上出現，如AI代理人、數碼虛擬人和具身AI，新工具有其獨特的可能性，亦帶來新的挑戰。不同的人需要不同的情境知識，例如，教師設計教案時需要知道如何運用 AI 來支持有意義的學習。良好的課程設計應該鼓勵學生之間的互動，而不是「直接採用 AI 生成的教材」。相反地，它要求學生用AI搭建、規範並支持自己利用AI的學習歷程。同時，了解不同 AI 工具的功能與限制也非常重要。不同工具可能帶來不同的問題，包括隱私和安全風險，例如，數碼虛擬人可能涉及敏感的生物識別資料。

第二維度則聚焦於AI在不同情境中的應用。當學生撰寫說明性或論證性文本，或解決科學與數學問題時，必須正確使用事實並檢查論點是否有效。但如果他們正在草擬對申訴信的回應，需要的是情感共鳴和同理心。我們說應該如何使用AI取決於情境，就是這意思。

張博士：我們可以從歷史中尋找答案。當蒸汽火車於19世紀初問世時，許多馬車夫擔心會失去工作。雖然馬車逐漸過時，但火車製造與維護帶來了新的工作機會。這個例子顯示，科技變革不僅消滅了一些職業，同時也會創造一些新的工作。

我小學時學會用算盤，後來袋裝計算機出現了。現在線上工具和AI遠比任何人計算得更快，算盤已不再是首選。而當AI今天能寫出電腦程式時，我們是否仍需要堅持古法編程（意思就是「舊方法編碼」，這是個俏皮的稱呼，指的是傳統且無輔助的方式）？

我並不是說算術或程式設計的基礎訓練不再重要。學生仍需這些基礎技能來了解概念、培養思考紀律，並判斷 AI 生成的答案是否合理。重點是，這種訓練應該作為高階能力的基礎，而不是成為教育的最終目標。

我認為，人類的價值不在於在運算或編程方面「擊敗機器」。事實上，AI發展極為迅速，我們不可能在所有這些領域都勝過它。相反，我們應積極善用AI替我們省下的時間和精力。當AI承擔運算等繁瑣重複的工作時，我們便可專注於更深入的思考、反省和更佳判斷；這些都是人類獨有的能力。

在航空領域裡，自動駕駛儀系統已使用多年，但飛行員依然是不可或缺的，不僅因其技能，也因為法律責任通常是由人類操作員或組織承擔，而非AI或機器。真正的人際關係，例如師生之間的關係，也無法被 AI 複製。只有人類教師才能在有意義的人際關係中獲得學生尊敬，其權威才會得到認可。這正是 AI 無法達成的。

我最近請 AI 幫我設計一個旅行計劃。雖然 AI 可以建議路線和景點，但最終我自己對觀光景點和食物的偏好才是最重要的，AI亦無法取代旅行本身的主觀體驗。我認為這個例子展現了人類參與的重要性。AI能支持人類活動，但判斷力、責任感、人際關係與個人經驗等獨特的人類特質，依然無價。

吳博士：Haoran剛提到人對世界的認知，由信息變為知識，再累積成智慧的演化過程。這一點令我想起一個新近的研究項目，那是探討長者與兒童如何利用人工智能一起編寫故事。

在進行項目期間，我帶著一群中學生走訪西灣河、石硤尾等舊區。那裡的年長居民會跟我們分享其故事及有關社區生活的心得。這種經驗是人工智能無法自行生成的。我們發現學生寫作極具創意，然而人生閱歷有限，令他們的創作缺乏了細膩的人情味。聽過年長居民的故事後，並利用人工智能協助寫作，學生便得以創作出更全面和立體的故事。這個情況引證了Haoran剛提到的說法：在信息變為知識及智慧的過程中，人類扮演著重要的角色。

回應我們較早前的討論，AI素養應包含兩個部分：首兩個概念關乎操作和如何有效應用人工智能；後兩個概念則牽涉批判思維和道德內涵，涉及教師在專業教育及學生日常學習中，如何負責任地使用人工智能。

教大是一所專門培訓教師的學府。我們對畢業生抱有專業的期望，他們應擁有正確的學科知識、批判能力及原創思維。他們亦應懂得培育下一代的創意。然而，我們的願景不止於此：未來的教師除了要有知識及技術外，也要持守正確的價值和富同理心。

關懷和同理心是為人師表必要的素質，人工智能沒法取代。我邀請了多名本科生參與一項新近的研究，讓一群中學生在他們的指導下，為長者制訂個人化的健身計劃。我們強調中學生要關心和體恤長者的需要，那才可為他們度身訂造合適的計劃。透過這些項目，我們不但教授知識，也教學生做人。

吳博士：我們大部分學士、碩士及專業進修課程均設有以專題項目為基礎的學習單元。這些學習單元一般都要求學生分組進行專題研究。他們通常會利用人工智能，構思和製作學習應用程式。我們鼓勵學生繼而透過自己的網絡，找出合適的最終用家，然後收集他們的意見，改良相關的應用程式。這種方法體現了讓學生實踐知識的教學理論。我認為我們的教育應更加重視實踐。這些課程能培育學生規劃項目的能力，以應付現實的問題，並同時學習與人合作。隨著人工智能可一手包辦的工作越來越多，這些人性化的技巧就變得比以前重要。

張博士：回答你的問題之前，我想先從建構性對齊的角度概述課程設計。設計良好的課程包含三個相互配合的元素：預期學習成果、教學方法和評估。學習成果界定學生應達成甚麼；教學方法協助學生達成目標，其中包括鷹架式 (scaffolding) 支援，即協助學習者由基礎技能逐步發展至高階能力的支援架構。最後，評估用以檢視學生是否達成預期成果：形成性評估 (formative assessment) 在課程進行期間促進學習，總結性評估 (summative assessment) 則根據預期成果評定課程結束時的表現。

過去，預期學習成果通常側重於較低水平的技能，如記憶及理解。然而，在人工智能年代，人們可輕易取得信息，純粹記得事實已不再是學習的主要目標。當人工智能可迅速提供答案，大學應集中培育學生評審、改良和創造解決方案的能力。這些高階技能便是布盧姆分類學(Bloom’s taxonomy)所指的應用、分析、評價及創造。

例如，當人工智能就一個問題提供多個可能的答案時，學生需要分辨哪才是正確，並選擇最佳的答案；這便是評價。當人工智能未能完全解決問題時，我們便需要尋求新的方法；這就是創造。

張博士：你說得很對，當學生能使用人工智能生成答案時，單憑他們的最終答案來評估他們的表現已變得無意義。因此，我們不再只看最後成果，而是重新審視學習過程。在我們其中一個碩士課程的學習單元，我們調整了評估方式，原先要求學生遞交一份人工智能可輕易生成的文獻回顧；現在，我們要求他們進行訪問，收集專業教育人士的具體建議，然後按照訪問內容，撰寫分析報告。

訪問期間，學生需反覆思考問題，回應及分析被訪者的說話。學生必須抽取重要的部分，詮釋被訪者的真正意思，繼而建立自己的論點。這種評估方法令學習變得可見，並且能夠引發真正的批判思考，而非單純抄襲和拼貼答案。

吳博士：我們提過可以藉著三個關連的元素——預期的學習成果、學習過程和實踐來了解許多課程理論。在這個框架中，實踐是指執行教學理念，在真實的環境下，落實課程綱要，不再只是空談規劃，紙上談兵。

在傳統教學，學生的學習往往被課室所限。然而，實踐的想法為傳統教學帶來改變，這想法要求學生跳出課室，在真實世界的環境應用和驗證所學到的知識。因為中學的學習經常局限在課室以內，這想法對中學教育尤其重要。

利用人工智能把學習擴展至課室以外，是帶動這改變的方法之一。例如，學生可利用數碼虛擬人，學習現場敘事。然後，在教師的指導下，學生可以進一步探討虛擬化身敘事與電影、電視等真實行業的連繫。教師亦可在討論中提出價值上的問題，如當製作電影時，一旦虛擬化身能取代真正的演員時，那麼演技仍然有意義嗎？

另一個做法是把學生帶到真正的社區，如早前提到要求他們訪問舊區的老街坊。此舉有助學生把學習連繫到真實的生活體驗。此外，人工智能亦有助自我調整學習及反思。學生不應視學習單單為從人工智能取得信息，而是向人工智能求問意見，協助反省正在學習和已經學習的一切。

教師是否及如何利用人工智能去教學及評估仍然是一個複雜的議題。原則是不應為求方便而使用人工智能，相反，是要善用科技，達到真正幫助學生學習的目的。教師可採用人工智能，協助處理課室的行政工作及自動批改學生的作業。然而，在設計課堂和評估時，教師仍有許多因素要考慮，包括學生過往的知識。

張博士：學習歷程檔案是另一種評估學生學習的方法。它是一份系統化的文件，呈現學生在一段時間內如何規劃、研究、草擬、修改和學習。檔案既記錄學習過程，也收錄最終成果，包括閱讀筆記和以任務為本的反思。在小班教學中，教師可利用學習歷程檔案評估學習成果，並觀察學生的理解如何逐步發展。

然而，在人數眾多的班採用學習歷程檔案是非常費時。若班級超過一百人，那便變得幾乎不可行。人工智能能審閱大量的學習歷程檔案，這科技的出現為教師帶來喜訊。然而，對於「外判」全部相關的工作予人工智能，教師仍然需要審慎處理，因為人工智能偶爾也會評審出錯。從專業角度看，教師仍須積極參與評估。

在AI時代，教育應更重視培養高階能力，評估亦應更全面地呈現學生的學習。然而，這需要資源。我們已知道如何改善評估，真正的挑戰是有沒有足夠能力付諸實行。目前，我們仍在探索如何把AI最有效地運用於教學和評估，尤其是用來支援而非取代教師專業判斷的方法。

張博士：正如Davy所說，有些教師即使非常擅長使用AI，仍可能選擇不在課堂中使用。教師最重要的責任始終是協助學生達成預期學習成果；至於是否使用科技，我認為是次要的考慮。

清晰的一點是，即使最先進的技術也不會自動提升學習。就算新技術已唾手可得，只有在科技有助達至教學目標時，教師才應該使用。對我而言，若果一個不用電子科技的方式，即單純面對面的互動教學能更有效達致預期的學習成果，那麼，我便會選擇不用電子科技。

儘管如此，教師仍可在適當時使用人工智能，尤其是處理原本極困難或費時的工作。例如，人工智能可協助把長篇訪問轉錄成文字，也可與教師協作。我們知道，持續提問能加深學生對課題的理解，但教師不可能與數百名學生逐一進行密集的一對一問答。人工智能可把這類互動擴展至更多學生。當教師引導學生討論時，人工智能可根據學生的回應提出追問，猶如蘇格拉底昔日在古雅典的公共空間與人辯論一樣。

總括而言，教師若能深思熟慮地使用人工智能，在科技與人類的通力合作下，便可營造一個更互動，更令人投入的學習環境。教師的角色不會在人工智能時代消失，而只是改變。

吳博士：科技，事實上，萬事萬物都在不斷轉變。在人工智能的浪潮下，學生應聚焦終生有用的技能。

每個人一生中都會經歷不同的事情、情緒和挑戰。因此，學生與其只學一項技能，更應培養適應力，即因應新處境作出調整的能力，以及抗逆力，即遇到困難後重新振作的能力。這些素質並非一朝一夕形成，而是隨着我們從個人經歷中學習，逐步融入品格之中。

因此，教育工作者應以適合每名學生的方法，協助他們增強適應和抗逆能力。那麼，即使人工智能繼續演變，世界不斷變遷，他們仍可滿有信心地應付新挑戰。

張博士：研究人員撰寫論文時，打字本身並非目的；最重要的是他們希望分享的內容，包括研究方法、數據收集與分析，以及對研究結果的詮釋。我們可以使用電腦、語音轉文字應用程式或任何有助輸入文字的工具，但高階思維始終必須由人來完成。

當人可利用人工智能編程，教育的重點應由編寫程式轉移到了解客戶需要，設計程式邏輯，測試方案及詮釋用戶意見。這統統都是較高層次的工作，仍然是人類的強項，學生必須建立這些能力，以維持自己的優勢。

人工智能的功能強勁，但只有在成功協助人達到目標才得以體現。如果我們把所有事情，包括更高層次的思考都交給機器完成，我們便會喪失規劃、推理、溝通、決策以及道德判斷等等人類寶貴的能力。

我認為，不論在甚麼時代，「適者生存」仍然是支配社會的金科玉律。一旦我們完全失去人類的核心能力，便再也無法作出有意義的貢獻。