楊謹忠

人工智能要能取代人腦還有很長的路要走，但對于那些基礎(chǔ)與重復(fù)的任務(wù)，已經(jīng)足以勝任。

背景回顧

回顧2016年人工智能（Artificial Intelligence）發(fā)展的重點事件，除了持續(xù)優(yōu)化的對話機器人、實時翻譯語言助手，以及自動駕駛無人車之外，最熱門的頭條應(yīng)當是在3月由谷歌人工智能AlphaGo對戰(zhàn)韓國圍棋九段名將李世石。這一事件掀起了人們對人工智能的新一波關(guān)注。

接著，9月底，谷歌、Facebook、IBM、微軟、亞馬遜這幾家科技巨頭聯(lián)合成立了一個名為“人工智能伙伴關(guān)系——造福人類與社會”的非盈利組織（Partnership on Artificial Intelligence to Benefit People and Society），促進人工智能領(lǐng)域的研究與技術(shù)實踐，推進公眾對人工智能的理解。這在人工智能的發(fā)展進程上也是一個關(guān)鍵事件。

此外，像蘋果這樣的公司雖然沒有加入上述的人工智能組織，但回顧過往幾年，蘋果已經(jīng)悄悄收購了10～20家人工智能相關(guān)企業(yè)，并陸續(xù)將人工智能技術(shù)融入其產(chǎn)品中。就連微軟今年也將人工智能的功能加入其云端辦公軟件中?？梢哉f，人工智能已經(jīng)逐漸在眾多領(lǐng)域開始綻放光芒。

隨著計算機演算能力的提升以及相關(guān)技術(shù)的推進，人工智能在經(jīng)歷數(shù)十年的發(fā)展后，已經(jīng)從需要外力監(jiān)督的機器學(xué)習(xí)（Machine Learning），跨入不需要監(jiān)督的深度學(xué)習(xí)（Deep Learning）。現(xiàn)在已經(jīng)能夠模擬大規(guī)模的神經(jīng)網(wǎng)絡(luò)，讓機器在不需要直接人為干預(yù)的狀態(tài)下自己“動腦思考”。雖說如此，人工智能要能取代人腦還有很長的路要走，但對于那些基礎(chǔ)與重復(fù)的任務(wù)，已經(jīng)足以勝任。

而在企業(yè)培訓(xùn)的應(yīng)用中，人工智能尚未達到像電影《黑客帝國》中的場景一樣，不用學(xué)習(xí)就可將所需知識直接下載至腦中。因為學(xué)習(xí)是個性化的，并且還要經(jīng)歷知識內(nèi)化的過程，才能最終完成。雖然人工智能無法替代人類學(xué)習(xí)，但現(xiàn)階段“智能化”在企業(yè)培訓(xùn)中還是有很多應(yīng)用潛力。

解讀

To老師：推進個性化輔導(dǎo)

“智能化系統(tǒng)”通過對學(xué)習(xí)者行為歷程的收集與分析，讓老師可以更快地了解到每個學(xué)習(xí)者的能力水平與學(xué)習(xí)進度，進而透過系統(tǒng)平臺推送相對應(yīng)的學(xué)習(xí)資源或者進行個性化的輔導(dǎo)，達到因材施教的目標?！爸悄芑到y(tǒng)”也可以根據(jù)學(xué)習(xí)者的程度與需求，匹配相關(guān)的資源，選取真正對其有用的內(nèi)容，提供多元與個性化的學(xué)習(xí)歷程（Learning Experience），從而摒棄以往齊頭并進式的課程規(guī)劃。

“專家系統(tǒng)”（Knowledge-based Expert System）是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。將其結(jié)合人工智能技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，能模擬出人類專家的決策過程，以便解決那些需要專家才能處理的復(fù)雜問題。非專家們可以通過這種系統(tǒng)來增進問題解決的能力，同時專家們也可把它視為具備專業(yè)知識的助理。這種“專家系統(tǒng)”已經(jīng)取代了部分老師的角色。

從內(nèi)容制作來看，現(xiàn)在已經(jīng)有些“智能化”系統(tǒng)可以針對特定主題自動生成內(nèi)容。智能化寫作工具的發(fā)展以及國際很多新聞行業(yè)吹起的人工智能化風(fēng)潮，都預(yù)示了內(nèi)容制作“智能化”的未來。

To學(xué)員：提供個性化反饋

學(xué)習(xí)者過去在學(xué)習(xí)時，往往缺乏足夠的演練機會，通過“智能化”的輔導(dǎo)系統(tǒng)，可以增加學(xué)習(xí)互動練習(xí)的機會，讓學(xué)習(xí)者不斷試錯，進而加快提升學(xué)習(xí)者的熟練程度。例如在語言學(xué)習(xí)上就有很多類似的應(yīng)用。

學(xué)習(xí)者可以借助知識圖譜快速縮小搜索范圍。“智能化搜索”可以更好地理解學(xué)習(xí)者搜索的信息，總結(jié)出與搜索話題相關(guān)的內(nèi)容。由于知識圖譜構(gòu)建了一個與搜索結(jié)果相關(guān)的完整知識體系，所以學(xué)習(xí)者往往會獲得意想不到的發(fā)現(xiàn)。在搜索中，學(xué)習(xí)者可能會了解到某個新的知識或新的聯(lián)系，從而進行一系列全新的搜索與學(xué)習(xí)。并且有些“智能化”系統(tǒng)，還能根據(jù)過往學(xué)習(xí)者的學(xué)習(xí)歷程以及本身的興趣、能力或工作崗位，主動推薦相關(guān)資源。

此外，與傳統(tǒng)學(xué)習(xí)管理平臺注重管理與記錄不同的是，“智能化”指導(dǎo)系統(tǒng)會提供給學(xué)習(xí)者“個性化”的反饋。學(xué)習(xí)者參加完測驗后，可以更好地了解自己的弱項，進一步獲取相關(guān)的學(xué)習(xí)資源及后續(xù)所建議的學(xué)習(xí)路徑。智能化輔助系統(tǒng)扮演了助教的角色，有效指導(dǎo)并促進學(xué)習(xí)者的學(xué)習(xí)。

To培訓(xùn)管理者：開展個性化推廣

不管名稱是叫培訓(xùn)部門、學(xué)習(xí)發(fā)展部門、企業(yè)大學(xué)或者近年新興的互聯(lián)網(wǎng)學(xué)習(xí)部門，培訓(xùn)管理者都會面臨整體培訓(xùn)項目管理與運營的問題。過去，培訓(xùn)管理者在運營項目時，往往只能憑借經(jīng)驗或者“拍腦袋”。通過廣泛收集學(xué)習(xí)者各類的歷程與行為數(shù)據(jù)并進行分析，培訓(xùn)項目運營者就可以了解項目的健康度，并實時監(jiān)控，即時調(diào)整運營手段。在項目推廣時，還可以針對不同特征的學(xué)習(xí)者選擇個性化的推廣手段，提供更精準的培訓(xùn)服務(wù)。

學(xué)習(xí)無處不在，當學(xué)習(xí)歷程記錄可以通過xAPI這類學(xué)習(xí)技術(shù)標準，來收集多元及完整的學(xué)習(xí)歷程數(shù)據(jù)后，學(xué)習(xí)數(shù)據(jù)就不會只停留在SCORM課件閱讀或者面授中缺席的記錄模式，而是可以將學(xué)習(xí)歷程數(shù)據(jù)集中起來。過去單純的學(xué)習(xí)記錄也可以上升到預(yù)警及預(yù)測的層次，甚至通過數(shù)據(jù)收集與深度分析，提供關(guān)于“學(xué)習(xí)者如何建構(gòu)所學(xué)內(nèi)容的意義、如何形成理解、以及學(xué)習(xí)過程中所做決策”的報告，這對培訓(xùn)項目設(shè)計與運營會有莫大的幫助。

To業(yè)務(wù)部門：提供場景化的工作輔助資源

培訓(xùn)的目的，對業(yè)務(wù)部門而言，并不是為了培訓(xùn)而培訓(xùn)， 也不是只為了提升個人素質(zhì)或能力而培訓(xùn)，而是為了更好地在工作中完成任務(wù)，提升工作成效，最終創(chuàng)造組織績效。培訓(xùn)如何落地，一直是企業(yè)培訓(xùn)所面臨的挑戰(zhàn)。在工作環(huán)境中，“智能化”工作輔助系統(tǒng)（Intelligent Performance Support System）可以依照角色或流程等屬性，即時提供給任務(wù)執(zhí)行者個性化且適量的內(nèi)容，扮演了教練的角色，加速問題解決并提升工作成效。

此外，通過學(xué)習(xí)元件（Learning Objects）或知識元件（Knowledge Objects）在元數(shù)據(jù)層（Meta Data）的標簽，內(nèi)容資源可以具備學(xué)習(xí)者能力、角色、工作場景及業(yè)務(wù)流程等屬性。之后，結(jié)合“智能化”推薦引擎，內(nèi)容便可以依照單一或多元屬性呈現(xiàn)，作為獲取知識的來源被自動推送給學(xué)習(xí)者，或者作為問題解決的資料來源被推送給任務(wù)執(zhí)行者，滿足在工作中“即用即學(xué)”的場景。

未來的終點：智能化

人工智能在企業(yè)培訓(xùn)中其實有很多的應(yīng)用可能性，但要能真正在企業(yè)培訓(xùn)中應(yīng)用人工智能，還需要經(jīng)歷幾個階段。

首先是“自動化”。也就是從學(xué)習(xí)環(huán)境中的知識傳遞與學(xué)習(xí)歷程，到工作環(huán)境中的知識應(yīng)用歷程，都能匯集完整行為歷程數(shù)據(jù)，并且能進行數(shù)據(jù)的自動匯總集中，以便后續(xù)的分析。

其次是“個性化”。除了在學(xué)習(xí)環(huán)境中了解并掌握學(xué)習(xí)者（Learner）的個性化需求之外，還有在工作環(huán)境中，了解并掌握工作任務(wù)執(zhí)行者（Performer）最終知識應(yīng)用的業(yè)務(wù)場景個性化需求。

最終是“智能化”。當具備足夠的數(shù)據(jù)以及有用的數(shù)據(jù)，智能推薦、智能指導(dǎo)、智能搜索或者智能輔助等應(yīng)用就能水到渠成。

展望未來，在企業(yè)培訓(xùn)中學(xué)習(xí)技術(shù)應(yīng)用的“智能化”是一條必走之路，但也不會一蹴而就。因為“智能化”學(xué)習(xí)基于數(shù)據(jù)，因此收集完整的學(xué)習(xí)與行為歷程數(shù)據(jù)，精確內(nèi)容的顆粒度并賦予多元屬性，以及完善算法建模等工作之后，“智能化”這條路才能走得順。