由OpenAI所研发的语言生成模组（language model）ChatGPT成为近期热话，其强大的语言生成能力掀起大众讨论人工智能（Artificial Art，AI）的发展。ChatGPT 使用了巨庞大训练数据集（training dataset），以学习人类语言特征和模式，如同其他高效的AI需要庞大的资讯和历史数据作为基础。

AI支援个人化学习

个人化学习是一种以学生为中心的教育方法：根据每个学生的特定需求，提供适合他们的学习经验，达至「因材施教」。要高效整理及分析学生庞大学习数据，AI可发挥重大作用。通过分析学生的学习表现和偏好，AI可以建议教学工作者给予符合学生需求的学习材料，提高学习效能。

根据史丹佛大学电脑科学系教授John Mitchell认为通过使用AI技术，可以就每个学生的学习需求和速度，提供专属的学习路径。同时，通过AI的即时评估和评论，令学生快速了解自己的弱点并改进。高效的个人学习的演算法（algorithm）配合庞大的学习数据，将有可能令John Mitchell预想成真。然而，有效收集和整理学生的个人学习数据，从而建立这套AI的训练数据集，并不容易。

史丹福大学

收集学习数据的难处

现今记录学生学习数据的方式和渠道不足或彼此连结不良，都使成功研发AI辅助个人学习依然非常困难。学生的学习数据散落在不同的教育机构，彼此不共通，难以集合共用。不同单位收集及记录这些数据的方式不一，部份尚未电子化，影响整理及分析的效率。学生、家长及机构对收集什么数据也缺乏共识，不少数据根本没有记录或保留，难以呈现学生完整的学习状况。

另一方面，收集和利用学生的个人学习数据涉及学生隐私和数据安全，保护学生的隐私权必须建立健全的相关法律制度和监管措施。处理相关数据的机构和人员也必须有充足知识保障学生数据安全，才能防止数据泄露或被不当使用。以上配套要紧贴科技发展和实际需要，业界和当局必须要紧密合作，方能成功。既要鼓励共享数据以提升AI效率，也要保障个人私隐，在两者之间取得平衡之前，难以企及获得训练AI所用的数据集。

广泛使用AI辅助教育的隐患

假如以上问题通通解决，辅助个人学习的AI研发成功，也要慎防其特性为教育带来的隐患。若学生和教育工作者过分依赖AI提供的材料或建议，可能会忽略其他重要的学习资源。就如同今天不少人依赖特定搜索引擎，久而久之，忽略其他资讯来源，以至偏听偏信。AI的演算法若有偏误，则会影响学生学习，甚至比传统教学模式影响更深远。因为演算法把「人为」因素隐去，更容易令人盲信，自然更难醒觉纠错。

AI的发展步伐越来越快，早晚会在教育领域广泛应用，各界应尽早讨论如何监督和管理AI演算法，以维护公平和正确的开发及使用方式。学校应及早培养学生保护数据的意识，教导他们正确使用AI技术，令人工智能成为他们的好帮手而不是彻底取代他们的机器。

文：邓家豪