人工智能助个性化学习走向巅峰

杨谨忠

人工智能要能取代人脑还有很长的路要走，但对于那些基础与重复的任务，已经足以胜任。

背景回顾

回顾2016年人工智能（Artificial Intelligence）发展的重点事件，除了持续优化的对话机器人、实时翻译语言助手，以及自动驾驶无人车之外，最热门的头条应当是在3月由谷歌人工智能AlphaGo对战韩国围棋九段名将李世石。这一事件掀起了人们对人工智能的新一波关注。

接着，9月底，谷歌、Facebook、IBM、微软、亚马逊这几家科技巨头联合成立了一个名为“人工智能伙伴关系——造福人类与社会”的非盈利组织（Partnership on Artificial Intelligence to Benefit People and Society），促进人工智能领域的研究与技术实践，推进公众对人工智能的理解。这在人工智能的发展进程上也是一个关键事件。

此外，像苹果这样的公司虽然没有加入上述的人工智能组织，但回顾过往几年，苹果已经悄悄收购了10～20家人工智能相关企业，并陆续将人工智能技术融入其产品中。就连微软今年也将人工智能的功能加入其云端办公软件中。可以说，人工智能已经逐渐在众多领域开始绽放光芒。

随着计算机演算能力的提升以及相关技术的推进，人工智能在经历数十年的发展后，已经从需要外力监督的机器学习（Machine Learning），跨入不需要监督的深度学习（Deep Learning）。现在已经能够模拟大规模的神经网络，让机器在不需要直接人为干预的状态下自己“动脑思考”。虽说如此，人工智能要能取代人脑还有很长的路要走，但对于那些基础与重复的任务，已经足以胜任。

而在企业培训的应用中，人工智能尚未达到像电影《黑客帝国》中的场景一样，不用学习就可将所需知识直接下载至脑中。因为学习是个性化的，并且还要经历知识内化的过程，才能最终完成。虽然人工智能无法替代人类学习，但现阶段“智能化”在企业培训中还是有很多应用潜力。

解读

To老师：推进个性化辅导

“智能化系统”通过对学习者行为历程的收集与分析，让老师可以更快地了解到每个学习者的能力水平与学习进度，进而透过系统平台推送相对应的学习资源或者进行个性化的辅导，达到因材施教的目标。“智能化系统”也可以根据学习者的程度与需求，匹配相关的资源，选取真正对其有用的内容，提供多元与个性化的学习历程（Learning Experience），从而摒弃以往齐头并进式的课程规划。

“专家系统”（Knowledge-based Expert System）是一种模拟人类专家解决领域问题的计算机程序系统。将其结合人工智能技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，能模拟出人类专家的决策过程，以便解决那些需要专家才能处理的复杂问题。非专家们可以通过这种系统来增进问题解决的能力，同时专家们也可把它视为具备专业知识的助理。这种“专家系统”已经取代了部分老师的角色。

从内容制作来看，现在已经有些“智能化”系统可以针对特定主题自动生成内容。智能化写作工具的发展以及国际很多新闻行业吹起的人工智能化风潮，都预示了内容制作“智能化”的未来。

To学员：提供个性化反馈

学习者过去在学习时，往往缺乏足够的演练机会，通过“智能化”的辅导系统，可以增加学习互动练习的机会，让学习者不断试错，进而加快提升学习者的熟练程度。例如在语言学习上就有很多类似的应用。

学习者可以借助知识图谱快速缩小搜索范围。“智能化搜索”可以更好地理解学习者搜索的信息，总结出与搜索话题相关的内容。由于知识图谱构建了一个与搜索结果相关的完整知识体系，所以学习者往往会获得意想不到的发现。在搜索中，学习者可能会了解到某个新的知识或新的联系，从而进行一系列全新的搜索与学习。并且有些“智能化”系统，还能根据过往学习者的学习历程以及本身的兴趣、能力或工作岗位，主动推荐相关资源。

此外，与传统学习管理平台注重管理与记录不同的是，“智能化”指导系统会提供给学习者“个性化”的反馈。学习者参加完测验后，可以更好地了解自己的弱项，进一步获取相关的学习资源及后续所建议的学习路径。智能化辅助系统扮演了助教的角色，有效指导并促进学习者的学习。

To培训管理者：开展个性化推广

不管名称是叫培训部门、学习发展部门、企业大学或者近年新兴的互联网学习部门，培训管理者都会面临整体培训项目管理与运营的问题。过去，培训管理者在运营项目时，往往只能凭借经验或者“拍脑袋”。通过广泛收集学习者各类的历程与行为数据并进行分析，培训项目运营者就可以了解项目的健康度，并实时监控，即时调整运营手段。在项目推广时，还可以针对不同特征的学习者选择个性化的推广手段，提供更精准的培训服务。

学习无处不在，当学习历程记录可以通过xAPI这类学习技术标准，来收集多元及完整的学习历程数据后，学习数据就不会只停留在SCORM课件阅读或者面授中缺席的记录模式，而是可以将学习历程数据集中起来。过去单纯的学习记录也可以上升到预警及预测的层次，甚至通过数据收集与深度分析，提供关于“学习者如何建构所学内容的意义、如何形成理解、以及学习过程中所做决策”的报告，这对培训项目设计与运营会有莫大的帮助。

To业务部门：提供场景化的工作辅助资源

培训的目的，对业务部门而言，并不是为了培训而培训， 也不是只为了提升个人素质或能力而培训，而是为了更好地在工作中完成任务，提升工作成效，最终创造组织绩效。培训如何落地，一直是企业培训所面临的挑战。在工作环境中，“智能化”工作辅助系统（Intelligent Performance Support System）可以依照角色或流程等属性，即时提供给任务执行者个性化且适量的内容，扮演了教练的角色，加速问题解决并提升工作成效。

此外，通过学习元件（Learning Objects）或知识元件（Knowledge Objects）在元数据层（Meta Data）的标签，内容资源可以具备学习者能力、角色、工作场景及业务流程等属性。之后，结合“智能化”推荐引擎，内容便可以依照单一或多元属性呈现，作为获取知识的来源被自动推送给学习者，或者作为问题解决的资料来源被推送给任务执行者，满足在工作中“即用即学”的场景。

未来的终点：智能化

人工智能在企业培训中其实有很多的应用可能性，但要能真正在企业培训中应用人工智能，还需要经历几个阶段。

首先是“自动化”。也就是从学习环境中的知识传递与学习历程，到工作环境中的知识应用历程，都能汇集完整行为历程数据，并且能进行数据的自动汇总集中，以便后续的分析。

其次是“个性化”。除了在学习环境中了解并掌握学习者（Learner）的个性化需求之外，还有在工作环境中，了解并掌握工作任务执行者（Performer）最终知识应用的业务场景个性化需求。

最终是“智能化”。当具备足够的数据以及有用的数据，智能推荐、智能指导、智能搜索或者智能辅助等应用就能水到渠成。

展望未来，在企业培训中学习技术应用的“智能化”是一条必走之路，但也不会一蹴而就。因为“智能化”学习基于数据，因此收集完整的学习与行为历程数据，精确内容的颗粒度并赋予多元属性，以及完善算法建模等工作之后，“智能化”这条路才能走得顺。