當(dāng)人工智能遇見企業(yè)培訓(xùn)

楊謹(jǐn)忠

前陣子，由谷歌AlphaGo智能軟件對戰(zhàn)韓國圍棋九段名將李世石的人機(jī)大戰(zhàn)，掀起了人們對人工智能（artificial intelligence）的關(guān)注。隨著計算機(jī)演算能力的提升，人工智能已經(jīng)從需要外力監(jiān)督的機(jī)器學(xué)習(xí)（machine learning），跨入不需要監(jiān)督的深度學(xué)習(xí)（deep learning）。也就是說，人工智能能夠模擬大規(guī)模的神經(jīng)網(wǎng)絡(luò)，讓機(jī)器在不需要直接人為干預(yù)的狀態(tài)下自己“動腦思考”。這也開始讓人們擔(dān)憂，在不遠(yuǎn)的將來，運(yùn)用人工智能技術(shù)制造出的能夠獨(dú)立思考的機(jī)器人，是否會威脅人類的生存。

人工智能在培訓(xùn)行業(yè)的應(yīng)用，除非已經(jīng)進(jìn)化到像電影《黑客帝國》中的場景一樣，可將所需知識直接下載至腦中，否則，還是得回歸學(xué)習(xí)的本質(zhì)。人工智能無法替代人類學(xué)習(xí)，學(xué)習(xí)是個性化的，并且還要經(jīng)歷內(nèi)化的過程，才能最終完成。然而，這并不代表人工智能在培訓(xùn)行業(yè)沒有用武之地，恰恰相反，“智能化”學(xué)習(xí)技術(shù)的發(fā)展正為培訓(xùn)行業(yè)注入一股新動能，而其中有些應(yīng)用值得重點(diǎn)關(guān)注。

輔助系統(tǒng)

在學(xué)習(xí)環(huán)境中，與傳統(tǒng)學(xué)習(xí)管理平臺注重管理與記錄不同的是，智能化輔助系統(tǒng)會提供給學(xué)習(xí)者（learner）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(jìn)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(jìn)學(xué)習(xí)者的學(xué)習(xí)。在工作環(huán)境中，智能化輔助系統(tǒng)可以依照角色或流程等屬性，即時提供給任務(wù)執(zhí)行者（performer）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。

課程規(guī)劃

想像一下，你所經(jīng)歷的學(xué)習(xí)與工作都留下了記錄，你曾經(jīng)去過哪兒、看過什么、讀過什么，都被記錄分析。之后通過電腦演算模型，人工智能就可以根據(jù)你的程度與需求，為你匹配相關(guān)的資源，選取真正對你有用的內(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(jìn)式的課程規(guī)劃。

內(nèi)容資源

通過學(xué)習(xí)元件（learning objects）或知識元件（knowledge objects）在元數(shù)據(jù)（meta data）的標(biāo)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。

精確搜索

語言可能是模棱兩可的，通過建立知識圖譜（knowledge graph），學(xué)習(xí)者可以快速縮小搜索范圍。智能化搜索也可以更好地理解學(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(jìn)行一系列全新的搜索與學(xué)習(xí)。

數(shù)據(jù)分析

學(xué)習(xí)無處不在，當(dāng)學(xué)習(xí)或者歷程記錄可以通過xAPI這類學(xué)習(xí)技術(shù)標(biāo)準(zhǔn)，來收集多元數(shù)據(jù)的時候，學(xué)習(xí)數(shù)據(jù)就不會只停留在以往SCORM課件閱讀的紀(jì)錄模式，而是可以實(shí)現(xiàn)學(xué)習(xí)歷程數(shù)據(jù)的集中。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，這對教學(xué)設(shè)計會有莫大的幫助。

項目運(yùn)營

過去，培訓(xùn)管理者在運(yùn)營學(xué)習(xí)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(jìn)行分析，學(xué)習(xí)項目運(yùn)營者就可以了解項目的健康度，并實(shí)時監(jiān)控，即時調(diào)整運(yùn)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(zhǔn)的學(xué)習(xí)服務(wù)。

展望未來，學(xué)習(xí)技術(shù)應(yīng)用的“智能化”是一條必走之路，但也不是一蹴而就的。因為“智能化”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、算法建模等工作都需要完善，“智能化”這條路才能走得順。雖然有很多事得做，但“方向?qū)α?，就不怕路遠(yuǎn)”。