給老師的AI 參考指南
給老師的AI 參考指南
教育界對人工智慧 (AI) 在未來教學的影響充滿了興奮、擔憂和猜想。
人工智慧如果不複雜，那就沒什麼了不起，因此整理了一份指南，幫助老師們在教育環境中來理解人工智慧，並了解可能在課堂中發生的變化。
關鍵術語和定義
如果已經讀過、或聽說過AI，可能遇到過許多令人困惑、且有時可以互換使用的技術術語。以下是對一些最重要的AI術語的定義：
機器學習 Machine Learning： 人工智慧的一個次領域，賦予電腦不需要特定和明確程序的學習能力。
定義來源：麻省理工學院 機器學習有時與人工智慧互換使用。機器學習使用資料進行訓練，資料越多，程式的效能就越好。
深度學習 Deep Learning：「機器學習 (ML)的一個子集，其中人工神經網路（建模為像人腦一樣工作的演算法）從大量資料中學習。深度學習由神經網路層提供動力，神經網路是鬆散地、粗略地模仿人類大腦運作方式的演算法。
使用大量資料進行訓練是設置神經網路中神經元的主要原因，所造就的成果會是一個深度學習模型，一旦經過訓練，就可以處理新資料。
（定義來源：Oracle）手機上的語音辨識是深度學習的例子之一。
人工神經網路 Artificial Neural Networks：「機器學習的一個次領域，是深度學習演算法的核心。它們的名稱和結構受到人類大腦的啟發，模仿生物神經元相互發送信號的方式。
（定義來源：IBM）Google 的搜尋演算法就是一個例子。
生成式人工智慧 Generative AI：“生成式人工智慧 可以用來建立與製造內容的演算法服務（例如 ChatGPT），包括音訊、程式碼、圖像、文字、模擬和視訊。” （定義來源：麥肯錫）
大型語言模型 LLM/Large Language Model：利用深度學習演算法來處理和理解語言的機器學習模型。該模型接受了大量資料的訓練來學習語言模式，以便能夠執行任務。這些任務的範圍從翻譯文字到在聊天機器人對話中做出回應，基本上執行任何任何語言或文本內容的分析、與再應用。
（定義來源：Fast Company）為 ChatGPT 提供支援的技術是一種大型語言模型。
課堂上的人工智慧是什麼樣子的
- 機器學習、和生成式人工智慧都可以在教學上發揮作用。
- 生成式人工智慧在課堂上可能已經在使用了，特別是當 ChatGPT 和 Bard 等工具佔據新聞頭條時。這些工具產生可以設計問題和提示的答案，教師可以運用這些產出來設計課程或課堂討論，學生可以用它們來協助寫作、獲得靈感、甚至幫助學生完成作業。
- 機器學習已經出現在許多教室，而且已經有一段時間了。使用機器學習類型的教育服務，可以辨識出學生的理解差距，並在學生出現疑問時提供指導，這稱之為自適應學習技術 adaptive learning technologies （不可和輔助技術混淆）；這些科技應用在數位學習中，老師在提供學習內容時，也能夠在學生的學習過程中，提供個別化的回應和服務。
