2025年7月2日 星期三

高中師生家長必須知道:可不可以用AI寫小論文?

      國內外紛傳因為用AI 寫論文而被取消口試、勒令退學,以及用AI寫學期報告而被取消獎學金。
      那麼,高中生可不可以用AI寫小論文?所有的師生家長都必須要知道,而且必須馬上知道。問題是,大學聯招委員會有沒有標準答案大學各科系的甄試委員們到底有沒有共識
      今天高一升高二的學生,會不會有人在 AI 協助下寫各種程式去參加全國比賽,累積出亮麗的成績單,當作未來申請入學的利器? 今天高二升高三的學生,可不可以在 AI 的協助下寫了論文,提升自己進入頂尖名校熱門科系的機率?
      我們有一堆必須立即回答的問題,卻沒有現成的答案,甚至一年內都很可能還沒有足夠的共識。這讓我整夜睡不著覺,乾脆爬起來寫這一篇文章。
      MIT 在一年前舉辦了一個校內的研習會,討論 AI 對大學教育的衝擊(機會、影響)與因應。好幾位頂尖學者提出睿智的見解,也有老師分享自己的具體經驗。從這些人的談話裡,我最深刻的感想是:(1)我們的教學目標、課程設計、考試與評量方式,以及升學制度都需要調整或大幅修改;(2)但是我們還不知道 AI 實際上會帶來哪些負面效應、挑戰與機會,也還不知道該如何因應,頂多只能且戰且走。
      問題是:AI 的衝擊不是「未來」,而是現在,或者「已經衝擊一段時間了」。
      我還沒準備好如何因應現在,只能試圖聚焦在未來。尤其聚焦在:(1)高中生需要有什麼樣的「AI識讀」課,才能引導他們從 AI 獲利,且盡量避免受害?(2)高中其他科目能不能有「融入式教學」,進一步擴大前述成效?
      為了回答這些問題,我看了很多國外頂尖大學的開放課程以及演講。目前的主要心得是:(1)只靠「指令集」這樣的案例彙整和經驗觀察,彙整不出有系統的心得和法則,很難有效地讓高中師生與家長準確掌握 AI 的特性,以及 AI 的能與不能。(2)必須貫串類神經網路(理論基礎)、AI的訓練過程,以及提示工程(prompt engineering)三大要件,並且有系統地予以科普化到足以當高中教材(在老師與家長的協助引導下),但是又不可以在科普過程用不當的隱喻導入曲解、誤會與幻覺;問題是這樣的要求太難,我看過的國內外教學案例全部做不到,所有的科普和導論都語焉不詳,或者用不當的隱喻在製造誤會與幻覺。(3)人文與社會領域的學者喜歡批判性地思索、討論 AI,但是卻在「擬人化」的思考過程中陷入自己對 AI 的幻覺,以至於經常在討論中自己以為很精闢,其實很荒唐。
      我獲得的最大教訓是:(1)絕不可以用擬人化的方式教導、思索 AI 的能與不能,因為這種方式產生的誤導與曲解超過它的啟發;但是(2)AI 的導論與科普需要特殊的能力,絕大多數真正懂 AI 的人都遠遠沒有這個能力。 
      怎麼辦?我還不知道。所以還忙著在讀書、讀論文、看演講。以後或許會隨機地分享我的心得。今天這篇文章一樣地只能發出警訊,無法給予最終的定論與解答。

附記
      我退休前研究的是機械視覺與半導體面板的自動光學檢測(廣義的 AI),也研究過類神經網路和最佳化,所以對於以類神經網路模型為基礎的 AI 和以最佳化技術進行的訓練都有相當程度的瞭解(尤其是它們難以克服的根本性短處),也因而一直不認為已經有必要研究聊天機器人(學理上屬於大型語言模型,LLM)。
      然而後來我看到一個深度報導,介紹 Microsoft & OpenAI 的「星際之門計畫」(Project Stargate) ,從地面看其規模之大幾乎一望無際(可以看這篇文章裡的空拍照)。據說可能要用小型核電廠供電,並需龐大的水量來冷卻晶片。而且投資將從 5,000 億美元起跳,2028年可能會高達 1 兆美元。這些數據都遠遠超乎我所能想像。
      我馬上聯想到兩個問題:(1)這麼龐大的投資要如何回收?(2)為什麼會需要這麼龐大的電力與冷卻水供應量?
      專用的(專業的)AI(譬如醫療影像檢測、半導體瑕疵檢測等)都是氣冷式就很夠(不需要水冷),電力需求也是一般工業用電即可(不需要小型核電廠),市場規模也不會大到能輕易回收 5,000億~1 兆美元的基礎設施。關鍵在於,它們的模型參數有限,訓練用的資料量也有限。
      事實上,真正專業需求的 AI 模型都不會像 ChatGPT 那麼大(而且差了好幾個數量級),訓練用的資料也都少了好幾個數量級。
      有個說法是要開發疫苗。我不相信。理由太長,沒辦法寫。我只能說:我相信真正的理由是要用聊天機器人在情感上綁架一整個世代的用戶(消費者)——如同前文所預測的,製造「AI 世代」。