黃怡寧／在臺師大科學教育博士班中努力奮鬥的生活科技老師。

林易辰／在臺師大科學教育博士班中耕耘研究的地球科學老師。

2023 年 5 月初在臺北舉辦的 2023 Generative AI 年會（AIGC 詠唱者年會）中，著名線上家教平臺 AmazingTalker 受邀分享 ChatGPT 對自家產業的衝擊。以行銷部門為例，團隊成員在沒有程式背景下利用 ChatGPT 產生 Python 程式碼（code），並串連 Facebook 的 Graph API，使廣告能夠自動更新，將原先需耗時兩小時的人工作業縮減至十分鐘的電腦運算，錯誤率更降為 0％。

在教育部頒布的 108 課綱資訊科技課程要點中，規劃了演算法、程式設計、資訊科技應用等主題。隨著生成式 AI（generative artificial intelligence, GAI）的崛起，某些能力——如「寫程式」的需求比重產生了顯著的傾斜，那麼現行的課綱中資訊科技課程強調的內容又該如何轉變或運用呢？

 

課綱中的主軸——運算思維

在 108 課綱中，資訊科技課程以「運算思維」為核心，期望學生能透過學習電腦科學的相關知識，培養邏輯和系統化思考能力。運算思維被視為一種面對問題的有效思考模式，通過邏輯思考建立程序，讓人類的創造力和洞察力與電腦的計算能力互相結合，共同理解並解決問題。在美國電腦科學教師協會（Computer Science Teachers Association, CSTA）的課程標準中，運算思維更貫穿 K-12^註 的學習歷程。

而臺灣 108 課綱在針對運算思維的學習表現上，主要希望能培養學生運用適當的資訊科技工具解決問題、合作互動、溝通表達，以及建立面對資訊科技時應有的態度，課本中的呈現大多以程式設計步驟和演算法介紹為主。 在課程中常強調問題解決步驟：由人類經歷「問題拆解」、「找出規律」、「歸納與抽象化」與「設定可以重複執行的流程」的方法後寫出程式碼，再將程式碼交由電腦求解後得到最終答案，可說是任何訓練有素程式設計師的必備能力。不過，隨著 ChatGPT 到來，人們解決的問題方法像是被大風吹，長出了嶄新的樣貌，更改變了原本的人機互動關係。

 

ChatGPT 下的人機關係

ChatGPT 的出現凸顯了人機合作的新樣態。在過去以搜尋引擎為主要工具的時代，若要撰寫歷史人物報告，學生需要自主拆解任務的結構與元素，再利用網路資源尋找對應的資訊，重新構成最終成品。不過今日若使用 ChatGPT，只要輸入歷史人物的姓名與指令，例如「500 字人物簡介」，不需要內容綱要便能產出一篇結構完整的介紹。在上述例子中，運算思維的第一步「拆解問題」產生了質的改變。過去科技教育強調學生需要具有辨識問題中不同組件的能力，然而 AI 具有更強大的運算力，能利用機器學習做出判斷，高效地辨識出問題中蘊含的元素。在 ChatGPT 的支持下，使用者最需要關心的是如何給予 AI 涵蓋完整目的與需求的指令，以確保 AI 產生的內容與任務目標一致。換句話說，問題拆解已成為啟動運算思維的關鍵能力，生成式 AI 的出現也讓運算思維內涵中「釐清問題」與「闡明目標」的重要性更為顯著。若從系統工程的角度審視這種轉變，生成式 AI 的出現似乎使問題拆解的核心需求由「拆解系統成各獨立部件」轉為「如何建立問題拆解的規準／邊界以供 AI 運算」。

此外，學生的學習任務也從原先「發展能力」的考驗移動到了「判斷能力」的考驗。基於更進階的 AI 訓練方式，AI 的生成結果包含了隨機性，不再侷限於原始的訓練資料集。因此在與電腦合作時，學生花最多精力的步驟也將不再只是安排演算法或撰寫程式，而是針對 AI 的產出進行結果判斷，例如驗證結果的可用性、判斷資料來源的可靠性等。而這一項關鍵將成為科技領域教師未來的挑戰。

 

科技領域教師對人工智慧的觀點

科技領域教師被期許在科技浪潮上引領學生航行，他們對新興科技的觀點和認知對學生而言至關重要。筆者目前正進行有關 77 名國高中科技領域教師對 AI 觀點的調查，發現絕大多數教師表示自己有關注 AI 應用的議題，也都曾在新聞、報章雜誌中閱讀到相關資訊。但教師什麼時候該將 AI 介紹給學生，則出現分歧。93.5％ 的教師認為學生「進入大學前」必須對AI 有基本的了解;「進入高中前」則微幅降至 88.3％；「進入國中前」僅有約半的教師支持（圖一）。大致上來說，國高中階段是實務教師們認為較適切導入 AI 相關教育的時機。

 

▲圖一：科技領域教師認為學生該學習 AI 的時間點

 

然而科技教師對於 AI 的基本認知卻存在概念上的混淆。例如儘管有超過九成的教師知道「AI 是讓機器或電腦做出像是擁有智慧般的行為」，但同時也有近 1/4 的教師認為「AI 就是機器人」（圖二）。此外，教師們並未清楚理解 AI 的關鍵技術。例如幾乎所有（98％）的教師都知道「機器學習」為 AI 的關鍵技術，但同時也有超過 60％ 的教師認為「機器人學」（robotics）和「區塊鏈」（blockchain）也都是 AI 的關鍵技術，甚至有 30％ 左右的教師認為「電池」是 AI 的關鍵技術。由此可見科技領域的教師對機器人學、區塊鏈與人工智慧的關聯和了解相當有限（圖三）。

 

▲圖二：科技領域教師對 AI 的認知

 

▲圖三：科技領域教師認知的 AI 關鍵技術

 

此外，科技領域教師對 AI 的利益與風險都有極高的覺察，有 96.1％ 的教師同意「AI 能提高人類日常生活的品質」，但也有 94.81％ 的教師同意「AI 可能會被惡意的使用」。又例如雖有 44.2％ 的教師擔憂「AI 因模擬大腦神經元的交互作用而改變人類解決問題的方式」，但也有 26％ 的教師不認同這樣的擔憂。而對於近年來將 AI 運用於教學輔助的方式，則有近半（41.6％）的教師感到複雜（圖四）。

 

▲圖四：科技領域教師認為的 AI

 

整體而言，透過這份調查發現科技領域教師似乎對 AI 呈現樂觀、困惑、矛盾的複雜狀態。他們能察覺到 AI 浪潮的脈動，也樂意帶領學生面對新興科技，但新興科技的發展速度可能遠超過科技領域教師能力養成與進修機制的負荷，使得無論是課綱的設計或教材教法的相關資源，都必須仰賴教師們持續追蹤科技的變遷，才能即時地為學生調整教學內容。

 

ChatGPT 時代下的運算思維

在 ChatGPT 熱浪之下，生成式 AI 即將成為我們生活中的一部分，成為解決問題時的重要環節。相較於 108 課綱裡的運算思維，紐西蘭教育部課綱中提到的運算思維（computational thinking）更強調以一種「讓電腦能夠幫助我們解決問題」的角度看待問題，學生要思考的是如何設立策略讓電腦輔助解決，而不只是用電腦思考的方式思考。因此，在 ChatGPT 時代的數位科技使用下，學生首先需要足夠的問題意識，釐清待處理的問題並將它清楚闡述。他們要對於數位科技有基本的了解，並知道電腦的潛力與限制，以設計出能夠充分利用電腦輔助的解決策略。

以 AmazingTalker 的分享為例，我們可以試著分析 ChatGPT 時代運算思維的樣貌。一、問題拆解：需求的覺察、意識到問題的存在更顯得關鍵，例如行銷團隊發現投放廣告的耗時性；二、找出規律：運用邏輯思考設定出符合需求的流程圖，例如安排投放廣告的適當時機；三、「歸納與抽象化」：生成式 AI 特性的理解程度，將會影響如何設計適當的指令（prompt）引導 AI 生成相應的結果，例如給予 ChatGPT 指令、要求寫出程式語言 Python 程式碼並串連 Facebook 的 Graph API 等；四、設定可以重複執行的流程：產品的品質則仰賴評斷適切性的能力，例如經實作後驗證自動投放廣告系統的功能性。以上步驟中，評斷 AI 生成的結果又特別重要，因為在生成式 AI 的世界中，答案可能來自高品質的文件或廣泛的農場雜文，也可能是某種隨機性生成的文字。因此人們在得到答案之後必須知道如何判斷採納與否、如何驗證答案的實用性。這將成為生成式 AI 浪潮下的重要課題，也將成為把生成式 AI 的運用帶到下一個境界的重要能力（表一）。

 

▲表一：生成式 AI 下的運算思維要點

 

生成式 AI 是否會取代運算思維的價值？此議題意味著教師社群對於科技發展必須具有問題意識，而非以引起教育界的科技焦慮為目的。實際上，生成式 AI 的普及化並沒有推翻問題解決的流程，人機互動依然遵循著運算思維強調的四個重點。不同的是，伴隨著 ChatGPT 的出現，高效的問題解決模式受制於程式語言學習門檻過高的現象日益降低。身為教師，可以為自身程式語言專業度被稀釋感到焦慮，也可以選擇將此現象詮釋為生成式 AI 提供給所有公民完善運算思維的契機。兩種不同的心態會延伸出截然不同的核心關懷。現在教育界更迫切需要的是，探索運算思維中各種能力需求的比重將如何隨著生成式 AI 的進步產生改變，以及該如何面對這股逐漸增強的浪潮，打造學生面對未來挑戰所需要的科技學習鷹架。

 

註：將幼稚園、小學、中學教育合在一起的統稱。

 

⇠上一篇：研發 mRNA 疫苗技術，帶領全世界對抗 COVID-19

AI 的相關技術如何申請專利？淺談專利權的入場券「專利適格性」：下一篇⇢

本文轉載、修改自《科學月刊》2023 年 7 月