Page 76 - 創新與創意
P. 76
改變為巡警設計的獎勵誘因，更要重新設計 PredPol 系統的使用者介面、創造一些銜接員
警和軟體工程師的新角色，建立一個由員警收集整理的資料庫（裡面收錄已加上註解的
最佳實務案例）。
3 把智慧型機器變成解決方案的一部分。
人工智慧可以在學習者遇到困難時，為他們提供指導，也可以教專家如何指導後輩，並
以聰明的方式連結專家和學習者。例如，金主鎬（Juho Kim）在麻省理工學院（MIT）攻
讀博士學位時，設計出 ToolScape 和 Lecture-Scape，用群眾外包的方式讓大家為教學影
片做註解，並為許多以前停下來尋找解答的用戶，提供澄清及實作的機會，他稱為「向
學習者取經」（learnersourcing）。在硬體方面，擴增實境系統開始把專家的指導和註
解，納入工作流程中。目前的應用程式使用平板電腦或智慧型眼鏡，把指示即時地疊放
在工作上。更精密的智慧型系統可望迅速問世，例如，這些系統可以把工廠中最佳焊工
的做法記錄下來，顯示在學徒的視野中，呈現出專家是怎麼做的，並錄下學徒試圖模仿
的樣子，必要時也讓學徒向專家請教。這些領域中，愈來愈多工程師主要把焦點放在正
式訓練上，而更大的危機在於在職學習。我們必須把心力轉向在職學習。
影子學習法是未來最佳實務？
幾千年來，科技的進步驅動了工作流程的重新設計，學徒向導師學習必要的新技能。但
我們已經看到，智慧型機器促使我們把新手和專家隔開，也讓專家遠離了工作，這一切
都是打著提高生產力的名義。組織常在無意間為了追求生產力而忽略了審慎的人力投
入，因此在職學習變得愈來愈難。然而，使用影子學習法的偷學者，依然冒險突破常規
以便學習。在智慧型機器日益強大的世界裡，想要加入競爭的組織應該密切注意這些
「偏離常軌」的偷學者。當專家、學徒、智慧型機器一起工作與學習的時候，偷學者的
行動提供了一些見解，顯示未來的最佳工作是如何執行的。
（洪慧芳譯自“Learning to Work with Intelligent Machines,” HBR, September-October 2019）
麥特．比恩 Matt Beane
美國加州大學聖塔巴巴拉校區（University of California, Santa Barbara）科技管理學助理教
授，也是麻省理工學院數位經濟計畫（Initiative on the Digital Economy）的研究成員。
75
