前阵子，由谷歌AlphaGo智能软件对战韩国围棋九段名将李世石的人机大战，掀起了人们对人工智能（artificial intelligence）的关注。随着计算机演算能力的提升，人工智能已经从需要外力监督的机器学习（machine learning），跨入不需要监督的深度学习（deep learning）。也就是说，人工智能能够模拟大规模的神经网络，让机器在不需要直接人为干预的状态下自己“动脑思考”。这也开始让人们担忧，在不远的将来，运用人工智能技术制造出的能够独立思考的机器人，是否会威胁人类的生存。
人工智能在培训行业的应用，除非已经进化到像电影《黑客帝国》中的场景一样，可将所需知识直接下载至脑中，否则，还是得回归学习的本质。人工智能无法替代人类学习，学习是个性化的，并且还要经历内化的过程，才能最终完成。然而，这并不代表人工智能在培训行业没有用武之地，恰恰相反，“智能化”学习技术的发展正为培训行业注入一股新动能，而其中有些应用值得重点关注。
辅助系统
在学习环境中，与传统学习管理平台注重管理与记录不同的是，智能化辅助系统会提供给学习者（learner）个性化的反馈。学习者参加完测验后，可以更好地了解自己的弱项，进一步获取相关的学习资源及后续所建议的学习路径。智能化辅助系统扮演了助教的角色，有效指导并促进学习者的学习。在工作环境中，智能化辅助系统可以依照角色或流程等属性，即时提供给任务执行者（performer）个性化且适量的内容，扮演了教练的角色，加速问题解决并提升工作成效。
课程规划
想像一下，你所经历的学习与工作都留下了记录，你曾经去过哪儿、看过什么、读过什么，都被记录分析。之后通过电脑演算模型，人工智能就可以根据你的程度与需求，为你匹配相关的资源，选取真正对你有用的内容，提供多元与个性化的学习历程（learning experience），从而摒弃以往齐头并进式的课程规划。
内容资源
通过学习元件（learning objects）或知识元件（knowledge objects）在元数据（meta data）的标签，内容资源可以具备学习者能力、角色、工作场景及业务流程等属性。之后，结合智能推荐引擎，内容便可以依照单一或多元属性呈现，作为获取知识的来源被自动推送给学习者，或者作为问题解决的资料来源被推送给任务执行者。
精确搜索
语言可能是模棱两可的，通过建立知识图谱（knowledge graph），学习者可以快速缩小搜索范围。智能化搜索也可以更好地理解学习者搜索的信息，总结出与搜索话题相关的内容。由于知识图谱构建了一个与搜索结果相关的完整知识体系，所以学习者往往会获得意想不到的发现。在搜索中，学习者可能会了解到某个新的知识或新的联系，从而进行一系列全新的搜索与学习。
数据分析
学习无处不在，当学习或者历程记录可以通过xAPI这类学习技术标准，来收集多元数据的时候，学习数据就不会只停留在以往SCORM课件阅读的纪录模式，而是可以实现学习历程数据的集中。过去单纯的学习记录也可以上升到预警及预测的层次，甚至通过数据收集与深度分析，提供学习者如何建构所学内容的意义、如何形成理解、以及学习过程中所做决策的报告，这对教学设计会有莫大的帮助。
项目运营
过去，培训管理者在运营学习项目时，往往只能凭借经验或者“拍脑袋”。通过广泛收集学习者各类的历程与行为数据并进行分析，学习项目运营者就可以了解项目的健康度，并实时监控，即时调整运营手段。在项目推广时，还可以针对不同特征的学习者选择个性化的推广手段，提供更精准的学习服务。
展望未来，学习技术应用的“智能化”是一条必走之路，但也不是一蹴而就的。因为“智能化”基于数据，因此收集完整的学习与行为历程数据，精确内容的颗粒度并赋予多元属性、算法建模等工作都需要完善，“智能化”这条路才能走得顺。虽然有很多事得做，但“方向对了，就不怕路远”。
文/杨谨忠 出处：培训杂志