香港科技大學一項突破性神經科學研究發現，學生在觀看線上教學影片前，若先與教師進行簡短對話，無論對方是真人還是人工智能（AI），都能有效促進大腦活動同步，從而提升整體學習效果。這項研究首次從神經科學層面提供實證，顯示AI教師在提升網上學習成效方面，可媲美真人教師。
學生實驗示意圖。57名大學生隨機分為三組進行實驗，研究團隊同步記錄三組學生的眼動及大腦神經反應數據，並比較其課後學習成績。
研究方法：三組學生對比
研究團隊招募了57名大學生，並將他們隨機分為三組進行實驗。第一組為「無互動組」，直接觀看14分鐘的教學影片；第二組為「真人教師互動組」，在觀看影片前先與真人教師進行約8至10分鐘的簡短對話；第三組為「AI教師互動組」，則與一名外觀和聲音高度擬真的AI教師進行相同時長的對話。該AI教師基於GPT-4模型，具備語音辨識、內容生成及語音合成等功能，學生清楚知道互動對象是AI。所有學生隨後在磁力共振掃描器內觀看相同影片，團隊同步記錄其眼動及大腦神經反應數據，並比較課後成績。
研究結果：互動顯著提升學習成效
研究結果相當顯著。無論是與真人還是AI教師交流過的學生，在觀看影片時，其大腦中負責資訊處理、認知資源分配和社交情感反應等區域的神經活動，均呈現更高程度的同步性。在記憶、理解及知識傳遞三個層面上，兩組學生的學習成效在統計上並無顯著差異，且均明顯優於未進行課前互動的學生。
領導研究的科大人文社會科學學院院長李平教授解釋，社交互動——即使只是短暫且由AI促成——也能從根本上影響大腦為學習作好準備的方式。這顯示AI互動同樣能有效提升學生對較具挑戰性內容的理解能力。
科大人文社會科學學院院長兼心理學及認知科學講座教授李平教授（右）與論文第一作者、科大博士後研究員彭穎瀅博士（左）合照。李教授領導的研究團隊發現，學生在觀看線上教學視像前，若先與真人或AI教師進行簡短對話，可有效促進學生的大腦活動同步，提升整體學習效果。
殊途同歸：不同互動路徑達致相近效果
儘管學習成果相當，但研究發現兩種互動模式的神經處理路徑存在差異。與真人教師互動的學生，在課堂中展現出更高度一致的視覺專注力分配，這種共享的視覺專注會透過負責社交感知與語言處理的腦區（顳上溝）轉化為更佳的學習成效，同時涉及強烈的社交情感處理。
而與AI互動的學生，其感知到的社交親近感較低，視線專注程度也較弱，但其大腦活動同步主要支持由上而下的認知處理。論文第一作者彭穎瀅博士指出，這揭示了「眼—腦—行為」之間多階段、互為影響的層級關係：專注力集中於相同內容會提高大腦同步，而同步的大腦活動又會進一步促進專注力的一致性，兩者相互強化。
對未來教育的啟示
這項研究預示着教育的社會及情感功能可能迎來轉變。李平教授指出，即使AI教師，若能察覺學生細微反應並作出關切回應，將有助學生在數碼課堂中感受到被看見、被聽見，從而建立真實的社交情感連結。研究結果顯示，AI無須完美複製真人互動，只要具備足夠的社會情感回應能力，並結合其在知識檢索與個人化學習方面的運算優勢，已足以有效支援學習。
隨著AI高速發展，深入瞭解AI如何塑造人類認知歷程，以及人類大腦如何適應AI，對發展兼具可擴展性與社交情感內涵的學習環境至關重要，有助確保AI能增強而非取代以人為本的學習模式。
生成式人工智能聊天機械人日益涉足感情事務，儘管外界對這項技術在約會中的角色存疑。然而，越來越多人轉向人工智能，將其視為約會教練或感情專家。部分人利用這項技術，獲取建立約會應用程式個人檔案的指導、解讀潛在對象的訊息、草擬回覆，或尋求一般約會建議。
然而，這些查詢的成效不一。了解如何善用聊天機械人的功能並認識其局限，有助提升效果。
檔案圖片：2023年5月18日，紐約一部iPhone手機上顯示ChatGPT應用程式。(美聯社圖片/Richard Drew) AP圖片
以下是專家提供的一些建議。
約會應用程式Hinge的感情科學總監洛根·尤里表示，她理解人們對人工智能的猶豫，但無論我們如何尋找愛情，「我們所尋求的始終不變」。Hinge設有人工智能驅動的對話開場白及意見回饋工具，以協助用戶建立個人檔案並使互動順暢。
尤里指出，人工智能應像你的「僚機」，而非「代筆人」，因為「當你赴約時，你的約會對象所見之人，必須與他們在網上交談的對象一致，這點非常重要」。
尤里認為，就約會應用程式個人檔案徵求意見，以及根據約會對象的興趣尋求首次約會建議，是善用這項技術的好方法。她不建議直接複製貼上聊天機械人撰寫的訊息，亦不建議利用生成式人工智能修改或創建自己的圖像。
部分人認為人工智能的角色應更為有限，例如約會教練埃麗卡·埃廷。她建議聊天機械人只應用於校對約會個人檔案或訊息。埃廷敦促尋求愛情的人應追求真實性，而非完美。
埃廷稱：「我只要求人們先自行思考和批判性分析，然後若要使用人工智能檢查某些內容，應在他們已形成意見之後。」
范德堡大學未來學習與生成式人工智能計劃總監朱爾斯·懷特表示，許多用戶向聊天機械人提供的資訊「過少，卻期望它能讀懂他們的心思」。
建議的質素會因你向聊天機械人發出的提示而顯著不同。模糊的問題很可能產生籠統的回應。具體性和問題結構能讓你獲得更為度身訂造的結果。懷特指出，提示並非如某些定義所言，僅關乎遣詞造句，而是關於學習如何「有效利用這種計算思維來解決問題」。
懷特建議的一種技巧是，指示聊天機械人向你提問。懷特稱，用戶可以輸入類似「這是我嘗試做的事情。我希望你逐一向我提問，直到你掌握足夠資訊來完成這件事」的提示。
這樣，聊天機械人便能根據用戶的回應調整並改變其下一個問題。
投資公司Shumer Capital的普通合夥人兼人工智能行業知名人士馬特·舒默表示，最能幫助你深入思考情況的提示是最好的。舒默建議人們告訴聊天機械人不要直接給予答案，而是「幫助我自行達到目標」。在約會中，一個例子是向聊天機械人呈現你難以解讀的潛在約會對象訊息，並要求它像約會教練一樣幫助你思考情況。
舒默談及用戶如何最佳地與機械人溝通時稱：「幫助我理解細微之處，他們可能如何思考，以及正確的回應方式，但不要直接給我答案。」
儘管許多人轉向人工智能，認為它會提供客觀回應，但聊天機械人所能給予的建議，其質素僅取決於你輸入的資訊。許多聊天機械人旨在取悅用戶，因此如果你就爭論或其他複雜情況尋求建議，它們更可能認同你的觀點。
如果你在尋求如何處理與伴侶爭吵的幫助時，只呈現自己的觀點，聊天機械人很可能無法提供客觀的看法。
亞利桑那州立大學感情與科技實驗室總監莉澤爾·沙拉比表示，向聊天機械人提供盡可能多的雙方資訊——你和伴侶的——會有幫助，但這並非對抗機械人奉承本性的萬靈丹。
她說：「希望如果你在感情中遇到問題，你不會僅憑一位朋友的說法就做出所有決定，對嗎？對人工智能也不要這樣做——將它視為眾多數據點之一。」
（美聯社）
