自AlphaGo與李世石的人機大戰起，我們就開始發現，機器已經可以在不需要直接人為干預的狀態下自己“動腦思考”了，這對人類的學習意味著什么呢？專家指出：除非已經進化到像電影黑客帝國中一樣，想學什么直接下載至腦中，不用學習，否則還是得回歸到學習的本質。
但同時，還有一個問題就是，你的新生代員工已經在VR/AR、AI、直播平臺、知識付費上玩得不亦樂乎，企業學習真的還能一成不變嗎？當人工智能遇上企業培訓時，究竟會發生什么？
01關注焦點轉換，工作輔助應用興起
從人的角度來看，學習場景里主要以學習者(Learner)為中心，在工作場景里則主要以工作執行者(Performer)為中心。
在過去培訓工作中, 關注的焦點已經從以講師(Instructor)為中心，轉向以學習者為中心；如果關注的是工作成效的提升，則必須從以學習者為中心轉向以工作執行者為中心。
這種關注焦點的轉換, 代表著價值創造的改變：光培訓已經不夠了，企業要的是提升工作成效。要達成這個目的，就必須跳出以學習場景為主的思考模式，結合工作場景的需求，將兩者視為整體的生態圈，將培訓、學習資源用在工作過程中，形成良性循環，使工作場景與學習場景無限接近。
以工作輔助系統作為切入點來進行培訓，是企業培訓方式的進步。
02 AR技術，創造“即需即用”的場景
任何一項技能的學習，都必須通過“接收信息－內化－應用”三個步驟，但目前大部分的培訓，特別是生產操作類的培訓，學習場景和工作場景是分離的，當你在課堂上學了某一項操作技能，到設備前還是一臉茫然，這樣的情景是不是非常熟悉？
雖然以Google Glass為代表的增強現實（AR）智能眼鏡在消費市場還不夠成熟，但是可以發現在企業中，增強現實（AR）的應用特別合適那些不需要坐在辦公桌前工作的 一線員工，以及適用于具備四種特性的工作流程：復雜程度高，依賴人員決策；需要人員進行連串及靈敏的操作；過程需要大量及精確的信息；人員經常重復相同動作。
想象一下，當你戴著谷歌眼鏡，在機器設備前操作的時候，眼鏡自動投射出關于設備的使用說明、視頻，并且這些都是經過大數據分析專屬于你的，想想是不是覺得很酷？
具有以上特性的工作流程與場景，是企業里增強現實應用的最大的潛在增長點。
可以說，相比VR模擬高危環境和高成本流程這種有一定局限性的培訓應用，AR的應用場景幾乎覆蓋了企業工作尤其是實操類工作的大部分場景。增強現實的輔助，擴大并提升了員工的能力，并且可以主動識別員工視野里的所需信息，有助于提升效率。
此外，增強現實能提供操作指引，甚至能讓員工在面對“即需即用”的場景時，跳過學習(Bypass Learning)，直接依照指引進行操作，降低了操作者知識儲備的門檻。
03萬物互聯，有效糾錯
現在，在制造業中興起的“物聯網結合網絡服務的應用”（即萬物互聯）正在引發第四次工業革命。在這波“工業4.0”的熱潮中，企業建立網絡，并與機械設備、 存儲系統及生產設施形成網絡物聯信息系統(Cyber-Physical System)，促進了機械設備、存儲系統和生產設施的“智能化”，能夠相互獨立地自動交換信息、觸發動作和控制。
萬物互聯為企業工作流程與學習帶來了不同層次的影響，雖然該系統取代了部分人可以執行的任務，但是人與設備、設備與設備之間的交互都能以數據形式記錄下來，并且可以利用這些大數據針對員工在工作流程中所犯的錯誤，提供個性化的干預手段(Interventions)，有效促進工作績效的提升。
04智能化培訓：人工智能加速變革
人工智能在培訓行業的應用，除非已經進化到像電影黑客帝國中一樣，想學什么直接下載至腦中，不用學習，否則還是得回歸到學習的本質。
人工智能沒法替代我們去學習，學習是個性化的，并且還得經歷內化的過程，學習最終才能完成。但這并不代表人工智能在培訓行業無用武之地，相反，智能化學習技術的發展正為培訓行業注入一股新動能，而其中有些是值得重點關注的人工智能應用。
作為增強現實技術背后的核心技術，人工智能會為培訓帶來哪些變革？我將其分成幾大智能化模塊，而這些模塊將來很大程度上會通過可穿戴增強現實設備（具體指AR智能眼鏡）作為入口、通過采集大數據作為基礎而實現：
智能化輔助系統，實現精準個性化培訓
在學習場景中，與傳統學習管理平臺注重管理與記錄的最大不同是，智能化輔助系統提供給學習者（Learner)個性化的反饋。
在工作場景中，智能化輔助系統可以依照角色或流程等屬性，即時提供給任務執行者(Performer)個性化的任務內容，扮演了教練的角色，加速問題解決與提升工作成效。
智能化課程規劃：大數據應用
想像一下你所經歷的學習或者工作的歷程都留下了記錄，你曾經去過哪、看過什么、讀過什都被記錄分析，并且通過電腦計算模型，可以根據你的程度與需求，匹配相關資源給你，并且是真正對你有用的內容。摒棄了以往齊頭式的課程規劃，提供多元與個性化的學習歷程(Learning Experience)。
智能化內容
通過學習元件(Learning Objects)或知識元件(Knowledge Objects)在元數據(MetaData)的標簽，內容資源可以被貼上學習者能力、角色、工作場景及業務流程等屬性，結合智能推薦引擎，內容就可以根據標簽主動推送給學習者，作為獲取知識的來源或者任務執行者作為問題解決的知識來源。
智能化搜索
人工智能的”智能化搜索“可以通過建立知識圖譜(Knowledge Graph)，使學習者可以快速縮小搜索范圍。智能化搜索也可以更好的理解學習者搜索的信息，并總結出與搜索話題相關的內容。由于知識圖譜構建了一個與搜 索結果相關的完整的知識體系，所以學習者往往會獲得意想不到的發現。在搜索中，可能會了解到某個新的知識或新的聯系，促使其進行一系列的全新搜索查詢與學習。
簡而言之，人工智能的”智能化搜索”通過大數據分析，使學習者在信息搜索過程中獲得了新的知識推薦，通過知識網絡，進一步查詢和學習。
智能化分析：大數據分析與預測
當學習或者工作過程可以通過xAPI這類學習技術標準來手機大數據的時候，學習過程(Learning Experience)數據就可以被收集，而不是停留在以往SCORM課件閱讀的記錄模式。
過去單純的學習記錄也可以被作為“預警功能”的一個數據基礎。通過過往學習的大數據，人工智能在工作過程中對可能出錯的地方進行預警。甚至透過數據收集與深度分析能提供關于學習者是如何建構對所學內容的意義、如何形成理解、以及學習過程中所做的決策，這對教學設計有巨大的幫助。
智能化運營
過去在做學習項目的運營時，往往只能憑借經驗或者拍腦袋進行運營推廣。
現在透過廣泛收集學習者各類的記錄與行為數據（通過可穿戴設備收集數據），并進行分析，學習項目運營者可以透過數據表了解項目健康度，并透過實時監控，即時 調整運營手段。在進行項目推廣時，還可以針對不同特征的學習者進行個性化的推廣手段，達到更精準與更個性化的學習服務。
培訓“智能化”是一條必走的路，但卻也不是一蹴可及的，需要以增強現實技術作為入口，背后的人工智能技術作為引擎，采集的大數據作為基礎，逐步實現智能化培訓。
“智能化”是基于大數據的，因此收集完整的學習與行為歷程數據、將內容細分并賦與多元屬性、算法建模等工作都得完善，“智能化”這條路才能走得順。雖然有很多事得做，但方向對了，就不怕路遠。
