大部份大學都把AI放在研究所的層次，大學本科則致力於基礎資訊科技的學習，但今年有超過十間以上的大學，以衝鋒陷陣般的勢頭，把AI帶進大學科目的領域，不知所為何來。大學畢竟是為學子扎根而設，應用端的事，學校、教授、政府是搞不來的！(圖/取自網路)

 

作者/徐作聖（退休科管教授，新竹市）

 

今年在疫情肆虐消息佔據大部分媒體的情況下，台灣大學招生也贏得版面登上了主流媒體版面。包括文科大學以及科技大學，有超過十間以上的大學，以「葡氏蛋塔式」衝鋒陷陣般的勢頭，把AI帶進大學科目的領域。

 

姑且不論是大學在少子化條件下爭取存活，還是政府高層授意，這種一窩蜂蹭熱度、淌渾水的作法，將對教育體系造成很大的衝擊。這種情況和多年前廣設100多間大學一樣，受到教學品質不佳的譏諷，但此次急功近利的程度更令人歎為觀止，大大懷疑其真正的效能。
 

當有太多人快速進入工智能行業，未來行業中擁塞的情況可以預見。Everyone rushes into the AI field, symbolizing potential danger of overcrowding Taiwan's industry！
 

大學教育是個紮根的工作，就像應用物理研究所必須在大學修習基礎物理一樣，人工智慧技術也必須掌握基礎資訊科技的基本知識，未來才能在應用面找到發展的機會。

 

AI是一個資訊技術的實務應用，是一個致能科技(enabling technology)，所以我喜歡用「智能」而非「智慧」來描述這個產業。事實上全世界沒有「單幹」AI的企業（就如同世界上沒有專業微機電公司，只有以微機電技術贏得優勢的企業（如TI），只有應用AI在特定領域的企業（如京東、智慧醫療）。因為AI碎片化、客製化、專業化的條件太高，所以AI基礎的運演算法(algorithms) 及資訊技術的掌握十分關鍵，故大部份的大學大都把AI放在研究所的層次，而大學本科則致力於基礎資訊科技的學習與打底。

 

但台灣這麽多大學衝鋒陷陣邁入AI 領域，到底是怎麼回事？再說，AI有技術面、社會面、經濟面、管理治理面、環境社會治理(esg)面，我們到底準備搞那一面？

AI的重點在應用，在客製化過程中行業專業知識(domain knowledge) 的掌握至為關鍵，但AI技術本身是中性的，若在智慧機械學習(Machine learning)的過程中有很多認知性與主觀性(discretionary and subjective)的判斷空間，通盤優化(overall optimization) 就會因人設制變成妥協式優化(compromised optimization) ！這種東西大學沒得教，因為沒有這種師資！那麼，台灣發展AI的真正策略目標到底是什麼？
 

專業化精兵政策才是台灣該走的路，畢竟台灣市場太小，過度碎片化、多元化，非產業所長。大學一窩蜂追求這個當紅技術，不知是政府誤導，還是產業及高校已無計可施？
 

AI 應用必須依託在產業或市場，前者要有產業應用的行業專業知識(domain knowledge)，後者要有廣擴縱深的(sizeable) 市場，這是個策略選項，不是「人多好辦事」的狀況。大學畢竟是為學子扎根而設，應用端的事就看這些學子的天份了，學校、教授、政府是搞不來的！