科技社會觀》智能科技産業跨領域發展的審思 - umedia 優傳媒  

新聞 / 百家爭鳴
科技社會觀》智能科技産業跨領域發展的審思
2024-03-05 06:30:00
A+
A
A-

「人性」是文化的自信、開擴的胸襟、旺盛的企圖心,就是自身獨特的「知識體系」;也是跨領域、跨實證科學系統、跨經管理論的基礎條件;更是未來智能科技文化「安身立命」的基礎!冀望朝野共同關注這個攸關臺灣發展的要件,共同為下一階段的智能經濟的發展來努力。(圖/取自網路)

 

作者/徐作聖(陽明交通大學科管所 退休教授)

 

自2023年,ChatGPT迅速竄紅之後,人工智能技術AIGC幾乎發展成為全民運動,政府、大學、企業無不爭先恐後的進入這個新興的行業。在2024年OpenAI推動Sora「文字轉圖像」應用後,人工智能更儼然成為「無所不能、無所不在、無所不有」的產業救世主和普世價值。

 

AIGC幾乎滲透到所有産業和所有生活領域中,故學習、快速導入智能應用是現代的顯學,但跨領域系統的突破成為市場端應用的最大瓶頸。最近有媒體報導大學跨領域學習的案例,台大文學院將於下學期開設「生成式人工智能導論」等選修課程,而各式各樣的訓練課程和諮詢服務、跨領域消費市場與工業市場的應用也不斷湧,未來成果有待觀察。

 

幾乎人工智能的產業應用都牽涉到跨領域整合及介面管理的問題。在2023年AIGC快速興起後,STEM (Science、Technology、Engineering) (科教系統)成為青年學子競相追求的顯學。但STEM畢竟是基礎的教育學科,在實務應用上功能並不明確;故有學者提出科教體系及科技實證系統(Positivism) 的理念,提供跨領域的論證基礎。跨界學習和經營必須從實務面著手,而學校教育僅能提出特定領域的基礎知識。掌握科技發展脈絡是關鍵,而獨特「知識體系」的建構更是不可或缺的條件。

 

跨領域學科整合必須有共同認知(Universal cognition)和實證基礎。經驗法則或數據分析有可能造成「主觀判讀」和系統參數相互干擾(Intertwined )的問題。換言之由模型,到定律,到定理仍需努力強化參數之間的互相依存度(Interdependence),特別在人工智能技術席捲所有科技和應用領域的當下,應用端的跨領域可操作性(Interoperability) 仍需解套;尤其是基礎理論尚未完善的學科,如生命科學、材料科學及化學等實驗科學。。

跨界人才培育和師資養成是另外一個嚴肅的問題。教育導向STEM系統無法真正形成跨領域知識體系的圖騰,但Positivism實質上更能強化跨界的功能,其中四大科技類型各有其實證應用的場景,各成一個獨立系統:頂端是傳統牛頓力學與工程領域、第二層是數學演算法、統計熱力學與概率、第三層是量子力學及其他新興的科技、第四層是生技醫學及其他實驗科學領域。實證系統兼具實驗和理論的相互論證,是近代所有科學(包含社會科學)的基礎。

 

智能晶片達人黃仁勳最近表示:學電腦的時代已過去,「生命科學才是未來」。而事實上,醫療健康是典型跨領域的實驗科學,跟材料科學、化學類似,是「半」科學,用是全是物理參數和物理量測,但絕非理論/實驗數據緊密結合的物理或實證科技,非純演算法掛帥的智能科技,但也是跨領域學習和落實的瓶頸。

 

在一本1944年神聖 (Sacred)的量子力學大師 Edwin Schrodinger的書中《What is life!》,作者試圖將量子物理理論跨領域用於探討生物學的基礎探索,未竟其功但留下的爭議不斷,此舉雖開啟了許多學科跨領域進入生物學/醫學的開端,但在人工智能領域跨領域醫療健康認知困難也尚待突破。

 

缺乏系統性「見林又見樹」的宏觀思维,臺灣「小確幸」的經營模式已深入人心,且積重難返,造成跨領域的學習困難。雖然「知識系統」的建構也助於跨領域學習,但全方位的調整和改造是一個「世紀工程」,非十年難竞其功。

 

中世紀歐洲的文藝復興運動成就了近代科學和文明的發展,但現代跨領域科學系統更加龐大,而智能技術的風潮又打亂原來科技分類的格局。生成式AI快速擴散已形成無所不在的局勢,全球産業鏈重塑勢在必行。雖然發展成為下一個護國神山尚言之過早,但臺灣總體系統資源有限、硬體代工文化深植,難以成就大型標準化産品/技術的綜合實力,但智能化、客製化的獨特智能應用是成長關鍵,而跨領域「技術認知」及「系統解析、擴散能力」更是轉型成為智能經濟體的重點工作。

 

「科技來自人性」,但「人性」是什麼?「人性」就是文化的自信、開擴的胸襟、旺盛的企圖心及使命感、前瞻思維、宏大願景;也就是自身獨特的「知識體系」,也是跨領域、跨實證科學系統、跨經管理論的基礎條件;更是未來智能科技文化「安身立命」的基礎!冀望朝野共同關注這個攸關臺灣發展的要件,共同為下一階段的智能經濟的發展來努力。

 

(文章只屬作者觀點,不代表本網立場。)

徐作聖,輔仁大學化學系畢業,清華大學應用化學所、美國匹茲堡大學化學博士、美國伊利諾大學eMBA。陽明交通大學科管所退休教授,2010年獲選為「國科會大專校院獎勵特殊優秀獎」,至今迄為行政院公共工程委員會政府採購法評選委員。

「人性」是文化的自信、開擴的胸襟、旺盛的企圖心,就是自身獨特的「知識體系」;也是跨領域、跨實證科學系統、跨經管理論的基礎條件;更是未來智能科技文化「安身立命」的基礎!冀望朝野共同關注這個攸關臺灣發展的要件,共同為下一階段的智能經濟的發展來努力。(圖/取自網路)

 

作者/徐作聖(陽明交通大學科管所 退休教授)

 

自2023年,ChatGPT迅速竄紅之後,人工智能技術AIGC幾乎發展成為全民運動,政府、大學、企業無不爭先恐後的進入這個新興的行業。在2024年OpenAI推動Sora「文字轉圖像」應用後,人工智能更儼然成為「無所不能、無所不在、無所不有」的產業救世主和普世價值。

 

AIGC幾乎滲透到所有産業和所有生活領域中,故學習、快速導入智能應用是現代的顯學,但跨領域系統的突破成為市場端應用的最大瓶頸。最近有媒體報導大學跨領域學習的案例,台大文學院將於下學期開設「生成式人工智能導論」等選修課程,而各式各樣的訓練課程和諮詢服務、跨領域消費市場與工業市場的應用也不斷湧,未來成果有待觀察。

 

幾乎人工智能的產業應用都牽涉到跨領域整合及介面管理的問題。在2023年AIGC快速興起後,STEM (Science、Technology、Engineering) (科教系統)成為青年學子競相追求的顯學。但STEM畢竟是基礎的教育學科,在實務應用上功能並不明確;故有學者提出科教體系及科技實證系統(Positivism) 的理念,提供跨領域的論證基礎。跨界學習和經營必須從實務面著手,而學校教育僅能提出特定領域的基礎知識。掌握科技發展脈絡是關鍵,而獨特「知識體系」的建構更是不可或缺的條件。

 

跨領域學科整合必須有共同認知(Universal cognition)和實證基礎。經驗法則或數據分析有可能造成「主觀判讀」和系統參數相互干擾(Intertwined )的問題。換言之由模型,到定律,到定理仍需努力強化參數之間的互相依存度(Interdependence),特別在人工智能技術席捲所有科技和應用領域的當下,應用端的跨領域可操作性(Interoperability) 仍需解套;尤其是基礎理論尚未完善的學科,如生命科學、材料科學及化學等實驗科學。。

跨界人才培育和師資養成是另外一個嚴肅的問題。教育導向STEM系統無法真正形成跨領域知識體系的圖騰,但Positivism實質上更能強化跨界的功能,其中四大科技類型各有其實證應用的場景,各成一個獨立系統:頂端是傳統牛頓力學與工程領域、第二層是數學演算法、統計熱力學與概率、第三層是量子力學及其他新興的科技、第四層是生技醫學及其他實驗科學領域。實證系統兼具實驗和理論的相互論證,是近代所有科學(包含社會科學)的基礎。

 

智能晶片達人黃仁勳最近表示:學電腦的時代已過去,「生命科學才是未來」。而事實上,醫療健康是典型跨領域的實驗科學,跟材料科學、化學類似,是「半」科學,用是全是物理參數和物理量測,但絕非理論/實驗數據緊密結合的物理或實證科技,非純演算法掛帥的智能科技,但也是跨領域學習和落實的瓶頸。

 

在一本1944年神聖 (Sacred)的量子力學大師 Edwin Schrodinger的書中《What is life!》,作者試圖將量子物理理論跨領域用於探討生物學的基礎探索,未竟其功但留下的爭議不斷,此舉雖開啟了許多學科跨領域進入生物學/醫學的開端,但在人工智能領域跨領域醫療健康認知困難也尚待突破。

 

缺乏系統性「見林又見樹」的宏觀思维,臺灣「小確幸」的經營模式已深入人心,且積重難返,造成跨領域的學習困難。雖然「知識系統」的建構也助於跨領域學習,但全方位的調整和改造是一個「世紀工程」,非十年難竞其功。

 

中世紀歐洲的文藝復興運動成就了近代科學和文明的發展,但現代跨領域科學系統更加龐大,而智能技術的風潮又打亂原來科技分類的格局。生成式AI快速擴散已形成無所不在的局勢,全球産業鏈重塑勢在必行。雖然發展成為下一個護國神山尚言之過早,但臺灣總體系統資源有限、硬體代工文化深植,難以成就大型標準化産品/技術的綜合實力,但智能化、客製化的獨特智能應用是成長關鍵,而跨領域「技術認知」及「系統解析、擴散能力」更是轉型成為智能經濟體的重點工作。

 

「科技來自人性」,但「人性」是什麼?「人性」就是文化的自信、開擴的胸襟、旺盛的企圖心及使命感、前瞻思維、宏大願景;也就是自身獨特的「知識體系」,也是跨領域、跨實證科學系統、跨經管理論的基礎條件;更是未來智能科技文化「安身立命」的基礎!冀望朝野共同關注這個攸關臺灣發展的要件,共同為下一階段的智能經濟的發展來努力。

 

(文章只屬作者觀點,不代表本網立場。)

徐作聖,輔仁大學化學系畢業,清華大學應用化學所、美國匹茲堡大學化學博士、美國伊利諾大學eMBA。陽明交通大學科管所退休教授,2010年獲選為「國科會大專校院獎勵特殊優秀獎」,至今迄為行政院公共工程委員會政府採購法評選委員。

加入好友
優傳媒 版權所有 © 2019 All Rights Reserved.
首頁 / 關於我們 / 聯絡我們 / 隱私權政策 / 著作權與轉載授權 / 合作夥伴 / 法律顧問