最近看大家都在討論AI，我把我之前幫老師們上
一些AI相關研習課程及教育現場實施的一些感想和大家分享：
這一波 AI需要各種不同層面的人力及人才
光是從工程師角度出發就可發現各式各樣的人力需求：
1.像是要餵給機器學習的資料整理與標記就需要花相當多的人力
2.把技術套用到案場的時候
我們需要會做機器學習程式和現階段ICT設備整合的程式人才
3.porting 到硬體上的時候我們需要一些對機器學習專用的開發板
熟系的韌體工程師
4. 想要把硬體做得更小更快的時候，我們就需要IC設計的專業人員，
這些工程師，他們還要對機器學習相關理論及做法有相當理解
才可以順利地執行工作。
5.資料分析這一塊需要兼具 Domain Knowledge
及機器學習使用能力的資料科學家
6.對於底層演算法的優化及問題的深入探討，我們需要
更多來自業界及學術界功力深厚的研究人員
7.但其很多事情還是以專業人員為主，AI當作輔助
我們需要更多懂得並且願意和機器好好協作的專業人員
像是一些大型網購公司的倉儲系統，目前也是機器和人合作的狀況
另外像是醫療體系，
他們雖然也都積極地導入AI系統，並協助業界及學術單位
做資料收集及研究開發，但第一線的醫療及照護人員幾乎是完全
無法用機器取代的...
===========================================
也許 AI時代的來臨，我們除了要學會和
機器合作之外，還要思考如何發揮身為"人"的優勢，扯遠了…
===========================================
回到教育現場…
那對教育現場的我們說說，應該如何努力才可讓學生在 AI 盛行的年代找到自己的定位並對整個產業有所貢獻?
暑快到了，以我最近收到暴多 AI 相關的研習及營隊的公文來看
政府和民間似乎都有想好好投資在AI相關的教育訓練上…
以我自己本身的經驗來說，
我從成大 Machine Learning LAB 畢業
並到工研院投入相關研究，
在工研院的六年確實也接觸各種和AI相關的案子…
我深知要培育一個可以做 AI 研究的人才是需要
相當程度的知識累積，
直到後來我進入教育界
並投入生活科技與資訊教育，
更近距離地觀察台灣的資訊教育現況
和學生的素質之後…
我不得不說，如果把眼光放遠一點的話
學生首先應該把心力放在傳統的學科上
像是數學或語文這類型的科目它是需要經過時間練習累實力的，無法速成
其次才是要培養學生解決問題的能力
教書的這幾年我遇到了一些很有想法
且喜歡動手實作的學生
實際指導他們之後發現了一個共通的問題
比起了解基礎的技術原理及背景知識
他們只關心怎麼樣快速的把成品兜起來
像有一個學生看網路教程用 arduino
弄了一個 RFID Reader ，當他發現無法
存取白卡上面的的block的時候跑來請教我，
不過當我告訴他 APDU 的通訊包及原理的時候
他只關心到底要改程式的哪一個片段才可以解決問題
另外有一個學生做了一隻藍芽遙控車
問他為何馬達要接繼電器，他竟然不知道什麼是繼電器
以上種種讓我想起一些業界的朋友和我分享的經驗…
為何相較於參加比賽經驗豐富且有實作經驗的
二三流大學or碩士畢業生，在頂尖企業選才的時候
還是喜歡相對可能沒什麼實作經驗的名校畢業生?
除了因為現在人人有獎的比賽和發明展太多了
更重要的是…
他們看重的是名校畢業生的基礎學科能力和
後續發展的潛力…
很多學術知識是有一定門檻的
出社會之後想靜下心來好好重新學習是有一定難度的
像我就一直後悔大學的時候沒有修到電子學
教生活科技的時候在做一些有主動元件的電路的時候
總是無法把細節計算清楚
總結以上的論點，我覺得教學生紮實地唸好基礎學科才
是王道，不要嫌它無聊唸了也不知道幹嘛~
把它練熟了以後應用起來就會知道它威力無窮了
新課網裡面規畫的資訊科技及生活科技的內容其實相當不錯
好好地照目前課網規畫的基礎程式與資料結構修習課程
並在生活科技部分好好培養動手實作與解決問題的能力
以上如都可以做得很好的話
應該可以為國家及企業儲備更充足的工業及資通訊人才
