英業達首席科學家陳佩君給父母的建議

初見面時，不少人看到陳佩君的名片會一愣：「人工智慧中心機器學習首席科學家？這是什麼？」攤開她的學經歷，更為驚人：大學讀清大主修物理，副修電機，再輔修數學與外語，等於有四個學位，她修了二百多個學分，幾乎是其他同學的兩倍。獲得清大電機碩士學位後，到人工智慧領域排名數一數二卡內基美隆專攻讀電腦視覺。

拿到博士學位之後的第一個工作，如同她的同儕一樣到矽谷工作，陳佩君是NVIDIA（輝達）第一個視訊處理器的架構師。離開NVIDIA，她轉到英特爾做OpenCV。OpenCV是一個跨平台的開源電腦視覺程式庫，常有人形容是「從火星到地球都有人在用」的系統。

接下來，像其他優秀科技人才一樣，她投入創業，雖然第一次創業失敗，但讓陳佩君了解實務與理論的差距，也認識很多創業家與創投，同時確認，創業「是一個可以改變世界的方式」。她所感受到的最大差異來自於，過去當研究者時就算論文寫得再，也不知道究竟是誰看到；投入創業才能夠真正接觸到人，知道對誰產生影響，是非常有趣的經驗。於是，她繼續創業，這次創業成功後被收購，她決定回台灣，定居花蓮，搭飛機往返台北上班。

由於這一波的人工智慧幾乎跟「機器學習」技術劃上等號，她目前的工作就是負責人工智慧中心。而「科學家」的角色，跟大家想像的並不太一樣，「應該說是溝通者與問題定義者。」陳佩君說，很多人把人工智慧的重點放在演算法，但演算法或使用的程式雖然重要，其實只是人工智慧的一小部分。她強調，如何定義問題，決定放入什麼資料、能夠得到哪些數據或答案，才是決定人工智慧品質的關鍵。

如何定義問題？陳佩君用美劇《怪醫豪斯》為例，豪斯要從病史、病人居住的地方、基因缺陷等很多可能的原因中找出有用的線索，不同的病有不一樣的線索，相當複雜。而確認線索後，假如認定是心臟的問題，就用藥，沒用，再換一種藥來嘗試。在此同時，還必須考慮時間的壓力。這些流程，就類似人工智慧科學家在做的工作。人工智慧中心的設立，則是很多企業在這兩年的創舉。

過去以代工製造為主的生產模式，通常由客戶提出需求、甚至把部分的設計交給台灣的代工廠，台灣企業最重要的事情通常只是優化流程、加速產線。但到了AI時代，代工廠必須具備找問題、解題以及創新能力，因此英業達設立AI中心，也設立首席科學家來主導創新研發流程。

人工智慧的影響涵蓋企業的每個層面，已經創造出全新的工作；全新工作型態影響所及，是對於工作能力的重新定義。

回到台灣工作將近兩年，陳佩君群觀察到的是，台灣年輕人能力很優秀，但不擅長溝通與表達。可是AI相關工作卻非常需要不斷溝通，千萬不能是老闆交代你做一件事，就埋著頭做，缺乏溝通的結果是做出來的東西完全不對。

「不習慣問問題，也不敢問問題，怕因此被認為能力不足，」陳佩君提醒，可是現在的工作型態不再是由上而下，「只聽老闆的指示根本是錯的。」

因為過去產品的市場生命週期長，大家可以等老闆指示再慢慢調整，她直言：「老闆已經不存在了，市場需求才是真正的老闆，瞬息萬變，企業跟個人都必須快速適應。」

從矽谷的企業決策模式演變也能看出端倪。過去的Waterfall決策方式早被scrum取代，scrum正是一個不斷定義問題、確認現況再重新思考問題的循環過程，藉以快速調整企業步調，以便因應市場隨時變化的現況。

進入AI世代，「定義問題」更是重要的能力。因為相同的AI技術可以解決不同領域的問題。例如英業達最重要的是智慧製造，究竟問題在哪裡？必須抽絲剝繭找出來，或許是流程，或是這批原物料進來就有問題。另外，還有智慧醫療，必須從病歷、醫學影像影片來找尋線索。

技術雖是通用的，但解決不同問題必須用不同的演算法，「有些需要長時間的資料，例如生產線的數據，有些需要短時間內的大量資料，像一張X光片上的資料對AI而言是很大量，如果沒有辦法確認問題，就找不到對的方法。」

既然找問題如此重要，而在台灣的體制教育中又通常較少培養這樣的能力，家長應該怎麼做呢？

陳佩君的做法是，叫小孩出題，例如在複習完某個範圍之後，讓孩子出題考媽媽，但會設限制，例如「不能出超過二位數的加法」。孩子就會用自己的想像去轉換題目，像原本是「三個蘋果加四個橘子」，就轉換成「三個外星人加四隻恐龍」，讓孩子換個角度想事情，而這是面對未來相當重要的能力。

而且，定義問題比解答問題更難，陳佩君強調：「電腦可以解答問題，但定義問題只有人做得到。」習慣這樣的轉換能力之後，孩子逐漸長大就能培養出定義問題的能力。像是拿到股市預測的題目，會聯想到是否先簡化為時間序列的預測？而跟時間序列有關的，像是天氣預測，是否可能應用進來？

養成這種類比的、跨領域的練習，「跟唸什麼科系沒有關係，不必受限制，」陳佩君強調，更重要的是好奇心、觀察能力，以及對人的關心，才有辦法問出好問題。

另外，陳佩君自己也從孩子五、六歲時開始引導她認識程式語言。

她買了一隻機器狗，想要看看小孩跟機器小狗的親密度發展。在玩的過程中孩子覺得小狗「不夠聽話」，她會問：「我們該怎麼辦？」孩子認為，解決問題的方法就是寫程式，可以「叫小狗幹嘛就幹嘛。」

於是，陳佩君順勢引導她寫程式。一開始不用螢幕，用裝有馬達的木頭機器人，用實體的控制板，把寫程式的邏輯概念放進來，陪小孩一起玩如何控制機器人的動作。慢慢長大之後，現在用scratch的基礎概念，控制一台機器恐龍，只要在地上用封箱膠帶貼出迷宮，孩子就能藉由遊戲熟悉程式語言邏輯。

除此之外，陳佩君也很在意培養孩子的語文能力。她的方式是睡前讓小朋友自己唸故事，唸完之後把書蓋起來再把故事說一次，培養歸納與整理重點能力。

至於跨領域、人文與科技並行的能力，則透過生活中的細節慢慢蘊釀。她經常帶小朋友到她想要去的地方玩，也不限制該怎麼玩。她笑說，像她們就曾經在海洋公園的花園裡假裝打棒球，只因為那裡很像小朋友剛讀完一本讀物中的場景。家長要做的，除了陪伴之外，「就是有開放的心胸讓她自己選擇。」

很多家長也擔心，自己的孩子對於數理完全不拿手，未來是不是註定找不到好工作？陳佩君認為，AI在人文領域已經用得非常廣，將來的應用會愈來愈多。而人工智慧只有技術是不夠的，非常需要具有領域知識的人，所以不必害怕，只需要學習跟熟悉AI基本概念，在自己專長的領域同樣能有很大發揮空間。

陳佩君說，不是每個人都必須知道什麼是類神經網路、GAN、NPL這些技術，她比喻：「農夫不需要知道化學式，就知道該用什麼肥料；不需要知道DNA，就可以選擇正確的品種，」懂得定義問題、知道解決問題時如何選擇工具，並且隨時調整，才是AI世代所需要的關鍵能力。

給父母的建議：

AI時代，定義問題比解決問題更重要。電腦可以解決很多問題，但只有人才能定義問題。