想像一下，如果在高一的時候有機會跟 Adobe 首席 AI 設計師對談，今天的你會不會有什麼不同？

4月25日下午，佳達老師請到了他的好朋友陳翰申老師與我們分享。翰申老師曾在 Microsoft AI & Research 擔任 Senior UX Design Lead，及在 IBM 的 Watson 團隊擔任設計師，之後到 Google 帶領 Google Home 設計團隊，擁有相當豐富的 AI 產品及跨平台產品設計經驗。此外他也在帕森斯設計學院 BFA 課程教授「認知人工智慧界面」，並且在 Microsoft 內部人工智慧課程任教。目前在全世界最大的多媒體軟體公司 Adobe 擔任首席 AI 設計師。

這天的線上教室裡有來自台中女中、明道中學、北一女中的同學們。當被問到這個世代遇到最大的挑戰是什麼時，「所學的不足以面對未來」、「同溫層效應難以突破」、「在資訊爆炸的時代如何提升識讀能力」、「人是否會被AI取代」、「如何跨領域」等，都是同學們關心的議題。那麼AI在解決上述問題中扮演什麼樣的角色呢？

 

誰適合學AI

在開始介紹AI之前，翰申老師以自己為例子說明「誰適合學AI」。

在我們眼前的這個人高中數學曾考過5分的成績，大學念的是建築系，但現在是世界級大公司的首席AI設計師。從原本的背景跨到AI設計師有非常大的落差，這中間的差距填補靠的是「自學」。

老師告訴我們現在網路上的資源比起他當初自學時多太多了，甚至有視覺化的工具可以協助學習者把抽象的概念具體化，要自學數學和程式比起以前又更容易。而在整場分享中老師多次提到要盡量想辦法讓自己練習用英文吸收新知識，在網路上如果讀得懂英文，能夠接觸的資源比起只懂中文的人多了不知多少倍，成長的速度也會明顯加快。

 

AI是什麼

提到AI時，大家可能有聽過人工智慧和機器學習等名詞。凡是透過機器來模仿人類的智能行為都可歸類為人工智慧的範疇，例如視覺、語言識別、決策等。

機器學習可概要分成三種形式：監督式學習、非監督式學習、以及增強學習。跟人不同的是，機器只懂數字，因此所有的視覺、聽覺、文字……等訊息，都需要轉換成數字來處理。

監督式學習(Supervised learning)：所有資料都有人工的標註(label)，以告訴機器相對應的值，在輸出時用以判斷誤差。這種方法就像是人準備好了一份標準答案讓電腦拿著去比對所有資料。對人來說最辛苦，但對電腦來說最簡單。

非監督式學習(Unsupervised learning)：資料上沒有標註，機器透過尋找資料的特徵(feature)來做分類。對人類來說最簡單，但對電腦來說最辛苦，辨識結果的誤差也可能較大。

增強式學習(Reinforcement learning)：資料上沒有標註，但我們告訴機器它所採取的哪一步錯誤、哪一步正確。機器根據這樣的回饋逐步修正，最終得到正確的結果。

有位同學問到AI背後的設計者還是人類，因此AI的準確性也受到人的影響，要怎麼提升準確性呢？翰申老師分享要提升AI的準確性需要大量的data驗證，當我們給出越多對的資料，AI也會越做越對。以輔助醫學判斷來說，目前的AI在輔助乳癌判斷上相當於從業12年的醫師程度，隨著輸入的資料越多，未來正確性也會更加提升。

也有同學擔心AI如果判斷有偏差，會對人類的福祉造成影響。翰申老師舉了一個用影像判斷這個人是好人還是壞人的研究做為例子。研究者先在監獄裡拍下大量囚犯的照片，再到街道上拍下大量一般人的照片，結果這個系統傾向於將有笑容的人辨別為好人，不笑的人辨識為壞人。為什麼呢？想想看如果你被關在監獄裡，有人幫你拍照，你會想笑嗎？

但這個研究最大的問題不是在於受試者或是環境的選擇。只用外表的特徵來判斷一個人的好壞，真的是適當的嗎？不要為AI而AI，在開始一個專案之前永遠問自己：「你要解決什麼問題？為什麼AI可以幫上忙？」

當被問到「AI會不會取代人類呢？」這個大哉問時，翰申老師帶大家思考，目前AI應用在生活的各種層面，例如縮短紡織廠尋找布料的時間、辨別中藥的品質、協助醫師做診斷等，都是在做原本人就可以做，但有了AI的輔助之後可以做得更快、更精準的例子。當初網路跟手機問世的時候也有人擔心這些發明會不會毀滅人類文明，但之後的發展證明這些都協助了人類文明的進展，成為現代人生活的一部份。你喜不喜歡AI並不重要，重要的是當AI成為生活不可或缺的一部份時，你要怎麼運用它？

 

成長型思維 Growth Mindset

同學們在開場自我介紹的時候，有不少人都用自己是自然組或是社會組開頭，也有幾個同學不約而同問到如果讀社會組的話有辦法學習AI嗎？

翰申老師說，所謂的自然組或社會組都只是學制加在我們身上的限制，讀什麼學校、哪一科成績好，跟你未來會做什麼並不必然會有關連。如果一個小時候數學不好，又到了32歲才開始學寫程式的人，最後都能進Google工作了，你們才15歲，有什麼不能做到的呢？在這個時代知識是學不盡的，我們如何將學習的主題從知識本身，轉向怎麼學習、檢視、質疑這些知識，並建立自我學習的系統，是更為重要的。

老師向大家大力推薦《心態致勝》，這是所有微軟員工必讀的一本書，書中講述「成長型思維」的概念。具有成長型思維的人，別人眼中的限制，在他們的眼中則是挑戰。他們能夠從環境中辨識出問題，並主動解決。如果你是一個有成長型思維的人，不論讀什麼科系，有沒有待在學校，學習的路從現在的15歲到哪怕105歲都不會停下來。

在我們眼前的這位講者，就是一路具備成長型思維的典型。不受成績、科系、社會眼光與期待影響，不斷透過自學克服一個又一個的挑戰，不論達成了多少成就都不會停下進步的腳步。翰申老師最後也跟我們分享他怎麼詮釋「自學」這回事。

自學，就是回答自己的問題。

願同學們都能勇敢回答自己的問題，找出屬於自己的方向。

 

後記：佳達老師補充的學習資源

如果你想學 AI 的 programming，現在剛好有一個非常好的機會。密涅瓦大學為就讀學生訂來學程式語言的平台 Datacamp，是佳達老師用過最棒的程式學習平台，目前正提供學生三個月免費的優惠。可以去裡面搜尋”machine learning Python” 系列的課程。

要申請學生免費帳號稍微有點複雜，你要先去他們的合作方 github 申請學生身份驗證，再把帳號連結過去，就可以免費上課。

大家可以自己研究一下這個網頁，有完整的說明：https://www.datacamp.com/github-students/

在 Github 進行學生身份驗證：https://help.github.com/en/github/teaching-and-learning-with-github-education/applying-for-a-student-developer-pack