作者: 江清流(Charles Chiang)，1980年東海政治系(22屆)畢業，輔修企管系。　1991年美國西北大學 (Northwestern University) 電腦電機研究所博士。　2016年起他在東海電機和政治兩系設立江廣隆先生紀念獎學金鼓勵學弟妹們。

江校友現任職新思科技 (Synopsys, Inc.) 研發副總。　這幾年他的百餘人的團隊開發出數個應用AI的產品。　他是2007年新思科技的年度發明人 (2007 Synopsys Distinguished Inventor Award)。　他有35個美國和世界的專利，發表過超過一百篇的論文以及出版過一本科技方面的書（Design for Manufacturability and Yield for Nano Scale CMOS）。

 

 

　　由於東海大學校友總會的臉書常常在談這個議題，我也趁這個機會跟大家説説我所瞭解的AI。

 

　　人工智慧(Artificial Intelligent)或有時稱作機器學習(Machine Learning)，它是指電腦能不能從分析已知的資料的因果(Training)來正確的預測出在分析以前沒看過的資料的結果(Inference)。

 

　　舉例：在台灣做的最好的晶圓代工，如果我知道在已知一千種樣子(pattern) 裡有50種會造成良率(yield)的問題，我就用這一千種patterns來做training。　在真正的製造過程時產生不在這一千種中的pattern時，AI能不能準確的算出哪些pattern會降低良率然後僅僅對這些降低良率的pattern加以修正。

 

　　AI能夠現在這麽風行我認爲是因爲以下幾個條件已經成熟：

 

1. 硬體的計算非常快速和記憶體容量很大又便宜。

這幾年硬體的進步真是大。　從輝達(Nvidia)開發出來的圖形處理器(GPU，Graphic Processing Unit)，到現在很多家公司都在做的High Performance Computing，這些硬體所配備的記憶體也越來越大。　這讓需要許多的計算和儲存來運作的Training或Inference都能很快的算出結果。

 

2. AI軟體的開發和無費用的分享。

如谷歌 (Google) 開發出來用於AI/ML的TensorFlow。　它裡面的Training 和 Inference是很多公司開發AI產品的第一步，讓開發時間縮短很多。　又如輝達開發出來的cuda 軟體讓平行計算充分利用GPU的架構讓計算速度加快許多。　和傳統的用CPU相比，充分利用GPU/cuda的程式可以快上10倍，現在已經有人認爲100倍也不是問題了。

 

3. 資料的收集比以前容易，内容也更多。

簡單的例子就是身分證和健保卡知道您個人的資料，信用卡透露您的消費習慣等等。　大量而且正確的資料才會有正確的Training 讓Inference有比較準確的預測。

 

 

　　我覺得有些人對AI有些誤解，認爲那是理工科的東西，如果推展AI理工學院會壓縮其他學院。　我認爲那是不正確的。　對東海而言我們根本無法去做硬體或軟體的研發，不僅僅是人才上的問題，經費上更是跟不上大公司、政府、或財力雄厚在台灣之外的大學。　我們可以做的是：

 

1. 教學生如何在龐大的資料庫中分析資料(Data Science)。

譬如政治系的學弟妹們如何從過去的選舉資料來預測未來的選舉結果。　對AI問錯問題（Training) 自然不會拿到好的預測。　我想這是類似Data Scientist的角色。　對社會學院的其他系所也是相似的情形。　Data Scientist現在是在美國最夯的行業之一。

 

 

2. 教新的軟體如語言，現在如何寫能好好使用GPU硬體的programmer也是極其搶手。

譬如善用GPU結構的平行計算的程式。　學習編寫程式已經不僅僅是理工科的人才做的事了。　美國早在2014年在Obama任内推動大家學習寫程式，也讓他成爲第一位寫程式的總統。

 

3. 和附近的醫院或中小型企業結合，提供學弟妹應用AI軟體，幫助企業升級，創造雙贏。

東海對面有榮總，我們和他們的合作一直是有的，應該在AI方面加强合作。　臺中地區的中小企業很多，和他們合作幫助他們轉型成爲善用資料找到商機或者改善製程都是很有意義的。

 

　　我的部門做AI數年了，和同行之間在這方面競爭的很厲害，大家都很缺這方面的能手。　所以東海走AI這條路我是完全贊成。　我同時認爲這是每一個大學遲早都要走的路。　希望東海大家庭可以早早走出對AI的懷疑態度，很快的讓東海變成台灣的AI重鎮。

 

 

 

 

 

---