受訪者：黃彥男（中研院資訊科技創新研究中心、大渡山學會講座）

時間：2022年10月17日 上午11：00-12：00（美東時間，晚上11：00-12：00）

地點：視訊

整理：張運宗

 

【編按】三年前DDS訪問黃彥男主任談AI的整合與應用，^註一 旋邀聘為大渡山榮譽講座，黃主任即積極協助推進「智慧建築」與中研院的合作。　智慧建築從一幢「種子屋」開始，^註二 不僅獲得「東方設計奧斯卡獎」之稱的日本Good Design Award ^註三，且參加的中研院整合型計畫已通過初選，在黃主任引介下，更進一步參與跨國計畫。　藉由「智慧建築」的發展經驗，東海以AI為特色的下一步呢？　

 

 

強烈的投入意願：從中研院到跨國合作

 

　　智慧建築，簡單的定義，如何透過智慧化讓人居住舒服，十幾二十年前就是熱門題目，但大多是燈光控制，能源控制等簡單操作；近幾年開始關心從設計、材料、生質能等節能省電的議題。　對資通訊而言，關鍵在能源的有效管理和運用，且不會降低居住的舒適度。　

 

　　中研院和東海透過AI計畫「智慧建築」的合作，從一開始的「種子屋」到現在走向淨零碳排放的「永續」，已經產出兩個計畫。　

 

　　第一個是申請中研院「永續科學研究計畫」，將原先以「種子屋」為主體的計畫擴大成為永續議題的整合型計畫，「減碳節能目標下的韌性智慧建築技術韌性建築」。　東海由邱浩修老師主持，白鎧誌老師協同主持子計畫「AI與演算模型輔助之韌性智慧建築設計研究」，探討建築產業面對日趨劇烈的環境變動下，從設計規劃上，透過有效的減碳節能的創新技術，增強建築對應環境的生存「韌性」，並兼顧生活的舒適及安全性。　這個計畫約1年8百萬，為期3年。　

 

　　第二個是今年9月初，Belmont Forum^註四 中的六、七個國家提出一個 ”Digital Immersive Modeling for Space-Sufficient Housing, DIMINSH” 跨國合作計畫。　其初始想法是，臺灣或東亞的居住空間不大可能有很大的土地，或擁有前庭後院的大房子，且房子愈大愈浪費能源材料。　所以能否透過AR、VR、元宇宙的實踐，房子不大但感覺很大，不僅不必消耗太多的資源和能源，並讓小房子和大房子都達到同樣的身心效果。　這個計畫的關鍵是建築空間的設計，建築既是東海的強項，邱浩修的團隊對日本建築又有相當的研究，設計能力獲得國際團隊肯定，彼此迅速形成共識，展開合作。　這計畫已經通過初選，明年初應該會知道結果，申請經費約3年28萬歐元，更重要的是，能獲得相當高的國際知名度。　

 

　　「永續」的淨零碳排是個好題目，東海又有良好的先天環境，「智慧建築」朝此方向的發展又走在前面。　但東海要做到真正以「永續」或「淨零碳排」為特色，參與的人必須要有強烈的意願，投入時間，經歷許多的會議腦力激盪，才有可能突破發展。　

 

 

從好問題到對的結果：AI發展的新階段

 

　　如果從「智慧建築」來看AI的運用，AI一開始主要運用在能源預測與管理，算是建築產業中很小的項目，並在這兩三年達到非常成熟的發展。　其實，在各領域中AI能應用的項目，這幾年差不多都試過了，也達到相當的成果，已經比較清楚地知道能做的方向和內容。　歸結來看，這幾年談AI的重點還是深度學習（Deep learning），且技術已經相當成熟，因此，我覺得問題不在於技術，而是如何找出適合深度學習的「好的問題」，應用出好的效果。　也就是說，挑問題、挑資料，是否適合深度學習，而非盲目地運用AI，跑出一個不知所云的結果。　

 

　　過去大家覺得AI很有用，一堆資料餵進去，產生一個模型進行預測，結果有些應用很成功，有些應用卻存在很多問題。　其實這幾年AI最成功還是影像、語音辨識，因為對錯一看就知道。　但是只要離開這兩大項的運用就常常出現很多問題。　例如，公司能否「預測」一個人是否離職？　是否成功？　會不會還錢？　不僅「人」的「預測」，即使「智慧製造」的「預測」，都常會看見許多很奇怪的結論。　

 

　　因為我們並不了解一大堆資料放進AI，出來的結果是否合理、準確？　所以只能把AI視作一個黑盒子（black box）。　隨著技術發展的成熟，現在大家開始反思「為什麼」，且已經有很多人投入研究，希望做出「可解釋的AI」（Explainable AI, XAI）演算法；這和過去兩三年的發展有很大的差異。　然而，一旦面對AI產出結果是否正確時，就不僅是資訊的問題，而涉及社會學、法律、管理等各層面的問題了。　

 

　　換個方式來說，「深度學習」和人腦的邏輯思考並不一樣，但我們又硬要套上去，所以出現很多問題。　現在開始思考，對應於過去「深度學習」、「機器學習」為主流的「狹義AI」（Narrow AI）、「弱AI」（Week AI），開始尋找是否能擴充，讓AI具備人的某些認知、判斷、推理等能力，也就是朝往「廣義AI」（Broad AI）或「強AI」（Strong AI）？　當然，這就不只是「深度學習」或「機器學習」了。　

 

 

人的溝通與法規的建立：AI下一步的起點

 

　　如果藉由AI，下一階段要達成的目標是數位轉型 ─ 這是正確的方向，產業或國家也都正朝這方向努力 ─ 必須瞭解，AI是數位轉型的工具之一，且必須要有足夠的瞭解才會知道工具使用的效果和結果，重要的是，必須知道適合運用AI的項目；對整個資料的產生、收集、過濾等優化過程之後，知道哪些資料適用於何種AI技術，再對產出的結果進行判斷，是否偏見、歧視等等，也就是「可解釋的」，才能用對的結果輔助推動數位轉型。　

 

　　數位轉型最基本的工作，包括基礎建設、法規制度的環境面建設必須超前部署。　法規制度非常重要，在臺灣，沒有說「行」就是「不行」，如果沒有超前部署，必然窒礙難行。　所以必須先決定發展的方向，相關的法規先建立起來，大家才願意或敢去做。　

 

　　臺灣剛成立數位部，理論上也是同樣的道理，各領域都需要有人一起進來參與。　接下來，才是如何幫助各單位的數位轉型。　這又遇上更複雜的「人」的問題，因為是跨領域的問題，例如在政府中，跨部會的問題往往需要把許多功能集中到一個「委員會」，「科技部」回歸「國科會」就是面對跨部會協調合作的問題。　如果是「部」，就只是許多部會之一，能否產生效益，有待觀察。　

 

　　從數位部成立的高度來看，數位轉型真正面對的問題是「人」。　過去幾年，AI的很多問題可能是因為全交給資訊領域主導，其他專業領域只是旁觀，或至少沒有做到真正跨領域。　然而，資料的收集和處理非常重要，資料的正誤、解釋、意義，都需要專業領域（Domain）的人參與，然後資訊領域的人才有能力進來。　因此，AI的下一步不能只是資訊人主導，而要有更多的人參與，達成目標，取得共識，找出問題。　

 

　　在任何機構中，跨Domain合作都很難，因為彼此的語言對不上話，或者彼此不相信，不願意放下原有立場，硬湊在一起，出來的結果就很奇怪。　不過，從另一方向來看，很多人只相信AI，不相信「人」，反而會產生更大的問題。　

 

　　東海在幾個領域方面，AI發展已經走在前面了， 如果要做到有特色，跨Domain的合作就要比別校強，可能需要擴充到人文學科的跨領域合作，才有可能找出下一步的突破。　未來的AI應用都會牽涉到「人文」或各領域與「資訊」的跨域問題。　

 

 

 

註一，參見，「黃彥男談AI的整合與應用」。　

 

註二，參見，「校級計畫的關鍵目標——智慧建築」、「種子屋——溝通的工具」。　

 

註三，參見，「建築系師生設計永續『智能種子屋』獲得日本Good Design Award」。　

 

註四，Belmont Forum成立於2009年，聯盟伙伴遍佈全球，旨在尋求因應全球環境變遷的解決方案。　

 

 

THU_ Intelligent SEED House 東海智能種子屋：

THU ARCH _ [ SEED House ] – Urban / Rural living with Environmental Intelligence (片長 2:59)

https://youtu.be/Z_s0-hLZ3Eg

 

 

 

---