1. 想請老師簡單介紹一下智慧養殖的概念。當初又是如何想到與黃英哲教授一起合作做出 AI 養殖蝦呢?

養殖業是一傳統產業，仰賴許多勞動力的投入，然台灣養殖業如今受到人口老化影響甚鉅，且多數年輕人因為過於辛苦而多不願意投身此產業，因此 AI養殖的願景是希望透過新興科技協助從業人員，達到減少勞動成本、提生產量與品質的多重功效。因為魚類蝦類的養殖，不像其他畜牧養殖一樣方便觀察，希望能以 AI 演算系統，更精準計算餌料供應，並透過即時監測確保魚蝦健康，如此，便可有效減少依賴抗生素或藥物施打。在與黃教授合作前，教授已經在海科院已做了三年的半智慧養殖，使用可以測量魚蝦生存環境的探針用以偵測魚蝦是否吃飽或生病，這部分市面上亦有廠商在製作相關產品，測量水中的 PH 值、溫度、鹽度、溶氧量。其中 PH 值和溶氧量對於蝦類生存是最重要的，但是偵測到數據後，如何從數據判斷蝦子是否健康卻是一個難題，教授便想到可以透過資工專長解決此一問題，透過演算法，計算誘餌剩餘狀況、活動量及養殖池相關狀況等，由此便開啟與黃教授合作的契機。

2. 智慧養殖於淡水中使用可行嗎? 淡水中和海中的養殖方法有何不同?

基本上並無差異，淡水的侵蝕性遠低於海水，因此，操作上較海水更為容易，相關設備亦有較長使用年限。常見的淡水養殖，諸如:蜆類、鱉類、文蛤等，皆能受惠於此一智慧養殖系統。

3. 請問教授，關於水下影像養殖技術所需的邊緣運算設備，若在商業化之後，要如何讓每位漁民平均使用?

此一問題為水下影像養殖技術所面臨的重要問題，於養殖池中的影像設備索回傳的資訊主要有兩種，分別為數值類別資料(包含:PH 值、溶氧量、鹽度、營養源等)以及影像類別資料(包含:蝦的大小、行為等)，關於數值類別資料回傳即可透過電腦進行偵測、運算，且所占頻寬相對較小，因此，可採行全部回傳；然影像類別的資料，因為為高解析度、數量大，容易造成頻寬超載的問題，且影片多需透過肉眼判斷，因此，教授與黃英哲目前打算採行僅將異常影像回傳的方法，正常影像經現場電腦初步判斷無異後，便不將其回傳予漁民，如此便可處理頻寬超載問題，且僅將異常資訊回傳於漁民手機，除可降低漁民解讀訊息的相關成本(包含:投入的時間、精神等)，亦可方便漁民即時做出回應，有效解決養池場發生的問題。除此之外，關於各養池場的資訊透過漁民們的相互分享，可將供給時間分散，避免出現類似高麗菜某些時節供過時求，價格進而下跌導致農民賠本賣出的情況。

4. 請問教授，如果有同學對於智慧養殖相關領域有興趣，教授是否有建議如何更加了解相關資訊或應具備的技術能力?

主要分為程式能力以及海洋相關知識。程式能力像是 Python、Yolo 皆有所幫助，可以學習如何撰寫演算法，以正確判讀影像及數據。除了程式能力外，也應該擁有海洋的基本知識。例如:海洋中的物質成分、海洋的循環作用、海洋生物的習性等。另外，想清楚認識養殖產業，實際跟著漁農蝦農學習，會是個快速有效的途徑，實際投身其中即可在短時間內有所領略。