1. 請問老師對AI發展看法如何？

過去AI以軟體為主，整個發展歷史有三四十年，大概從2016年開始有人研究如何將AI的一些運算時現成硬體，有幾個契機導致硬體化AI的發展逐漸興盛，

一是應用的成熟，例如以前沒有人認為圖片辨識是一個可運用的功能，但現在逐漸發展出來，

二是設備的運算能力提升，當時設備速度不夠快，沒有人探討這個領域。而現在半導體技術逐漸加強，晶片單位面積下可塞的電晶體數越來越多，運算速度不斷地提升，才開始能夠支撐很複雜的AI運算。大家都看見AI的浪潮、硬體多何心發展等…都是因為有很多半導體的資源在背後支撐。也讓人類可以開始嘗試一些生活中的運用，比方說手機、穿戴式設備、紅綠燈等。

AI整個發展技術有兩個方面，一是怎麼訓練AI (training)，另一個則是怎麼把訓練完的模型拿來應用(inference)，訓練方面目前還是以軟體為主，我們要思考怎麼去提升AI的演算能力及訓練效果，而inference的階段則是硬體的天下，利用硬體輔助運算，可以有效降低功耗，提高運算速度等…，未來的方向就會是多核心、異質整合等技術。

2. 老師的求學過程:碩士是中山，為何最後老師選擇了台大電子研究所？

中山資工系系上的硬體師資占了快一半，除了傳統的資工領域外，硬體背景其實很深厚，著重在硬體知識的傳輸是中山的一個特色。如同前面所說，硬體跟軟體就像手的兩面，若寫軟體時不知道硬體的極限在哪裡，那軟體發展的再好也是無用；反之，我們也要知道硬體上要跑甚麼軟體，才能做最佳化的設計，空有硬體也沒有用，兩者是相輔相成。

對硬體產生興趣應該是在大學的時期，因為硬體看的到摸的到，不像軟體感覺起來較為虛幻。所以我希望這些東西是可以落實在看的到、碰觸的到的東西，所以才對硬體相關的課程比較感興趣，碩班也就選擇了中山晶片系統組。

研究所剛開始很辛苦，傳統的資工教育比較要求軟體設計能力，加上繁重的課業，讓我在硬體方面不夠深入且紮實。雖然是在資工所，但是課程都可能需要有電機領域的背景來學習會比較容易，於是第一學期的成績不是很理想，學習方面有些門檻突破不了。

碩一上下學期中間的寒假時，我開始思考什麼樣的原因，讓我學習上這麼辛苦。慢慢體會到主要是時間管理的問題，所以我開始用筆記本記錄自己做了甚麼事情，一兩個禮拜回去看自己”do nothing”的日子太多也會給自己帶來很大的警覺。於是我開始培養課前預習、上課提問、課後複習等習慣，漸漸意識到一些小細節的必要性，花很少的時間可以得到很大的效益。後來在台大申請博士班時，台大的教授也很驚訝碩一上學期跟下學期的轉變怎麼這麼大。

後來博士班轉向電機類也是受到中山影響，一開始就是走晶片的路線，後來才會走向電子電機為主。