1. 教授選擇自己專業契機?以及對自己專業未來的展望。

　　在大學時期接觸硬體的機會比較少，後來接觸到硬體時，就發現自己其實對硬體方面很有興趣，而且軟體硬體其實是一體兩面，所以之後就決定往硬體方面走。而之後轉到 AI 硬體設計是因為發現，AI 硬體設計是屬於之前做的領域多核心的應用，所以就把過去的經驗用在現在的研究上面。

2. 教授目前的計畫當中，有一個是“水下無人載具人工智慧系統的技術研發”，想要請問一下關於此技術可應用於何處?

　　最迫切的就是關於離岸風力發電，風力發電在選位置的時候，需要探勘該位置的土質，來判斷說這個位置到底適不適合做風力發電。而在蓋好風力發電之後，那附近的海流也會有所改變，所以有了這個技術就可以降低水下人員的危險性，不需要真的派人力過去，而是派無人潛水艇過去蒐集資料就好。

1. 老師對於課程學生的期許?

　　希望讓同學能夠透過本門課了解到AI除了軟體以外,還有AI硬體技術。並且希望同學們能夠意識到硬體技術的重要性,因在整體AI市場中,已經出現硬體佔比例越來越高的趨勢。甚至可以說大家生活中都是可接觸很大部分是硬體,就比如說一片GPU價格高昂,平常人接觸的機會很少,但手機中已經稍微存在ai硬體技術,以此說明AI硬體與我們平常的生活更有關聯性。

   AI 時事   

1. 由MOXIE機器人的例子可以看出將來AI硬體將來會應用在人類更進階需求之中，想必人工被取代是可能會發生的事，想請教老師對於這些的事情的看法?

　　老師認為人工並不會被取代，因為實質上，AI的發展目的就並不是想要把人工取代。在事實上，AI還是有很多部分是無法取代人類，它將會是個輔助，尤其是高專業性的應用上，例如判斷癌細胞在那些地方，或是一些跟醫學有關的操作，不是只單一的幾個feature就可以判斷出甚麼，應該由專家、醫生去做更全面的考慮。其實前陣子也有一個新聞，中國法官用AI去做法庭判決有罪、無罪，但AI當時的訓練會影響結果，很容易被人為操作影響公正性，可能會產生很大的偏誤，所以AI在某些地方老師並不認為他是非常全面性的，但他確實還是更以應用在能幫忙一些比較像是沒錢請律師的人，可以先用AI稍微釐清他可能在法律上會遇到的問題，但AI所提供的建議並不能當作最後的決策，最後還是會回歸到人的選擇做出決策。

   其他問題   

1. 教授在求學或是研究過程中有沒有遇到過很大的困難或挫折?

　　無論是求學亦或者是研究，挫折困難一定是不可避的。這些挫折來自各種方面像是:考試不理想、家庭經濟壓力、成績上未達到目標等問題。

　　　重要的是如何在挫折問題發生時去面對，首先在自我認知的方面, 主觀上要認為自己是不錯的，但並不是要你妄自菲薄,簡單來說就是對自己要與信心,若沒有信心,那麼打敗自己的便不是挫折而是自己。當然又不能落入自負的領域，這會是一個值得去注意的問題。因為自信與自負其實只有一牆之隔，不同的地方在於,自信的建立基礎源於自我知識的累積，而自負則並沒有如此基礎而只是空談的、虛無的驕傲而已。這是出現挫折時主觀上應該抱持的態度。

　　客觀的方面則是要認真審問題、瑕疵出現在哪裡。在此過程中需保持中立,誠實的看待自己所做的事情，回頭檢視的時候需要正視問題，盡量不可出現發現問題卻不了了之的情況,有問題無論是出在什麼環節皆要解決而非視而不見。

2. 教授認為現在要把AI徹底應用在社會上的難題會落在哪?比如說假新聞、隱私權、大規模失業等社會倫理層面的問題。又或是技術層面上的瓶頸。

　　我認為兩者都是很大的問題。要如何說服大眾去使用本來就是一個相當大的難題，『過去十幾年來大家都是使用同樣的方法去做一樣的事，而且都沒有問題。那我明明有現成的辦法，卻要使用你開發的AI技術呢?』，在一個新興技術剛出爐的階段一定都會遭遇這類的問題，早期的工業革命也都是這個樣子。我覺得如何去找到在就業方面以及普及AI彌補數位落差之間的平衡點會是之後需要注重的方向。要讓大家相信AI並不是真正的要把人類取代，他只是成為你一個極佳的輔助者，協助你把計畫執行得更完美。

　　技術方面的話則是落在學習模式，目前AI的學習幾乎都是大數據的統計，但是人類並不是說『我給你一萬題數學，然後你考試就都能滿分』這樣填鴨式教育而發展出來的。我們希望說他能夠自己去學習，能夠在學習新知時有使用過往經驗的功能。也就是說，目前的AI學習方式都過於暴力，一旦今天我們應用的方向改變了，就容易讓AI歸零重新出發，要讓AI的學習模式進步便是現在技術層面比較大的問題。

   與教授合影