1. 老師在求學的過程中，是什麼原因支持你學習不同領域的事物呢？

　　我覺得這是一個未來主流，不論是老師還是學生都要去學習經營學習的概念，去了解未來會怎麼走。

比如說大家都覺得人會被機器取代可是你就是不太可能至少在近幾十年不太可能，因為你就說你去懂他才不會去恐懼他，這就是為什麼我想要去了解新事物的原因。

　　其實我都是自學，然後再去看怎麼應用，很多理論跟實際應用是不太一樣的，需要自己去融會貫通才行。

用個比喻說明，適當的問題就要用適當的工具來做，沒有任何一個模型是絕對正確的。

　　因此就必須找一個合適的模型來解決問題，但是問題就在這邊，合適的模型是一定要觸類旁通、一定要跨領域你才會知道什麼叫作合適，因為你可以解的模型就這麼多，你不懂的你就不能拿來用，所以知識就是力量。

　　資料的多元性導致的說我們以後會處理到資料的形式也越來越多，那其實傳統做法就是訓練你自己但是會越來越不夠，訓練機器只能可以處理的主要還是結構資料為主，如果你要去處理那種非結構性的資料，例如音樂、圖片，這些東西其實還是要靠AI這種新型的機器學習處理語音辨識圖形辨識。

2. 老師您曾在中山就讀研究所，請問有什麼人事物是令您最懷念的？

　　其實我到中山之後，那個時候有一個同學年紀很大，比我們大個六、七歲再來念書，那個模樣跟我們不一樣，他明明英文不好可是但是他還是第一個舉手發問，就跟美國的學生一樣，他不是想要出頭，他是一種心態就是“我要發問、我要敢發言”，我覺得他給我的感覺是這樣，還有一個就是他EQ很好。

所以我想講就是說，你會看到很多各式各樣的人，我們要做的事那就是從中去看到這樣的人之後去反省自己。

　　言歸正傳，回來中山最大的感觸就是看到我們有些老師要退休了，我們現在新的一代，要如何想說讓學生變得更好，這可能是我比較在意的。

3. 老師過去的經歷很豐富，有在國內的學校任教過，也有在國外的大學擔任過訪問學者，想請問老師認為中山的學生跟其他學校的學生比起來有什麼長處，一或者是有什麼短處?

　　我覺得中山的學生都滿厲害的，能夠進來的學生都不是泛泛之輩，在學業上一定是很好的。就我觀察下來，台灣的學生都有一個普遍問題，問問題絕對都不會是第一個。可是在國外，問問題對他們而言是一個很正常的事情，而且他們認為沒回答、不搶答才奇怪，因為他們的成績都是搶答來的。但這也不只是因為成績而已，他們從小到大所受的教育以及民族性都是認為要透過溝通才能激發思維；但是就本質來說，我們的學生比較刻苦耐勞，個性也比較忠誠。但就台灣而言，我認為能來中山讀書已經很不錯了，我們唯一的缺點就只是學校位在南部，比較沒有辦法及時接受到北部的訊息，積極度上也稍差於北部學生，可能是因為中山算是南台灣的翹楚，某種程度上因為看不到競爭對手所致。但是中山的學生本質非常好，學生進入職場也沒有什麼問題。所以我還是覺得學生本身沒有什麼問題，只是要不要拚而已，自己想要什麼才是重點，跟身處在哪裡沒有什麼關係。因此我認為我們的學生需要加強積極度跟創造力。

4. 現在有越來越多的理財機器人等智能投資出現，想請問老師認為智能投資的績效真的能大於人類選股嗎?

　　只要智能投資可以克服恐懼跟貪婪，基本上應該都會比人類績效好。人類投資最大的盲點就是恐懼跟貪婪，漲的時候怕之後賺不到，跌的時候就會想要加碼，或是不想停損，導致賺很少卻虧很多。理財機器人的好處就是如果照著地做，會在低點的時候賣掉，在往上走的時候買進。如果在市場上是以趨勢為主導，理財機器人的觀念會比較好，因為是用大數據分析比較客觀，且不受情感而行動；但在盤整時兩者都差不多。

5. 請問老師研究的理財機器人領域使偏重於量化交易還是人工智能偵測？

　　理財機器人是量化加智能，而其中量化交易是憑投資人的經驗再透過程式把他做出來，與機器學習相比，他就是單純的Programming，利用rule以及data去看answer，所以在如此主觀的操作上可能會有overfitting的問題。至於AI呢，也可能會有overfitting但至少它不是一個先制定法則的東西而是一個不知道rule的情況下丟入x與y去找rule，所以這樣的一個觀念會讓機器去特別「沒有目地」的去找rule，因此會比較客觀，這也是為甚麼AI預測會比量化交易的overfitting機率來的低一點。

　　而對於AI的預測主要為上漲下跌與報酬率為主，而不會去預測價格，因為在財務的觀點，「變化」比較有預測性而價格比較難去做預測。

所以對於財務而言，AI是個負責向人類左腦的功能，它可以幫助記憶，因為AI對於「情感」層面相關的議題就比較難做預測，因此，AI加HI是目前主流理財機器人所能提供的範疇。

6. 想了解老師在fintech上面的專業為何？

　　蠻多的欸！因為我轉了非常多領域，舉凡保險、長壽風險、財務、投資及智能投資、財務工程等都是我的專長。其實我的專長並不是在寫程式這塊，但因為系上的老師比較沒有人在教，所以想給中山學生多了解這塊。

7. 請問若非資訊本科系的學生有興趣踏入人工智慧領域並結合自己專業，老師有什麼樣的建議呢？

　　AI主要運用在預測上，倘若本身研究之專業領域不包含預測的目的，AI就無任何意義可言，但我認為也不能因為用不到AI就不學習，在未來各領域都會遇到重複性的事物，此時AI的用處並非在於預測，而是對現象進行解釋，AI也因此成為一個輔助器。

　　學習AI的好處在於不論未來是否受用，和下屬溝同時能知道對方在思索什麼，也能知曉其是否誇大事實，很多時候知識需要懂但不一定要用，像是在公司中很重要的一件事是懂得用人，而懂得用人便需要聽得懂他的想法，各領域都需要了解但不一定要深入，所以我覺得這堂課的用意在於讓學生了解各領域在AI層面上應用的方式，必且從中了解各領域在AI的上的想法，對於完全沒學過AI的人，知道別人在做什麼就很足夠了。