如何發想一個 Green AI 專案？別忘記最核心的問題

你的題目是真問題還是假議題？

該如何發想出一個好的題目呢？張詠淳說，追劇、讀論文，以及日常生活中都有許多靈感來源，只是有了雛形的問題之後，別忘記一定要「反思」確認這是一個真問題，還是只是一個假議題。

他列舉了幾種構想題目時常見的狀況，包括看起來有趣卻缺乏問題意識；又或者缺少經濟價值；更常見的是以為自己想到一個從來都沒人做過的題目，但探查相關資料後，才發現別人早就做過。又或者，可能想到了三、四個題目，但要挑選哪一個題目先做？這裡面要思考非常多面向，包括經濟價值、技術門檻是否可以達到，或者如何從別人已經有成果的研究，再往下探索，「一定要站在巨人的肩膀上，才會看得比較遠、比較快。」張詠淳說，透過不同角度的檢視，就能快速鎖定出自己的題目。

要會找資料，也要有能力處理資料

「解題有訣竅，最重要的是資料在哪？」張詠淳提到，許多學生有好的題目，也有很好的願景，但就是缺少資料，或是搜集資料要耗費的成本太高，在時間有限的情況下只能放棄。另外，資料的完整度及正確性也會影響使用的方法與解題方式。

除了透過爬蟲技術搜集想要的資料外，張詠淳也列舉了幾個常用的資料來源，如知名的競賽平台Kaggle， 國內有不少智慧醫材公司的雛形（ Prototype ）系統就是從是利用平台的資料做出來的，才能和醫院談合作，再用台灣的在地化資料去微調模型。除了醫療資料外，這裡也有許多讓人想像不到的資料，十分值得探索，但要找到完全符合解題所需的資料幾乎不可能。因此，必須將問題再仔細拆解，更著重在部分環節上，才能進一步思考更好的解法。再者，可以透過參加學術競賽，策略性的取得已經處理好的資料，且還能再延伸應用到其他專案上。此外，有些公部門的公開資料（Open Data）也是一個能利用的管道 。

當你收集到資料後，會發現資料其實又多又雜，或者是需要特別處理的「非結構化資料」，包括文字、影像，或是波形資料。這些不同屬性的資料需要不同處理方式。他笑說，許多人以為做人工智慧專案是件優雅的的事情；但其實「大概有80%可能是在做垃圾分類，」資料的收集、整理，及彙整其實真的很費工。他在企業演講時，一定會要高階主管要重視這些處理資料的人，因為沒有他們，後續人工智慧的進行就會很難推動。

比起單打獨鬥，懂得打群架更容易成功

張詠淳提醒，一個專案並不是所有事情都是自己擅長的，這時候別忘了尋找志同道合的夥伴一起參與，例如有些人擅長上台簡報，有些人喜歡鑽研程式，也有些人適合宣傳，讓每個人可以各司其職，團隊才會壯大起來，並且要一起找出方法解決「核心的問題」。

他特別強調，必須要把問題縮小範圍到最根本的核心，才能去想一個好方法。無論是競賽或是簡報的過程中，不僅要凸顯出自己與別人的差異，更要讓大家了解「為什麼你的問題這麼重要？」同時，你提出的方法也要能證明可以解決或是改善這個核心的問題。

至於方法要如何想？可能是翻閱文獻，參考主流的解法大概都是用哪些模型，團隊中是不是有人會這些方法？但是，如果跟著別人的方法解一樣的問題，還需要考量到創意性的部分，這時候就需要徵詢前輩、專家、學者的意見，幫助成員可以勾勒出新方法。更需要有一個善於簡報的夥伴，清晰地向大家說明團隊在數據、方法層面上的優勢。

AI變化日新月異，不藏私的交流才會成長

由於人工智慧的技術進步十分快速，甚至有些學者會透過許多混合的方式去產生更好的結果。張詠淳說，許多事情走得太快，很多答案跟要學習的東西，都能在網路上得到很好的結果，因此，具備自我學習的能力是很重要的事情，不要期待老師會告訴你所有事情。更重要的是，多討論、多溝通、不要藏私，多與他人交流才會成長。

閱讀更多『AI For ESG專案』精彩文章：想用AI解決ESG難題？提出一個專案前的必備知識