|
各位朋友們好：
「台灣的 AI 人才夠不夠？」這個問題從 2017、2018 年開始，幾乎就是基金會接待媒體、來訪賓客時的必答題。但我們的回答常常是另外一個問題：「請問您認為什麼樣的人是 AI 人才？」
經過七、八年之後，這個問題有比較清晰的答案嗎？沒有，而且恐怕比過去更難回答。
具備什麼樣能力的人是 AI 人才？最直觀的答案是相關科系畢業的學生，但相關科系指的是資工、資管還是電機、工業工程甚至物理、化學？2024 年諾貝爾物理、化學獎得主的研究領域正好都是人工智慧，用科系來定義能力的時代，似乎已經不再準確。
更何況，企業中要導入 AI，光會建模並不夠，至少還必須懂得蒐集資料、清洗資料……等許多工作。更重要的是，要理解資料背後的意義與相關性，而這些則要有產業領域深厚的知識才能駕馭。所以，成功打造企業的 AI 應用，顯然需要的不只是坊間常見的所謂「人工智慧」課程；導入過程中不斷思索、跨部門協作、試誤與想像創新過程，更不是坐著上課就能學到的。
上週所介紹的《設計，讓世界變更好》作者 Donald A. Norman 則從社會與設計觀點切入，直言：「那些從事 STEM工作 的人可能是各自領域的專家，但他們常常不了解自己的工作對社會產生的影響。更糟糕的是，許多人甚至無法察覺自己其實不了解。」
AI 人才不只是技術人才，需要理解的知識領域遠較過去的想像更多。所以，《知勢》電子報積極邀請不同產業的AI專家，從他們的實作經驗與跨國觀察出發，分享更宏觀更完整的人工智慧知識架構。本週就由法律學者與知名國際安全驗證專家介紹，為什麼歐盟人工智慧法對於台灣產業的影響可能高過 CBAM？
時序進入 10 月，秋高氣爽，預祝每位朋友今年的工作成果都能如願達成，明年的計畫順利展開、充滿期待。
人工智慧科技基金會執行長 溫怡玲
|
