現在學的這些，從學校出去以後可以用多久？

我經常被學生問到，現在學的這些，從學校出去以後可以用多久？

標準答案是，看你自己在學校學了什麼？再看你從學校出去以後又學了什麼？不僅止於知識的學習，還包括自學、解題、研究的能力是否有被啟蒙與開竅？

大家知道嗎？現在你修的一些課，講的可能是過去火紅的議題，或是符合現在業界需求的技能，但等到你出去之後，資訊的世界可能又改變了。

你能夠因此說，那我只要學那些基本功夫就好了嗎？還是說，那我要拼命多學，十八般武藝俱全，將來總有一兩項是有用的？

對我來說，這兩種說法都很「廢」，因為太過偏差。

如果你對資訊科技本身並沒有太大的興趣，只是想應用學校所學來在業界找到一份好工作，那我奉勸資訊系畢業的大學生，可以找個自己真正有興趣的行業，然後用你的資訊技能去改變這個行業，機會很多很好。不然，待在變化迅速的資訊領域中，你會很辛苦的。

如果你對資訊科技很有興趣，樂此不疲，將來要走這個專業的話，請繼續讀下去。

我假設你讀到資訊工程研究所了，我想問你，在經營你的研究所生涯的時候，有沒有常常看看外面的世界？除了業界的公司之外，還有哪些？誰能告訴你五年後、十年後什麼技術最為搶手呢？

關於業界在做什麼的資訊，現在非常普遍，你如果說不知道、找不到的話，我真的質疑你是否適合念資訊系。

要了解資訊領域五年後、十年後什麼技術最為搶手的這件事，比較棘手，因為大部分學校的老師都有其專業和個人興趣，你可能要問好幾位老師才有機會能得其全貌，但教授對於業界的掌握度有多高，這就見仁見智了。

我在此做個嘗試，告訴你，你可以自己來嘗試找到你有興趣的未來熱門議題。當然，方法很多，這只是其中之一。

我們來看一下IEEE Transactions on Emerging Topics in Computing (TETC)的網頁（http://www.computer.org/portal/web/tetc）。大家來看看有那些emerging topics （顯化中的議題）正在call for papers？

我把所有call for papers的議題列出，再把跟我有興趣作為工作的部分用雙星號（**）標示，跟我目前個人嗜好有關的部分用單星號（*）標示。在這個實際例子裡，目前一共有9個顯化中的議題，與我們實驗室相關的有4個（嵌入式系統的資安、行動雲端演進、巨量資料系統效能、巨量資料處理），與目前個人興趣相關的有1個（工程教育），總列表放在文章最後。

因為要專精在系統效能、行動雲端應用、資安，所以我們實驗室有很多不做的，以上的議題有四個對我們來說是外行，因為我們不做電路 （circuits），不搞網路協定層（network layers），不精於統計、理論、演算法等等。

但如果有時間的話，我個人是有足夠的背景去看。當年修過的電機系課程，網路課程、影像處理課程、數學、資訊理論，讓我必要的時候，能夠進去逛逛，大致了解其中有什麼新的東西。不過要做研究的話，又是另一回事。

重點是，對於我有興趣的題目們，是否能夠用一個核心的方法論（core methodology）把它們貫串起來，達到所謂「吾道以一貫之」的程度呢？

對於初學者來說，很不容易。我們往往得摸索好一陣子，才能掌握一些要訣；再繼續摸索好一陣子，才能將要訣融合連貫收斂；再來則是實際運用測試收斂後的方法論，達到神而明之的程度。（That's what I call "beyond programming".）

在上例中，我的核心方法論是「系統效能」。我從小就對於電腦的效能非常感興趣，總是好奇，為什麼電腦不能再更快一點？能夠讓電腦更快，就能幫人類解決更多的問題。

當然，有很多方法可以讓電腦更快，但是根本的問題是，我們怎麼知道電腦在做什麼事情、在什麼時候不夠快，不夠快的原因，以及加速的方法，而這個能夠涵蓋這些的一套方法，就是我核心的方法論。這個方法論必須統攝多個相關領域，包括效能量測（performance measurement）、效能分析（performance assessment）、效能模型法（performance modeling）、效能最佳化（performance optimization）等。

我在博士班的研究，建構了這樣的核心方法論（沒有積極發表，因為一般人不能賞識和吸收），對於日後所從事的工作，有極大的助益。這十多年來，靠這個方法論，在一個接一個出來的新興領域，混得還不錯。

我將系統效能方法論用於超級電腦、商用伺服器、嵌入式系統、行動裝置、雲端服務、儲存系統，乃至於巨量資料處理等應用領域，皆是游刃有餘，只需要學習該應用領域的特性，或是與專家合作，即可登堂入室。

我在SUN工作的時候，被找去做資安，發現資安領域中有很多效能的問題，因為要層層加密和檢查，需要耗費大量運算資源。很多的商業應用，也是效能的問題，沒有解決效能問題，服務沒辦法在使用者或工作量持續延展（scale）的狀況下維持服務品質。

行動運算，談的是在小小的、有限能源的系統上做計算；雲端運算和巨量資料處理，很多議題談的是資料的儲存和處理的相依性和一致性，其本質是平行與分散式運算中的做作分割（task partitioning）、資料集中性（data locality）、運算同步（synchronization）、資料一致（coherence）、效率通訊（communications）、優化排程（scheduling）等；異質多核（heterogeneous multicore），是進一步優化效率的形式。

這些相關問題，多得不得了，同學們如果能掌握關鍵方法，很多時候都可以做得有聲有色。

我們希望能做更多，所以想辦法把方法論建置在工具上。因此我們花了很多年時間建構各種虛擬平台（virtual platform），希望能逐步把一些效能量測、分析、模型、最佳化的方法放進去，完成我當年博士論文中所提出的想法。做出這樣的工具，應該可以幫助很多系統的設計者，同學們加把勁吧。

好吧，我把我自己多年來用得很不錯但不怎麼樣的秘密都說給你們聽了，道理很簡單，修行在個人。

附件：

Call for Papers in IEEE TETC, as of 2014-12-09

Special Issue on Circuit and System Design Methodologies for Emerging Technologies

**Special Issue on Emerging Security Trends for Deeply-Embedded Computing Systems

**Special Issue on Advances in Mobile Cloud Computing

*Special Issue on Emerging Trends in Education

**Special Issue on Big Data Benchmarks, Performance Optimization, and Emerging Hardware

**Special Issue on Methods and Techniques for Processing Streaming Big Data in Datacentre Clouds

Special Issue on Approximate and Stochastic Computing Circuits, Systems and Algorithms

Special Issue/Section on Low-Power Image Recognition

Special Issue/Section New Paradigms in Ad Hoc, Sensor and Mesh Networks, From Theory to Practice