我因為前晚熬夜寫報告，昨天在會場頭痛了一整天，一直抽空閉目養神，不是偷懶，是頭痛到不行。不過還是得完成主辦單位交付的任務：花費二個多小時跟15位希望引進（或是正在從事）AI的業界/政府人士談話，瞭解他們的問題，個別給出一些建議，最後還要上台給三分鐘的心得報告。
就當作是做功德吧？因為AI紅透半邊天，迫不及待想引進AI的人太多，平常都有一些個案來找我談，但多半是想找一些有即戰力的技術或計畫，在最短時間可以幫到忙，而真的願意花大手筆做研發的倒是少之又少，大部份在談完之後，摸摸鼻子走了。昨天在最短時間內一次談了15位，也很不錯，只希望對方不要覺得這傢伙沒什麼真功夫，幫不了忙。
昨天最後上台報告時，我說我只是配角中的配角，各位如果開始建置AI系統，就會發現系統端的疑難雜症多得不得了，解決這些系統性問題的辛苦可能遠多於機器學習的部份，這時候才可能會需要我這種配角上場救援。
我沒有大聲說的是，反之，如果對AI沒有起碼的瞭解，分不清楚專家系統、機器學習、類神經網路的差異，可能不要貿然找那些做AI研究的大師，除非這些大師很喜歡做功德，像孔祥重院士偕同陳昇瑋博士那樣願意帶著一群學生「下海」，進到製造業的場域去動手做。不過，孔陳兩位大師現在也不可能親自去幫您的忙，想多認識AI的業界人士，可以繳學費去參加他們辦的人工智慧學校。
我希望人工智慧學校能補足業界的一些人才缺口。好比當年個人電腦出現後，很多中小企業開始導入試算表、文書處理，或是寫一些簡單的程式來做自動控制，需要很多人力來做，而我們當年念高中、大學時靠著自學就可以去做這些事，不一定要念資訊系，這也是目前產業AI化的重要途徑。
但是在AI產業化的方面，需要較長遠的規劃和耕耘。如果要在新興的AI產業上有足夠的競爭力，應該不是膚淺的作為就能做到，因此我認為AI產業化與產業AI化兩大方向雖然相關，但應該劃分和解釋清楚，不宜混雜在一起談，否則容易失焦，浪費彼此時間。
不過我還是跟AI的專家朋友說，昨天這場就算是您在做功德，有些參與的人士很少有機會跟AI大師們對談，有些以為AI很好做，各位大師親自出馬釐清真相，也是莫大功德。
例如我這邊在頭痛的情況下勉力為之，應該算是盡到公民的責任，與業界人士大致交流如下：
- 遇到一群在政府做水利規劃的研究員與顧問公司，一起思考如何運用AI技術，或許他們更了解AI後，挑戰一些可行的目標，不要太好高鶩遠，可以少浪費一些民脂民膏；
- 遇到一群醫院主管，和我先前遇過的醫界人士一樣，已經開始導入AI，面對的標籤化資料蒐集困難的關卡，但其實國內醫療界素質頗高，有機會結合AI做出新產業，但是要拿得出足夠資源；
- 遇到立法委員，跟她談我常講的教育界的問題，也希望她幫忙看緊人民的荷包，不讓政府以導入AI為名胡亂撒錢買設備；
- 遇到不恥下問技術問題的電子業大廠董事長，有點意外，還是想辦法用自然語言釋疑；
- 遇到急於引進AI的製造業小廠，建議要找上下游業者合縱連橫打群架，不一定要自己做；
- 遇到想引進AI幫忙自動產出精華影片的媒體，建議這種國外強到不行的應用，不要貿然自己研發，因為這類軟體遲早會普及，除非你有國外沒有的利基，否則不容易做出比人家好的東西。
總之，千萬不要一窩蜂，無論各位要走產業AI化還是AI產業化的道路，最好先搞清楚狀況，走適合自己的道路。
學生也是，資訊系學生可以去幫產業AI化，但是必須願意跨足產業，例如農業、醫療、製造業，不是宅在房間裡就行的，其他科系的學生也可以修一些AI的課，嘗試走這條路；資訊系學生想走AI產業化的道路，要知道AI系統錯綜複雜，要在此產業競爭，往往不是只懂機器學習的一招半式就行的。
