關於 統一資訊 軟體 工程師 ，我們在網路上蒐集到這些相關的討論、資訊與評價

最近 Adobe XD 到期，順便轉用 Figma 來進行網頁設計
因為過去有用 Sketch + XD 的經驗，許多概念都可以直接移到 Figma
其中包含：
- 最愛的 Prototype 功能，拉好之後團隊就能進行操作
- 響應式的元件，比 XD 更多的細節調整
- 元件管理，統一設定所有的元素
- ... 還有各種想得到的基本功能

除了可以做到與 Adobe XD 與 Sketch 類似的功能外
還具有以下的優點：
- 團隊協作更即時，不需要截圖傳來傳去，直接看到團隊的指標位置(工程師隊友不需要付費，只要有觀看權限即可
- 強大的 Frame，讓繪圖軟體更具有響應式的特性
- 智能選取，調整群體元素間距、順序都非常好用（這就需要實際體會才能理解了

如果你正在觀望 Figma，此工具還有提供免費的版本
只要註冊後直接就可以直接在瀏覽器運行

不知道怎麼入門嗎？
我們最近舉辦了 Figma 體驗營，歡迎來參與看看～
https://hex.school/V92BO

---
其它常見問題：
Ｑ、參加 Figma 設計體驗營會需要付費嗎？
這次的體驗營完全免費！請大力分享給身邊有興趣的朋友們 ʕ •ᴥ•ʔ

Ｑ、一定要加入 Discord 群組嗎？
卡斯伯回：我們資源太多，怕你沒加入會少接收到很多資訊

Ｑ、如果這次的時間剛好沒辦法參加，之後會有加開的場次嗎？
卡斯伯回：這次免費，下次我不敢說

Ｑ、Figma 很貴嗎？
卡斯伯回：看你怎麼用囉～，費用很彈性，如果是單人使用幾乎免費，團隊的話則是依據設計師人數計價（僅有觀看的工程師不需要付費

[為什麼台灣的軟體業不強? ]

我寫這樣的文章，或許會冒犯很多軟體業的前輩，因為我並不是從這個領域出身的，對於某些狀況的理解可能有所謬誤。我也不過開了一個小公司，卻膽敢對前輩的公司指指點點。但我身處於這個產業當中，我很期待這個產業可以茁壯，所以非關心這個問題不可。我也很期待我的文章能達到拋磚引玉的效果，得到前輩的指教，甚至一起構思如何開創新局。

台灣的軟體產業強不強? 就2019的政府統計數據來說，台灣的軟體產業總產值為三千八百億(資訊服務業936億，程式設計業2867億)，資訊電子製造業的產值是七點二兆。從市值來比較，半導體製造業最大的公司台積電市值11.75兆，資訊服務業最大的公司精誠資訊市值222億，相差了五百二十八倍。台灣程式設計業最大的公司是訊連，市值是94億，是台積電的一千兩百五十分之一大。軟體公司不大是因為行業特性的關係嗎? 肯定不是，全世界最大的軟體公司是微軟，市值是1.63兆美金，是台積電的四倍。從這樣的數據看起來，說台灣的軟體業不強應該是個客觀的事實。

為什麼用市值的高低來衡量公司強不強呢? 一、這是公開可查的資訊，調查比較容易，資訊也比較容易驗證。相較之下，新創公司的估值就是個非常難查證的神祕數字。二、市值對一個公司經營者來說，代表了公司可支配的資源。公司經營的核心關鍵，在於獲取資源，還有資源的交換、轉換。有越多的資源，就可以做越多的事情。一個市值高，本益比(Price to earning, P/E ratio)高的公司比較可以去併購一個本益比低的公司，倒過來做，很困難。三、我才疏學淺，沒有真的學過怎麼評比軟體公司，姑且先用這個標準來立論。

從國際大廠競相在台設立研發中心，擴大攬才規模就可以知道，台灣明明就有很多優秀的程式設計人才，為什麼軟體業不強呢 ? 我分享自己身處軟體業，觀察到的台灣軟體業的幾個現象。

1. 台灣市場對於軟體及服務定價過低，而且人才過度充沛。從需求面來說，因為定價低，所以客戶很喜歡要求廠商客製化。從供給面來說，因為台灣有足夠的人才，所以可以接受客戶各式各樣客製化的要求。這是軟體業最慘的一種賺錢方式，也就是不斷地接客製化的專案。客製化的專案賺錢是線性的，公司要多賺錢，一定得要多請工程師，因此公司很難長到很大的規模。相對來說，投資人比較不喜歡這樣勞力密集的公司。以精誠為例，2019年稅後淨利18億，目前市值222億，本益比是12，而台積電的本益比是34，微軟的本益比則是37。高度客製化的要求讓台灣的軟體市場非常破碎。我舉醫療資訊系統為例。台灣的醫療資訊系統市場非常的畸形，醫院通常都是用自己寫的醫療資訊系統。台大、長庚都是如此，榮總體系的醫院甚至都還不是用同一套系統，台北榮總、台中榮總、高雄榮總都各自寫了一套。醫院都自幹了，廠商有甚麼生存空間? 為什麼醫院可以自己寫呢? 因為台灣有太多CP值高的工程師了。美國的醫療資訊市場完全是個不同的樣貌，基本上是被兩家巨型公司Cerner以及Epic瓜分。台灣的診所資訊系統市場是另外一種畸形。診所不會想要自己請工程師來寫資訊系統，但是也不想付太多錢。診所的資訊系統一年只收費兩萬多元。這價格實在是誇張到一種欲哭無淚的境界。所以西醫資訊系統的市場大概養了三個比較大的公司，牙醫資訊系統的市場大概也養了三個比較大的公司。因為可以賺的錢實在是不多，所以這些公司也都不大，資本額最大的大概是五千萬，小的大概是五百萬。能賺的錢不多，程式的設計自然也很難跟得上時代，所以，診間的程式都還停留在十幾年前Visual Basic 寫出來的藍底白字的版本。講到這裡，我的感想真的只有一個慘字可以形容。

2. 軟體的包裝跟行銷、以及授權談判都至為關鍵。因為台灣的軟體市場實在是不怎麼妙，也很少公司有產品銷售到海外市場的經驗，所以產品設計、行銷、以及商業開發的人才都不多，於是造成了一個惡性循環，因為做不出很強的產品，所以只能透過高度客製化的服務來滿足客戶，就了就完全喪失做出可以行銷世界的產品的能力了。台灣可能有足夠的工程師一起做出一套很強的產品，偏偏這些工程師都是一個一個地在幫個別的客戶做客製化服務。

3. 講起台灣軟體創業成功的案例，真的是少得可憐，所以投資人興趣也不是很大。我跟資工的人討論起台灣軟體創業成功的案例，趨勢科技總是第一個被提起。趨勢科技的市值是兩千四百億台幣，是亞洲最大的純軟體公司。可是，趨勢科技是在美國洛杉磯創立，總部在日本，股票在東京證券交易所掛牌交易的公司啊。訊連就真的是台灣土生土長的軟體公司了，但跟趨勢比起來實在是小非常多，而且創業也是二十四年前的事情了。過去這二十年來，台灣的軟體創業出現了非常大的斷層，在二十世紀末網路科技快速崛起時，曾經有過資迅人以及網勁這兩個公司。資迅人像是煙火一般，快速崛起也快速殞落，曾經從英特爾、高盛、花旗等大公司募集將近七億元的資金，卻在創業六年後跟著網路泡沫化一起消失了。網勁沒有這麼絢麗的歷史，也撐得比較久一些，但終究在2014年也停止營運。軟體創業成功的例子不多的狀況下，投資人對這個產業自然不會有太大的興趣。這又成了另一個惡性循環，投資人不願意支持，沒有足夠的資金可以組建頂尖的團隊來做產品研發，當然也產生不了成功的公司。別誤會，我不是在怪投資人。我現在也開始逐漸換位思考，想像一下如果我是投資人，我敢不敢投台灣的軟體公司。說實話，我自己會很猶豫。如果台灣軟體新創成功案例很多的話，那投資人真的沒甚麼好猶豫的。這是現實。

4. 台灣政府對於推動軟體產業發展的政策好像還不是很夠力。政府想要幫忙軟體業已經很久了，民國六十八年的時候就成立了一個資訊工業策進會，也就是大家耳熟能詳的資策會。資策會對於推動台灣軟體產業發展似乎成效不彰，當然也受到了各界批評。比如說曾任資策會副執行長的王可言砲轟資策會的酬庸文化，說資策會裡的領導人普遍缺乏帶領台灣軟體服務產業取得國際競爭力發展的熱忱。或是義美的高志明總經理批評資策會壟斷政府資源，優先掌握政府軟體專案的資訊，與民爭利。我對於資策會的這些批評因為沒有第一手的經驗和資訊，不確定該如何看待。但是資策會的員工有一千八百人，遠超過除了精誠(員工人數三千)之外其他的軟體公司，這件事情我真的想不透。如果資策會對於推動台灣軟體產業的發展不夠力的話，那就不要再投入那麼多的資源在這了吧，可以想點別的辦法呀。資策會裡面許多的軟體工程師釋出之後，多創立一些公司，或許還更能帶動軟體產業的發展。經濟部工業局為了推動軟體產業發展，也曾經規劃”軟體工業五年計畫”，這個計畫總共執行了兩期，從1993到2002年，這個計畫獎勵性質多過補助，但對於推動軟體公司上市櫃扮演了重要的角色，精業於1995年上市，凌群、友立、資通於2001年上市，昱泉於2002年上市。這對於軟體業來說似乎是個輝煌的年代。但，時至今日，在台灣軟體公司的市值還是遠遠低於電子製造業。

那台灣的軟體業，要怎樣才能變強呢? 我覺得要期待整個生態系都變好，大家一起成功是緣木求魚。我覺得有一家新創公司非常成功之後，就有機會打破我上述的種種惡性循環。我這樣想的原因是，我認為這跟拓荒一樣，要期待一片荒野全被整成好走的步道，不如期待一個拓荒者走出一條路讓大家跟。一個新創公司獲得巨大成功之後，這個公司的人才帶著成功的經驗再去創造或是協助其他的公司，像是當年PayPal mafia一樣。有了幾個公司成功之後，投資人對於軟體業有信心了，比較願意做早期高風險的投資，進一步提高軟體新創公司成功的機會。這樣就會有正向循環了。

不過問題回來了，軟體新創公司該怎麼得到巨大的成功呢? 我要給答案資格還不夠，因為我的公司還沒有獲得巨大的成功，但我的策略是這樣的:

1) 挑戰困難的問題，因為消費的根本在於花錢解結問題，問題越大越困難，客戶越是願意花錢去解決這個問題。困難的問題不見得一定很大，但是需要有能力的人花心思才有辦法好好解決。困難的問題本身就造成了一個很重要的競爭壁壘。

2) 組成頂尖的團隊。困難的問題，只有頂尖的人才才能解決。我無時無刻不在想人才的問題。遇到好的人才，我一定是用盡所有辦法，死纏爛打的也要請他加入團隊。我曾經等過兩年，才說服了一個非常稀有的人才全職加入團隊。雲象的人才素質非常高，絕對不輸台灣頂尖的大公司，這是連之前在聯發科擔任高級主管的同仁都認同的。因為我們有了很強的團隊，我們才有辦法挑戰一些世界級的問題。比如說骨髓抹片的AI分類計數，或是超高解析度(目前記錄是六億兩千五百萬畫素)影像的AI計算。

3) 找到志同道合的投資人。或許是我運氣好，也或許是我選擇得很嚴格，我找到了充分認同我對於公司發展方向的規劃，並且充分信任我，支持我的投資人。雲象股票的價格，雖然跟美國以及日本相比還是有一段落差，但是就台灣的新創而言是很高的，要找到願意投資我們的投資人並不簡單。但是一旦找到了，我們的合作非常的愉快，雲象也不斷地締造佳績。這是非常好的正向循環。

4) 學習和學界以及政府合作。因為台灣的投資氛圍不好，軟體新創公司必須要想盡辦法從各處或獲取資源。我為了人才的培育以及獲得，曾經到成大去教了AI。這讓我有機會介紹雲象給還沒有畢業的同學認識，在他們被大公司搶走前，吸引他們來雲象實習。我兩年前播的種，現在竟然收成了，有一位我當年教過的同學，到台大資工念完碩士之後，到雲象任職。我很開心，因為他是同一批面試的候選人裡面表現最好的。我覺得這是學界跟業界合作一個非常好的示範。我也還在嘗試在學界找到兼任的教職，持續這樣的合作模式。政府其實一直都在推動產業發展，雖然有些政策可能不見得合適，但只要能得到些許的支持，對公司的發展都會很有幫助。我們得到經濟部技術處以及台北市產發局的補助之後，計畫執行單位還協助連結其他的資源，這對公司來說是非常寶貴的，因為這些資源並不是我們平常接觸的到的，也為了我們帶來了新的效益。

以上，是我回顧雲象發展至今，覺得對我們來說有用的策略。我們還在持續努力當中，期許雲象能成為台灣軟體創業成功的典範之一，為台灣軟體業的發展盡一份心力。台灣的軟體產業環境好，裡面所有的公司才會跟著一起好。我很希望，在未來，台灣的軟體人才畢業後的第一志願，是台灣的軟體公司!

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

#BDSM返校日 #失眠 #睡眠障礙
大家好，我是家馨。
睡眠最主要的功能，
就是恢復個人白天活動後所損耗的體能，
並調整和重組人的，情緒行為和認知記憶。
但是，不論是失眠或嗜睡，
都會對身體造成負擔，
我們將失眠和嗜睡，
統一稱為睡眠障礙，
因此，這一集，我將分享睡眠障礙的影響及預防，
你將學會，如何找出睡眠障礙的原因，
並有效的解決嗜睡與失眠的問題。

👉 我們頻道，每週六晚上八點，固定播放新影片。
👉 未來如有餘力，會在固定播放時間外，不定期發佈影片，敬請期待。
👉 家馨娛樂派對：BDSM返校日
https://reurl.cc/R4Rxbr

#失眠原因 #偽娘向前走 #偽娘家馨
--------------------------------------------------------------
我是偽娘家馨，
是一位熱血工作的工程師，
這裡分享我在忙碌中~將每一天認真過好的紀錄 ❤
為了讓大家能分享我的快樂，
一路摸索學習，
錄影、寫腳本，來分享健身、美食、美妝等等娛樂
從不會到現在....
逐漸愛上了這樣的生活❤
如果有任何問題或者想看的影片，請留言讓我知道，謝謝。

--------------------------------------------------------------

✅ 訂閱家馨Youtube頻道 ▶ https://reurl.cc/ZOVdAa

✅ 其他家馨資訊：
⭕️ 家馨臉書粉絲團 ▶ https://reurl.cc/xZvbQZ
⭕️ 家馨 IG ▶ https://reurl.cc/vDvbWk

✅ 【家馨-YouTube影片整理】
⭕️ 愛情 | 曖昧期女生想跟你交往的六個舉動 ▶ https://reurl.cc/xZmZ4V
⭕️ 交友軟體 | 最棒交友聊天術 ▶ https://reurl.cc/KkDmzj
⭕️ 減肥 | 教你如何在6週快速減肥10公斤 ▶ https://reurl.cc/v1nLre
⭕️ 愛情 | 學會這3招，打動心儀女生的芳心！▶ https://reurl.cc/rxqxVr
⭕️ 愛情 | 渣女身上會出現的3個行為！守護愛情 ▶ https://reurl.cc/Mve58L
⭕️ 選美比賽2020 ▶ https://reurl.cc/Wd0L15

✅ 錄影場地：魔女的蜜室。
場地有在出租，有興趣的朋友，請參考下面資訊。
https://reurl.cc/vDvbko

✅ 緊身衣廠商：隱身於世推廣委員會。(有興趣的朋友，可以透過下面連結與廠商接洽喔。)
https://reurl.cc/8GXANR

#失眠之非藥物治療 #失眠之藥物治療