【人物專訪】定義問題、拆解問題,1+AI=∞?——專訪呂欣澤教授

分享至

【AI新浪潮:生成式變革】系列講座
產業與職涯的發展:生成式AI如何協助我? 2024.1/6(六)14:00

訂閱 CASE YouTube 鎖定直播 開啟

採訪、撰文|謝達文

審定|呂欣澤 教授

政治大學創新國際學院 呂欣澤 助理教授|來源:講師提供

「定義問題」和「拆解問題」──呂欣澤從自身的經驗出發,強調如果要讓科技工具發揮最大效用,關鍵正是這兩項能力。

呂欣澤目前任教於政治大學創新國際學院。在攻讀博士班、進入學界之前,他曾是財團法人資訊工業策進會(簡稱資策會)的一名工程師,協助臺灣的科技業者發展所需的技術。他之所以決定報考博士班,正是因為他在資策會工作期間,發現自己的能力有所不足。而這一個發現,居然跟兩千公里外的一場洪災有關。

 

一場洪水,讓他發現自己的不足

那是2011年10月,當時國際上硬碟每四顆就有一顆是從泰國出產,而泰國中部工業園區遭遇的洪災,迫使數家國際硬碟大廠宣布減產,硬碟價格因而翻漲。

那時的呂欣澤正在資策會領導一個團隊,剛執行完一個大專案。在那個專案中,他不必自己思考計畫的目標,而是跟隨大前輩的指引前進。這位大前輩叫做王瑋,曾經在美國擔任IBM系統和技術部副總裁,退休後回到臺灣。呂欣澤解釋,「大前輩看到了臺灣科技產業的窘境」,點出臺灣的硬體產業雖然相當強大,但缺乏相搭配的軟體為產品加值。在這個戰略目標下,呂欣澤負責的專案是為臺灣硬體業者發展相搭配的雲端儲存軟體。他們研發結果相當成功,甚至受邀到美國拉斯維加斯發表研發成果──「我們還有露出國旗」,他不無得意地說。

由於過往的成績,呂欣澤的主管希望他能夠嘗試自己提案,向高層爭取研發經費。為此,他第一次需要獨立作業,「報告市場的狀況和遇到的問題,以及可能的解方,說服主管提供一年的經費。」

在發想過程中,他回想起泰國洪水導致硬碟價格飆漲的困境,因而提議研發讓硬碟使用成本降低的技術。然而,在報告後主管卻馬上點出,「這是偶然的事件,而且製造商也會調適」,硬碟售價過一段時間就會回穩,因此不是一個必需解決的問題──呂欣澤現在已能笑著回憶結果:「當然,這個經費我也沒有拿到。」

 

在業界,定義問題意味著要找到「痛點」

這個經驗讓他體認到,要能精準「定義問題」,才能運用科技發揮影響力。「我就是缺乏定義問題的能力,所以決定去念博士班培養這樣的能力。」

在好友的推薦下,他找到時任教育部資訊及科技教育司司長的楊鎮華教授擔任指導,投入資訊與教育相關的主題,關注如何「讓小朋友的學習體驗更好」。他開始投入電子書、程式設計工具等一個又一個的學習軟體中,從文獻和一線教師的需求中釐清問題所在。

有了這樣的經驗累積,被問到會給學生怎樣的建議時,呂欣澤更有信心,強調「定義問題」確實是重中之重──「要能夠辨認業務上的痛點,唯有知道業務上的痛點才能知道如何解題。」

他更進一步提醒:「只要把問題提出來,要用AI解決就很容易,所以平常就要放『心』在業務上,並且要去問怎麼樣才可以做得更好。」科技工具會不斷翻新,這種找出痛點的能力才是真正的核心。

 

要善用科技工具,就必須掌握解構問題的能力

當然,定義問題之後仍須解決問題。對此,呂欣澤強調「解構問題」的重要性。

這同樣與他自身經驗有關。「我在碩士時接到一個案子,要處理一個影像的問題,當時發現沒有辦法一次解決,但可以先做A再做B,拆成五、六塊就能解決了。」而到了博士班之後,他才意外讀到這種技能早就有人討論,在文獻上被稱為先decompose再compose的技能。

現在,他將這個體認融入課堂的設計中。面對ChatGPT,他主張並不需要防堵學生使用,而應該讓學生練習拆解問題,並與AI分工合作。因此,他反而要求學生練習用ChatGPT解決問題,並嘗試記錄學生與ChatGPT互動的過程,甚至特別為此寫了程式,讓學生可以藉由Line使用付費版的ChatGPT。

到了期末考,他則設計一個複雜的遞迴問題,學生無法直接將題目的要求丟進ChatGPT,必須先迅速將專案拆解成小模組,讓ChatGPT分開回答之後,再來想辦法整合。同時,他也鼓勵同學拆解問題後,彼此合作、分工解題。「我唯一的要求是不可以講話,但你盡情地使用電腦,甚至使用ChatGPT。」

「有些人甚至會認為這是作弊」,但呂欣澤指出,這個模式才真正符合業界真實的工作型態。他舉例,「在資策會,我們常獨自至業者的機房解題,多數情境也是仰賴團隊合作」,將專案拆解成好幾塊之後,再交由不同團隊成員解決。除此之外,工程師本來就不需要自己從零開始寫程式,「我們之前寫程式,也都經常先Google,或者是到Stack Overflow上複製別人寫的程式碼再改寫」──他說,唯一的差別是現在的學生連Google都不用了,而可以直接利用AI、與AI分工合作。

正是在這個思維下,呂欣澤才做出了這樣的結論:與其擔心AI取代工作,我們「更該思考可以如何運用AI,才能提升我們的工作效率」。而顯然,定義問題和拆解問題的能力,將是思考此一問題時的兩大關鍵。

 


AI新浪潮:生成式變革講座第二講《產業與職涯的發展:生成式AI如何協助我?
(Visited 414 times, 1 visits today)

分享至
views