文組生新職缺：AI專案「領域專家」　政大設計思考課，先了解機器笨在哪

學生分成小組討論，期末做出一個解決特定問題的AI專案，目標是希望各領域學生了解如何使用AI，幫助AI落地。

那時，生成式AI海嘯還沒來襲，後來，很多學生也是在課程上首次接觸到ChatGPT、資料科學社群及資料庫Kaggle。

他們以為AI能解決大部份的問題，但蔡炎龍和陳宜秀的第一個任務，就是打破這層迷思，讓不懂AI的學生了解，AI其實很笨，人類本身的匱乏及需求，仍要靠人用同理心去看見、理解、發想。

政大是以人文社科領域為主的大學，理工科系偏少，不過一直以來，學生參加AI或大數據競賽的人數並不少。

文組要當「領域專家」

但是，蔡炎龍觀察，學生往往簡報寫得天花亂墜，堆疊很多機器學習的著名模型，以為資料輸進去就有答案。

廣告

然而，他們對於為什麼要用這些模型，以及這些程式的可能限制，卻不一定有想清楚。此外，很多時候學生提出的問題，根本沒有相對應的資料可以訓練AI。

蔡炎龍的目標，不見得是在政大訓練AI工程師，而是讓學生未來可以幫助企業讓AI落地，有AI素養，也有商品化思維。（王建棟攝）

純理工的AI課程，會從現成的數據庫找問題，追求訓練模型；但在政大開設的設計思考，則是先想好問題，再去數據庫找訓練資料。

「『怎麼問一個好問題』看似容易，其實不然，」在《AI如何重塑教育》一書中，陳宜秀舉例，假設想用過去的消費紀錄來預測未來消費行為，僅有「消費紀錄」這4個字，若沒清楚界定是週期、消費額或消費次數，難以成為AI訓練資料。

在設計思考之外，這堂課也教授AI技術，濃縮成四個模組課程。「但目標不是為了訓練AI工程師，」蔡炎龍強調，AI專案裡的「領域專家」是最重要的角色。

廣告

這個角色了解技術、也知道問題痛點在哪裡，在實務上更像是專案經理。這也是文組科系掛帥的政大學生，未來在AI領域比較可能從事的工作。

史丹佛大學有著名的五大設計思考步驟：同理思考、需求定義、創意發想、模型設計，以及模擬測試。

但實際上，設計思考不是線性流程，更像面對問題的心態。學生可能在5個步驟間來來回回，在老師協助下不斷修改提案，才能真正釐清問題。

人的價值，在於定義難題

定義問題的過程需要一定程度的專業領域知識，也因此這門課第2年開課，就修改選修條件，從不分年級，到只收大三、大四及碩士班學生。

期末專案選題五花八門，有人做震後房屋裂縫分析，也有人做YouBike停借車需求預測等等，不只要做到有雛型，還得想像長期應用場域。

在蔡炎龍眼中，「很會解題」是過去對於優秀學生的定義，問題多半早有人定義好。

廣告

但隨著科技和時代進步，檯面上能解的問題愈漸稀少，設計思考概念中，難以定義、難以解決的「棘手問題」（Wicked Problem）反而愈來愈多。

新世代學生一個重要的能力，就是要在「棘手問題」找到核心，簡化、轉譯成AI可以解決的問題。

蔡炎龍說，這堂課的目的是讓學生看到，愈來愈進化的AI將會代勞解題的角色，但AI再怎麼強大，也不會定義問題。人的價值，最終會是在定義問題、找到痛點。

（雜誌原標題為：文組頂大生AI專案　先了解它笨在哪／責任編輯：曹凱婷）

【更多精彩內容，請購買《天下雜誌》811期：2024教育特刊「AI時代，怎麼學？」單本即享免運】