台灣教育現場長期瀰漫著一股焦慮：「文組是不是沒前途？」、「不會寫程式是不是就等著被淘汰？」
然而，AI時代，在美國知名理工學府普渡大學（Purdue University），一群原本抗拒數理的人文科系學生，正在走出一條截然不同的路。
普渡大學近年推動「AI人文學士學程」（Artificial Intelligence Liberal Arts）學程，強調「邏輯」是哲學與程式設計的共同語言，試圖打破文理分流的高牆。
艾娃・斯帕拉札（Ava Sperazza）是其中的一位學生。她曾自認「理科絕緣」，卻在學習AI的過程中發現，人文視角非但沒有被技術淹沒，反而成為科技界最稀缺的能力。以下是她與《天下》分享的第一人稱告白，翻譯整理如下：
老實說，在進入大學之前，我一直是個「抗拒理科」的人。
在我的成長過程中，我的人文課程表現總是遠遠優於數理科目，我也習慣將自己歸類為文組生。但我同時也是個科幻小說迷，對於科技如何改變人類社會充滿好奇——但我僅止於「思考」它，從未想過要親手「打造」它。
直到2023年春天，普渡大學推出了全新的「AI人文」學程。當時我父親對我說了一句：「妳或許該試試看。」這句話推了我一把。這就像是一個用銀盤端到我面前的完美機會：它允許我保留對人文的熱愛，同時直面那個正在改變世界的巨大力量——人工智慧。
但我沒想到的是，這個決定徹底改變了我看待自己價值的方式。
剛開始，文化衝擊是真實存在的。
從基礎的數位素養課進入到「純程式設計」課程時，那種快節奏確實讓我感到害怕。坐在教室裡，看著那些全心投入技術的工科同學，我常常懷疑自己是否走錯棚。
以前的我，完全無法想像自己在大學裡修微積分、寫程式碼。但隨著課程推進，我經歷了一個神奇的轉折點。我發現，學習coding 不僅僅是為了讓電腦動起來，它竟然反過來增強了我對「倫理分析」的理解。
原來，技術與人文並不是兩條平行線。當你懂得技術的底層邏輯，你才能在談論倫理時，不再流於空泛的道德呼籲，而是能切中技術架構的要害。
問出不一樣的問題
我最深刻的體悟，發生在一堂AI倫理課上。
當時我們正在評估一套AI系統。對於純工程背景的同學來說，他們習慣使用的評估標準是「技術指標」：這套系統準確率多少？穩健性夠不夠？他們的思維核心是：「這套系統能運作嗎？」
但我發現，我的人文背景讓我本能地問出了完全不同的問題。
我不在乎它在實驗室裡的準確率，我看到的是它的「下游效應」（Downstream effects）。我問的是：「這套系統是為誰運作？」 以及 「一旦離開實驗室進入複雜的社會，權力關係會如何扭曲它的使用結果？」
這種視角的轉換至關重要。一個在技術上「完美運作」的系統，可能會因為忽略了使用者的詮釋或社會偏見，而在現實中造成災難。這一刻我意識到：發現那些「看不見的風險」，正是我們存在的價值。
這個觀點在後來的一個專案中得到了驗證。我們的團隊負責分析COVID-19確診率、疫苗接種與人口數據。
這是一個典型的跨領域挑戰。我們必須清理雜亂的數據、合併資料集，並生成視覺化圖表。技術上，我們做出了漂亮的圖表，顯示出各縣市確診率與疫苗覆蓋率的相關性。
如果是傳統的工程師，工作到這裡就結束了：「圖表出來了，數據會說話。」
但我當時的角色是團隊中的「轉譯者」。我指出，原始數據的相關性若缺乏社會脈絡，會誤導大眾。例如，如果不考慮「都市化程度」與「人口密度」，單看確診數字會得出錯誤的因果推論。
我協助團隊重新建構了報告的論述，向讀者解釋人口結構與通報慣例如何「塑造」了這些數據。我們不只給出冷冰冰的圖表，而是將數據連結到具體的公共衛生洞察。這正是人文思維在數據專案中的具體貢獻。
新藍海
對於許多文科生擔心的「畢業即失業」或「被AI取代」，我現在有了完全不同的看法。
最近在尋找實習機會時，我驚訝地發現一個新興的就業藍海。市場上出現了大量我也許在幾年前聽都沒聽過的職稱：
- AI治理實習生（AI Governance Intern）
- AI策略與賦能實習生（AI Strategy & Enablement Intern）
- 科技合規實習生（Technology Compliance Intern）
這些職位明確地位於「技術系統」與「社會規範」的交界處。企業正在積極尋找既能讀懂程式碼、理解AI系統運作，同時又能思考當責性、法規與現實影響力的人才。
回首這段路，對於想跨入AI領域的人文科系學生，我想說：不要因為「數學不好」或「抗拒理科」就畫地自限。技術是可以學習的工具，而你對人性的理解、對社會脈絡的敏感度，將是你在AI時代最不可取代的資產。
至少現在，我知道在這個領域絕對有我的容身之地，這是幾年前的我無法自信地說出口的。
