文組逆襲的時代 中研院研究員蔡宗翰解密「跨域AI人才」未來機會

記者孫敬／台北報導

人工智慧（AI）浪潮正以驚人的速度重塑全球產業與社會面貌，對台灣而言，這既是巨大的機會，也是人才培育與技術應用落地的關鍵考驗。面對這場不可逆的技術革命，目前擔任中研院人文社會科學研究中心的研究員，同時也是中央大學資工系教授蔡宗翰觀察，AI的重要性已不再限於技術層面，更深入影響了教育、內容創作、硬體製造、金融服務業的轉型與效率提升。台灣在積極擁抱AI的同時，如何培養出符合產業需求、具備實戰能力的AI人才，並有效克服技術落地與資源配置的瓶頸，已成為當務之急。

延伸閱讀：東華大學導入校務AI助理「NDHU-GPT」！杜奕瑾談AI聯邦學習優勢

跨域轉型，文組背景也能走出一條自己的AI路？

傳統觀念中，AI人才往往被視為資工領域的專屬，不過蔡宗翰積極破除這項迷思，並認為「文組」背景未來在AI相關產業中，將能發揮獨特且不可或缺的價值。譬如一個成功的AI專案，除了程式設計，更需具備「溝通技巧」、「需求轉化」以及「模型微調」的能力。

蔡宗翰解釋，AI專案從初期理解客戶的模糊需求，將其精準轉化為AI可執行的明確任務，到中期的模型選擇、資料清洗與標註，再到後期的模型部署與效果評估，每個環節都需要跨領域的協作。文組人才因其較強的邏輯思辨與溝通表達能力，能有效擔任橋樑角色，在理解產業痛點、與領域專家溝通、並將其需求轉達給技術團隊方面，有望展現其關鍵價值。

長期在第一線AI教育現場的觀察，蔡宗翰直言：「學生修AI相關課程的時候，就像人家幫你食材都備好了，甚至要煮幾分鐘，也都幫你算好了，所以你修課的時候，做的作業成功率非常的高。」但走出校園，產業變動快速下存在許多不確定性因素，怎麼找出問題解決才是一大課題。

因此，蔡宗翰在國立臺灣大學開設的「數位人文技術與應用專題」課程，更強調文組人才的AI實作與模型開發。對於渴望轉型進入AI產業的文組人，蔡宗翰點出了第一步：「如果你是文組想跨向AI產業，前兩個工作更要注重整個AI專案，從0到1個需要的技能跟知識。」在學學生還可參與研究室或新創公司的實習，透過有系統地完成數個AI成果，若政府能順勢拋出些科研計畫帶頭，不僅僅著重在AI技術創新，資料治理的創新對台灣是個很好的發展機會。

台灣AI產業佈局客製化模型、算力挑戰與未來展望

當前，台灣各行各業，特別是硬體製造與金融保險等產業，正積極探尋AI技術的應用以提升營運效率。蔡宗翰以自己參與的「國科會TAIDE大語言模型計畫」為例，訓練模型最大的挑戰莫過於「客製化AI模型」的開發與部署。

會有這樣的發言，源自通用AI模型日益成熟，但在特定產業應用中，仍需符合產業需求的數據進行模型微調或重新訓練，而這其中存在巨大的成本障礙。「跟既有的AI模型去產出1個解決方案，對比自己訓練AI模型，後者不僅燒錢且不確定性大，還有訓練資料，也是需要花錢的。」蔡宗翰坦言多數新創、企業難以負荷，並稱政府應正視AI公司長期發展，需要的不僅僅是單次的「練兵」算力支持，穩定的算力來源才是重點。

此外，除了「算力」需求，蔡宗翰也直指模型訓練資料的痛點，「聯邦式資料治理模式」（聯邦學習；Federated Learning）會是一個解方，要進一步將其實現，還要設立獎勵機制大家才會願意分享資料。」以開發者前輩的角度，蔡宗翰建議新創、企業們可朝向既有AI模型找出產業所需的解決方案，比拚算力的創業模式較不適合台灣現有的環境。

迄今，TAIDE模型已經過多次的訓練及調整，線正積極在教育、醫療、法律這三大領域推動AI落地應用，預計今年將會更完整的解決方案誕生。

瀏覽 306 次