影音／大師開講 科技教育向下扎根 ｜ 張耀文：開發「女力」CP值高｜完整版
AI教育向下扎根的想法，張耀文指出，要從高中、大學、企業三方面來著手，科技女力也是一大優勢。如果對AI的決策邏輯不瞭解，那可能就無法處理一些異常的狀況，不僅會影響到整個企業的信譽，很可能甚至造成公共的危險。我們必須開始對AI進行反思，建立審查機制，AI模型的錯誤，還有它的不確定性，是不可忽視的風險。在半導體設計和製造當中，AI常常被應用於製程的優化和缺陷的檢測，像EDA設計自動化高度機密的任務，如果一旦發生錯誤，可能就會導致晶圓報廢、良率的下降，甚至危及整個供應鏈。
一、 科技教育向下扎根與跨域培育
-
高中與大學端的教育革新：
-
高中階段應注重基礎學科能力、數理及運算思維訓練，並導入城市設計、機器學習等相關課程 。
-
大學端除了核心課程（演算法、機器學習、晶片設計與系統整合）外，更須強化跨域合作與產學合作 。
-
二、 解決人才短缺的三大實質對策
-
擴大本土人才培育： 加強 AI 與半導體相關教育，提升技職體系的訓練強度，並特別提倡開發「女力」（提升台灣女性在高科技產業的佔比，相較歐美具極大發展空間） 。
-
完善國際人才制度： 簡化 AI 與半導體國際人才的簽證及規劃流程，將照顧對象擴及家屬，吸引東南亞及東歐等具優勢地區的專業人才 。
-
支持中小企業與新創： 透過政府配套措施獎勵並加持中小企業及新創公司，穩固整體產業的人力資本 。
三、 台灣 AI 與半導體的雙重優勢
-
硬體實力雄厚： 台灣擁有全世界最完整的半導體供應鏈（IC設計、製造、封裝測試到硬體整合），是 AI 落地應用的關鍵基礎。
-
工程人才紮實： 長期深厚的工程教育底子與工程師的敬業態度，讓台灣具備成為全球 AI 硬體創新中心的潛力。
四、 AI 應用的挑戰、風險與審查機制
-
認清 AI 限制與審查機制：
-
AI 基於機率與現有資料運算，面對新情境易產生預測失誤，因此不能盲目迷信。
-
應仿效生醫領域的倫理審查，建立長遠的 AI 監督機制，並培養全民反思與批判 AI 決策的能力。
-
-
高科技產業導入 AI 的挑戰：
-
包括 EDA 設計自動化中的數據機密與商業保密、僱用風險、模型偏差與老化問題，必須仰賴「可解釋性 AI」與嚴謹的模型驗證來確保產品質量。
-
【製作團隊】
撰稿 傅啟倫
攝影 黃本洋、張維仁
後製 張維仁
