老师虽然身为电机教授，但更像个哲学家，从小就思考人类是如何「学会」、如何意识到自己存在或如何产生意识，甚至自己在做人工智能研究，却认为科技继续发展到极致会对人类产生不好的影响，思绪丰沛的于老师究竟是怎麽踏上人工智能研究之路呢？就让我们一起来看看吧！
「做喜欢的事，怎麽会需要被确定呢？」
我想人工智能是每个人从小的梦想吧，有很多电影都会描绘人工智能或智能机器，例如 《黑客帝国》或 《机械公敌》，我小时候则是看《魔鬼终结者》。而我们都觉得电脑做什麽都比较快，不论是计算或做其他事情，但和人类比起来还是有点笨笨的，所以如果电脑能自己侦测状况而且做出反应，这应该是每个人的梦想吧～（花）而且我也常跟学生说：「喜欢就去做，难道你喜欢哪个女孩也要给我决定？」因为很喜欢，所以就一步步走过来了！
到了大学，越来越觉得人工智能有趣，而且从小到大的过程裡会发现有些同学学习速度快，有些速度慢，但学习速度慢也只限于某些领域，例如有些同学高中成绩很差但讲到电影，不论是导演风格、怎麽选角、画面配置、理念等等都如数家珍，能够讲得清清楚楚。我觉得这是每个人的特长不同，我就开始思考人在学习东西是否都有各自的学习模式，而每个人在各时期又适合不同的学习模式。因此就会联想到这个问题：「人到底是怎麽学会的」？
「人到底是怎麽学会的?」
这问题其实很困扰我，我们的脑袋真的像电脑一样，在短时间做了那麽多种运算吗？例如现在的人脸辨识系统，透过各种方法，例如计算两眼距离等等，做了一大堆微分和运算，但只能勉强辨识脸孔，然而人能够辨认另一个人，并不是这样的过程，就算是从来没见过的角度，也会知道是我，就像你刚刚看到我的背影就知道是于天立。所以让人很难相信人的脑袋是像电脑那样思考的。
我研究 AI ，一方面希望电脑能做更聪明的判断，一方面是想拼凑出人类到底是怎麽思考的。不过这讲到最后会深入到认知科学或哲学，就像我们讲到，是否有智能最大的分野就是 「self-awareness」 能够意识到自己的存在？可是这到底又是什麽东西？
当然我相信自己是有自我意识的，但自我意识到底是什麽呢？光这就一点能谈很久很久。因为这会牵扯到更多心理学、认知科学，甚至哲学领域，但大家都没能解决这个问题，甚至笛卡儿就直接讲了「我思故我在」：反正我就是存在了。中国古代也有探讨这些问题，像是老子的「道可道，非常道」：我讲得出来的都是没有用的，真的有用的是我讲不出来的，甚至波罗蜜心经也有讲到，所以说「我存在」这件事是不可被证明的。再举个例子，现在只要给我的脑袋一些「你们存在我面前」的讯号，我就会认为你们在我面前，所以只要用模拟的方式，也能让我觉得你们存在，这样要怎麽证明你们存在，或证明我的存在呢？
「做越多研究，越觉得自己的认知不够」
我一直觉得越做科技会越做越「死」，因为我们都能用技术创造出有智能的假象，最终就会迷失自我，所以研究越深，越觉得该坐下来喝杯咖啡，要沉淀自己，去想每天勐忙，到底在忙什麽。而且越学越觉得科技不能证明的东西越多，甚至有定理可以证明，我们现在论证系统有很多都不能论证「正确的事情」是正确的。所以我也不能理解为什麽电影裡只要演到科学家或教授都会呈现狂热的倾向，因为我们做越多研究，就越会意识到自己的认知太少。而且未来科技可能会发展到无可救药的地步，但即使如此，还是得努力研究，因为瞭解越多，越能确保自己的安全。
【AI课程快问快答】
Q：老师为何决定开这门课呢？会不会担心内容较专门，同学反应不过来呢？
A：一开始是我在电机所开的实体课程，因为学习反应不错，所以丙成老师就邀请我来做 MOOC 版本。另外，现在我所开的三门实体课分别是基因演算法、计概、AI，基因演算法太深了，不适合放上网路，计概也已经放上开放式课程，所以就剩下 AI ！但当初会有点担心 AI 放上网的成效，因为一般在网路上的课程可能在技术面不要涉及太多，学生会比较好吸收，但 AI 本身就属于技术层度高的课，实体课本来也是开给电机所研究生的，所以我自己也有点忐忑。不过目前只录到实体课的前 1/3，所以内容上应该还好，希望大家能吸收。
Q：这次在作业发想上用小精灵（吃豆豆），是特别设计的吗？
A：这次是直接选择柏克莱大学的 Package。AI 其实有很多系列教材可选用，小精灵则是我认为是其中设计很好的一套教材，因为课堂上讲技术都是一回事，但要透过实作才会有感觉，柏克莱这套小精灵就将概念与技术的连接应用做得很好，非常理想。
很多学生都觉得上课听得懂，但开始做小精灵才发现自己其实没有完全理解，等到作业做完才会更明白。因为有些搜寻方法理论上很漂亮，但实作上有很多困难需要克服，这是单纯听课没办法深刻体会的。
Q：这堂课会用到 Python，本身不会 Python 会听不懂讲课吗？
A：Python 和 AI 本身并没有关联，是因为我选用的这套小精灵教材在作业上会使用到才有先修知识要求。Python 比起 C 或 C++ 来说已经很容易了，我相信同学能够自学，而且会想来听课的同学，我预期都是研究生，应该都有基本的程式能力。倘若真的不想碰程式语言，那就听课吧，反正 Coursera 的作业也非强制性，不过相对来说能学到的范围就局限起来了。
不过还是鼓励大家自学，因为 Python 是一种很简单的语言，只要会任何一种语言，应该都能一天快速上手！
Q4. 可以用简单的例子说明AI吗？
AI 的定义真的很广，以弱 AI 最虚弱的 AI 就是冷气，若设定感测室温超过 27℃ 就 ON，低于 27℃ 就 OFF，这样就是一种 AI 了。简单来说 AI 的原理会有个 Sensor 侦测，机器再将侦测后的结果套进我们设定的规则，去做最好的判断反应，但这样的 AI 其实是满虚弱的 AI。
很多人在讲 AI 时都会把它和学习放在一起，好像一定得学点什麽才叫AI，但实际在研究领域上这两块是分开的，「学习」就是「机器学习」领域，Coursera 有林轩田老师所开的课程可以看，相对来说比较不含学习的就是 AI。而我教的 AI 其实是溷杂的，因为这两者其实很难完整切割，不太可能只谈人工智能而不谈学习，或只谈学习而不谈人工智能。不过现在上线的课程还在初期，似乎和「学习」还没什麽关係，但如果想知道更多，可以看我的 AI 课与林轩田老师的机器学习课。
Q5. 老师在做MOOC上遇到的困难点？
我不习惯看镜头讲话，因为我通常会看学生的反应或背景来做例子讲解，像过去在土木系上课就讲如何造桥，而去管理学院教课就会举会计系统的例子，如果没有观众，对着镜头讲话就像对着一支笔讲「人工智能其实是....」这会让我感觉很不自然，这种心理障碍是需要克服的，而且还要讲到镜头背后不论什麽背景的人都能听得懂，在没有即时反馈的情况下是困难的。
而且我的教学习惯会从很多面向切入，先从这个角度带入浅显的概念，讲个三四成，再从另一个角度讲七八成，最后再换个方式讲剩下的两成，让学生们能够连结其中的关係，但在 Coursera 要做这件事比较难，虽然听不懂的地方可以倒回去看，但这样接收的都是同样的字句，比较难让学生有新的感受。人类的大脑是很聪明，会找到最好的方法让自己放鬆，所以如果讯息有预期性，大脑就不会认真去思考背后的意义，这就是为什麽甚至用同样的角度讲事情，因为语调不一样，同学接收的讯息也会不一样。就像音乐与噪音的，好的音乐是有可预期性，但又同时具备变化性的，而噪音就是不可预期或着没有重複性，才会让人觉得无聊或吵。
Q6. 电影中的人工智能，未来真的有机会出现在现实生活中吗？
电影讲的绝大多数都属于强 AI，也就是自我意识或自我能力，但我们现在讲的AI研究99.99% 都在讲弱 AI。这是因为强 AI 複杂得多，研究时间非常长，可能20年都做不出成果，而且人类其实不希望有自我意识、会反抗指令的强 AI 出现，因此强AI的研究比较是一个梦想，而相对缺乏市常
说句玩笑话，如果真要有强 AI，那就生个小孩就好啦，有真正的智能，干嘛需要电脑变得那麽聪明呢？
