IBM 許峰雄博士（1980 年臺大電機系畢業）團隊開發的西洋棋超級電腦 Deep Blue 在1997年擊敗了當時的西洋棋世界冠軍Garry Kasparov，成為史上首台在標準比賽規則下擊敗人類西洋棋世界冠軍的電腦，標誌著人工智慧發展史上的重要里程碑。
2014 年AlphaGo橫空出世，Google DeepMind開發的人工智慧圍棋軟體融合了深度學習與蒙地卡羅樹狀搜尋，透過分析海量人類棋譜及自我對弈來強化棋力，在 2016 年以4：1擊敗南韓世界冠軍李世乭，成為 AI 發展史上更重要的里程碑。從此大部分的人開始相信 AI 可以在某些高等智慧活動項目中表現比所有的人類都要出色。
2030 年 Nvidia 機器人隊伍是否可能正式上場參加世界盃足球賽並且在 2034 年擊敗所有的國家代表隊伍？
2038 年 SpaceX 機器人太空船將出發前往火星探險殖民？讓我們拭目以待！
接下來人類如何連同 AI 繼續加速演化？
物競天擇，適者生存！AI 不會取代人類，熟悉 AI 工具並且有機會能夠善加利用的人將逐漸淘汰那些不熟悉 AI 工具或者沒有機會、不能夠善加利用 AI 的人。正如我們曾經歷過 Déjà vu的電腦工業革命、網際網路數位革命！
軟體系統的開發需要團隊合作一起來完成。團隊包括：
0. 產品經理，提供產品的需求、功能
1. 首席架構師，確保所有開發專案的一致性
2. 系統分析師
3. 系統設計師
4. 程式設計師
5. 程式碼審查師
6. 工具開發人員、資料庫管理員
7. 品質保證測試人員
8. 使用者圖形介面/使用者體驗設計
現在已經有 AI 工具可以幫忙產生程式碼，以上九類人員的功能角色會逐漸合併，一個人要能夠扮演、承擔多個角色。我預計 10 年後所有中小型的軟體開發案只需要一個人就可以在 AI 工具的幫忙下順利完成。人類會思考、重視生命的意義、生活的目的。人們追求的目標非常多元化可能包括有：幸福家庭、知識、財富、名譽、健康、快樂、學位、權力、物質享受、愛情、友情、性愛、影響力與社會知名度等。人生就是由一系列的抉擇所組成，而每一個當下的決定，最終都匯聚成了現在的我們。這些不同時間、不同事件的分歧點選擇究竟是殊途同歸？還是失之毫釐，差之千里！當下的大數據分析可以回答這個問題嗎？
平衡計分卡是一個策略績效管理工具，將抽象的企業願景轉化為具體、可衡量的行動與指標。平衡計分卡打破了傳統僅看財務數據的侷限，透過財務、顧客、內部流程、學習與成長等四大構面，協助企業完整評估營運成效並追蹤策略執行進度。人們追求的目標會因為個人家庭教養成長、教育學習及社會環境、遺傳基因、個性、經濟能力、父母的支持及期望等因素不同而非常多元化，我們也需要一套類似的平衡計分卡來完整評估、動態調整以達成個人及家庭生活的最佳滿意幸福度。記得並接受「未知的因素永遠存在，所謂『謀事在人，成事在天』！」
唐代文學家韓愈《師說》：「師者所以傳道、受業、解惑也。」傳道的新義為：研究新知識、探索新發現、並承先啟後傳承天下的道理。今日的受業新情境必然是學生先自我進修學習後的個人化小班制因材施教、教學相長式的團體討論學習。解惑則為學問、行為、心靈、生活上的提點、說明與開示。AI 可以提供答案，但提問者智愚賢肖的差異，他不一定能夠理解 AI 工具所提供的答案及說明！老師、教授還是有存在的具體價值，但是功能角色也會隨著時代及 AI 的進化而改變，整體需求老師、教授的人數也會越來越少！
2014 年麻省理工學院（MIT）兩名學生 Jeremy Rubin 和 Dan Elitzer 發起名為「MIT Bitcoin Project」的活動。兩位學生成功籌集了校友和加密貨幣愛好者的 50 萬美元捐款。這使得他們能夠向大約 4,500 名符合條件的大學部學生提供價值 100 美元的比特幣。當天 2014/10/29 Bitcoin 的交易收盤價 $335.59。
2025/09/20 英國牛津大學成為世界上第一所大學正式推出全面校園 AI 計畫，向其所有學生和教職員工免費提供 ChatGPT Edu 使用權限。
臺大的每一位師生員工都有權利、需求來使用學校免費提供的 AI 工具及其環境服務，也都有義務一起努力來達到這個非常重要的目標，這是整體競爭力非常重要的一環。當然職位越高者，其責任也越大！
人工智慧公司正在招聘哲學家、哲學系所畢業生，因為現在建構先進的人工智慧模型、系統不再只是一個技術問題，而是一個倫理、概念和存在主義的挑戰。隨著模型變得越來越強大、自主，人類需要專家來界定機器行為的道德、社會和邏輯邊界。
「大學教育的主要目的是確保你能分辨出誰在胡說八道。」這個觀念是由 Arthur Latham Perry 教授（Williams College）提出來的，後來由 Richard Livingstone (Vice-Chancellor of Oxford University) 及 William de Witt Hyde (President of Bowdoin College) 推廣開來。現在我們需要將之擴展為「教育的主要目的是確保你能分辨出那些 AI 模型/工具在胡說八道！」你的知識技能越正確多元，你越能夠在短時間裡問出好問題並且得到好的正確答案，所謂大哉問也！也因此能夠越快的解決你的問題，學習到正確的新知識，完成你的工作任務。
斜槓人生的學習樂趣與邊際效益價值增加來自於「吾道一以貫之」的經驗法則。終身學習的必要性來自人工智慧與物聯網驅動力：現代資料成長不再僅僅由人與人之間的互動所驅動。生成式人工智慧工具、物聯網、5G 網路和持續串流媒體的快速普及正在推動資訊量、知識的爆炸性成長。資料產生量大約每兩年就會翻倍，這跟積體電路 Moore’s Law 有點類似。它是由 Intel 創辦人Gordon Moore 於1965年提出的經驗法則。其核心內容為：積體電路上可容納的電晶體數量，約每兩年便會增加一倍，同時性能提升一倍。資料產出資訊，資訊匯合成為知識，知識進一步昇華為智慧，非常類似原子交互作用成為分子，分子聚合成為組織器官，組織器官進化結合為生命個體。斜槓人生可以擔任跨領域溝通的橋樑，自然而然地有機會成為團隊合作的領頭羊！
Gödel's Incompleteness Theorems 是 Kurt Gödel 於1931 年發表的兩項開創性的數理邏輯定理。它們證明，任何足夠複雜、能夠處理基本數學問題的、基於規則的、一致性的系統，都必然包含無法證明的真命題，並且該系統永遠無法證明自身的邏輯一致性。這些定理從根本上粉碎了數學和哲學界關於建構一套完美、包羅萬象的規則體系，並從中邏輯推導出所有真理的夢想。除了數學之外，這些定理對電腦科學和哲學也具有深遠的影響：計算的限制：在電腦科學領域，它凸顯了演算法能夠驗證的界限，證明了存在一些問題，不存在通用的演算法解決方案。心靈哲學：哲學家 J. R. Lucas，利用 Gödel's Incompleteness Theorems 來論證人類心靈能夠掌握形式化的演算法機器所無法掌握的真理。AI 系統最終能夠在所有的項目贏過所有的人類嗎？
1987 年臺大電機系 CAD 團隊開始執行國科會計畫研究開發 AI 晶片，我深深的事後體會出：橫看成嶺側成峰，遠近高低各不同。不識廬山真面目，只緣身在此山中。這是北宋大文豪蘇軾的〈題西林壁〉。它點出了一個深刻的人生哲理：人往往容易「當局者迷」。因為身處事件核心或被環境侷限，反而看不清事物的全貌與真相。AI 晶片最後的出路在 GPU（Graphics Processing Unit）而非當時我心目中的 List Processing Unit（LISP），也非日本研究機構在 1982 年開始推動10年計畫來研發的第5代電腦Concurrent logic programming (Prolog) supercomputer system。
圖形、遊戲計算與 AI 機器學習的核心計算是一樣的。
遊戲計算（特別是 3D 遊戲和物理模擬）的核心是矩陣與向量運算。遊戲中的視覺呈現、物理反應與特效，本質上都是基於海量的線性代數（矩陣、向量）運算來實現的。
機器學習（包含深度學習）的核心計算本質也是矩陣與向量運算。透過將真實世界的資料（如文字、圖片、聲音）轉換為數字矩陣、向量。機器學習的預測模型（類神經網絡中的權重與偏差）實際上就是一組複雜的矩陣方程式。其中最關鍵的矩陣運算類型如下：
1. 矩陣乘法（Matrix Multiplication）：用於特徵提取、神經網絡層與層之間的訊號傳遞，是模型進行預測的最基礎動作。
2. 矩陣加法與元素運算：用於調整權重與偏差，讓模型透過學習不斷逼近正確答案。
3. 卷積（Convolution）：在影像處理與電腦視覺中，透過滑動矩陣（卷積核）來提取圖片特徵。
1991 年我們團隊利用類神經網路來預測股市的漲跌！當時的電腦算力不足，要預測明天股市漲跌的幅度，需要到後天的中午才能分曉！當時平行計算的技術尚未見之於商用小型電腦。研究後續無力不了了之！甚為可惜！！當時我們並沒有先見之明，嘗試去了解底層類神經網路的運算其屬性為何？也沒有去探討如何降低暴力演算法的複雜運算來加速預測結果的產出！
事後諸葛亮，我分析探討事件的來龍去脈原因：
1. 我個人的研究能力甚為有限。
2. 當年臺大及臺灣的學術氛圍及大環境並不鼓勵團隊合作進行長期有挑戰的大計畫！
3. 臺灣社會急功近利的心態，大多數的人無法從事需要長期投入的研究計畫，國科會研究計畫申請、學校期待大家年年都有期刊論文成果產出。逼得大多數的教授只能短線操作，從事小規模較為簡單的研究計畫。
4. 政府投入大學的經費嚴重不足，進而影響到大學對教授們的研究人力、物力、環境支援非常匱乏！教授要投入在庶務上時間負擔非常大，絕大多數的教授整天都非常忙碌於研究、教學、行政、社會服務、演講、建教合作、兼職來維持小康家庭的生計！這也是為什麼：至今沒有一個在職的臺灣教授能夠獲得諾貝爾獎的最主要原因！俗話說：錢不是萬能，但是沒有錢則萬萬不能。讓我們一起來改善目前整體大學教授低薪的窘境。
蘇聯共產統治時期，工人薪水所得極低。薪水形同虛設，工人自然選擇在上班時間偷懶、打混、偷竊工廠物資，或利用工時排隊購物，當時的蘇聯社會面臨嚴重的民生商品短缺。工人就算領到薪水，面對空空如也的貨架也無法消費，買麵包、鞋子都需要長時間排隊或憑票券。形成「政府假裝付錢，我們假裝工作」的共生結構。臺灣始終是一個低薪、低物價、高房價的社會！這也是年輕人不婚、不生的其中一個原因。讓我們一起面對這個問題，一起來解決這個問題！
2003 年後我的研究領域逐漸轉到醫學資訊相關的研究。前期階段主要在建構第2代醫療資訊系統，它的特點是：基於 Web 的服務導向的架構，採用 Health Level 7 醫療資訊標準。這樣的醫療資訊系統容易使用、擴充、佈建及維護。
整個臺大醫療體系都使用同一套醫療資訊系統，達到 One Patient, One Record 的理想境界，無論病人在臺大醫療體系中哪個醫院就醫，都可以有同一個完整的病歷來支持醫護人員做正確的醫護決策！這個醫療資訊系統最大的貢獻在於它提供了一個完整、大量且具一致性的醫療資料庫，為後續的人工智慧應用打下堅若磐石的基礎！人工智慧應用在醫療領域的主要貢獻在於：減輕醫護人員的負擔，增加工作效率，降低醫療錯誤，增進醫護品質及病人的安全進而降低整體醫療費用，促進整體人類的健康。
未來臺大師生重點努力的方向在於：（下圖）
1. 人工智慧；
2. 量子技術/計算：提供未來 AI 發展的算力；
3. 先進能源：提供未來 AI 發展的電力；
4. 半導體：持續研發、鞏固臺灣的護國神山；
5. 生物化學/基因：了解生命如何運作、受傷生病了如何修補；
6. 農業：提供國人健康的食物、維持大家健康的生活。
圖：善用人工智慧，為人類創造新文明，是臺大可以努力的方向（由ChatGPT生成）。
會讀書的人（知識），不如會做事的人（有組織能力、執行力、善於團隊溝通、提供服務領導。三個臭皮匠勝過一個諸葛亮就是這個道理）；會做事的人，不如會做人的人（人和，眾人樂於親近、樂於接受他的領導）；會做人的人，不如命好的人（謀事在人，成事在天）。
每一個人都有好命的時候，準備好了的人（地利/大環境），才會得到這個好命的機會（天時）。
記得人類與 AI 模型、系統、機器人共同合作一起完成工作任務永遠是最好、最快、最有效率的生活、工作模式。
天佑臺灣！
賴飛羆小檔案
1958/05/17 出生於彰化縣花壇鄉中庄村，1976 年考進臺大電機系，1987 年畢業於 Dept. of Computer Science, University of Illinois at Urbana-Champaign, 同年 8月回到母校電機系、資工系擔任教職，2023/08 退休。2002/08-2006/07 擔任計算機及資訊網路中心主任。2003/08-2009/07 擔任臺大醫院副院長。2009/08-2012/07 擔任生醫電子與資訊學研究所所長。2016/05-2019/07 擔任臺大醫院醫務秘書。
最喜歡讀的書：資治通鑑、莊子、Don Quijote de la Mancha、The Grapes of Wrath、Faust. / Eine Tragödie、Riders of the Purple Sage、The Second World War (Winston S. Churchill)、戰爭與和平、安娜卡列尼娜、A Gentleman in Moscow、Le Comte de Monte-Cristo、The Brothers Karamazov。
點我下載PDF