「我們真的希望可以把一些 AI 的想法、unique 的 solution 放在這些場域，讓它可以真的發生。產品的成功、技術的落實，就像我剛說的，都不是把現成的 solution 套上去做一做而已。」
Frank 娓娓道出這段話，眼神中流露著對於 AI 產業發展的熱情。現任台灣大學電機工程學系副教授的 Frank Wang 王鈺強，大學從台灣大學電機系畢業後，前往了美國頂尖電算學院 – 卡內基梅隆大學繼續攻讀電機碩士與博士，目前是電腦視覺、機器學習、人工智慧領域的專家。
扎實的數理訓練，是台灣人才的優勢
待過國內與海外頂尖學院的 Frank 認為，在 AI 高等教育上國內與海外並沒有太大的差異，師資與課程都具有同樣的品質。另外根據在台灣大學任教多年的經驗，Frank 也指出 coding 能力雖然是因人而異，但扎實的數理訓練，是普遍台灣人才的優勢。
有優勢，當然也有弱項，「台灣同學比較不懂得表達自已的優勢，是我覺得有點可惜的地方。」Frank 語重心長地表示，很多同學的能力都很好，但在與老師、同學溝通時的口語表達能力較為生疏，是蠻可惜的，畢竟就算有再好的想法，缺乏溝通的能力也難以讓其他人知道。
數據資料是 AI 產品成功的基礎
近年 AI 成為了產業的熱門發展重點，不管是具規模的公司或新創公司都想做。Frank 認為要讓一個AI產品與技術應用成功，背後的使用者資料、場域服務資料都是不可或缺的基本要素，而這些資料的搜集對於新創公司來講相對起來是比較大的挑戰，不像大公司有不同的事業群的優勢，能夠接觸到不同面向的實物資料。
產業與學界的合作，可以讓一些 solution 真實發生
「我跟業界單位都保持帶著蠻好的互動、合作關係。剛好 ASUS AICS 的泰一提出了一個邀約，是我覺得蠻難得的機會。」Frank 回憶，他認為在 ASUS 這種具規模的公司，可以看到很多面向、碰到很多 data，有別於在實驗室跑模擬情境，在這可以讓一些事情、一些 solution 真實發生。
「在 AICS，我看到比較廣的實務經驗與實物資料的可能，也是當初決定合作的原因。」Frank 微笑接續說著。
成為 AICS team 顧問的 Frank，首要的合作目標，他提出了兩點：
1. 解決有市場需求、可以影響使用者日常生活的問題。
2. 提出使用者、應用資料與問題導向的解法，而不是把現成的機器學習或深度學習套用在視覺資料而已。
Frank 補充：「像自駕車、監控的應用，或是一些消費者使用行為的視覺資料的分析、應用，我們都是希望可以找出，在這個場域中我們不好解的原因是什麼？為什麼我們可以解得好？舉例來說，今天在監視的環境中，可能是因為攝影機離使用者有遠有近，照片的解析度變化很大，或是今天室外的環境太陽很大，明天颳風下雨，亮度的變化等等都可能是影響的原因。」
Frank 接著提出另一個例子：「又或許是一些實例上的需求，像是我們在做自駕車的時候，我們不會希望說今天我們在台灣的場景所學出來的自駕車，結果最後沒辦法賣到日本，不能賣到歐洲，這樣就有點可惜。可是我們又不希望為了要把產品賣到日本、歐洲，就要在當地重新聘一堆人幫我們收資料，做一些 low level 的 processing，所以我們希望說在現有技術上，是不是有辦法把想法落實，去解實際上的問題。二方面希望這些解法也有它的獨特性，又可以有很快的延伸性、延展性。這都是要靠大家的腦力激盪，看手上的問題是什麼、難題是什麼，一起合作想出一個 solution，這跟平常在學術上只拿個 data set 來做一做、解一解，是完全不一樣的。」
大家對於 AI 的期待太高
有了目標，在執行過程中面對的挑戰與問題自然不會少。「大家對 AI 的期待會太高，好像覺得 AI 很厲害，甚至只要提出一個很厲害的 model 問題就解決了。」Frank 語氣停頓了一下，慢慢的把這句話說出。他覺得 AI 是一個概念、是一個目標，但在實務運用上有太多挑戰，不是那麼容易提出一個想法就能適用到所有的環境上，「這就衍伸說為什麼我會說要靠真實手上拿到的資料、甚至是需要面對的場景、要解決的問題，跟大家的腦力激盪，想辦法把這個想法給實現。」Frank 解釋。
技術端與使用者端的溝通
Frank 同時也認為與使用端一同定義好應用的環境是成功的要素之一，他舉了一個簡單的例子：「我們今天講 Apple，有人可能會以為是食物，也有人可能會以為是手機品牌的 Apple。你提出一個想法、一個應用，要再進一步定義好明確的方向和細節，因為可以做的事情太多了。」AI 的想法和 solution 在實現的時候，技術端和使用者端不斷的討論是必然的，要不斷地把要應用的環境、要解決的問題收斂出來。「一旦把這個定義好，又有 data 的話，那就有機會把這些 AI 的 solution 做出來。」Frank 自信地說。
即便 AI 的發展上充滿挑戰，Frank 與 AICS team 的團隊，仍然在台灣準備創立下一個 AI 里程碑。
延伸閱讀: