2017年，孔祥重帶著對台灣未來產業的憂慮，從哈佛大學學術休假返台。中研院院長廖俊智將這位地位崇高的資工學者，介紹給陳昇瑋——一位與他有著相同憂慮的年輕數據科學家。當時，陳昇瑋已連續舉辦四屆資料科學年會，最多曾吸引1,800人參加，是台灣最大的資料愛好者社群。
一位大學畢業即赴美深造的72歲學者，一位41歲的本土資訊工程新星，一拍即合。
孔祥重回憶，當時兩人每週都往中南部的工廠鑽，一家家拜訪、一遍遍介紹；在人們對AI半信半疑的年代，扛起台灣產業AI化的重擔。隔年，兩人在中研院支持下成立「人工智慧學校」，以每年上千人的速度，為台灣累積AI人才。
2023年，孔祥重再度趁學術休假回到台灣。七年過去，AI已從實驗室走進辦公室，生成式AI也正風起雲湧；儘管昔日戰友陳昇瑋已溘然長逝，但要做的事還更多，孔祥重仍舊馬不停蹄地奔波於企業、校園和政府之間。
「70年代個人電腦、90年代網路，都比AI革命小太多了！」這位78歲的學者興奮地滔滔不絕。他認為，AI將顛覆的不止是科技，而是各行各業，包含人文社會領域。「現在變化這麼快，資深的人有經驗，能幫的忙更大，退休就虧大了！」
焦點回到台灣。70年代個人電腦革命，帶起施振榮等台灣科技業第一批創業家，90年代網路革命，台灣也沒有缺席。這一次AI革命，台灣能扮演什麼角色？
去年12月的科技部「科技顧問會議」上，孔祥重當著國科會主委吳政忠、聯發科董事長蔡明介等左右台灣未來關鍵人物的面，提出六個國家戰略、共14個行動項目。「這是給政府的意見。行動，就是必須做的事。」
其中，資料與人才更是關鍵。
孔祥重（前排左三）出席2023年科技顧問會議，提供國家科技發展意見。圖片來源：行政院
以下為孔祥重的專訪重點：
我提出六個國家戰略的行動建議，其中兩個最重要，一個是資料，一個人才。
清整、開放、維護國家資料
資料是誰的責任？政府擁有的資料最多，所以政府要負很大責任。
理論上，政府每一項計畫、研究，都會產出資料，這些數據應該整理好，並且開放，讓台灣本土AI模型做訓練。但是，現在的政府資料出了什麼問題？
第一：原始資料（meta data）不明，是什麼樣的資料？何時搜集？是否經過整理？錯誤的資料是否清整？都不清楚。
第二：不知道資料放在哪，伺服器經常換。許多實驗產出數據，寫兩篇論文後，資料就不知放到哪去。
第三：授權規格不明。有沒有使用同意書？資料使否定期更新維護？
所以，儘管政府都說有資料，但只要資訊沒有整理到AI模型能用的程度，都不算真的資料。以這個標準來看，可用的政府資料其實很少。沒有資料，就做不出AI模型。
資料沒有清理、規範、定義、維護，也沒有編相關預算，就只能做表面的事；比如看到世界都在做大型語言模型，我們也要有反應，但做反應太容易了，真正困難的，是擁有本土資料。
有人說算力不夠，但這並非眼前的問題。如果有資料，算力可能不夠，但眼前的問題是連資料都還沒有。
清整資料後，政府資料應該開放給私人企業或研發人員使用。有資料可玩，人才才會有發展；沒有本土資料，怎麼做AI模型都難脫中國的影響。
部分私人資料若能開放，也私人機構也有好處。比如Google也放出許多資料，社群會用這些資料做出一些新東西，Google也會學到新作法。（延伸閱讀｜數位時代，台灣如何靠資料治理實踐海洋國家冒險精神？）
孔祥重指出，台灣缺乏本土資料，AI發展難以邁開步伐。圖片來源：賴永祥攝
各行各業都要建立基礎AI模型
擁有台灣本土資料，就能做AI模型。通用資料可以做通用模型，給一般人用；專業領域資料，如製造業、醫療業，就做專業模型，給產業用，尤其是台灣最有優勢的半導體業。
我正與一家半導體公司合作，研究如何用生成式AI設計晶片，這能大幅縮短研發時間，快速推出新產品。例如，以前一個新想法，可能因為太貴、太耗人力，無法實踐，得拖上一、兩年。但生成式AI模型能疊加各種功能，把研發過程變得更快更容易。
理論上，每個領域都要做出自己的基礎模型，各企業就能在這個基礎上，用自己的資料做微調（fine-tune）。但做不出基礎模型，就只是土法煉鋼；雖然看起來很成功，但有經濟效益嗎？品質夠好嗎？未來能快速進步嗎？下一步就是真正的挑戰。
做出亮點AI專案不難，花錢、花時間就行。剛開始可以這樣起步，以後不行，這沒有規模，也做不好。就像文革時代，中國鋼的產量不夠，所以每個人民公社都在「煉鋼」，但品質不夠就是玩假的，給上級看。
什麼叫做玩真的？就是AI模型的規模、品質要好，要能比人家快跨進新領域。例如醫療AI模型，很快就能開發新藥，對付新的疾病。
好的服務最後都要面臨商業化，獲利當然也是一個指標，但更基本的問題是：服務有沒有價值？OpenAI做了這麼多年，搞不好還沒有獲利，但影響力很大。賺錢容易，價值影響力才難。（延伸閱讀｜吳恩達：生成式AI目前商業價值最小，未來三年將翻倍成長【完整全文】）
培養一萬名懂AI的技職生
做大型語言模型之前，要清整專業領域的資料，這很花功夫。一個領域需要幾千人個人做，可是做完以後就很值錢，你會擁有別人沒有的洞察。
清整資料，需要喜歡動手的人，例如以前台北工專、高雄工專那樣的技職人才。技職教育曾是台灣教育的基石，但我們卻自毀長城，把對動手有興趣的高中生推到科技大學，學一般大學課程，來到產業界又要重新訓練，無疑是浪費時間。
每一個行業都需要喜歡動手的人，動手的人，跟大學裡寫論文的研究人員，是兩種不同的人。學術研究，大約10%的人做就夠了，我們還需要成千上萬個工程師，把AI做到可以用的程度。
台灣要多少能動手的AI技職人才？我的目標先設定一萬人，但需求應該遠超過這個數字。
AI需要很多動手的人來整理資料。舉例來說，過去學生原本是學機械、學化工，但是現在為了將機械、化工產業推到下一個階段，學生也要學習整理資料、做模型。所以，學AI其實是技職教育的延伸，把本來就要動手做的課程，延伸到產出資料、產出AI模型，應用在產業界。
又比如，每個醫院都在做自己的AI模型，有的醫院每個科都提AI計畫，跟我合作的一家醫院，甚至有200個AI計畫。這些資料誰來整理？現在都是醫師自己來，但醫師人力這麼貴，應該讓技職學生去標。
我來北科大，就是因為他們最接近這個做法。北科大開始慢慢動起來，回過頭來做以前技職該做的事。
對台灣來說，AI產業的出現，是彌補技職教育的契機。做AI需要清理、維護、管理資料，這些都要動手做，學完之後，找工作也快。（延伸閱讀｜AI人才能力檢定2024年上路，半導體、資通、醫療、金融、政府、製造、資安七產業先行）
孔祥重認為，技職生強調「動手做」，能成為AI產業裡清整、管理資料的重要人才。圖片來源：新北市教育局
教台灣人說英文，不如教外國人說中文
美國這麼大的國家，高科技業75%都是外國人，而目前台灣的AI人才，更是質與量都不夠。關於人才，還有一件很簡單、但我們沒做的事。
台灣為了國際化，全民學英文，但遠水救不了近火。我們生活環境是全中文，如果公司強迫開會講英文，因為詞不達意，五分鐘後可能所有人又變回中文。這樣的工作環境，外國人無法長期待在台灣。
以前台灣花了好多錢，把外國學生找來頂尖大學，但是這些人不會講中文，就留不下來，因為以後工作不會有前途。你想，要在台積電、聯發科升遷，可以不講中文嗎？
但台灣科技業是有吸引力的，台灣也需要這些人才——所以，與其教台灣人講英文，不如教外國人講中文，或規定要會講一定程度中文，才給工作證，教他專業技能，他才會久留台灣。
教外國人說中文，比教台灣人說英文容易多了。
台灣現在有幾萬個國外專業人才，給他們四個月密集中文課程，現在有ChatGPT，學起來更快。
讓幾萬個能動手的人才進台灣，再從一年幾十萬高中畢業生中挑十分之一去技職。我所有的建議裡，這一個最有用。（延伸閱讀｜「IMD數位競爭力」下滑三名，透露台灣科技人才與高教政策哪些缺口？）
產業策略卻長期規劃，短期就是做虛工
發展產業，政府要懂策略方法。先做好簡單的基本功，不要找藉口，一直去做那些很麻煩的事，把事情變複雜，也難掌握精髓。
政府可以做短期計畫，但長期計畫更要有；沒有長期計畫，短期就是做虛工。只要短期計畫後面有目標一致的長期計畫，五、六年下來，台灣就會慢慢變好。
40年前台灣做半導體發展計畫時，準備了五、六年，做計畫的、提建議的，不是坐在辦公室做簡報的一般幕僚，而是熟悉產業的高手專家，熟悉產業的人，才能制定真正對台灣有用的策略。做那種計畫，三個月做不出來，至少要三年。台灣需要找到這種產業專家幫忙，他們大多在國外。
政府計畫必須重新做得更嚴謹、更完整、更有遠見，比如技職教育。這是我們重新檢視教育政策的機會，AI是一面很好的鏡子，以前做錯的事，現在就要從根本解決問題。不要期待有天縱英明的人出來領導，發展AI產業就是一步一步走，方向定了，努力做事。
若能做到，台灣就能成為真正的「AI之島」。
孔祥重給台灣的AI建議行動
一、技術和應用：加速AI技術和應用
- 將台灣獨特數據轉換為AI模型
- 開發AI驅動的工具，以支持半導體和醫療影像等戰略應用
- 擴展國家雲以支持AI計算
二、對齊：將AI與安全性和可信賴性對齊
- 根據人類回饋微調通用AI模型，以獲得有幫助和無害的AI
- 推廣開源模型以允許監控和促進專業化
- 制定和發布AI行為準則
三、基礎模型：開發在台灣本地數據和其他數據上預訓練的基礎AI模型
- 通用基礎模型：使用台灣本地內容支持台灣的通用任務
- 領域特定基礎模型：使用來自特定領域的數據來支持特定領域的任務
四、數據：策劃開放原始資料以進行AI建模
- 制定政策、開放原始碼授權許、數據管道和應用程序對口（API），以便研發團隊和私部門公平、安全、輕鬆地使用政府擁有的資料
- 提供激勵措施，讓私人資料開放以供更廣泛使用
五、實踐：培育資料準備和模型開發的實踐AI人才
- 在大學建立（重新建立）優質職業教育
- 每年至少招收一萬名高中畢業生，他們有心去實踐、現實世界的專案
六、國際：整合國際AI專業人士
- 教授外國專業人士說中文，促進他們融入產業和學術界（由ChatGPT輔助的四個月沉浸式語言課程可能就足夠了）
- 將工作許可與中文語言技能掛鉤
