分享至
【AI新浪潮：生成式变革】系列讲座
产业与职涯的发展：生成式AI如何协助我？ 2024.1/6（六）14:00
订阅 CASE YouTube 锁定直播 开启
采访、撰文｜谢达文
审定｜吕欣泽 教授
「定义问题」和「拆解问题」──吕欣泽从自身的经验出发，强调如果要让科技工具发挥最大效用，关键正是这两项能力。
吕欣泽目前任教於政治大学创新国际学院。在攻读博士班、进入学界之前，他曾是财团法人资讯工业策进会（简称资策会）的一名工程师，协助台湾的科技业者发展所需的技术。他之所以决定报考博士班，正是因为他在资策会工作期间，发现自己的能力有所不足。而这一个发现，居然跟两千公里外的一场洪灾有关。
一场洪水，让他发现自己的不足
那是2011年10月，当时国际上硬碟每四颗就有一颗是从泰国出产，而泰国中部工业园区遭遇的洪灾，迫使数家国际硬碟大厂宣布减产，硬碟价格因而翻涨。
那时的吕欣泽正在资策会领导一个团队，刚执行完一个大专案。在那个专案中，他不必自己思考计画的目标，而是跟随大前辈的指引前进。这位大前辈叫做王玮，曾经在美国担任IBM系统和技术部副总裁，退休後回到台湾。吕欣泽解释，「大前辈看到了台湾科技产业的窘境」，点出台湾的硬体产业虽然相当强大，但缺乏相搭配的软体为产品加值。在这个战略目标下，吕欣泽负责的专案是为台湾硬体业者发展相搭配的云端储存软体。他们研发结果相当成功，甚至受邀到美国拉斯维加斯发表研发成果──「我们还有露出国旗」，他不无得意地说。
由於过往的成绩，吕欣泽的主管希望他能够尝试自己提案，向高层争取研发经费。为此，他第一次需要独立作业，「报告市场的状况和遇到的问题，以及可能的解方，说服主管提供一年的经费。」
在发想过程中，他回想起泰国洪水导致硬碟价格飙涨的困境，因而提议研发让硬碟使用成本降低的技术。然而，在报告後主管却马上点出，「这是偶然的事件，而且制造商也会调适」，硬碟售价过一段时间就会回稳，因此不是一个必需解决的问题──吕欣泽现在已能笑着回忆结果：「当然，这个经费我也没有拿到。」
在业界，定义问题意味着要找到「痛点」
这个经验让他体认到，要能精准「定义问题」，才能运用科技发挥影响力。「我就是缺乏定义问题的能力，所以决定去念博士班培养这样的能力。」
在好友的推荐下，他找到时任教育部资讯及科技教育司司长的杨镇华教授担任指导，投入资讯与教育相关的主题，关注如何「让小朋友的学习体验更好」。他开始投入电子书、程式设计工具等一个又一个的学习软体中，从文献和一线教师的需求中厘清问题所在。
有了这样的经验累积，被问到会给学生怎样的建议时，吕欣泽更有信心，强调「定义问题」确实是重中之重──「要能够辨认业务上的痛点，唯有知道业务上的痛点才能知道如何解题。」
他更进一步提醒：「只要把问题提出来，要用AI解决就很容易，所以平常就要放『心』在业务上，并且要去问怎麽样才可以做得更好。」科技工具会不断翻新，这种找出痛点的能力才是真正的核心。
要善用科技工具，就必须掌握解构问题的能力
当然，定义问题之後仍须解决问题。对此，吕欣泽强调「解构问题」的重要性。
这同样与他自身经验有关。「我在硕士时接到一个案子，要处理一个影像的问题，当时发现没有办法一次解决，但可以先做A再做B，拆成五、六块就能解决了。」而到了博士班之後，他才意外读到这种技能早就有人讨论，在文献上被称为先decompose再compose的技能。
现在，他将这个体认融入课堂的设计中。面对ChatGPT，他主张并不需要防堵学生使用，而应该让学生练习拆解问题，并与AI分工合作。因此，他反而要求学生练习用ChatGPT解决问题，并尝试记录学生与ChatGPT互动的过程，甚至特别为此写了程式，让学生可以藉由Line使用付费版的ChatGPT。
到了期末考，他则设计一个复杂的递回问题，学生无法直接将题目的要求丢进ChatGPT，必须先迅速将专案拆解成小模组，让ChatGPT分开回答之後，再来想办法整合。同时，他也鼓励同学拆解问题後，彼此合作、分工解题。「我唯一的要求是不可以讲话，但你尽情地使用电脑，甚至使用ChatGPT。」
「有些人甚至会认为这是作弊」，但吕欣泽指出，这个模式才真正符合业界真实的工作型态。他举例，「在资策会，我们常独自至业者的机房解题，多数情境也是仰赖团队合作」，将专案拆解成好几块之後，再交由不同团队成员解决。除此之外，工程师本来就不需要自己从零开始写程式，「我们之前写程式，也都经常先Google，或者是到Stack Overflow上复制别人写的程式码再改写」──他说，唯一的差别是现在的学生连Google都不用了，而可以直接利用AI、与AI分工合作。
正是在这个思维下，吕欣泽才做出了这样的结论：与其担心AI取代工作，我们「更该思考可以如何运用AI，才能提升我们的工作效率」。而显然，定义问题和拆解问题的能力，将是思考此一问题时的两大关键。