DTA數位媒體總監
據了解，自俄烏戰爭開打以來，總統就非常關心相關情報，成立專案小組蒐集情資，並總結出台灣應開始佈建無人機國防系統，並首重發展各項軍民兩用產業；但其實不需要經由俄烏戰爭才能得到啟發，因為世界早已是這樣在運轉了。
不論是烏克蘭此次將無人機應用於戰事中，美方也將無人機運用在戰情蒐集上；更早在2018年，中國的京東物流就開始布局將機器人與無人機納入運送的事業版圖；而在2021年5月疫情嚴重時，總部位於加州舊金山、專門從事美國醫療產品配送業務的運輸公司ZipLine也設計出一套無人機配送系統，向奈及利亞北部相對貧窮的卡杜納州運送疫苗。
傳統的無人機通常是依靠GPS定位、氣壓偵測、陀螺儀、電子羅盤、加速度計、雷達…等感測器，取得周邊環境數據與無人機自身狀態等資訊，再透過控制器結合相關數據，決策出無人機的下步動作，以達到自主控制的功能。而當前新型的無人機則搭配AIOT（人工智慧AI+物聯網IOT）相關技術的開發，進行影像辨識和路徑規畫，達到減少耗能以及取代人類操作的完整全自動智慧飛行，並即時將偵測資訊回傳到雲端等更高的應用價值。
因此，要發展無人機等國防科技，AI人才的重要性可見一斑。近年也有國內大學招生打出「不要叫我大學生、叫我AI生」的宣傳，但AI人才的培養並不只是開設特定學程，或將程式設計列為共同必修科目就ok的，甚至可以說，寫程式已經不是AI研發最核心的技術；當然還是要有會寫程式的工程師，但他們的角色與其說是寫AI程式，毋寧更重要的是「教AI寫程式」或是「用程式語言與AI溝通」，因為AI自己也會寫，Google旗下AI公司DeepMind所發表的一款名為AlphaCode系統，就能夠自主編寫軟體，並在測試中擊敗近半數工程師。
比學寫程式重要的事：與其回答標準答案不如更會「製造問題」
那麼AI人才所需的能力有哪些？所謂的「AI素養」意味著「問對問題，就解決一半的問題」，並且解決問題的方式「沒有最好、只有更好」，反映在教育的思維上，要培養AI時代的人力素質，就必須打破追求標準答案的框架。
舉例來說，近日有則新聞是〈小二數學「83-37」最接近哪數字？正解出爐家長傻眼〉，該完整題目是：「估估看，答案最接近多少？83-37=（）」，選項則有60、50、40三項；出題老師的「標準答案」是83≈80, 37≈40, 80-40=40，爆料的家長則認為的答案是83-37=46≈50。
老師堅持這題是要學生用「估算法」，所以主張用減法算式先求出差數再四捨五入的答案不對；但老師這樣的思路恐怕不盡然正確，首先是題目並未明確定義要用何種估算法，而且既然是估算，就沒有標準答案。因為沒人規定估算一定要用四捨五入法，如果是用無條件進位法或捨去法，答案就有可能是83≈90, 37≈40, 90-40=50或83≈80, 37≈30, 80-30=50，所以答案選50也應該算對。
再者，以教學單元的名義去限制學生的解題方式完全沒有意義。尤其是如果我們不是要學生只會紙上談兵，而是要能在生活中活用所學的知識，那就沒什麼道理要學生把能心算出正確差數的題目硬要用估算去解。估算法最好是出成應用題，像是去便利超商買東西，一堆39, 49, 59元的商品，一趟買下來大約多少錢？這是最常用到估算的場景，學生也更能理解學習估算的用途。
至於家長的批評，若著重在一味追求標準答案，或是覺得算得出來就好幹嘛一定要估算，這些想法對小孩也沒有幫助。估算還是很重要的，就算現在手機都有計算機app很方便，但像圓周率這種無理數就是算不出來的，要用3還是3.14還是3.1415926算到多精確，沒有一定的標準答案，而是為什麼要這樣算。
未來人類已經不太需要親自去做複雜的數學計算，都可以交給電腦或AI去算，但是人類需要有正確的邏輯觀念，並加以靈活運用，去挑戰不同的答案甚至問題本身，才能訓練出符合人類生活需求的人工智慧，而這才是人類學習的重點。
AI關鍵力：溝通合作、靈活思考
同時，由於大數據資料是由人所輸入，演算法怎麼算、邏輯也是由人來決定，更快更大量的數據和更有效率的演算法，就有可能使AI系統在學習過程中，複製人類長年累積的性別、種族、階級偏見，更可能因為人們在愈不懷疑科技工具的客觀性之下依賴其提供的訊息，幫陌生人打分數而強化了不平等。因此AI的發展，也會帶來更多道德的困難和反思。
一個明顯的例子是美國近年已在法院廣泛使用「COMPAS」系統，由商業公司開發的 AI進行大量問答調查，依據被告回答、年齡、過往犯罪紀錄與類型等資料，推估被告再犯率的危險指數，作為法官決定量刑的依據。但司法界在推動AI輔助審判時，也面臨「演算法黑箱（black box）」和「AI 因襲性」的問題。大量輸入過往判決的結果，有可能會弱化「開創性判決」的價值。
例如美國法院推翻種族隔離平等制度，如果只是沿襲過往的判決先例，就不會產生這種不確定性的變異，帶領法律的進步。我國民法親屬編修正也僅是近20多年前的事，但在修正前累積的佔多數判決，在大數據演算中會不會導向舊法中隱含的性別偏見，也會更需要在實證資料的取捨和比例調校、修法與判決變遷的理由與思考流程等，更接近人類思維可能產生的變數去下工夫。
又要屏除人類情緒中影響客觀性的負面因子，又要保留具開創性的變異顯得相當困難。對這個難題，微軟的管理階層曾經給出建議：「隨著電腦的行為更加接近人類，社會科學和人文學科將變得愈發重要。語言、藝術、歷史、經濟學、倫理學、哲學、心理學和人類發展學課程，能夠教授學生批判性的思維和基於哲學、倫理學層面上的思考，這些技能將有助於人工智能解決方案的開發和管理。」
在人工智慧時代，由於企業愈來愈重視客製化、使用者體驗、社群互動等面向，在國防方面也更須考量戰爭法規、國際關係與戰略情資的研判等，加上培養人工智慧需要人類的「思維」，又牽涉到倫理議題等更多關於道德的困難與反思，所以原本似乎專屬於理工科的科技領域，對文科專業需求的比重持續提升。顯見AI需要的關鍵技能要素是合作與溝通，不論是人機協作或跨領域協作，以及對人類自身與相關知識靈活應變的思考方式。
寫出關於科技史與未來科技趨勢觀察暢銷書《人類三部曲》的以色列歷史學家 Yuval Noah Harari 提醒：「相較於過往人們被帝王君主、雇主、乃至於文化奴役，如今人們必須和人工智慧競爭，要比人工智慧更加『認識自己』，才能不在受制於演算法的當代社會中避免苦難。」
而台灣教育中對於文科的著重背誦、甚少協作、欠缺批判性創新與和當前社會議題的疏離，重理輕文的態度，以及僵化的考試標準答案，都有害於AI的發展以及未來和AI競爭的能力；當人類的兩種能力：身體能力、認知能力，都被機器超越身體、AI超越認知，面對AI勝過人類的「連結性」與「可更新性」，人類所能做的就是強化自身的4C力：Critical Thinking（批判性思維）、Communication（溝通）、Collaboration（合作）、Creativiry（創意），以及對「要不終身學習，要不終身休息」的警覺與動機。
要讓AI聰明，人就得更聰明，從一個國小題目，是否允許和鼓勵學生提出問題、製造麻煩、挑戰解答，就是能否提升這個社會AI素養、促進AI科技最好的證明。