※ 引述《cc9i (正直與善良)》之銘言：
: https://vision.udn.com/vision/story/12379/3275582
: udn / 願景工程 / AI時代 / AI時代就是現在
: 教育部：5年內 半數大學生需修過程式設計
: 2018-07-27 14:34:27聯合晚報 記者張錦弘、陳宛茜／台北報導
: 美國很多上市公司主管是來自以色列的猶太人，電機電子工程師學會（IEEE）調查發現，
: 其共通特點是高中都修過程式設計，進大學後不論讀什麼學系，都很容易在數位時代新創
: 公司找到生機。
: 教育部次長姚立德引述IEEE的調查指出，早在20年前，AI人工智慧還沒全面發展時，以色
: 列就把程式設計列高中必修科目，培育出來的人才，不只在以色列，也在美國開花結果。
: 看準程式設計是AI時代必備能力，姚立德指出，教育部不但在十二年國新課綱中增列科技
: 領域，將程式設計等資訊科技列國、高中必修課程，更在高教深耕計畫單獨列一指標，要
: 求大學不分學系，五年內至少半數學生畢業前修過程式設計，為人工智慧做準備。
: 當過台北科大校長的姚立德也是電機系教授。他說，未來10到15年內，大量、重複性的工
: 作，都可能慢慢被AI取代，但需創意、提供個人性與技術性服務的工作仍會留存，例如設
: 計師、研發工程師、美容師、水電冷氣工等。若各科系學生都有程式設計能力及AI基本素
: 養，就能找到創新創業機會。
: 不過，不同領域的學生，要學的程式設計內容也不同，姚立德說，教育部責成資科司規畫
: 不同科系要教什麼，並請有經驗的學校提出「AI課程地圖」，希望大學部每年培養1500名
: AI人才。
: 明年起國、高中生要逐年實施新的資訊科技課，外界憂心師資不足，教育部國教署長邱乾
: 國說，目前高中資訊科技已是必修，師資不成問題；國中是新領域，師資質量「需要努力
: 」。教育部兩年前開辦現有資訊教師增能學分班，及加修資訊的第二專長學分班，也引進
: 資訊界業師，新課綱上路第一年師資應足夠。
: 至於偏鄉科技師資不足，邱乾國表示，除了讓36班以下的國中增加一到兩名的老師編制，
: 各校也可透過「合聘」巡迴教師或訪問教師補充人力。
: 台灣中學教育長期升學掛帥，不少高中因為升學不考資訊課，將課程「借課」改上英文、
: 數學等升學考科。邱乾國說，教育部將要求各縣市教育局，把資訊科技課列為正常教學訪
: 視重點項目；大學招聯會也決議，自111學年度起，大學繁星推薦可採計生活及資訊科技
: 學業成績，列為分發比序項目，將有助學校重視資訊課。
: 新課綱審查進度延宕，恐影響教科書編書時間與品質。邱乾國說，將讓教科書編審更有彈
: 性，例如書商可分冊、分時送審，不必全部編完才送審。
: https://vision.udn.com/vision/story/12379/3275582
先講結論，國高中要求英文單字量到多少，實際上有辦法用到那個等級的年輕人又有多少？
最多就是店家老闆看到外國觀光客還知道回答How much 然後 eight zero dollar 這樣而已
所以政策即使上路了，每個人都會寫C都會做迴歸分析、店家老闆都會AI這種事情不會發生。
這種放在義務教育中的政策主要是讓學生有家庭之外的學習管道，有些家庭至今還是把網路
視為洪水猛獸，那對於這種家庭來說國中教育沒有教他網路，那就是他雙親和他說網路和毒
品一樣這樣而已，那同樣的，現在一堆在講「人工智慧」都是內容農場轉中國新聞而來，亂
七八糟的內容一大堆，如果沒有相關常識的話還以為Sibyl System已經被發明出來了。
理工科的鄉民會認為程式設計就是C/Java/C#/Javascript 這些東西，但是實際上這個世界
分科已經越來越細，一個子領域沒有聽過另一個子領域的名詞的狀況越來越常見。做電子
的沒有聽過JSON、做網頁的不知道記憶體分配，更何況資訊領域中還有偏統計的R/SPSS ..
這些東西，所以單一的去講某個程式語言其實太細了。
而且這件事情大部分的教授也會反對才是。因為現在這些被笑說Javascript/C教不好的教授
搞不好幾十年前是COBOL/Fortain高手，年薪也是破表的，那再看一下現在新出來的語言
Golang/Rust/Kotlin/Swift/Python 3 ...
所以重點並不是學單一的語言，而是對於未來世界運作模式有個抗體，才比較不會被假新聞
隨隨便便就騙走這樣。
是不是一定要學個程式語言這點有待保留，像是因為興趣去學西語日語那種當然很好，也可以
順便接些工作賺點外快，但是以目前機器學習(人工智慧領域底下的一種方式)發展的狀況看來，
懂得對目標去下正確的分類以及標籤、問對你要問的問題可能會比懂得寫特定的程式語言來得重要。
也因此，目前確實需要動用一些政府預算來進行這樣的教育。雖然說可以自學，但是就連中文
維基百科上面關於人工智慧的條目對於想要自學的人來說也有點不友善。
＝＝＝＝＝
然後我就發現我離題了，這則新聞好像在講程式設計www
離題就繼續吧，最近幾年人工智慧再度死灰復燃主要是有人拿GPU去做二十年前大家覺得很智障的事情
=> 讓電腦猜答案
目前類神經網路相關的演算法大約是在20年前被提出，主要是模擬神經元的架構（可以在YouTube上找
"李宏毅 台大" 的影片，雖然時間比較長，但是解釋的比較清楚）但是在當時Win 98的電腦速度這方法
慢到不能用，所以沒太多人理他。
然而到現在透過GPU進行加速，這個方法可以很成功的被應用在人臉辨識或者是物件辨識，例如分類出
某張照片是小貓還是小狗，我這邊的實驗是光是用GT 730就可以比用Mac上面2.8G的Core i5 還要快上
約30倍的訓練時間。
只是缺點是比起傳統的演算法來說很難Debug，假如有分類錯誤不容易找到他為什麼會分類錯誤的根本原因。
再來是量子電腦的部分，目前量子電腦問題應該是在材料上的問題，不是我的領域了。現在開發出來的量子
電腦需要在溫度很低的環境下執行，因此比較有機會的利用方式是遠端把資料送上去讓他跑，要做成手機
或是大家家裡買一台自己玩還很難。不過關於量子電腦的研究其實還沒死透，只是沒有太多新聞點而已。
先前有聽過一個描述這代人工智慧和量子電腦的對比，覺得還滿貼切的：
人工智慧是他能運作，但是大家不知道他的原理以及他為什麼能用。
量子電腦是大家知道他的原理以及為什麼能用，但是不能運作。