上午的課程剛講完總體經濟，休息片刻後，馬上就切入「AI 相關技術及趨勢」的說明；業師是在這方面非常用心準備，希望讓對生成式 AI 沒概念的同學能快速理解。
業師講的內容，如果是理工科的學生來聽應該沒問題，但其它科系我不確定是否真的能懂。
我們這一排四個業師剛好都是理工阿宅，一開始被問說在這波浪潮前就碰過「機器學習」的請舉手，我們從頭舉到尾；我的專業本來就是做「數位影像處理」跟「機器視覺」；雖然我最後選擇的應用領域是工業，但我們當時修的課、看過的論文跟實作應該都差不多。
在我讀書的時候，機器學習其實還不怎麼熱門，而且當時的顯學也不是類神經網路 (或說 MLP 多層感知機)，而是 SVM (支持向量機)；我們一般的手法就是「特徵工程 + 分類器」，例如當時的人臉快速偵測很多時候是用 「HOG + SVM」。
至於業師所分享的 SIFT，這個大概在 2015 ~ 2016 時台灣很多研究生關注，我當時是針對快速角點偵測法有些心得，但後續的特徵描述子還是採用原論文的方式；雖然最後我自己的論文沒有寫進這段，那個學習的過程也滿有趣的。
講到現在的 AI (或說 deep learning)，從早期的 Perceptron → MLP → LeNet → ResNet，其實是有脈絡可循的；它們也曾被打入冷宮不受重視，所以說技術發展的方向有時候真的很難說 (至少現在已經沒聽到人在講「專家系統」了)。
今天所討論的生成式 AI 的概念還是不太一樣，不過有以前的相關概念，倒是能大致了解它是怎麼做到的。
其實現在有很多黑科技的突破，以及一些開發工具的門檻也越來越低了，例如 Sony 弄了個 Pixel Processor Array，它可以做到 On-Sensor Visual Inference，這已經不是現行的處理架構了；未來有可能會是 Edge AI 的關鍵技術之一，前幾年我已經看到 Bristol 的博士論文在研究 Pixel Processor Array 的演算法開發，這個跟進速度還滿快的。
再來，AI 的大模型數據參數太多，訓練過程沒用 GPU 不行，但我個人認為台灣比較有機會的是在 Inference 推理端，不管是說 AI PC 還是 Edge AI 都行，它們的應用場景相對破碎，有著天然的壁壘；美國大廠不會、也無法全吃，這或許是台灣新創公司切入的一個機會。
如果是討論 Edge AI，GPU 耗電的特性會被放大，FPGA 或 ASIC 的高效能功耗比 (相對省電、降低散熱難度) 則會有佔優勢的場景存在；重點是現在 FPGA 的架構也跟十年前不太一樣，軟硬體協同設計的好處，在未來會慢慢浮現出來，現在 AMD/Xilinx 也把開發工具越做越好，開發門檻降低很多。
在討論 AI 的應用時，或許有更多面向可以考慮；生成式 AI 是現在的風頭，但不代表是 AI 應用的全部。
講完 AI 的基本原理與趨勢後，William 很快速地帶我們了解「決策思維」的理論架構與歷史，其可分為：
- 邏輯思考 (Logical Thinking)。
- 設計思考 (Design Thinking)。
- 策略創意 (Creativity in Strategy)。
- 策略藝術思考 (Art Thinking in Strategy)。
其中我比較熟悉的是「設計思考」，畢竟以前唸 MBA 的時候，有一門課就是上這個理論與實作，它比較強調 Problem - Solution Fit，也就是說先找出痛點，然後再發展出能解決痛點的解決方案。
至於 Art Thinking，我是在說明會時才第一次聽過，William 在講義中提到它跟「效果邏輯」有關聯性。
坦白說，我對於這種「決策理論」的理解能力不強，就算是聽完課的當下，我還是沒能掌握它的精髓在哪，這可能要再多做點功課才能明白。
上完課後，我只記得 Art Thinking 跟「價值創造」有關係，然後腦袋就一片空白了。
透過這兩次的密集上課，再加上我先前整理有關於「效果邏輯」與「因果邏輯」的資料，當我老婆問起我的上課內容時，已經可以侃侃而談我的想法，並且幫老婆分析她在做決策時，哪些情況下是屬於效果邏輯、哪些是屬於因果邏輯。
在刻意的反覆練習下，我的大腦似乎慢慢地接受這兩個概念，我想再過一陣子的沈澱，它應該會變成我日常生活中常出現的動詞。
吳軍博士在「富足」這本書中提到：「人一輩子難免要做各種選擇，選擇對了，有時比努力更重要。但是決策是一種能力，不是碰運氣，而決策能力又不完全能夠靠循序漸進的學習來掌握，因此很多人雖然有知識，甚至學富五車，卻經常在需要做決策時做出了最壞的選擇。」
由上述的話就知道「決策能力」在人生中的重要性，接著他又提到：「有的人做事，是先動腦後動手，因此獲得了成功；但有的人則相反，他們習慣先動手、先嘗試，再總結經驗。這兩種方法沒有高下之分，但是並非每一種方法都適合所有人，也並非每一種方法都適合做所有事情。知道用什麼方法做什麼事情，是一種藝術，也是一種經驗。」
當我看完上面這段話時，心想這不就是在講「效果邏輯」跟「因果邏輯」嗎？ 就吳軍博士看來，要判斷何時採用「效果邏輯」、何時採用「因果邏輯」，是一種藝術、也是一種經驗。
在上課的過程中，其實有慢慢感受到 William 想要傳達給我們的訊息，那就是先透過活動跟個案分析體驗所謂的「效果邏輯」跟「因果邏輯」，然後再反覆練習切換的時機點。
未來我應該會反覆做這個練習，下決策前先問自己這是哪個邏輯，用以提醒自己別慣用某個決策思維，就一直偏好它；要能視情況來決定當下哪個決策邏輯比較適當。
