今年又被邀約至碩專班做專題演講，我還是想玩點新花樣，畢竟都過了一年如果還是講同樣的題目，那不就代表自己這一年來都沒什麼進步嘛。
一、主題設定
有鑒於去年在碩專班的演講題目是「機器視覺技術之即時性應用」，今年還是持續針對這個主題討論，但換個角度去探討「機器視覺技術」，把演講主軸從「即時作業系統的導入」轉移至「軟硬體共同設計」。
軟硬體共同設計是我自己正在進行的主題，把這領域的發展分享給大家當然沒有問題，但我轉念一想，畢竟這個場合的聽眾是來自不同系所的人，要是專業領域落差太多，那不就跟鴨子聽雷一樣。
因此，我想辦法加了點料，在討論專業領域前，先講一些工程領域通用知識的內容，這包含：
- 技術驅動創新。
- 安索夫矩陣 (Ansoff Matrix)。
- 技術驅動創新的決策思維。
話說我為何會想講這些東西，主因來自於我自己本來也搞不清楚狀況，從我自身的困惑出發，猜測其它工程專業的同學也會有同樣的疑惑，所以才特別準備相關的內容，並參考以下幾篇的摘要：
- 科學不等於科技。
- 青黴素的「從 0 到 1」。
從這些內容中，我萃取出自己覺得重要、並想要分享的部份，其中有些令人印象深刻的話：
- 科技其實包含了兩個不同的概念 → 科學和技術。
- 「科學研究」就是把錢變成知識；「技術開發」就是把知識變成錢。
- 技術強調新穎性，而工程則強調可重複性，能大量複製，能產生可預期的效果。
- 解決了從「技術」到「工程」的所有問題，只是成功的第一步。
- 從科學到技術、再到產品，最後到商業成功的全過程。
以上簡短的幾句話，就把從科學到商業的流程給說完了，並且讓我們清楚明白「工程」在這整個流程中扮演什麼角色。
坦白說，我自己以前一直對於科學研究、技術、工程這幾個名詞感到困惑；就連拿到博士學位後，我都還搞不太清楚自己做的哪些工作是研究、哪些是技術開發，又或著是在解決工程問題。
說起來很蠢，但我原先真沒搞懂過，就傻乎乎地一路走到畢業；反倒是這幾年從商業視角回推過往所做的事情時，才恍然大悟原來自己什麼都不知道。
二、內容呈現
這次演講時，特地在開頭時就把這段一直困擾我的事情，說清楚、講明白；然後再透過「青黴素」跟「E-Ink」這兩個案例，說明怎麼從科學研究到最後的商業模式成功。
像上述兩個「技術驅動創新」的案例，從最初的科學研究到技術開發，然後再到工程量產以及商業銷售，整個週期都是幾十年起跳的、非常困難；但相對地，困難的事一旦挑戰成功，其影響力就非常巨大。
其實，我主要是想跟在場的教授說，很多時候你們的研究主題之所以可以技術轉移，是因為已經很接近技術開發跟工程量產的交界處；所以要搞清楚自己的主題到底是在做研究、技術開發還是工程上的量產問題，這點「認知」非常重要。
如果覺得自己是在做前瞻的研究主題，那就別一天到晚想要技轉搞錢了；反之，如果知道自己就是著眼在技術開發或解決工程量產的問題，那就趕緊讓它可以落地應用賺錢，證明自己的解決方案可行，別用「只是做研究」的說法，來掩飾無用的技術開發或工程量產問題。
接著，我提到「安索夫矩陣」，主要用在分析企業策略以及個人職涯規劃上；分析工具本身並不重要，但利用工具的思考過程對自己肯定會有所幫助。
社會人士每天都太忙碌了，忙到都忘了自己到底在幹嘛，只顧著解決眼前的問題、趕著當救火隊員，根本無力思考自己的職涯規劃；我特意加入這段內容，主要是想說同學們都來在職進修了，肯定是希望自己在專業及職涯上，都能有所改變吧!
我還偷渡了創業思維的決策模型，包含了「效果邏輯」和「因果邏輯」；這段的分享是我自己的私心，因為今年上半年都在接觸創業課程的內容，所以也希望能讓這群碩專班同學能了解一下這邊的差異。
很多時候，提高「認知」水準並非只是知道了什麼，而是要知道哪些事情是真的重要；但不管怎麼說都要「先知道」才有戲阿!
人最害怕的不是知道「自己不知道」，而是根本不知道「原來自己不知道」。
三、新的方向
上面講了一堆後，才進入今天的主題，但我演講時沒有抓好節奏，導致講完前面的內容已經耗掉一半的時間，後半段又是搭噴射機衝刺。
在專業的部份，跟去年演講最大的差異是加入了 FPGA 的實作，讓大家了解軟硬體設計在機器視覺上面該怎麼開發，實際上有哪些應用會需要，並透過以下兩篇論文進行講解：
- 基於 FPGA 的多精度神經網路推理加速系統。
- 基於軟硬體共同設計之可動態調整即時物件偵測與辨識加速器。
另外，還特別分享了 AMD Embedded+ 架構解決方案，以及未來 AI PC 對我們這個領域會有哪些方面的影響。
最後，我用了一個工業機器視覺的「技術驅動創新」案例來收尾，在技術開發的部份主要參考「Unsupervised Anomaly Detection and Localization for Visual Quality Inspection」這篇論文，它主要是把異常偵測的技術應用在機器視覺上面。
未來，我們在做工程實現時，就可以把「異常偵測」的技術實現在 AI PC 或 FPGA 上，這也呼應了前面所提到「從科技到商業應用」的全過程，並針對特定的應用領域提供了實際案例。
四、心得感想
在這次的演講準備過程中，我才真正深刻的體會到從科學研究、技術開發、然後一路做到產品開發及商業應用等，有多麼地不容易；每一個階段都環環相扣，只要中間某個環節被卡住，就無法落地應用、也無法產生任何價值。
說也奇怪，這次演講內容所提到的每個部份我好像都有參與過，但都是很片面的了解，從來沒有過系統化的去思考整個過程與形成的脈絡。
這或許也是現代專業分工的弊端，每個人都只了解自己負責的部份，最多可能也不超過上下一階；但事實上，要真正認知到自己工作內容的價值與重要性，就必須從整體來進行考量，並非只著眼在自己擅長的那一小部份。
噴了這麼多口水，事實上有點在打高空、唱高調了；但認真地說，我自己是從整理本次演講的內容中獲益良多。
透過反覆的辨識才能定位自己所在的位置，精準定位後才知道該怎麼設計通往目標的路徑。
