發言者：吳仲義、施明哲

時間：2026年6月8日 14：00-17：00

地點：DDS THU AI中心

整理：張運宗

 

【編按】2026年6月8日，兩位大師級貴賓，吳仲義院士（生物，18）伉儷、施明哲院士（生物，18），由研發長林惠真、理學院長賴英煌、圖資長楊朝棟長的陪同，造訪AI中心，生物系蔡玉真、趙偉廷、劉少倫、吳立偉、徐斌彥等老師，共襄盛會，展現東海生科系強大凝聚力的優良傳統。　

邱浩修主任向院士全面性介紹AI中心發展歷程，展示AI如何與建築、醫療、製造及法律等產業對接，並取得國科會整合型計畫與兩個價創計畫的成果。　圖資長楊朝棟代表致詞，簡略說明全校性的AI教育轉型，以及東海與NVIDIA的聯盟合作，並特別感謝鄭清和理事長對東海AI發展的關鍵貢獻。　

會談長達三小時，雖言會談，實無明確主題，而是在聊天中看見兩位院士對於AI應用於產業和教育的研究精神，以及對東海能否提升科研能力與強化跨域合作的期許與關愛。　

這是一次難能可貴的重量級會談，我們特意梳理兩位院士的談話脈絡，以饗讀者，也希望能得到具體的回應。　

 

 

AI好像沒有比較好？

 

　　很多人在專業領域運用AI後，得到的結果常常會大失所望，進而推出一個結論：AI似乎沒有比較好。　

 

　　真的是如此嗎？

 

　　吳院士舉個例子，目前基因組最核心的研究是基因調控網絡，人類細胞中隨時在運作的有2萬個，就好像有2萬人在影響你。　在做癌症或做生理研究時，把其中1個敲除掉，網絡會產生改變產生1個數據。　如果我們把2萬個基因都做敲除掉就會得到2萬個數據，工程雖龐大，透過AI協助，理論上似乎是可行的。　但按照上述做法得出來的結果是不行的，還是沒辦法預測癌症。　

 

　　如果去看GRN頂級期刊中關於AI 在Nature Biotechnology的研究，已發表多種AI基礎模型（foundation model），其中還有針對8千萬個細胞進行相關的試驗，但結果也是全部做不上，與傳統研究方式的廻歸模型（regression model）比較，AI好像沒有比較好。　

 

 

AI應該是合作而非取代！

 

　　研究型AI應用在基礎科研時，牽涉到的首要問題是Domain specific knowledge（領域專業知識）跟AI怎麼結合？吳院士指出，想要找尋答案的話，不能一直去看AI的能力可以幫你解決什麼，或是只想討論它做得多成功，反而應該思考哪些問題是AI做不了的？

 

　　對於科學家來講，AI能做的就交給AI做，若不能做就找出它的侷限，想辦法解決幫解決這個局限，這樣它才能做得好！！

 

　　AI應該是合作而非取代！

 

　　吳院士舉例，研究DNA方法的KB（kilobase千鹼基對）序列用AI來處理需要到10的600次方，現在把美國的錢都放進去只能做到10的15次方，但離10的600次方還差很遠，這就是它的侷限！但若因此就否定AI的話就太可惜了。　此時若科學家自我調整進行，降到10的6次方，這樣AI就可以運作了。　

 

 

跨域合作的解方

 

　　專業領域內使用AI已經是不簡單，何況是跨域合作！

 

　　跨域合作不是一開始就討論AI的能力需要多強，而是要很清楚不同領域的對方的需求在哪裡？這是需要不斷地溝通，等到彼此走到一個點上，雙方縫合上了，才能來討論如何進行彼此的合作。　吳院士以自動駕駛為例，製造商關注的重點從來不是AI的能力，反而是影像辨識系統；唯有影像辨識系統夠完備，自動駕駛才可能實踐。　

 

　　正式進行跨域合作後，首先思考的重點是合作領域中對方有哪些專業知識（domain specific knowledge）是AI做不到的？這樣就知道AI能先運行什麼了。　AI做不到的部分，還是要從對方領域的專業知識思考，該如何調整才能讓AI可以運用，這就是最核心解方。　

 

 

需求清晰的力量

 

　　AI 應用需要清楚知道痛點在哪裡？施院士強調，現今台灣農業面臨最大的問題是人力不足與氣候大環境變遷的嚴峻考驗。　若能加上AI的力量，未來定能大幅提升台灣農業的質量。　

 

　　專注在智慧農業領域的施院士指出，現在台灣農業幾乎都是阿公阿媽在做，人力高齡、嚴重不足，且在技術功能各方面都非常落後。　

 

　　他以目前正在進行的草莓苗研究為例，草莓苗的處理相當麻煩，需要將草莓切非常非常細，且精準地處理好生長點。　雖然公司訓練了一批人，但若要單純靠人工，目前人力是遠遠不夠的。　施院士將這些過程包含照相都整理出機械學習資料，跟一家小型AI公司合作，希望做出類似達文西機械手臂，以快速精準地處理草莓苗，這樣不但解決了人力問題，也提升了整體育苗的品質。　

 

　　機械手臂若能解決了技術功能落後的隱憂，也就可能補足農業人力不足的問題

 

 

永續管理的希望

 

　　農業是靠天吃飯的行業，但現在氣候變動狀況嚴峻，身處其中農民如何做好肥培管理（Fertilizer Management），讓作物健康生長提升產量，善待讓農業環境，以達到永續管理？這個願景或許透過AI可以達成。　

 

　　施院士指出，目前台灣氣象資料現在都可取得，希望能對重要作物進行有效管理。　例如給農民手機，請他們搜集田間相關資料，再透過分析資料，可以推論出什麼時候需要用水，甚至用最少的水與肥料，生產最高品質的作物。　

 

　　來到東海後，施院士才知道學校正在建構AI學習的環境，他說如果能早些知道的話，當初就會先來找學校談合作。　

 

　　從搜集彙整氣象資料、農民提供的田間資料等，到結合分析進而提供建議，這是很大的工程。　施院士期許，未來東海能提供相關環境，讓學生們學習培養運用AI整合的能力，一起參與到幫助農民的計畫中。　

 

　　畢竟教育才是人才永續的根本，若能成功，這個模式將對台灣農業的未來有很大的幫助！

 

 

 

 

---