踏上在AI时代追求人性之路(1)：从工程背景出发

倒数几篇文章，我想回头聊聊，
如果未来的人们想要一起踏上这个
「在AI时代追求人性」之路，
应该要有什麽样的准备呢？

第一篇我想先聊聊，
如果从工程背景出发该怎麽做。

我觉得从工程背景出发，
有几个点是有优势的。

第一个是工程背景的训练，
给予了人们「实作」的能力。
所以如果有什麽想法，
比较有办法具象化，
在测试跟讨论上面都有优势。
同时，工程背景也让人比较有办法理解最新技术，
可以去善用各种不同的工具/技术。

第二个是工程背景可以获取的资源和机会，
是相对较多的。
因为现在市场上对於工程人才的需求还是很高，
所以相对来说，工作机会还是很多。
以我自己在美国的经验来说，
即使我博班念了人机互动，
我也还是可以选择来做全职工程师。
但如果是非工程背景来念人机互动的人，
很多人在找工作时，
只能先从约聘的职位开始做起。
（这其实显示了现在的业界，
还是对做「人」相关的事情不够看重。）

第三个是工程背景但懂「人」相关的层面的人，
其实是有独特性的。
因为其实不管是什麽系统，
做一做到最後，都还是会被使用者相关的问题卡住。
但在业界里面，做使用者经验的人跟做工程师的人之间，
常常会一段间隔，相对应的就会有沟通成本。
因此，懂得「人」相关层面的工程师，
会因为熟悉使用者经验领域的语言，
更加能够将两个角色的人们连结在一起，
也更容易去执行和实作一个想法。

虽然有这些优势，
但做工程背景的人来到人机互动领域，
也可能会有很多偏误、刻板印象跟自以为是态度。
我觉得台湾的教育特别重理工、轻人文，
觉得念文组的人是功课不好，
念理组的人比较聪明。
这些不知道从何时开始产生的刻板印象，
在资讯领域和在人机互动领域，
都仍在影响着我们。

例如在资讯系求学的时候，
系上的氛围充满着，
会很多厉害的资料结构演算法的人才是强者，
或是能够学很多困难数学的人就是比较厉害。
写东西就是要学到可以用组合语言，
甚至机器语言写东西才厉害。

但其实不是这些东西真的比较厉害，
而是当今天开始牵涉到「人」的层面的时候，
很多时候因为没有办法有个很明确的标准
因为没有办法有明确的标准，
所以就去诉诸比较能有「标准」的事情。
久而久之，那些无法有标准答案的事情，
反而变成了比较没用、比较差的事情。

我遇过很多工程背景的人到了人机互动领域来，
追求的就是订定更多的数值标准，
希望透过建立什麽分数来评判是非好坏。
例如做XAI或是做公平AI（AI Fairness），
希望建立一个什麽标准分数，
而不是更仔细地去看待和讨论关於人层面的事情。

「无法量化的东西就是不够好」
是工程背景的人很容易有的迷思跟刻板印象。
因为那并不是不够好，而是拥有这样想法的人，
不具有能力去阅读、理解非量化的事物。

我也曾经遇过做人工智慧/资料科学的人，
跟我说，「女生比较适合做人机互动」，
因为这个领域比较没有那麽「硬」。
但是谁定义什麽领域比较硬？
比较硬就是比较好吗？
谁说女生就只能读比较「没那麽硬」的东西？

我也觉得很多外文系的人读的文学文本很硬，
觉得很多艺术领域的作品很硬，
这跟我的性别有什麽关系？
又跟领域有什麽关系？

我相信这不是只有资讯领域，
或是工程领域才有的事情。

但我作为一个工程背景出身的人，
亲身体验了很多上面提到的问题，
包括我自己也可能在人生某个阶段，
用非常看不起的眼光去看待人文领域，
或是也曾经追求那些盲目的标准。

直到我走进这个领域，
我被迫去看见、去了解、去接受，
属於这个世界的另外很多不同的角度，
我才看见，
原来本来的自己有多狭隘。

正是因为工程领域的人具有一定的优势，
在追求AI时代下的人性的时候，
必须要时时刻刻回头检视，
是不是有因为自己用有的优势，
错误地去假设了使用者/其他人是怎麽想的。

上面这边是基本概念的部分。

实务上来说，我很推荐工程背景的人，
去Coursera上面听听人机互动相关的课程，
特别是UC San Diego Scott Klemmer教授有开了一系列课程，
我都相当推荐。

我觉得做工程背景的人，
程序语言或是硬体、机械设计之类的东西是基本功，
所以在这个领域要发展，
要学习的就是谦虚地向做使用者经验的人学习各种设计方式，
以及使用者研究等等的。

不要觉得设计只是画一画图，只是「做美工」，
也不要觉得使用者访谈只是跟使用者聊天，
觉得这些事情「谁都会」。
当你真的去自己做过一次，
你就会发现这些东西有多麽困难，
愿意在这些充满不确定的东西里，
慢慢梳理出脉络的人们有多麽厉害。

这些算是我自己的经验谈，
下一篇让我尝试写写非工程背景的人我会建议怎麽做，
但我自己不是这样的背景，
所以很多可能是基於我之前接触过的人去写的，
也很希望有相关领域的朋友，
看到我写的分享後，
愿意写写自己是怎麽走进这个领域的喔～