「選學科已經不是太重要，因為 AI 學科都在變，去一個好的環境比較重要。」說這話的是 80 歲的美國哈佛大學講座教授孔祥重。

他在 1978 年提出的「脈動陣列」（Systolic Array）理論，40 年後成為 Google TPU 的核心架構。但他不只待在學術圈，2017年，他與資料科學家陳昇瑋創辦台灣人工智慧學校（AIA），親自跑中南部傳產工廠，看工廠如何用 AI 數位轉型，也看到員工擔心被取代的不安。

這種雙重身份，讓他既能看到技術的可能性，也能看到人才培養的斷層。作為見證過 3 次AI浪潮的資深學者，他看到知識如何一次次被重新定義、專業如何被重估價值。當變化成為常態，「在哪學、跟誰學」比「學什麼」更穩定。

這句話背後，暗示著過去「選對科系保就業」的迷思正在失效。

學科技能快速貶值，AI成共同語言

他舉例，過往企業能花多年培養一個員工，如今 AI 能夠寫程式，企業就不招聘初階工程師，用 AI 代勞即可。他看見自己所屬領域的電腦科學學生，從各大公司搶著要，到現在擠破頭應徵一個職位。

當知識每幾年就重置、學科界線不斷位移，「選對科系」就不再是一張長期飯票。這不是個人努力不夠的問題，而是整個專業養成邏輯的基礎正在動搖。

正因為單一技能快速貶值，孔祥重提醒，「AI 是common language（共同語言），所以每個學門都要學 AI，因為你可以跟其他學門講話。」過去，你可以說「我是學材料的」、「我是學醫的」，用學科來界定專業。但現在這些界線都逐漸模糊，因為 AI 成了橫跨所有領域的基礎設施。

選擇能讓你快速成長的地方，面對真實的問題

如果學歷不管用，那企業所要的即戰力，即是一個人是否具備解決問題能力。

孔祥重指出，當一個人的成長路徑不再被學科侷限時，那更需要一個好環境，可以驅動人進步、培養自己。

所謂的好環境，不一定公司福利跟薪水待遇相關。孔祥重認為，反而要看那個環境能不能讓你在短時間內快速進化，或者是否有優秀的戰友，可以彼此激發靈感、教學相長。

進一步定義，是「學習的密度」，怎麼判斷一個企業學習的密度高不高、強不強？

作為工作者，若你現在想要選擇一個有成長的公司，有幾個問題可以反問：這個組織在解決什麼問題？是真實需求還是假議題？領導者在關注什麼？是短期 KPI 還是長期趨勢？多久能接觸一個新問題？多快能得到回饋？這些對成長才是有幫助的。

個人如何利用好環境、賦能自己？

篩選出好環境只是第一步。更關鍵的是：進入環境後，你要成為什麼樣的人，他給了三點建議：

1.成為主動的思考者，不只是接收者

「在資訊爆炸且AI能生成內容的時代，必須成為一個 thinker，」孔祥重說，就是能判斷「AI 給的答案對不對、為什麼對、為什麼錯」的人。

AI 給的每個成果，你都應該復盤整個思考過程。把每個作品都拆解成元素檢視，而你就是那個判斷的人，在好環境裡，資訊和工具都不缺，如果你只是被動接收、照做，就浪費了環境的價值。

2.速度與實作決定機會

孔祥重舉例，他看過一家被收購的 AI 代理公司，創辦者可能還是大學生，但「你做得快的話，就奪得先機。」

這不是說要粗糙行事，而是說在高學習密度環境裡，實作速度會放大學習效果。你愈快把想法變成可驗證的原型，就愈快得到回饋、看到盲點、愈快進入下一輪迭代。環境提供了資源和容錯空間，但如果你動作太慢，就用不到這些資源。

3.保持自我驅動的動機

最後一點最容易被忽略，但可能最重要。

「AI 雖然厲害但沒有動機，」孔祥重說，「AI 的目的是要騙過人，我們做東西的目的是要做得正確、做得好，不能騙人。」這個差異聽起來很抽象，但在實際工作中會決定你的學習深度。

AI 可以生成看起來很完美的報告、很漂亮的數據，但它不在乎這些數據背後代表什麼、會不會誤導決策。如果你也只在乎「交得出去」而不在乎「是不是對的」，你就和 AI 沒有區別了。

「人類若要在環境中突圍，必須具備追求真理與品質的動機，這是 AI 無法取代的價值，」他說。在好環境裡，有這種動機的人會主動挖深、會主動問「為什麼」、會主動挑戰看起來正確但可能有問題的東西。而這種態度，會讓同樣的環境對你產生 10 倍的學習密度。

【Profile】
孔祥重
1945年生，清華大學數學系首屆畢業，美國卡內基美隆大學（CMU）博士。1978年提出「脈動陣列」理論，為Google TPU等現代 AI 加速晶片奠定架構基礎。現任美國哈佛大學電腦科學與電機工程比爾蓋茲講座教授、中研院院士、美國國家工程院院士。2017年創辦台灣人工智慧學校（AIA），同時為AIA校長，迄今為產業界培育上萬名AI人才，推動台灣AI產業轉型。

核稿編輯：陳書榕