1111人力銀行台大就業專區 台大就業專區

站內廣播
搜尋更多工作
► 分頁查詢
評價: 0 回應: 0 閱覽: 1611
置頂

理學院與工學院的思維差異

文/ 鄉下老師


  我是讀理學院讀到博士學位的人,但是老實說,博士之後的工作,從擔任成大的研究員帶隊作海底測繪,到擔任教授教程式設計,再到業界開公司作影像辨識,都是工學院性質較重的工作。

  但是我發現我的理學院背景讓我的工科工作做得更好!更有效率!反而覺得純工學院背景的人比較死腦筋,常常浪費很多無謂的時間。

 

  年輕時我是堅持不想讀工學院的!以我的認知,工學院會教你很多「解決問題的方法!」會的招數越多你可以解決的問題就越多,會的招式越複雜,你就能解決越困難的問題。這是不是很像惡補參加考聯考的過程?懂不懂問題本身或使用方法的原理無關緊要,能否答對題目才是重點。

  相對的,理學院會著重的並不是「如何解決問題?」而是要研究問題的本身,希望知道「到底發生了甚麼事?」問題看清楚了就心滿意足地下課了!看起來好像不太實用?因為怎麼不繼續教到真的將問題解決呢?我讀理學院時確實有這種疑惑,但是當我很想找出具體解決方案時,老師們反而說我怪怪的!跟我說:「Remember! You are a scientist, not an engineer!」潑我冷水就對了!

  我的直覺是:如果問題都沒看仔細,看清楚,亂套公式有可能會套錯,即使方法用對了,因為問題的細節掌握不夠好,參數無法直接往對的方向調整,就會變成Try and error(嘗試錯誤)的漫長工作了!所謂機器學習也不過就是將這些耗時費力的笨工作交給不會抱怨,但是耗電花錢的電腦去做而已。我是看不出這種AI研發主流技術的聰明之處?

  合理的工作流程應該是:精確理解問題→組織最合用的方法流程→如果有錯,就分析錯誤原因→回饋修正方法,甚至重新分析問題。這其實就是傳統科學與科技的標準研究與做事方法。但是我到業界看到多數「研發」團隊都慢慢在偏離這種思維。

  我看到很多陷入研發困境的團隊都是,一個問題試過很多方法,不斷更改參數仍然無解,他們多半不認為「物理」很重要,就是去看看問題的本質是甚麼?只是堅持在方法論之內「努力」工作!譬如昨天去討論評估一個以雙眼視覺為基礎的辨識專案,其中一個問題是:辨識區內距離較遠的辨識總是不夠準,參數怎麼調整,改善都有限。

  我就說用雙眼視差決定距離本來就只適合近距離運作,你們如果只在方法論或軟體上努力,但是物理學上已經證明這是緣木求魚,這一定是浪費時間的!要是我,第一時間發現不準就該想其他解決方案了!不會左踹右踹花上很多時間的。我當場也提出我有一些演算法可以用上,也不需要雙眼視覺資料。

  這類例子在我的工作經驗中真的層出不窮,俗話說「窮則變,變則通」這話沒錯!工學院的做事方式當然一樣終究可以解決問題,除非那真的是目前科技無解的難題。但是以我習慣分析問題,充分理解錯誤原因的理學院習慣,我「變」與「通」的速度效率就高很多,變通得更快更準!這也是我的研發速度看起來總是很快的主因,因為我很少做無謂的嘗試!原地打轉跑得再努力都不會前進的。

 


本文經鄉下老師同意授權轉載,閱讀原文

 

heart 推薦閱讀:選校、選系?台大這兩個字不會養你一輩子

你也有話想說嗎?歡迎投書~
按讚追蹤FB 1111台大驛站,台大資訊不漏看

留言

會員登入 (先登入會員才能回覆留言喔!)