倒數幾篇文章，我想回頭聊聊，
如果未來的人們想要一起踏上這個
「在AI時代追求人性」之路，
應該要有什麼樣的準備呢？

第一篇我想先聊聊，
如果從工程背景出發該怎麼做。

我覺得從工程背景出發，
有幾個點是有優勢的。

第一個是工程背景的訓練，
給予了人們「實作」的能力。
所以如果有什麼想法，
比較有辦法具象化，
在測試跟討論上面都有優勢。
同時，工程背景也讓人比較有辦法理解最新技術，
可以去善用各種不同的工具/技術。

第二個是工程背景可以獲取的資源和機會，
是相對較多的。
因為現在市場上對於工程人才的需求還是很高，
所以相對來說，工作機會還是很多。
以我自己在美國的經驗來說，
即使我博班念了人機互動，
我也還是可以選擇來做全職工程師。
但如果是非工程背景來念人機互動的人，
很多人在找工作時，
只能先從約聘的職位開始做起。
（這其實顯示了現在的業界，
還是對做「人」相關的事情不夠看重。）

第三個是工程背景但懂「人」相關的層面的人，
其實是有獨特性的。
因為其實不管是什麼系統，
做一做到最後，都還是會被使用者相關的問題卡住。
但在業界裡面，做使用者經驗的人跟做工程師的人之間，
常常會一段間隔，相對應的就會有溝通成本。
因此，懂得「人」相關層面的工程師，
會因為熟悉使用者經驗領域的語言，
更加能夠將兩個角色的人們連結在一起，
也更容易去執行和實作一個想法。

雖然有這些優勢，
但做工程背景的人來到人機互動領域，
也可能會有很多偏誤、刻板印象跟自以為是態度。
我覺得台灣的教育特別重理工、輕人文，
覺得唸文組的人是功課不好，
唸理組的人比較聰明。
這些不知道從何時開始產生的刻板印象，
在資訊領域和在人機互動領域，
都仍在影響著我們。

例如在資訊系求學的時候，
系上的氛圍充滿著，
會很多厲害的資料結構演算法的人才是強者，
或是能夠學很多困難數學的人就是比較厲害。
寫東西就是要學到可以用組合語言，
甚至機器語言寫東西才厲害。

但其實不是這些東西真的比較厲害，
而是當今天開始牽涉到「人」的層面的時候，
很多時候因為沒有辦法有個很明確的標準
因為沒有辦法有明確的標準，
所以就去訴諸比較能有「標準」的事情。
久而久之，那些無法有標準答案的事情，
反而變成了比較沒用、比較差的事情。

我遇過很多工程背景的人到了人機互動領域來，
追求的就是訂定更多的數值標準，
希望透過建立什麼分數來評判是非好壞。
例如做XAI或是做公平AI（AI Fairness），
希望建立一個什麼標準分數，
而不是更仔細地去看待和討論關於人層面的事情。

「無法量化的東西就是不夠好」
是工程背景的人很容易有的迷思跟刻板印象。
因為那並不是不夠好，而是擁有這樣想法的人，
不具有能力去閱讀、理解非量化的事物。

我也曾經遇過做人工智慧/資料科學的人，
跟我說，「女生比較適合做人機互動」，
因為這個領域比較沒有那麼「硬」。
但是誰定義什麼領域比較硬？
比較硬就是比較好嗎？
誰說女生就只能讀比較「沒那麼硬」的東西？

我也覺得很多外文系的人讀的文學文本很硬，
覺得很多藝術領域的作品很硬，
這跟我的性別有什麼關係？
又跟領域有什麼關係？

我相信這不是只有資訊領域，
或是工程領域才有的事情。

但我作為一個工程背景出身的人，
親身體驗了很多上面提到的問題，
包括我自己也可能在人生某個階段，
用非常看不起的眼光去看待人文領域，
或是也曾經追求那些盲目的標準。

直到我走進這個領域，
我被迫去看見、去了解、去接受，
屬於這個世界的另外很多不同的角度，
我才看見，
原來本來的自己有多狹隘。

正是因為工程領域的人具有一定的優勢，
在追求AI時代下的人性的時候，
必須要時時刻刻回頭檢視，
是不是有因為自己用有的優勢，
錯誤地去假設了使用者/其他人是怎麼想的。

上面這邊是基本概念的部分。

實務上來說，我很推薦工程背景的人，
去Coursera上面聽聽人機互動相關的課程，
特別是UC San Diego Scott Klemmer教授有開了一系列課程，
我都相當推薦。

我覺得做工程背景的人，
程式語言或是硬體、機械設計之類的東西是基本功，
所以在這個領域要發展，
要學習的就是謙虛地向做使用者經驗的人學習各種設計方式，
以及使用者研究等等的。

不要覺得設計只是畫一畫圖，只是「做美工」，
也不要覺得使用者訪談只是跟使用者聊天，
覺得這些事情「誰都會」。
當你真的去自己做過一次，
你就會發現這些東西有多麽困難，
願意在這些充滿不確定的東西裡，
慢慢梳理出脈絡的人們有多麽厲害。

這些算是我自己的經驗談，
下一篇讓我嘗試寫寫非工程背景的人我會建議怎麼做，
但我自己不是這樣的背景，
所以很多可能是基於我之前接觸過的人去寫的，
也很希望有相關領域的朋友，
看到我寫的分享後，
願意寫寫自己是怎麼走進這個領域的喔～