一句話的任務

「幫我盤點一下全校有哪些課跟 AI 相關。」

這句話聽起來像一個下午就能做完的事。實際上我做了好幾輪，而且每一輪的答案都不一樣。

先看數字

同一批課程資料，我手邊有三個版本的篩選結果：

母體是四百多門課。從 11 到 30，差了將近三倍。

沒有任何一版是「錯」的。 它們只是問了不同的問題——這是我原本的結論。寫這篇的時候我回去把三份清單的課號拉出來實際比對，發現事情跟我記憶中的不一樣，後面會講。

差別在哪

課程資料的欄位長這樣：學年期、課號、授課老師、課名、開課系所、教學目的。

注意最後一欄——教學目的。判準的差別幾乎都出在要不要看它：

只看課名：課名裡有「人工智慧」「機器學習」「深度學習」這類字的才算。這樣篩最嚴，數量最少，而且漏掉一大堆。

課名 + 教學目的：課名沒提，但教學目的裡寫了要教什麼技術的也算。數量會明顯增加，因為老師在教學目的裡寫得比課名具體。

加上「用得到高階運算資源」這個角度：不是問「這門課教不教 AI」，而是問「這門課需不需要用到高階顯示卡」。這是為了評估教室設備需求而做的盤點。

我以為是三個問題，其實是一條線

上面那段是我一直以來的說法：三個數字不是越改越準，是三個不同的問題各自的答案。

這次我沒有只憑印象，把三份清單的課號各自拉成一組來對，結果是這樣：

11 門完全包含在 23 門裡，23 門又完全包含在 30 門裡。 沒有任何一門課只出現在比較小的那份清單。

如果真的是三個不同的問題，不該長這樣。設備需求的清單裡「應該」要有幾門是 AI 相關性低、但吃顯示卡的課，可是一門都沒有。

所以實際發生的事情是：我在同一條判準上逐步放寬，而不是換了問題。 我記成三個問題，大概是因為每次重做時的動機不一樣——這次是為了設備、下次是為了報數字——但動機不同，不等於判準真的不同。

那多出來的課是什麼？從 23 到 30 多出來的六門，課名分別是資料探勘、數位影像處理、資料工程與實務、醫學影像處理、大數據理論與應用、雲端技術。六門的課名裡沒有一個出現「人工智慧」或「機器學習」。 判準放寬的方向很清楚：從「課名看得出來」放寬到「課名看不出來但內容相關」。

這就是前面說「只看課名會漏掉一大堆」的實際樣子。

順便發現的：30 門其實是 29 門

同一次比對還撞到一件事。那份「30 門」的表格有 30 列，但不重複的課號只有 29 個——有一門課在兩個學期各開一次，各占一列。

所以「30 門課」這個講法是不準的。準確的說法是「30 筆開課紀錄、29 門課」。

差一門聽起來沒什麼，但這個數字是要報出去的。報「30 門」跟報「29 門」，如果有人回頭去對，對不起來的時候要解釋的是我。而且我是寫這篇文章才發現的，也就是說當初報的時候我並不知道。

一份課程盤點裡，「門」到底是指課、還是指開課紀錄，沒有人會特別講，但兩邊的數字就是不一樣。

這件事的真正難點

盤點工作表面上是「找出符合條件的資料」，但真正的工作是把一句模糊的話變成一個明確的條件。

「跟 AI 相關」是一句模糊的話。要變成可以執行的條件，得先回答：

• 課名有關鍵字算不算？
• 教學目的提到算不算？
• 整門課只有兩週在講 AI 算不算？
• 教「怎麼使用 AI 工具」算不算，還是要教原理才算？
• 通識課裡的 AI 概論算不算？

這些問題沒有標準答案，答案取決於這份盤點要拿去做什麼。要評估設備需求，跟要展示學校的 AI 教學能量，答案完全不一樣。

Gemini 在這件事裡的位置

先講一個很實際的差別，因為這是我覺得對行政人員最有感的部分。

全校開的課有四百多門，資料就是一張表。以前要從這張表裡撈出「跟 AI 相關」或「可能要用到高階顯示卡」的課，我得先把需求翻譯成 Excel 聽得懂的東西——想好要比對哪些欄位、列出一串關鍵詞、寫成一條搜尋或篩選的函數，然後對著結果一直調。關鍵詞漏了一個，那批課就整批不見，而你不會知道它不見了。

現在我是用講的。 把那張表給它，然後說「幫我找出課名或教學目的裡跟人工智慧、機器學習相關的課，列出課號和課名」——它就給我一份清單。要改判準，就再講一次，不用回頭改函數。

這個差別不在「快多少」，在我不需要先把需求翻譯成程式的語言。對一個不寫程式的人來說，這一關以前常常就是整件事做不成的原因。

但接下來的分工，還是要拆清楚：

可以交出去的：拿著一個明確的判準，去四百多筆資料裡逐筆判斷。這件事量大、單調、而且結果可以逐筆檢查——我可以隨機抽十門課，自己看一遍，確認判得對不對。

不能交出去的：決定判準是什麼。因為判準取決於用途，而用途只有我知道。

這也是為什麼我不覺得「AI 會取代這份工作」。它把最花時間的那段拿走了，但那段本來就不是這份工作的核心。核心是那五個問題怎麼回答，而回答它們需要知道這個數字要拿去哪裡。

一個實務上的建議

如果你也要做這種盤點，我建議一件事：把判準寫下來，跟結果放在一起。

不是為了嚴謹，是為了三個月後的自己。當有人問「這 30 筆是怎麼算的」，你要答得出來。而且下次要重做的時候，你才知道上次是怎麼定義的。

我自己就吃過虧——手邊的清單，檔名分別是「11門GPU可能課程」「23門GPU可能課程」「AI高度相關課程盤點表」「AI相關課程表」。光看檔名，我已經分不出「高度相關」和「相關」的判準差在哪了。

更糟的是：我把「23門GPU可能課程」和「AI高度相關課程盤點表」的課號拉出來比，兩份的課號完全一樣。一份是「GPU 可能用得到」、一份是「AI 高度相關」，檔名講的是兩件事，內容是同一份。三個檔案的工作表名稱也都還叫「GPU可能課程」——它們是彼此另存出來的，改了檔名，沒改判準。

這就是不寫下來的下場：半年後我只剩下檔名可以參考，而檔名會騙人。

明天

Day 8：這個數字要報出去。盤點結果怎麼站得住腳——以及我以為自己發現了一個問題，結果是我數錯。