前面提到的新創，在我實習結束後曾經邀請我直接加入公司，不過我說我還是要讀研究所。
那時創辦人跟我說：做AI就是要在業界用真實資料做才有趣。
我同意，但我的criteria有所不同。
我的感覺是，在業界只有跟賺錢相關的東西，才會被認同值得去做。可是，我就是想探索一些有趣、但（還）不太能賺錢的研究題目。真實誠可貴，自由價更高（？）
對了，我的研究領域是自然語言處理（NLP），在距今十多年前，確實普遍認為這屬於不大能賺錢的技術。

因為雙主修中文系的關係，每學期的課都排得很滿，我直到大四才修資工系必修的專題研究。
我的第一個研究題目是中文用詞錯誤偵測，那時申請到（一度被改成科技部但最近又改回來的）國科會的大專學生研究計劃，實驗過程也很順利，現在想想只不過是運氣好，總之很快就做出不錯的成果。我好像是從那時候開始誤以為自己有學術研究的長才吧。
其實我弄的機器學習模型很陽春，只能判斷整個句子是全對還是某個地方有錯誤，連錯的是哪個詞都不知道。不過當時中文的NLP研究還很缺乏，所以創新性應該算勉強過關吧。

～ 本文與 \ Claude Sonnet 5 & 5.5 \o/ Gemini 3.1 Pro & 3.6 Flash / 協作完成 ～

什麼叫做學術研究長才呢？其實我當時也不是很清楚，很大一部分是基於我自己相對於同儕的觀察。

我因為上大學前就學過寫程式，所以一開始看起來有點領先，不過到了大三左右，許多同學都已經追上甚至超越我了。
因此我覺得拿掉先修的優勢，我並沒有特別擅長寫程式，就是普普通通而已。
不過，我有說得一嘴好程式的能力。寫報告或上台的時候，我很自然就能去設想聽的人需要什麼背景知識、老師最可能關心什麼。我會思考如何組織資訊、詮釋成果，明明只做了70分的事情，卻可以講得好像80分的程度。
很多大神同學實力堅強，寫了很多很厲害的code，那些我覺得我寫一整個學期都寫不出來。但有不少人神，我猜他們可能真的太聰明了，覺得結果不需要多加解釋，因而想不出報告有什麼話好講；或者是只把結果按照順序唸出來，聽的人沒辦法理解那些數字代表怎樣的意義。他們明明有90分以上的實力，聽起來卻只有70分。

自然而然地，我在分組作業中承擔起統整報告的工作，不只要放進每個人的貢獻，還要說一個邏輯連貫、有說服力的故事。
在資工系，我感覺自己的語言表達能力算是突出，好像比同學們更擅長定義問題和分析推論。而我當時也認為這些是做學術研究、寫論文的重要能力。
btw我其實挺享受做投影片的，常常浪費很多時間在那邊調字體和排版。噢，我果然很「前端」是嗎？

ChatGPT出現之後，跟別人聊起這段，我常常都說「我就是大神朋友們的GPT」。