[洪士灝]資訊通識教育以及計算思維的教學法|數位時代 BusinessNext

原文刊載於洪士灝教授Facebook，《數位時代》獲授權轉載。

資訊通識教育以及計算思維怎麼教呢？我很擔心有人把程式設計課本的每個章節拿出來，簡化一番就拿出來教了。現在的程式設計課，很多大學生都學不好，我想如果把簡化版拿去教中小學，恐怕也是問題重重。

國外在這方面進步得很快，我們不妨來參考一下Google在這個「Exploring Computational Thinking (ECT) 」網頁上所提供的教學影片。

這些教學影片都很簡短，每個影片用通俗語言來解釋一個概念，採用大量的實際世界的範例和日常接觸到的電腦用語，幾乎不用任何術語，目的是很清楚地讓不懂資訊科技的聽眾理解概念。

舉例來說，有一段標題為「Improving the World’s Videos with Algorithms and the Internet」的影片，解釋如何以演算法和網際網路來改進影片的品質，聽眾不需要懂什麼影像演算法，也不需要知道什麼以太或4G網路。看完影片後，聽眾還是不會寫程式，但是應該能夠理解演算法和網路以及資料中心在實際世界中對影片的作用，以及從作用中摸索其意義。

我個人認為，計算思維中最重要的概念之一，是能夠將計算「抽象化」與「具體化」的能力，例如與影像相關的演算法那麼多，我不需要知道各種演算法長得什麼樣子，但我知道影像壓縮演算法可以幫我省下傳輸時間，影像辨認演算法可以幫我了解影像裡面有什麼物件（以上是抽象化），而這些演算法早已經有聰明的專家實作出來，我們可以透過網際網路，利用資料中心的雲端服務來使用這些演算法（這是具體化）。

至於如何「透過網際網路，利用資料中心的雲端服務來使用這些演算法」呢？想知道的話，就去學寫程式吧！實際上，在某些系統上很可能短短幾行程式就描述了這件工作，學生只需要理解語法，用語法表達想法，將要做的工作描述出來。至於有沒有必要知道這些演算法長什麼樣？我覺得除非想當專家，否則根本不必學。

我想，會寫程式不代表一定懂計算思維，所以要教資訊通識或計算思維的教師，應該要多參考已有的教材，例如Google這裡有個給「教師」去了解計算思維的線上課程（Computational Thinking for Educators），修課者不需要程式設計的基礎，只需要會使用瀏覽器，花費15-30小時。當然，這類課程也頗適合想瞭解所謂的計算思維的一般人。

反過來說，懂運算思維不見得會寫好程式，那又如何？話說寫程式也只是初步，資訊世界還很寬廣，如果懂得資訊世界的運作，心中有運算思維之後，或許有人會想閱讀程式去更加理解資訊世界，或許有人會想學習用程式設計改變周遭世界，或許會想改進資訊系統的架構，或許會想到新的應用、新的商業模式，或許會用計算思維去解決各類學術研究上的問題⋯⋯

所以，我不是說不要教程式設計，而是不希望過於強調程式設計而框限住學習內容和未來的發展性。還有， Google提供的資料，可能比較強調他所在意的東西，所以也需要多參考其他的資料才好。

延伸閱讀：高中資訊科技試卷連考20題人名惹議，翟本喬：全部答對者，絕不錄用

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。