日本泡沫經濟催生的程式語言──「Ruby之父」松本行弘專訪
日本泡沫經濟催生的程式語言──「Ruby之父」松本行弘專訪
2016.12.06 | 人物

「Matz is nice so we are nice!」在Ruby社群中,流傳著這樣一句話。而Matz,指的就是發明Ruby的日本程式設計師松本行弘(Matsumoto Yukihiro)。

飄雨的午後,松本行弘一臉溫和笑容來到約定地點。儘管在程式領域的地位崇高,但松本行弘無論面對社群還是媒體,態度都非常隨和親切。假如除去頭銜,今年51歲的他,看起來就是個好脾氣的鄰家大叔。不過,他說自己從小就是個「奇怪的孩子」,不愛聽大人指示也不從眾,只做真心喜歡的事。「如果大人說,『大家都這麼做了,你也應該這樣做。』我就會想,就算大家都做了,那也跟我沒關係呀。」原來,在世界聞名的「nice」背後,還藏著些許叛逆。

「我12歲的時候,爸爸買了一台電腦回家,那是我第一次接觸電腦。」松本行弘的父親在販售建築資材的公司上班,雖然工作內容和程式設計一點關係也沒有,但父親卻對各式各樣的電子裝置都很感興趣,喜歡買回家鑽研。

家裡小孩多,但是只有他一人對電腦一見鍾情,「那些機器最後卻都變成我的玩具了,」松本行弘笑著回憶。當時的他,只會照著書上的步驟輸入程式,第一個寫出來的程式還是實用性很高的算錢,「比方說我手上有一筆錢,要用多少張鈔票和多少枚百元銅板才能湊出這個金額?說實話不怎麼好玩啦。」真正開始動手寫,則是到了15歲那一年。

松本行弘_20161201_蔡仁譯攝-4.jpg
圖/ 攝影/蔡仁譯

熱愛科幻小說的程式少年

對少年松本來說,程式就像是一個活生生的玩伴。「我覺得程式和小狗有點像,你可以叫它做這個、做那個,它聽得懂也做得出來。我那時候覺得,啊,電腦好可愛呀!」松本行弘比手畫腳解釋,「其他的玩具比如說腳踏車什麼的,你不會覺得它有生命,對吧?可是你只要教電腦做某一件事,它就會照著做,這讓我覺得它好像是活的。」他呵呵笑。

小說也是松本行弘的啟蒙老師。他說,自己小時候非常愛讀書,最喜歡年代久遠的科幻小說,像是艾西莫夫的機器人系列和愛德華‧艾默‧史密斯的《透鏡人》。高中時讀了美國作家山謬‧狄雷尼(Samuel R. Delany)發表於1966年的小說《Babel-17》,深深受到震撼,也埋下日後Ruby的種子。

這部小說的背景設定在未來,一場星際戰爭中,其中一方發明了名為「Babel-17」的語言,而敵人學了這一種語言之後,個性和思考方式也跟著改變,反而成為己方叛徒。「雖然小說裡講的是人類的語言,不是程式語言,不過我那時覺得,語言這東西真是有趣啊,竟然能夠影響人心!如果我也能創造出一種語言該有多好。」

松本行弘認為,語言具有改變性格的力量。「學了Ruby的人,個性好像也會變得不太一樣耶!」他大笑。「比方說我們喜歡簡化事情,討厭複雜的步驟,希望可以輕鬆得到結果。一件專案如果可以用10行程式寫完,就不會想要用100行寫完。」

人生低潮反而催生Ruby

1990年,松本行弘從筑波大學資訊科學系畢業後進入職場,原本滿懷著雄心壯志進入軟體開發公司,負責內部用軟體開發,卻不巧遇上了日本泡沫經濟破裂的年代。

由於大環境景氣差,公司取消了這項專案,也不再開發新軟體。原本30人的團隊瞬間被解散,只剩他和另外一位工程師留下來維運,偶爾接接電話、回答問題。坐冷板凳的日子實在不好過,「我明明是工程師,卻沒辦法開發新軟體,因為公司賺不了錢。然後平常就算有電話打進來,我也不知道該怎麼回答,只能跟對方說:『哎呀不好意思,不然,你把電腦重開機試試看吧!』」他笑,「那時真的非常閒,完全沒事做,主管也不管我們。所以我就想,不如自己來寫一些東西吧!」

人生的低谷有時其實是禮物。誰也不知道,這段抑鬱不得志的時光,竟然意外孵育出Ruby。

1993年,松本行弘著手編寫Ruby,並在兩年後公開發表。由於出自日本,Ruby剛開始拓展的速度沒有那麼快,但隨著網路上的英文資料越來越多、Rails框架跟著出現,不只影響力越來越大,包括Twitter、GitHub、Twitch、Airbnb等知名網站都是以Ruby on Rails建構而成,社群發展也非常活躍。

松本行弘_20161201_蔡仁譯攝-7.jpg
圖/ 攝影/蔡仁譯

Ruby的成長,其實也跟自由軟體的特性有關。松本行弘說,大學時代最喜歡的程式語言是1985年問世的物件導向程式語言Eiffel,「但現在已經不太有名了。」松本行弘認為,程式語言能夠廣為流行的關鍵並不在本身設計好壞,而是在於社群發展是否夠蓬勃、使用者是否夠多,由於Eiffel並非開源,因此也影響到傳播範圍。

不過他強調,當年純粹是因為在學習過程中接觸很多自由軟體,基於回饋的心情,很自然地以自由軟體方式釋出Ruby。「現在想想,正因為是自由軟體,Ruby才會被這麼多人使用、社群很活絡。雖然我一開始並不是因為想讓Ruby聞名天下才這麼做的。」

程式教育的重點是自發性學習

程式設計納入義務教育成為全球潮流,不只台灣將在兩年後上路,日本也預計在四年後實施體驗式課程。不過,從小玩電腦、現在家裡又有四個孩子的松本行弘認為,重點是要讓小孩自發性學習,否則會造成反效果。

「大人讓孩子學程式設計時,心裡總會有各式各樣的期待。例如覺得現在教小朋友寫程式,以後社會上就會增加很多工程師,有很多人可以做軟體開發什麼的。可是老實說,我認為這件事不太可能發生。其中一個原因是師資培育時間不夠。」他認為,程式設計雖然有趣,可是現在能將程式設計的好玩之處傳授給孩子的老師並不多,需要長期培養。此外,有些孩子就算不刻意教,也會對程式設計有興趣,有些孩子則是需要學校提供接觸程式的機會,松本行弘認為,學校只要提供好的體驗,讓孩子覺得程式設計很有趣、「電腦很可愛」,就夠了。

其實松本行弘的四個小孩,沒一個對程式設計有興趣。但他不以為意,只開玩笑說:「好像有點可惜齁,可能我不是好老師吧,哈哈!」當年不愛聽大人話的他,就算成了父親,也堅持要讓孩子長成自己喜歡的樣子。

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓