今天公司邀請Ptt來演講，在這邊做個筆記。
為什麼建立ptt會成功?
當初學網剛出來，他就拿open
source的東西在玩，
覺得好玩就架了ptt。(做別人沒做過的事，而且是要第一個做)
在1995的年代，父母親會說，怎麼會把時間都放在網路上?
被嘲笑、批評也沒有關係，重點是經驗。
另外一點是，要先在有錢挹注的環境先練習，類似一個培養皿上面做事。
這樣第一手經驗都是自已的。
後來去美國微軟發展。
剛到美國，有些工作要求美國公民，甚至要身家調察到符合安全。
如何進去這樣子的工作? 缺少資格的話，就先做你認為對的事情。
重點是把技術應用在一個專門的地方。
到後面碩士跟PhD學歷只是保證你不會被人事過濾掉。
人家會問你之前實際做過了什麼。
為什麼要回台灣?
沒有明講，只是說對台灣有深厚的感情。
希望把小孩留在美國接受Informative的教育，而不是台灣的填壓式教育。
軟體工程師在乎的是環境，因為軟體的移動性很高。
到哪裡做都一樣，只要有網路跟雲就好。
剩下的就是考慮生活環境的問題。
其實不管是軟體工程師，其它的工作也一樣。
要善待人才。
在微軟做過許多項目，其中Cortana是比較多可以講的。
Cortana就是微軟的Siri。
語音辨識不是AI，裡面沒有智慧的東西。
重點是東西做出來之後，如何幫助傳統產業把問題解決(最後一哩)。
機器要徹底了解人的潛在需求。
Apply to
business logic.
微軟幫麥當勞做自動點餐系統(得來速)
一個人對著麥克風講，系統就邊講邊分析(展開語意樹)，自動點餐。很酷。
OS
不重要，重要的是一個對的體驗。
做對體驗，全世界就會跟著你轉。
去想如何增進自己周圍的使用體驗，是一個最好的練習機會。
不是說有了搜索引擎就不用背書。
不是說有了人工智慧就不用判斷。
不是說有了掃地阿姨就不要老婆。
瀏覽器廣告
擋廣告的人就是各大廣告商想要找的對象。
尤其是找出對的廣告來推銷。
提到大數據。
資料只要夠多就好，過多的資料只會造成over fitting 。
提到台灣是不是有人才可以做AI。
台灣的大學，有高質量的教授與實驗室可以培養人才。
是不是人口多才可以做AI?
新加玻都要投錢做AI了，人口少不是問題。
做AI不是為了只是某個問題而已，而是要用想像力去看整個面向的事情。
總結
Big data
Model
Experience
團隊有在找人，不過他不想找VC，不想要有老闆(自由無價)。
提問
一個講話都不太清楚的老頭:「你知道最近的補教業的事情嗎? 如何看待這裡面的Disorder?」
筨:知道，我有看八卦版(笑)。
正反兩面都有辦法闡述意見時，其實就是好的。
因為在Ground truth 不知的情況，就不知怎麼做Leveling 。
完
