南臺科技大學校長黃能富於「遠見高峰會」上分享推動實作型科技大學的經驗，強調人工智慧教育不應侷限於工具使用，而需結合專業領域進行跨域實務操作。他主張透過無程式碼平台與實務場域訓練，引導不同學科的學生運用人工智慧解決真實世界的問題。
推進專業與AI結合 打造實作型學習環境
在探討人工智慧（AI）浪潮對人才培育影響的論壇中，多位產學界代表針對組織變革與教學創新交換意見。黃能富指出，學校推動人工智慧教育的目的，並非要求所有學生都轉行成為專業的AI工程師，而是希望學生能在既有的專業技能上，加載運用科技解決問題的能力，達成「專業加上AI」的跨領域目標。
為了解決跨學科學習者面臨的技術門檻，校方建置了「AImaker」辨識模型訓練服務平台。該平台採用無程式碼（No-code）設計，讓不具備資訊或軟體背景的師生，也能輕鬆訓練影像與聲音辨識模型。無論是機械、商業管理還是健康照護領域，師生都能依據研究或課程需求，將人工智慧技術引進原有學科中，實現跨域創新。
重塑學習評量標準 導入產學真實場域
隨著科技工具普及，教學與學習評量方式也迎來調整。黃能富提到，未來的課程評量不再只看最終交付的報告或成果，而是更加重視學生在過程中如何定義問題、選擇合適工具、驗證生成內容的合理性，以及後續的修訂歷程。學習者必須具備批判思考與專業判斷力，並將資料安全與倫理規範視為應用的基礎。
此外，校方也透過多元場域結合產業需求，包括智慧微電網、生技發酵與食品應用等設施，並與在地產業協會合作，將企業面臨的實際營運課題納入課程專題。未來也規劃持續推動實體AI（Physical AI）的技術發展，促進演算法與實體裝備的深化整合。
給家長與老師
這項教育趨勢顯示，學習人工智慧並不等於死記複雜的程式語法。家長與老師在引導孩子時，不必過度焦慮是否要從小學習艱深的軟體工程。重點在於引導孩子養成發現問題的能力，並教導他們如何善用AI工具輔助思考。
在日常學習中，師長可以鼓勵孩子嘗試使用無程式碼工具進行小專題實作，並在孩子獲得AI產出的內容時，引導他們進行查證與邏輯批判，而不是全盤照單全收。培養「問題定義能力」與「內容驗證習慣」，將是孩子未來面對數位時代最關鍵的核心競爭力。
學習小教室
- 無程式碼（No-code）：一種不需要撰寫傳統程式碼即可開發應用軟體或訓練模型的方法。使用者透過圖形介面、拖拉模組或選單設定，就能完成系統建立，大大降低了非資訊專業者的學習門檻。
- 實體AI（Physical AI）：指將人工智慧演算法與實體硬體（如機器人、無人機、智慧感測器或工業設備）相結合的技術，使AI系統不僅能在數位世界運算，還能對物理世界進行感知、互動與控制。
- 運算思維（Computational Thinking）：一種解決問題的思想體系，包含拆解問題、找出規律、抽象化與設計演算法步驟。學習運算思維能幫助學生釐清邏輯，不論是否學習程式語言都能受用。
常見問題
什麼是「專業加上AI」的學習模式？
指學生以原本的學科領域（如機械、護理或商業）為核心，同時學習如何運用人工智慧工具來輔助分析問題與優化工作流程，而不是放棄原本專業改學軟體工程。
孩子沒有資訊技術背景，也能學習AI應用嗎？
可以。現在有許多「無程式碼（No-code）」工具與視覺化平台，不需要撰寫複雜程式碼即可進行模型訓練與資料分析，重點在於邏輯思考與問題定義。
在AI輔助學習的趨勢下，評量學生的標準有什麼改變？
未來的學習評量不再只關注最終產出的解答，更看重學生如何拆解問題、選用適當工具、驗證生成內容的正確性，以及修正過程中的批判思考能力。