台灣大砍公教人員的退休年金，立刻就發現公立大學的教授都在被砍之列，擔心優秀教授出走，並且再也聘請不到高水準教授，教育部趕快推出一些方案替優秀教授加薪，其中最受矚目的是玉山學者計畫，被評為「玉山學者」的高科技頂尖人才可以獲得650萬年薪，逼近美國一流教授的薪資。教育部這樣的大動作很有魄力，真有助於大學的高科技研究嗎？
玉山學者的年薪650萬，大約是一般優秀教授年薪(包含主持研究計畫等所有收入)的三倍以上，這樣異乎尋常的高薪面臨兩個問題：首先，如何評定選拔玉山學者？其次，這樣的高薪大概不可能是長期、無目標的，總要看任職的表現而定，如何評定玉山學者的任職表現？兩個問題是同一問題，如何評定高科技頂尖人才？台灣一般是請國外的頂尖人才協助評定，這裡的一個問題是，國外的頂尖人才是否了解台灣的需要？更困難的問題是，人才的評定只能根據過去的表現，高科技領域變化快速，頂尖人才過去有頂尖表現，但是未來未必還會有頂尖表現。換言之，玉山學者的投資並不容易立竿見影地回收，以下舉國內外的兩個例子，呈現這樣的困難。
廣受尊敬的李家同教授是人工智慧的早期開拓者之一，曾經出版人工智慧的教課書，但是他返台任教之後，幾乎不再研究人工智慧。人工智慧的早期研究偏重理論，被李教授和很多學者(包括筆者)認為不可能有突破而放棄，然而人工智慧卻是現在的大熱門，高科技領域變化的快速就是這樣，為何如此？以電腦下圍棋為例，早期的人工智慧希望每一步棋都完美無誤，因此理論上做不到；現代的人工智慧不追求每一步棋都完美，著重大量實驗，經由大量實驗改進棋步，終能贏過人類圍棋高手。早期的人工智慧偏重理論，現代的人工智慧雖也有理論，更著重大量實驗，專業偏重改變，因此早期的人工智慧頂尖人才很可能不再是現代的人工智慧頂尖人才。
荷蘭的E. W. Dijkstra在程式技術方面貢獻良多，1972年即獲得相當於電腦科學界諾貝爾獎的圖林獎(Turing Award)，1984到1999年期間被美國德州大學奧斯丁分校高薪聘為講座教授。但是他在德州大學期間，卻看不到有重要研究成果發表，也未見德州大學奧斯丁分校因他而有重大進展或排名提升。Dijkstra教授的例子在電腦或高科技界並不少見，現在的熱門重要領域，未來未必仍然熱門重要；一個熱門重要領域很快成熟，這個領域的頂尖人才換到新的熱門重要領域，未必仍是頂尖人才。
高科技領域變化快速，要投資在對的方向和人才有本質上的困難，因此常常是「有意栽花花不發，無心插柳柳成蔭」，Google、Amazon、阿里巴巴、騰訊等都是無心插柳柳成蔭的結果，高科技研究雖然和創業不同，仍有一些相似處，台灣要靠少數玉山學者發展高科技，恐怕不如改善整體的大學研發環境，整體研發環境改善自然會產生無心插柳柳成蔭。
留言列表
