【校園生醫大師】陳倩瑜:「因材施教」 資訊分析能力

2021/02/13
【校園生醫大師】陳倩瑜:「因材施教」 資訊分析能力
許多生物資訊的學生,初衷都是希望能對人類的疾病、或是生命科學有所貢獻。但現實面是,如果沒有兩個領域的知識與各種工具技能的累積,要有所貢獻是有困難的!你必須勿忘初衷,否則很容易放棄。

Special Report | 專題報導 2020年 Vol. 79

用生物資訊開發更好的使用「工具」

【校園生醫大師】陳倩瑜:「因材施教」 資訊分析能力

撰文/吳培安

校園生醫大師小檔案»

職稱» 臺灣大學生物機電工程學系教授
受推薦原因» 因材施教
研究專長»生物資訊、資料探勘、機器學習


陳倩瑜投身生物資訊領域20年、致力於教學與研究,開授課程包括:電子學、結構生物資訊學、數位電路設計、生醫資料探勘,同時也涉獵基因序列組裝、次世代定序(Next Generation Sequencing, NGS)和基因體醫學。

由於生物資訊橫跨了「生命科學」和「資訊工程」兩大領域,如何針對學生不同背景「因材施教」相當重要。無論是在課堂上、或是研究室裡,她常常有生物背景跟工程背景的學生,甚至是醫師來攻讀研究所。

AI大數據既是突破 也帶來門檻

陳倩瑜表示,世界掀起AI、大數據熱潮的引爆點,是2016年3月Google DeepMind開發的電腦圍棋軟體AlphaGo,以四勝一敗的成績擊敗韓國棋王李世乭,當時許多前輩都詫異地說,「那是我們以為有生之年不會看到的事情。」

「然而,AlphaGo一役成名並不是瞬間發生的事,而是更快演算法、更強運算能力的電腦、以及累積的大量數據,這些醞釀了十幾年的進步,造就了2016年AI的水到渠成,世人也在那時才驚覺,人工智慧竟已發展到如此地步。臺灣也差不多在那個時間點開始積極發展AI。 」

那些過往被認為無法解決的問題,現在可以重新檢視,科學界也開始一面累積資料,一面尋求足夠的演算法和運算資源。

「所有人開始意識到,世界已經進入AI時代。世界突然產生非常多的資料,規模大到如果研究人員沒有能力處理,就會被資訊障礙所阻擋。就像近年許多企業如果不AI化,就會面臨競爭力下滑的危機。」

因材施教:跨領域教學的必然課題

因此,不僅大學部學生,也有越來越多生命科學背景的研究人員,以及想投入精準醫療、創新醫療科技的醫藥人才,紛紛投入生物資訊領域。

陳倩瑜表示,跨領域的學生在同一間研究室裡,最有趣的是在互動過程中,有各自獨特的地方。但她也坦言,課堂上的同學來源越複雜,同樣東西常一不小心講太難或太簡單,必須不斷在學生的回饋中尋找平衡點。

「生物背景的學生,往往會遇到微積分、工程數學、微分方程和線性代數,以及對程式語言不熟悉的障礙。特別是如果沒有接觸過程式語言,想要獨立做資料分析時,就會遇到很多『洞』要補,每個人的『洞』大小也都不一。」陳倩瑜說。

因此,在多年教學過程中,陳倩瑜需要不斷調整講課的方式,觀察學生的理解程度。「學生願意問問題時,就可以知道他們的癥結點,再嘗試用不同的方式去解釋。這也是我的成就感來源之一。」她說。

此外,陳倩瑜也很重視學生是否有自己的學習計畫,因此在收研究生時,都會先透過訪談了解他們會什麼、不會什麼,以及他們想要達成的目標程度,再告訴學生他需要補足什麼。

陳倩瑜表示,當她看見生物背景的學生在她這裡,學習到原本做不到的資料分析能力時,也會讓她很有成就感。「擁有這樣的技能,畢業之後,全世界就有各式各樣的資料庫等著他使用。」 

生物資訊核心仍是「工具」

「未來,當他們遇到問題時,就有多一種可能的解決方式。而這些後輩的進步,其實就代表著這個領域的進步。」她說。

不過,陳倩瑜也表示,雖然生技領域是跨領域的學習,但核心本質還是工程。

「我一直向學生強調,生物資訊的核心能力仍然在處理資料、資料工程、寫程式和設計演算法,只是專注於解決生命科學層次的問題;但實際上做的事情,是開發更好的『工具』給需要的人。」

陳倩瑜笑說,生物資訊學生畢業後,一般在資訊業都很好找工作,像是趨勢科技、華碩、台積電、聯發科,或是小型的新創AI公司都有。可惜的是,因為薪資落差的關係,學生後來習得的能力就沒有繼續用在生物上了。

陳倩瑜認為,產業界如果對「生物資訊」人才沒有需求,學校教育再花心力也沒用,所以,近年來她也和產業持續對話,希望產業能提供生物資訊的人才需求,這幾年也開始看到好轉。

勿忘初衷:知識的累積造就成功

陳倩瑜坦言,生物資訊領域跨了兩種領域知識(Domain knowledge),需要時間和經驗的累積,同時也要對各種工具有相當程度的涉獵,才有辦法達到某個境界。

「來生物資訊研究所唸個兩年碩士,其實能累積的技能,只是多了工程的技術,在生技產業裡,其實仍不會比別人多出什麼優勢, 所以,後來很容易轉往高薪的資訊產業去。」陳倩瑜說。

「很多人當初進入這個領域,都是希望能對人類的疾病,或是生命科學有所貢獻。但現實面就是,如果紮根不夠久,要在生物資訊領域上有所貢獻是有困難的!」陳倩瑜說。

「如果沒有記住投入生物資訊領域的初衷,隨著時間過去,你很容易就會放棄。」

陳倩瑜認為,AI在生技醫藥產業的應用,例如AI新藥開發公司,有機會為具備生物資訊專長的人才帶來高薪職缺。不過,這樣的職位通常也不會太多。

她表示,生技產業的薪資之所以無法提升,是因為大部分基層職位所需要的技能,很容易被取代;生技產業真正需要具備難以取代技能/經驗的職缺,實際上並不多。

「生技產業門檻很深,如果你的技能有辦法達到雇主真正迫切的需求境界,就有機會找到薪資門檻的突破點。」她說。

給學生的一句話»

許多生物資訊的學生,初衷都是希望能對人類的疾病、或是生命科學有所貢獻。但現實面是,如果沒有兩個領域的知識與各種工具技能的累積,要有所貢獻是有困難的!你必須勿忘初衷,否則很容易放棄。

>>本文節錄自《環球生技月刊》Vol. 79

相關商品
環球生技