專訪台大教授陳倩瑜：用人工智慧建立台灣基因資料庫

與其糾結什麼樣的工作適不適合女生，我們應該對自己說：「若喜歡，能力又夠，就是適合。」

2009年，台灣魔圍棋程式MoGoTW與職業九段的棋王周俊勳，以三局九路對弈當中，棋王飲恨一局。而在2016年，被英國人工智慧公司DeepMind 開發的程式AIphaGo AI打敗的南韓圍棋棋王李世乭，在接受媒體訪問時說，因見識到無法被擊敗的AI，促使他有了退休念頭。

陳倩瑜在AI這條路上，則是越走越深。國立台灣大學生物機電工程學系教授陳倩瑜，也是台灣AI Labs的基因團隊夥伴。近二十年來，致力鑽研以AI了解生命科學，透過有效的資料分析，產出對未來的醫療及農業都有所幫助的研究結果。

「人類未來可以根據自己的基因，選擇預防或聽天由命。」

「過去二十年，生物資訊的資料量已累積得相當驚人，已不是一個人用眼睛看，或單純用Excel整理就能完成分析。」陳倩瑜說。

生物技術在近年有突破性的發展，生物學家不再像以前一樣，一輩子只研究一種蛋白質或一種基因，現在的技術，已可同時看到上萬個基因或其於個體中的各種變化，包括隨著身體機能的成長衰退，分子如何產生不同的行為。

「因此，透過資訊技術的幫忙，通過資料分析，把資料變成有意義的資訊，再變成知識。整個抽絲剝繭的過程就需要AI的技術，當資料轉為有用知識後，對整個醫療、農業、產業、經濟，都會帶來大幅影響。」

例如，存在於生物體中的蛋白質，本來很不容易觀察到，除非做一些耗時的實驗，去年開始，AI突破性地做到了，所有蛋白質結構都可以用電腦算出來，甚至整個生命科學都受到動搖。 

陳倩瑜說，研究最後都會來到一個關鍵點，DNA的改變如何影響個體行為？不限物種，某些方法一旦做到，它不是只有對人類有幫助，對細菌、病毒的所有蛋白質結構預測都可獲得。

例如，人類的DNA受損時，會產生疾病，在研究上，就會透過AI演算觀察DNA分子發生突變時，生物系統如何運作？問題是如何發生的？如何預防治療？發生時有沒有什麼方法挽救？例如，為什麼有些昆蟲攝入農藥會死，有些不會？為什麼有些疫苗對某些人有效，某些人無效？為什麼有些生長於高海拔的動物有某些身體特徵？這些問題，透過AI分析DNA的資料，都有機會獲得解答。

「我們的研究，若能對疾病風險有更深入的了解，就能幫助人們選擇預防，或者選擇聽天由命。現在已經來到一個時間點，人類未來可以根據自己的基因，事先知道吃這藥對自己有效或無效，就能選擇。」 

「永遠不要放棄尋找什麼是適合你的，就像尋找伴侶一樣。」 

繁雜的研究過程相當耗時，且每個專案通常都會遇到困難，若不是由衷熱愛，恐怕很難一走二十年。

「其實，我從小是學音樂的。」陳倩瑜笑說，雖然在表演上沒有表現得很好，但在充滿邏輯的「樂理」上卻覺得充滿趣味。而一方面因為手不夠大，在樂器的學習路上感到挫折；另一方面，國中後，她在數理上的表現開始比一般人好，國二後，她就轉到普通班，一路參加比賽、考試，保送台中女中。 （相關報導： 「子宮是每個人都待過的地方」：她在大學開了一門月經課 ｜ 更多文章 ）

考大學時，很多同學要考醫科，但，當時的她，覺得生物是個要「背」的科目，她喜歡的還是具邏輯思考性的數理。因此，後來選擇了台大電機工程學系。 

畢業後，出國攻讀史丹佛大學電機工程學研究所，回國後的她，一直以為，自己的未來就是當工程師。回國後，她先在硬體IC設計廠服務，沒想到，這份工作成了她人生的重要轉折。

「我發現自己無法每天到一個固定的地方，重複做類似的事，卻不再常有新東西學習。那時我才發現我很喜歡學新東西，把消化完的資訊跟大家分享，透過分享我能從回饋中得到快樂。求學過程當助教時我似乎就有這特質，只是當時我並不知道。」

工作一年後，她決定辭職，回到校園繼續進修，當時，她觀察到未來社會對軟體工程師有大量需求，上百萬的電晶體設計不只是靠聰明的腦袋，還加上很好的軟體，因此，她後來選擇攻讀台大資工博士班，結合軟體與資料分析，從此踏上資料科學的道路。

在攻讀博士的過程中，她接觸了分子生物學這門知識，發現透過量測、進入系統、再把模型建立後做預測的過程⋯⋯原以為靠死背的生物對她而言變得很有趣，並且把數理一起整合了進來，兩件事搭在一起，成了她想探索的新領域。

「我感覺自己真正的學習是從那時開始——更明確去追尋自己想要的，從被動轉為主動學習。並非每個人都要從職場回到學校念書，但我鼓勵每個同學，應意識到你的學習不會在某個階段就結束，人生要學習的還非常多，找工作也不需要一次到位，永遠不要放棄尋找什麼是適合你、你也喜歡的工作，就像尋找伴侶一樣。而這一切不會從天上掉下來，一定要嘗試才知道。」

於是，原本只想將來在中小學當老師的她，發現了學術研究的樂趣，也享受在一個問題上持續深入鑽研的過程。畢業後，就持續往這條路上走去。 

「有時你得跟他們一起，在不懂的狀態中痛苦，然後陪著他們走出來。」

除了研究之外，陳倩瑜也投入於教學，為台灣栽培出機器學習的相關人才，尤其是關於生物醫學相關的研究，一直是最欠缺的。

她的教學求新求變，且常是許多學生口中能助其「找到方向」的好老師。 陳倩瑜專精的教學領域是生物資訊、資料探勘和機器學習。一連串的名詞聽來生硬，她以平易近人的方式解釋。

她也注重將理論化為實作的部份。例如，探討癌症治療為什麼對有些人有效？有些人無效？因為癌症是跟時間賽跑，一旦知道治療方法對哪些人有效，就能事前預測，拉長治療的時間。同學自己藉由公開的資料，做出應用分析，最後再拿出具體證據說服他人。整個過程需要應付各種軟硬體的挑戰，一整個學期下來，能力都有明顯的躍升，無論是前段資料的搜集處理、分析完要做資料庫及網頁呈現，要用什麼形式發表⋯⋯陳倩瑜認為，都是重要的能力。

「在實作的過程中，很多聽起來原本感覺不可行的，常在過程中意外地有新發現。」例如，曾有修課同學拿穿山甲在野外意外死亡後的檢體，想探討台灣穿山甲的DNA與中國的穿山甲有無差異？生長於台灣南北的穿山甲又有無不同？她本不期待一個月內能看到什麼具體成果，而當實作後，在資料分析中發現南北真的有差異。「在小小的課堂上看到這種驚人的結果時，通常都會帶來很大的成就感。」 （相關報導： 「子宮是每個人都待過的地方」：她在大學開了一門月經課 ｜ 更多文章 ）

當然，大部份的時間，她還是在幫同學建立起前段的基礎能力。

她也觀察到，隨著時代進步，現在的教學法也不能再像從前一樣單向式地給予。「現在線上課程很普及，要什麼材料都可以取得。以前我們能接受按步就班、長時間的學習步調，但現在不要說學生，連老師可能也無法。現在光透過網路，你就能學會做出一個專案。學位也不見得重要，只要做得出來，業界就會用你。這徹底地改變了師生關係，在這樣的前提下，我們要如何留住學生的課堂注意力，變成一大課題。我有時就會讓同學轉換成主動式學習，他自己上網學習，有問題我再跟他解釋，幫他建立能力，我會把這部份的自由度留給學生。」

「適不適合女生？」「若喜歡，能力又夠，就是適合。」

身為女性，在男性同行更多的AI領域，是否有遇到性別問題？

陳倩瑜說，很多人問過她這個問題，她自己一直覺得沒有。她回想，當年的電機系女生本來就少，資訊產業也是男性多於女性，產生這差異的原因很多——但她認為，一旦選擇進入這領域，影響就會變小，甚至，女性的優勢會高於男性。她舉例，女性在申請學校或工程師的就業機會，成功機會遠遠超過男性；而二十年前，自己是系上第一個女老師，現在已經有四個了。

「我相信各工程系所的女生應該都有變多，也許還沒有到一比一，但確實有愈來愈多的趨勢，我相信整個社會一直是在朝性別平等的方向在前進。」

有些家長也許會認為女生適合做什麼、不適合做什麼，但她的父母從來沒有對這方面給她任何框架，她非常鼓勵年輕人及父母改變思維，不需要太糾結什麼樣的科系或工作適不適合女生，一件事要不要投入，年輕人該問問自己，「若喜歡，能力又夠，就是適合。」

陳倩瑜如今身在一條漫長的道路上。資訊分析需要很長的時間累積，成就感不容易短期達成，但，她說自己持續努力的動力在於，這樣的AI未來很可能對人類產生重要的幫助。也許有一天，基因資訊會在醫療診間被使用，醫生會參考每個人的基因開最適合的藥，而非統一用藥。 （相關報導： 「子宮是每個人都待過的地方」：她在大學開了一門月經課 ｜ 更多文章 ）

「很多東西無法立竿見影，但回過頭來才會發現，當初某個動作很關鍵，我們現在在累積的，就是那一個個可能的關鍵動作。國外一直走在我們前面，我們希望持續在台灣建立屬於我們自己的系統和資料庫，培育出更多的人才。」（完）