AI 時代的資源工程教育：跨領域工程最適合培養未來 AI 人才

有一天，一位學生問我：「主任，AI 這麼厲害，以後還需要資源工程師嗎？」

這是一個很好的問題，也是一個這一代學生無法迴避的問題。現在的 AI 可以幫我們整理文獻、寫程式、分析資料、建立模型，甚至提出研究方向。以前研究生花好幾天整理的資料，現在 AI 幾分鐘就能完成初稿；以前需要慢慢摸索的程式，現在 AI 可以一步一步協助修正。於是很多學生開始擔心，如果 AI 越來越強，那人還剩下什麼價值？

我的回答很直接：資源工程不是 AI 容易取代的領域；相反地，資源工程是最適合運用 AI、也最適合培養 AI 時代工程人才的領域。

原因很簡單：資源工程本來就是跨領域工程教育。

資源工程不是只學一種技術，也不是只面對單一產業。它同時連結地質、地下水、地熱能源、二氧化碳地質封存、地下儲氫、礦物材料、陶瓷工程、資源再生、循環經濟、資源管理與永續發展。學生在資源系所學的，不只是某一門專業知識，而是如何在不同知識之間建立連結，如何把自然環境、工程技術、材料製程、產業需求與社會責任整合起來。這種能力，正是 AI 時代最需要、也最不容易被 AI 取代的能力。

AI 最擅長的是處理資料、尋找規律、加速運算與產生建議；但 AI 最不擅長的，是理解真實世界的複雜脈絡。它可以讀取一張地質圖，但無法真正站在山坡上觀察岩層裂隙；它可以分析地下水資料，但無法親眼看過抽水試驗後水位如何變化；它可以預測材料性能，但不知道粉體團聚、燒結氣氛、晶粒長大與孔隙殘留如何影響實際產品；它可以判斷廢棄物中可能含有高價金屬，但無法單獨決定回收流程是否安全、經濟、低碳且符合環境規範。

這就是資源工程的不可取代性。資源工程面對的不是乾淨、完整、標準化的資料，而是真實世界中不完整、不確定、會變動、充滿限制條件的工程問題。AI 可以協助我們看見可能性，但不能替我們完成工程判斷；AI 可以加速搜尋答案，但不能保證答案正確；AI 可以產生建議，但不能替人類承擔決策責任。

因此，AI 在資源工程中的角色，不是「替代者」，而是「槓桿」。

想像一個情境：一組學生使用 AI 分析南部某地的地質、熱流與地下水資料，模型告訴他們：「這裡可能適合地熱開發。」如果學生只會使用 AI 分析，他們可能會說：「模型預測成功，我們找到答案了。」但真正受過資源工程訓練的學生會繼續問：地層是否有足夠的滲透率？斷層是否可能造成風險？地下水系統是否會受到影響？鑽井成本是否合理？附近居民是否能接受？長期監測如何設計？如果資料不完整，模型的不確定性有多大？

再想像另一個情境：AI 告訴學生，某一批廢棄電子產品中含有可回收的銅、鎳、鈷、鋰與稀土元素。這看起來是一個很好的循環經濟機會。但資源工程師不能只看金屬含量，還要問：如何破碎與分選？用濕法冶金還是火法冶金？藥劑會不會造成二次污染？回收成本是否低於市場價值？碳足跡是否真的比原生礦開採更低？剩餘廢液與殘渣如何處理？這些問題同樣不能只靠 AI 回答，而需要資源再生、材料分離、環境工程、經濟評估與法規知識共同判斷。

所以，資源系不是一個「被 AI 挑戰的傳統科系」，而是一個「最適合 AI 時代的跨領域工程科系」。

未來的 AI 人才，不會只是會寫程式的人。真正有價值的 AI 人才，是懂得把 AI 放進真實問題中的人。醫學需要懂 AI 的醫師，法律需要懂 AI 的法律人，金融需要懂 AI 的分析師；同樣地，能源轉型、關鍵礦物、循環經濟、碳封存、地熱開發與先進材料，更需要懂 AI 的資源工程師。

這也提醒我們，AI 時代的資源工程教育，不能只是多開一門程式課，也不能只是教學生如何使用 ChatGPT 或機器學習工具。真正重要的是，把 AI 融入專業課程與實作訓練之中。例如，在工程地質與地下水課程中導入資料分析與預測模型；在地熱與碳封存課程中加入數值模擬、感測資料與不確定性評估；在礦物處理與資源再生課程中導入機器視覺、自動分選與流程最佳化；在陶瓷與功能材料課程中導入材料資訊學與機器學習輔助配方設計；在資源經濟與管理課程中結合 ESG、生命週期評估與數據驅動決策。

如此一來，學生學到的 AI 才不是抽象工具，而是能解決真實資源問題的方法。

資源系的跨領域訓練，正好符合未來 AI 教育的核心精神。AI 時代最重要的能力，不是背最多知識，而是能提出好問題；不是直接相信模型，而是能檢查模型；不是只會產生答案，而是能驗證答案；不是只會單一技術，而是能整合多種知識，做出負責任的工程決策。

過去，許多人聽到資源工程，可能只想到礦山、石油或傳統工業。但今天的資源工程，已經站在淨零轉型、地熱能源、二氧化碳封存、地下儲氫、關鍵金屬循環、半導體材料、精密陶瓷與永續工程的交會點。這些領域都需要 AI，但更需要懂得資源、能源、材料、環境與管理的跨領域工程師。

如果用一句話說明 AI 與資源工程教育的關係，我會這樣說：

這就是人無法被 AI 取代的地方。

學生不必害怕 AI。真正需要害怕的是，自己只會等待答案，而不會提出問題；只會複製結果，而不會檢查依據；只會使用工具，而沒有專業深度。AI 時代最有價值的人，不是比 AI 記得更多的人，而是能夠提出好問題、整合跨域知識、理解現場限制、驗證模型結果，並做出負責任決策的人。

資源工程教育的使命，正是培養這樣的人。

未來的資源工程師，手上會拿著 AI 這支更長的槓桿，但腳下必須踩穩工程科學、現場經驗、跨域整合與永續責任這幾個支點。只有這樣，我們才能用更聰明的方法探索地下資源、開發永續能源、設計高值材料、推動循環經濟，並在資源利用與環境保護之間找到新的平衡。

AI 不會取代真正的資源工程師。

但會使用 AI、懂得 AI、也能駕馭 AI 的資源工程師，將會取代不願意學習 AI 的工程師。

這不是威脅，而是一個機會。對今天的學生而言，資源工程不只是學一門傳統專業，而是學會如何在 AI 時代整合地球、能源、材料、環境與產業，並用 AI 放大自己的專業價值。資源系作為跨領域工程教育，正是最適合培養未來 AI 人才的地方。