哈佛大學教授梅利莎．戴爾拿過約翰．貝茨．克拉克獎（John Bates Clark Medal，俗稱小諾貝爾經濟學獎），是美國經濟學界聲譽卓著的學者。

鄭紹鈺參與的研究，為協助戴爾教授研究東亞經濟奇蹟的原因。戴爾教授在2019年開始自學AI，因為，許多東亞的歷史文件資料遠遠超越人工所能負荷的程度。

因此，戴爾利用了深度學習的技術，訓練AI有系統的將大量的歷史文件，轉換成社會科學領域可以處理的資料。戴爾教授的宏願，便是希望在不久的未來，能將研究過程中的苦工部份，以開源的形式由AI來處理。

經過幾年的深度學習，如今，她已經成為哈佛校內應用AI在研究領域的佼佼者，她所開設的碩博士班課程「如何應用AI做研究」名額才15位，卻擠入50位學生旁聽。

哈佛經濟學研究室開發許多AI工具，讓AI讀字並串接文本，省去人工成本

AI有很多種類型，鄭紹鈺解釋，他們主要的目標是將許多公司資料，處理成可研究的資料。

傳統研究方式是，對著一本一千多頁的公司資料，必須請多位研究助理協助將紙本文章打成資料，現在不用了。

「我們開發很多AI工具，像是OCR光學辨識檢測，將紙本印刷字讓電腦可以讀取，也自己開發視覺模型，讓AI能夠讀字，準確率高達99.5%。」

鄭紹鈺說，儘管他們是經濟學研究室，卻愈來愈投入電腦科學的應用，甚至還跟老師聯名投稿CS領域的論文。目前，他們實驗室已經應用上OpenAI所開發的GPT4的類似技術CLIP，同樣是針對文字跟視覺資料，進行大規模的文本串接。

最新的研究內容還暫時不能透露，但鄭紹鈺說，它們串接的資料像是日本的戰後三大財閥，三井、三菱、住友，「找出不同公司彼此之間的供應鏈，一口氣串接起來，」這些都是過去的技術做不到的，「像是美國政府在做普查資料，他們曾經想要串接，但他們目前的成功率只有20%，我們現在日本資料的成功率準確率已經高達95%。」

台灣學界應用AI不多，應鼓勵非理工科系的人來應用AI

回顧以往在台灣學術界的經驗，鄭紹鈺表示，其實AI的相關討論一直都比較少，不論是生醫、歷史或文學，「在哈佛他們每天都在討論AI怎麼應用，但台灣學界就相對少看到。」

與其擔心、禁止，不如學習。為什麼？因為AI其實並沒有想像中那麼困難。

鄭紹鈺坦承，他本來是AI門外漢，但去年6月開始閱讀AI領域最新的研究論文，迄今已可熟稔應用AI在研究之中。

「像我就是從2020年的論文開始看起，就能從頭學起，並不是特別困難。」如今他也能應用AI協助自己，像是在撰寫程式方面，ChatGPT就幫了他很多忙。

他表示，他的一位印度同事本來寫程式就很厲害，現在他跟ChatGPT一起協作，本來要兩個星期的進度，一天就弄完了。

相較於哈佛人人熱中應用AI研究，對於台灣目前的學術環境發展，鄭紹鈺是擔憂的，「很多哈佛的人其實並不一定比台灣理工人還要優秀，但我們目前要煩惱的，是該怎麼鼓勵非理工科的人來應用AI？哈佛他們人文領域的AI應用就很強。」