在 AI 時代，教授網路原理仍比學習協定更重要
為何重要
本文從教育哲學切入，點出了當前 AI 應用中潛藏的「符號連結」風險：若開發者過度仰賴話語模型生成程式碼，卻缺乏對系統架構與物理約束的理解，將難以建立穩定的通訊基礎設施。這提醒產業界，無論 LLM 或多模型發展多迅速，具備系統思維與通訊原理底層素養的開發人才仍具有不可替代性；開發教育工具與課程時，若只能生產偵測不易的程式碼黑箱，未來在處理 Edge Device 或 Critical Infrastructure 時可能面臨維護困難。
作者參與 SIGCOMM 2026 教育研討會，提出儘管面對 AI 時代，教學核心仍應專注於心智模型、系統設計與權衡考量，而非僅學習現有的網路協定細節。
研討會探討未來教學策略，包括模仿法律系的案例研究法來討論系統設計，以及推動「Networking Unplugged」的手晃活動，讓學生透過實體物體（如繩索）來探索傳輸編碼的基本原理。
作者引用 Rodney Brooks 的節點圖理論指出，具備「符號連結」能力的實體機器人與精通語言的 Transformer 模型有本質區別，AI 難以在面對真實物理世界約束時做出有效決策。
會上討論出新的 AI 輔助教學方向：允許學生利用 AI 處理實作程式碼，但評估重點應僅限於設計過程的挑戰性與測量專案，而非檢視最終的實作成果。