布萊恩的創業小窩的部落格

本系列文章為【人人工智慧把關用藥安全！AI 藥櫃取藥、送藥、用藥更精準】的下篇，上篇請點此閱讀。

人工智慧在醫院的表現會比人類還出色嗎?繼續往下看它到底提供了哪些協助!
 
防範給錯藥的意外 台引進人工智慧把關流程
生病吃藥是人一生中無法避免的事情，在健保制度普及的台灣，民眾用藥的頻率極高，「藥物錯誤事件」高居醫療意外事件排行之冠……為了在防止送錯藥的事件再發生，台灣近年積極引進「智慧藥櫃」，用人工智慧精密控管整個給藥流程，為全民健康把關！
藥物錯誤事件（Medication Errors）一直是各種醫療錯誤事件的大宗，原因是病人在服藥治療之前還有多重步驟：如醫囑之開立、處方書寫或轉謄、藥師調劑藥品、給藥、依指示服用藥品等，每個步驟都有發生疏失的風險
只要有任何一關未做好把關，就可能造成遺憾的發生，再加上依病人病情之需可能之多重用藥（polypharmacy），更是提高發生錯誤之機會。
為了確保用藥安全、更好地照顧病人，近年來國內如台大醫院、北醫醫院、台中榮總與中國醫附醫等醫院，積極導入智慧藥櫃，不但減少人力成本，由人工智慧協助把關，亦能降低潛藏的用藥風險。
 
傳統藥品供應的困境
「一名婦人就醫後，發生藥師交付調劑藥物時，因藥名相似，發生給錯藥的事件，幸運的是此位婦人機警，及時發現該藥名稱、包裝和平常服用的藥物不同，否則發生服錯藥物的後果可不堪設想。此外，衛生局也接到市民反映由醫院帶回的門診藥品，上面的使用者不是自己的烏龍給錯藥案件……」
如此的新聞層出不窮，表示藥物錯誤事件至今在各國醫療不良事件中仍居高不下，如：處方開立錯誤、藥名或藥品外型相似、注射給藥事件等，都屬於藥物錯誤事件的一環。
藥師是傳統給藥過程中最重要的把關者，不但需協助醫師檢視調劑藥物之間是否會造成病患不良反應，更需要遵從「三讀」、「五對」原則：

「三讀」

從藥櫃取藥時一讀

拿藥時二讀

將藥放回藥櫃再看一次三讀，確認沒有拿錯藥

「五對」

確認病人對

藥物對

時間對

劑量對

途徑對

但在繁忙的臨床作業中，完全依靠人力去核對確認，很難避免百密一疏、完全消除用藥風險。已台大醫院為例，108 年平均一天就有 15,689 筆單一劑量藥車配藥單，護理師要在大量藥品中備藥、找藥，不只耗費大量人流及物流成本，有緊急狀況需催找急藥時，也難以靈機應變，往往造成醫師、藥師、護理師以及其他醫療人員的額外辛勞。
 
人工智慧藥櫃如何把關用藥風險？
那人工智慧藥櫃具體可以怎麼幫助醫療人員呢？
在領藥取藥方面，利用醫事人員卡或是人臉辨識，與院內值班系統同步比對，對於取藥身分做最嚴格的把關；取藥當下則可以透過秤重的方式、測量藥盒的內容物是否有正確減少。
例如：當醫療人員點選要領取這筆處方，智慧藥櫃會先確認藥師是否已經具有該權限，審核通過後藥櫃才會解鎖，所在的藥盒會亮燈提示，接著 AI 會計算該藥盒內容物的重量減少多寡，秤重判斷取藥的正確性。
如果發生錯誤取用的情況，即刻提醒醫療人員，若時間內未修正，藥櫃將異常情況通知傳送給該處的主管人員，杜絕取藥錯誤的可能。
而在藥品辨識方面，可以利用 AI 影像辨識技術，快速識別從藥櫃中取出的藥物名稱、外型和數量，一併顯示出藥品資料庫裡藥性、藥物副作用等相關資訊；在藥局調劑藥品時，也能更快辨認是否與處方籤相符，減少取藥錯誤。
AI 藥物辨識技術目前大致可分成兩種──1：1 和 1：N。前者多應用在醫療中心藥劑部調劑時，驗證管制藥物或高貴藥物；後者則應用在預防取用多種藥品時的錯誤。
現階段 1：N 的難度較 1：1 要高，因 1：N 的藥物辨識更容易受藥物類型、拍攝角度、拍攝方向、拍攝距離、環境光等因素，影響辨識準確度。
人工智慧藥櫃可以根據不同醫院用藥習慣，彈性組合藥物放置空間；取藥時利用 AI 比對藥名與數量，確保取藥或醫師調劑處方正確無誤；最後連動醫院或診所的藥品系統，時時覆核，確保全院的用藥情形安全無虞。
 
 
導入人工智慧的送藥機器人，如何免除人力的送藥風險？請點此接續看「送藥機器人　免除人力運送風險」
 
延伸閱讀：


重金屬天團Metallica被人工智慧寫歌致敬啦!來看看成果如何~


一起來了解!Pysa這個臉書開源的Python安全與隱私工具!
五部人工智慧電影,也許讓你及早預見AI帶來的好與壞!
人工智慧：貓是液體！NVIDIA 的 AI 創造人臉超逼真，但合成的貓都是液態

人工智慧打趴多名真人雀聖！麻將 AI「Suphx」突破日本麻將最高紀錄

人工智慧幫你寫程式？engineer.ai 公司真人工程師冒充 AI 騙得近 9 億融資

人工智慧從基因預測你的潛在疾病！微軟聯合 PTT 之父打造 AI 基因分析平台
 

本系列文章為【愛沙尼亞即將任用 AI 法官！人工智慧走入司法領域就一定公正嗎？】的下篇，上篇請點此。

 
 
 
 
 
說到將被人工智慧取代的人類職業,你會想到哪些?法官一職有出現在你腦中嗎?
 
掌握原告被告生殺大權 法官也將被人工智慧取代!?？
從經典的《王牌大律師》到近期當紅的《Legal V 勝訴女王》；從《無照律師》到律政相關從業者也大推《金權遊戲》，律政司法題材似乎一直是收視率長青樹，犀利的律師為了勝訴據理力爭、言之鑿鑿，而法官必須不徇私情、明察秋毫。雙方在法庭上交鋒的同時，被告的人生也彷彿操之在他們手中。
司法題材會成為備受觀眾喜愛的類型，想必看法官如何審理案情是一大原因。但敲下法槌的，從有血有肉的人突然變成「人工智慧」，你能接受它的判刑嗎？
 
人工智慧當法官？愛沙尼亞計畫啟用！
愛沙尼亞，是一個對台灣人來說相對陌生的遙遠國度。總人口只有台北市的一半、土地是波羅的海三小國中最小的國家，被英國《經濟學人》雜誌稱為「科技領導者」，除了 IT 產業蓬勃發展，更是常由政府帶頭，將最新科技應用在日常生活中。
如台灣有年輕的「數位政委」唐鳳，以數位化政府聞名的愛沙尼亞也有一位 28 歲的首席資訊長（Chief Data Officer）──Ott Velsberg。
Velsberg 致力將人工智慧技術引入政府機構，為公民們提供更好的服務。該國司法部也請 Velsberg 帶領團隊設計 AI 法官，協助清理積存已久的小型訴訟案。
 

▲ 愛沙尼亞首席資訊長 Ott Velsberg。圖為其參加 2019 年多倫多大數據年度會議。(圖片來源：CNW Group/Corp Agency)

愛沙尼亞司法部對「AI 法官」的期望是：裁定低於 7,000 歐元（約 24 萬台幣）的小額錢債糾紛案。雙方各自上傳證明文件和其他必要資料，交由 AI 進行分析與做出裁斷。
引入 AI 法官的最終目的是提升人類法官的審理效率、替法官和法院書記人員清除積壓的案件，讓他們能專注在更加棘手的大案件上；另一原因是，目前大約有 22 ％的愛沙尼亞人民從事公務員或為政府工作，但愛沙尼亞政府擔憂公務員人數過多，希望導入 AI 至各公部門領域，希望用 AI 取代人力、減輕部分人事負擔。
對此 Velsberg 表示：「有些人擔心未來若國家減少了公務人員人數，大眾得到的服務品質就會受到影響，而 AI 可以幫助我們解決這個問題。」
由 AI 法官做成的任何裁決都具有法律約束力，但當事人若不滿意判決，可以向人類法官提出上訴。此系統尚在實驗建置中，預計完成後，先給法官、律師適用，再依據他們的意見加以調整。
雖然愛沙尼亞不是第一個結合人工智慧與法律的國家，卻是第一個賦予 AI 法律決策權的國家。
 
 
本系列文章未完，請點此看下一篇
 
 
延伸閱讀：


Google地圖有這麼多新功能,拜人工智慧所賜!(上)


這五部人工智慧電影你都看過了嗎?對於AI我們需要防範什麼?
今天帶你來看人工智慧臉部辨識,目前進展如何!?(上)
人工智慧打趴多名真人雀聖！麻將 AI「Suphx」突破日本麻將最高紀

人工智慧 Suphx 打敗人類雀聖！微軟：研發麻將 AI 比圍棋 AI 複雜


人工智慧、大數據、VR等2020最搶手職業榜出爐！值得你現在開始準備
不只是導航！Google 地圖用 AI 大升級　能預測還沒發生的塞車
 

本系列文章為【人工智慧寫勵志文，奪排行榜冠軍！學霸被 AI 雞湯文療癒，敲碗求更新】的下篇，上篇請點此。

 
 
 
人工智慧連作家的位置都要搶走啦!又要讓你見識AI的厲害了!
 
過去討論「哪些工作 人工智慧搶不走？」時，有一說是 AI 無法取代文字創作者，因為機器不可能寫出感動人心的文章，但這個說法或許已被打破了。
日前，一位加州大學柏克萊分校的大學生使用 GPT-3 生成一篇篇文章，不但未被察覺是人工智慧寫的假文，還登上了 Hacker News 熱門榜、吸引大批粉絲追更……
 
 
 

▲ 一個正在寫經卷的機器人(示意圖，與本文無關。)

非營利人工智慧研究組織 OpenAI 於 2020 年 5 月發表自然語言處理語言模型 GPT-3（ Generative Pretrained Transformer 3）的研究成果。這個號稱是目前世界最強大的 NLP 模型，由 1750 億個參數組成，可以分析單字、文本和數據序列，並藉以自行擴展，生成與主題相符且連貫的文章或圖像。
簡單而言，只要你給出明確的提示，GPT-3 就可以自動產生一段文字甚至文章。這讓 GPT-3 幾乎可以勝任所有用文字表達的工作：從回答問題、寫文章與詩歌、翻譯語言到編寫代碼，一應俱全。
但如此強大的功能也讓 GPT-3 自釋出以來就令人擔憂，若遭有心人士、極端團體惡意利用 GPT-3 製造散播假消息，後果不堪設想。上一代版本 GPT-2，OpenAI 就為避免濫用問題，拒絕對外公開演算法；GPT-3 則是選擇開放 Beta 版本僅供特定人士私測。
他們的擔心或許不是沒道理的──日前就一名美國大學生，用 GPT-3 產出了一篇篇假文，不只登上了全球知名技術論壇「Hacker News」的熱門文章，騙到了一批讀者，其中更有人成為粉絲、訂閱追更。
 
妙筆生花的人工智慧
雖然 GPT-3 目前沒有開放給一般大眾使用，只有開放 API 給學術研究人員，但目前就讀美國加州大學柏克萊分校的 Liam Porr，找到了一位申請過 API 的校內博士生，共同合作進行這項實驗。
Porr 提供了一段有標題和簡介的腳本， GPT-3 便輸出了幾篇完整的文章。Porr 化名「adolos」創建了一個部落格，從 GPT-3 輸出的幾篇文章中挑出一篇，僅僅是調整一下排版、未對內文做任何修改，就複製貼上到 Hacker New，開始他的實驗──這篇文章的標題是：《Feeling unproductive？Maybe you should stop overthinking》（感到效率不佳？也許你應該停止過度思考）。
這篇文章受到熱烈歡迎，在短短幾個小時內就獲得超過兩萬次點擊量，更是衝上了Hacker News 熱門文章的榜首。Porr 表示：「從我想到這個想法並與那個博士生取得聯繫、創了一個部落格、到發出一篇堪稱病毒式行銷的文章——這大概只花了幾個小時。

▲ 這篇由人工智慧 GPT-3 所生成的文章一度被推到榜首。

即使底下的有幾則留言質疑這是用人工智慧生成的，但隨即被一面倒的好評給淹沒。大多數人非但沒有察覺、更有人大讚道：「這篇文章就跟 Ethan Hawke 在 Ted 的演講一樣深刻動人！」
首戰告捷後，Porr 每兩天寫一篇……或說用 GPT-3 生成一篇文章發表在他的部落格，幾乎都是與「樂觀正念」、「自我激勵」、「職場成功方式」等心理勵志的文章，俗稱「心靈雞湯文」。如：《Boldness and creativity trumps intelligence.》（大膽和創造力勝過智慧）、《The reading habits of successful people》（成功人士的閱讀習慣）、《Visual thinking isn't just for artists》（視覺思維並非藝術家的專利）等等。
 
為什麼人工智慧特別懂心靈雞湯？
為什麼 Porr 挑了心理勵志類的文章讓 GPT-3 生成呢？這要歸因到 GPT-3 的優缺點。

推薦閱讀：只要給幾個字，AI 馬上生出完整文章！有奇幻科普還有..假新聞？

如果說以前的語言模型是專才，那 GPT-3 就是一個通才，樣樣都做得還不錯，只是不擅長處理邏輯性問題。引用 Porr 的話：「它很擅長創造漂亮的語言，但不太擅長邏輯和理性。」因此，他選擇了一個不需要嚴格邏輯，只需要華美詞藻與豐沛情緒、而且一直受部分讀者喜愛的流行文類——「心理勵志」。

▲ (Photo by Aaron Burden on Unsplash)

Porr 有個簡單的方法來決定要餵給 GPT-3 的腳本，他在 Medium 和 Hacker News 上翻來翻去、看看有什麼受歡迎的文章，把一些相似的文章資料放在一起，就可以餵給 GPT-3 了。
Porr 表示，每篇發表的文章他幾乎都沒有編輯或修改過，都是直接複製貼上生成的內容。
即使 GPT-3 缺乏邏輯，但善於渲染情緒、鼓舞人心，倘若是想將文章化為表達特定意識形態、政治傾向的工具時，GPT-3 的強大功能恐怕會成為煽動情緒、掀起對立的武器。

推薦閱讀：AI寫作能力強過人類，恐成為假新聞製造機?

來自巴西的全球最年輕的人工智慧專家,今天介紹給你!

 
為何人工智慧臉部辨識的這些問題依然還沒解決?這篇文章分析給你聽!
 
為什麼人工智慧不擅長辨識黑人女性？

▲ 科學期刊《自然》所刊之專文指出，被偏倚資料組訓練出來的演算法，通常僅會將左圖辨識成「新娘」。(圖片來自：Left：iStock/Getty；Right：Prakash Singh/AFP/Getty)

那究竟為什麼 AI 不擅長辨識黑人與女性呢？讓我們從波拉維尼的故事說起：
在 MIT 實驗室的某日，波拉維尼用自己的臉部照片測試了微軟、IBM 等公司的臉部辨識 服務，卻發現這些將自己宣稱的多先進的服務，有的將她誤認為男性、有的對她的照片沒有反應，根本辨識不出東西，錯誤率高得令她吃驚。
一直到她戴上白人面具，AI 彷彿恢復正常般，又可以辨識了。難道是她的臉部長相太特別、剛好是 AI 辨識不出來的特例？還是……這些辨識服務本身就有漏洞？
於是，波拉維尼決定進行更廣泛的測試。她輸入了超過 1000 張照片，包括不同種族、不同性別。結果發現一個明顯的趨勢：膚色愈白，辨識正確率就越高；另一方面男性的正確率遠比女性高。讓她明白為何臉部辨識幾乎無法認出她——因為她是一位具有「雙重弱勢」黑人女性，她這類人的辨識正確度，遠遠低於白人男性。
真相其實很簡單，歸根究柢就是因為在訓練演算法時，開發團隊沒有提供多元的種族和性別資料給 AI 所導致。換句話說，AI 在「成長過程」中，認知到的世界就多由白人、男性所構成。
即使並沒有人刻意將人工智慧訓練成這樣，但它可能引發的後續問題，或許比存有種族偏見的街頭警察更加嚴重……
 
還沒有完善就直接上陣的演算法
這個問題多花點時間就可以修正，只要提供多元組成的資料給 AI 即可，但這些科技公司依然選擇讓不完全的臉部辨識服務上線。
而臉部辨識服務也不是唯一一個，將存有偏見疑慮的 人工智慧 服務投入實用的案例：
2018 年紐西蘭移民署（Immigration New Zealand）實行一項實驗計畫（pilot programme），藉由國家簽證申請程序蒐集移民的年齡、性別、種族、犯罪紀錄、醫療費用欠繳紀錄等等資料，預測這些居留者如果續留，有無犯罪的可能或是否帶來更多醫療支出。一旦 AI 認為，某些移民有治安或醫療方面的疑慮，他們將無法重新申請簽證，甚至會直接被驅逐出境。
消息一出立刻引發強烈抨擊，不少民眾與人權團體質疑這套演算法帶有偏見、背後隱藏著種族歧視，並且也鬧過荒謬的烏龍──一位印度裔移民的家屬被拒絕居留，只因移民署的 AI 認為他的母親過去曾經患有乳癌，但實際上他母親不曾患過任何關於乳房組織的疾病。
科技巨頭急煞車　將道德倫理納入考量
波拉維尼的研究成果公開後，IBM 於 2018 年投入解決 AI 歧視的問題、2020 年甚至直接宣布「不再開發、提供授權或研究臉部識別技術」；微軟則採納報告以改善誤差，並表示未來開發演算法時會納入道德倫理的考量。

▲ 波拉維尼之研究成果

2018 年微軟在官方網站上公布人工智慧開發應考量的六大倫理原則：公平性、可信賴性與安全性、隱私與安全、包容性、透明以及課責。並透露微軟已成立「人工智慧與工程及研究倫理委員會」，負責研究人工智慧產品研發對人類和社會的影響。
IBM 2020 年 4 月新上任的執行長 Arvind Krishna 撰寫一封公開信致函美國國會：「IBM 堅決反對且不會容許任何技術（包括其他業者的人臉辨識技術）用於大規模監控、種族歧視、違反基本人權與自由，或不符合我們價值觀與《信任與透明度準則》的行為。」
反觀亞馬遜，一開始不斷否認自家臉部識別平台 Rekognition 存有缺陷，甚至指波拉維尼的研究為「詆毀」，直到 2020 年年中因非裔男子喬治‧弗洛伊德之死，讓美國種族膚色衝突白熱化，亞馬遜才宣布將暫停讓美國執法部門使用 Rekognition 一年，以避免更嚴重的爭議。
臉部辨識技術雖然為人們的生活增添許多便利，但同時公共安全與個人隱私之間的取捨、種族性別的偏見爭議，都為這個自發展初期即飽受爭議的 AI 技術，更蒙上一層陰影。
 
 
延伸閱讀：

謝謝工程師的人工智慧貓窩,讓貓貓們在冬天有個避風港~(上)
 



冏了!換臉特效做不出來?讓人工智慧來英雄救美~(上)
這五部經典的人工智慧電影,將人類與AI的矛盾情結嶄露無遺!



愛沙尼亞即將任用 AI 法官！人工智慧走入司法領域就一定公正嗎？

【疫情下的人工智慧】拉開「社交距離」後，機器人如何幫我們維繫心理連結？

每個成功的人工智慧背後，都有一群來自「國家級貧困縣」的訓練師-薪水嚇死人

暴躁老人唱情歌、憂鬱阿嬤笑了！4個翻轉家庭的人工智慧 讓家更溫暖

 
 
 
 
 
 
 
人工智慧臉部辨識的這些隱憂你都了解了嗎?快繼續往下看!
 
為了人工智慧辨識，你願意戴「白面具」嗎？臉部辨識的隱憂
人工智慧臉部辨識技術越加成熟，能辨別出「你是誰」已經是基本款中的基本款了！越來越多 AI 辨識技術宣稱可以「從臉孔辨識出智商、性取向、政治傾向甚至是犯罪可能」。
看上去功能如此強大的 AI，卻遭披露「其實只擅長辨認白人」，讓臉部辨識的隱憂浮出水面。
AI 臉部辨識技術已被廣泛使用，也實際應用於執法：根據紀錄，從 2011 年起美國聯邦調查局（FBI）偵辦案件時就開始使用臉部辨識技術，至今累計了超過 39 萬次的臉部辨識搜索紀錄，是近年美國執法部門應用成長速度最快的系統工具。
但隨之而來的是被大力敲響的警鐘：一位麻省理工媒體實驗室的資料科學家喬伊‧波拉維尼（Joy Buolamwini）指出，臉部辨識技術其實十分容易誤認有色人種。
 
只擅辨識「中年白人男性」的 人工智慧

▲ (圖片來自：圖片來自：AP Photo/Steven Senne)

AI 臉部辨識技術已經成熟了嗎？或許真的該打上個大問號。
來自 MIT 實驗室的迦納裔資料科學家喬伊‧波拉維尼表示，根據她於 2018 到 2019 年間做的兩項研究，證實眾多科技公司開發的 AI 都無法如辨識白人男性臉孔般、準確的辨識出膚色較深的女性臉孔。
其中，尤以 IBM 系統失誤率最高，竟高達 34 ％；而亞馬遜的 Rekognition 會將 19 ％的女性誤認為男性，若分析對象為膚色較深的女性，誤判機會更是高達 31 ％，同時該系統在分析膚色較白的人種時，錯誤率幾乎為零。
波拉維尼發現，這些由科技巨頭如微軟、亞馬遜與 IBM 等公司研發出的臉部辨識 AI 演算法，對於判讀白人、黑人與女性竟然出現了差別待遇：「判讀白人的正確度比較高，判讀黑人與女性的正確性則較低。」

推薦閱讀：
微軟AI新聞編輯才上線就出包！錯置有色人種配圖，女歌星森77

 
正在執行SEO優化卻沒聽過KISS原則?放心其實很簡單,繼續往下看吧!
 
KISS 原則 的 KISS，其實是「Keep It Simple, Stupid.(讓它簡單、笨拙)」 的縮寫。SEO 應該盡力保持網站文案內容的簡潔、直接。原因如下：
根據調查，大多數美國人的閱讀能力相當於小學 7-8 年級。
台灣人的閱讀能力其實也差不多，畢竟我們平時對話也不會滿口莎士比亞、李白那種文謅謅的撰文模式，再使用搜尋引擎找網站時，也會 key 入白話又直接的敘述。
大多數使用者是用「掃描」而非「閱讀」的方式在瀏覽網頁 ── 除非你的網站是電子書或漫畫內容的網站。若一進站，就看到一脫拉庫很難理解的專有名詞、或是文謅謅的敘述，相信大多數使用者會沒有耐心看下去而秒退網頁。過短的停留時間、過多的跳出率都對 SEO 不利。
這代表網站內容的用字遣詞，也要與搜尋者可能會 key in 的關鍵字相同，才會被搜尋到。所以網站內容的文案也要直接、不拐彎抹角。例如文案描述地點時，說「地點『靠近』火車站」比說「地點『鄰近』火車站」還好閱讀；描述健身運動時，說「拉單槓」比說「引體向上」還容易被理解。
就算是有牽涉到專有名詞的用法，旁邊最好也附加直白的敘述方式。像是醫美業者推冷凍減脂「酷爾塑平」的網頁上，最好加個搜尋者可能會打入的關鍵字，例如「冷凍減脂」、「冷凍溶脂」。如此一來，標題有可能就變成「冷凍減脂-酷爾塑平」、「冷凍溶脂:酷爾塑平」之類。這樣子專業用語與白話並用的說法，可讓專業人士與一般人士都看得懂。
總結以上原則，讓你的網站遵守「KISS "Keep It Simple, Stupid(讓它簡單、笨拙)"」的原則如下：
1. 避免艱深難懂的字詞
2. 句子保持簡短，並有層次分段
3. 避免文言文式的敘述，盡可能直接白話
「2018 後的 SEO 八部曲」系列文章到此告一段落。想要回顧前七集的朋友們，可點擊以下的網址：
1. SEO 八部曲 1 - 秒懂你的使用者
2. SEO 八部曲 2 - 你的網頁夠快嗎?
3. SEO 八部曲 3 - TITLE TAG 還是要做 SEO
4. SEO 八部曲 4 - 原來 URL 也可以做 SEO
5. SEO 八部曲 5 - 圖片的 SEO 優化
6. SEO 八部曲 6 - 結構化資料 SCHEMA 標記
7. SEO 八部曲 7 - 使用主關鍵字的相關詞
 
 
延伸閱讀：

GA的工作階段是什麼?讓這SEO課程娓娓道來!(下)


全球首台人工智慧貓砂盆上市!讓我們從貓便便開始把關!(上)
換臉人工智慧目前進程如何?迪士尼的技術到底多厲害?(上)

白帽SEO、黑帽SEO，到底差在哪

想入門程式設計課程,該選Python還是Java?(下)


想不到幫貓貓取什麼名字?讓人工智慧來幫你!
透過人工智慧換完臉,竟如此逼真?來看看迪士尼的新玩意!(下)