Shownotes Transcript
Hello 大家好 这里是马力欧陪你喝一杯我是马力欧不晓得大家对于这几年深层式 AI 大爆发有没有跟上脚步或是好好学习呢?
我们今天邀请的来宾是李怡志,他是政治大学传播学院的专任教师这些年在资讯图表与视觉化教学上面经验丰富我其实很早就听过怡志的大名,因为在部落格年代我就有看过他的部落格当时他写了很多观察评论,还有对于新闻媒体图表呈现的分析,让我眼界大开
我们今天一开始是在聊他对于资讯图表这件事情的兴趣是从什么时候开始的原来他是因为在网路上看到很厉害的互动图表对此感兴趣所以开始研究不过我们要提醒一下这个网路上看到这是很久很久以前的网路的时候所以才特别的印象深刻
另外我們也聊到了蘋果日報在進來台灣之後帶進了哪些圖像風潮已經 2012 年底紐約時報推出了一個很特別的數位敘事專題叫做 Snowfall 這個 Snowfall 大大影響了後續各家媒體對於互動圖表的嘗試跟想法甚至它有一個危機頁面跟一個專有名詞
一致对于这件事情他也提了自己的观察他说他在学校时会跟学生讨论哪些题目或议题适合用这种方式呈现还是干脆我们用影片就好了作为一个媒体从业人员我们这些年关键评论网也做了很多相关的数位叙事专题我自己觉得这是一个非常棒的观察切入点
后半段我们花了很多时间在聊 AI 对于媒体的影响,以致提到现在 AI 改写稿件已经非常快速,而且各种类型都可以,所以媒体的确会受到很大的挑战。另外当搜寻资讯时候,我们已经可以直接在搜寻引擎本身就完成了资讯取得和理解,所以不会直接到提供资讯新闻的媒体那边造成流量大跌,媒体又该怎么办呢?
另外在小单元当中我也问了一致一个很有趣的问题就是 AI 大爆发会不会导致很多人对 AI 造成焦虑我们该怎么面对呢你听听看他怎么回答让我们一起来欢迎李一智
歡迎回到瑪利歐陪你喝一杯我是瑪利歐那我們來歡迎一下這一集的來賓李一智老師老師跟我們打個招呼嗨 瑪利歐好各位聽眾大家好我是李一智好 這個一智老師現在在學校擔任導師這個已經持續好多年了 5、6 年我從 2019 年離開上一份工作就開始 OK 擔任導師是
轉任的 OK 但是那時候轉會想要去教學是有什麼原因嗎教學有很多原因欸就是這個因為喜歡分享雖然自己懂得不多但是喜歡分享所以所以我
我其實跟教育有關已經很久了然後但是我大概在 15 年前就有機會先到大學的課堂當協同教師協同教師就是那一門課可能有一部分的課是你來講但不是演講也就是說譬如說你去三次四次這樣連在一起對對對這樣叫協同
然後後來就有機會就是兼任那兼任就是整門課都給我這樣
所以我兼任了兩年還是三年我忘記了我就剛好變成專任這樣就有一個缺就去申請但不是同一個學校這樣 ok 對對對我兼任應該說我兼任兩年就去另外一所學校專任然後專任一年之後再回到現在的學校也就是說我那麼兼任的課到現在我都還在教
所以一開始是開什麼樣的課程我教資訊視覺化資訊視覺化這個東西在當初你在開的時候跟現在的差別是什麼差別啊這個領域我覺得變化沒有很快因為資訊視覺化這個我覺得有點有趣就是當然
我自己沒有做這個研究我也沒有很認真去查文獻但是我可以感覺到它跟文化跟環境還是有關的我們可以看到不同的文化偏好使用的圖表方式資訊思學化方式有不同那麼這個國家的閱聽人他如果長期在這個環境接受訓練那他對這件事情的接受程度
理解程度還有品味都會不一樣那台灣這件事情是相對比較發展沒有那麼快的就相較於其他國家所以台灣目前就是應該都還是在我的理想當然就是跟其他國家到一樣的水準
那這條路還很遠那其他國家就我們講資訊視覺化領域的話其實就一般溝通的層面它已經不會有太大的變化了那大部分都在技術上面譬如說我做成網頁的時候它可以有一些互動的技巧啊或者有一些有一些比較特別的呈現方法我可以舉一個例就是
像图表的类型它不太可能大量快速被发明因为读者要适应跟学习的过程像这个
有了網路之後後來有一種圖在最近幾年很流行就是它看起來像是橫條圖但是它在排名的時候加上時間軸它會高高低低上上下下動來動去這種我想大家都看過那這個東西就是這幾年流行的
它一個背景因素就是它有數據然後它很容易做動畫然後網路現在很容易傳播這種那它就成為一種新的樣態那你說這樣新的圖表類型它會不會一直出現它可能在我們講國外好了它可能一兩年會冒出一個新的但大概就這樣它的速度不會真的
很快 OK 因為我自己注意到這件事情的確是從而且是從你的部落格那時候就是比較早以前大概 2345 年的時候對 然後那時候你就已經開始在分享就是資訊視覺化這件事情可是我覺得那個時候的資訊視覺化
就是你那時候比較多可能都是靜態圖表單一張甚至可能會拿一些報紙那時候大家還在看報紙的時候然後會拿尤其那時候很特別是蘋果日報進來沒多久的時候然後你會拿蠻多蘋果日報的一些圖表做比較你就是如果用以這塊來講你覺得蘋果日報它有帶來什麼樣一個改變嗎我們把就是廣義喔因為我自己關心的是廣義的資訊時訣化
蘋果日報真正的強項是現場在線所以它在線很強在線有一些是靠手工有一些它其實應該是有靠建模這個我稍微考古一下就是蘋果日報它其實當初在香港已經有這樣的背景了
那這個背景呢又來自於他早期對美國 USA Today 的致敬所以但是 USA Today 他一直保持著雙軌就是他有很強的
現場在線型的或者我們叫比較偏向 illustration 形式的但是還有另外一種就是量化圖表英文我們把它叫做 chart 因為中文圖表實際上英文對應了很多概念所以我稍微用這個來區別一下在西方這兩軌
都發展得很好帶數字的跟不帶數字的蘋果日報比較強的都是帶數字的而且因為它的報信然後閱聽人的特點它比較偏向 susceptional 的做法我們不要翻成三色星因為三色星跟 susceptional 還是有差異它比較是 susceptional 的做法就比較可能
稍微聳動或者喚起你的情感刺激一點所以他做了大量的我們所謂的第二人稱視角的犯罪示意每天都有後來變梗圖就是你在旁邊目擊人家被殺被強暴被車撞這種這全部都是第二人稱然後第一人稱他比較少做
然後再來就是第三人稱或上帝視角他偶爾也會做然後他也會描述譬如說從樓上往下跳其實從樓上往下跳這件事情本質上我們今天稍微想像好我們今天不要講跳樓好了今天有一個東西從樓上掉下來台灣人對這件事情會不會完全無法想像我覺得是
不可能的你一定知道東西怎麼掉下來但他一定要把那個現場畫出來然後畫一個大大的箭頭紅色箭頭從四樓然後箭頭到地上這個其實它在說明上面的意義不大但是在喚起情感的時候因為你就變成了目擊者他嘗試讓你變成那個目擊者他就是一直在做地的人稱你就彷彿在旁邊
看到那個剛跳完的現場所以對於理解的幫助不大它主要是做情感那理解這一塊呢蘋果就其實還好啦它的水準不會特別的高所以這個其實就是一個變化那到了
我們自己比如說關鍵片有創立的時候那時候已經開始逐漸尤其從歐美那邊開始流行就是資訊圖標就是 Data Journalism 這一塊或是後來那時候也有在講這個 Infographic 這件事情
這個大概是就你的理解大概是什麼時候開始逐漸越來越流行然後在台灣也開始越來越多人在嘗試你講的是台灣的流行還是廣泛國外的在國外已經很久了啊這邊就有點考古就是因為國外的媒體開始在做我們台灣現在看到的你所謂的 infographic 或者關鍵品網之前做了很多現在還有啦就是那一個系列的
它大概在西方都有 50 年的歷史了吧就是台灣現在做到的品質如果是靜態的話大概就西方已經做很久了你提到關鍵評論網我覺得是一個蠻有趣的我有長期觀察我發現其實還蠻有趣因為我開始在研究諮詢事情的話說台灣的媒體都還沒開始做所以我可以不斷的觀察每一個媒體
他開始做的時候他的路徑他會先做什麼再做什麼幾乎每一家路徑都很相似一開始都會先做簡單的圖橫條圖圓餅圖因為在剛開始做的時候你最缺乏的不是做的能力而是你沒有 Data 你需要花很多時間知道 Data 從哪裡來
然後 Data 怎麼整理然後我會有一個 Data 的 Database 聽起來有點牢口這樣但你就是要這一段累積的過程那完了之後呢你才會發展出你自己的工作法就是我看到這個 Data 我要怎麼做
然後再過一段時間你才會有自己的 style 我就會建立關鍵評論網風格這個風格就代表我遇到這種題型我會這樣畫我會用這個配色我用這個尺寸這個就要今年哪月然後大部分的媒體在這個過程中會經歷一段我看到很多家都會
過度圖表他會傾向為了圖表的圖表對他就是為了圖表的他做很多很多圖表但其實敘事就是那個資訊是這樣就是他並不是一個線性的就是我圖表越多越能越能夠理解
它是一個算到 U 的線 中型曲線的它到一定的程度它的敘事能力是最好然後圖表再多 樂聽人看不懂其實國外有做一個研究
有一種圖它叫散佈圖就是兩個軸都是量化的然後我們可以看到那個點點點在上面譬如說什麼收入高的然後學歷也高類似這樣像這種圖美國做的研究但是我之前看到我一直沒有去把真實的文獻看來它好像整體社會只有 30%的人在沒有教學跟提示下看得懂這個
然後因為我現在正在指導一個碩士論文然後他要讓閱聽人看有一種圖叫做 SANKY 圖 SANKY 就 SANKY 那個 SANKY 圖呢他也是一種量化流動的圖其實這幾年很流行都在描述財報馬力歐應該有看過譬如說什麼 Netflix 它的收入多少然後他會拉一條這個出來然後支出
哦 你說它的落差或是什麼變化它是用寬度來代表數據可是它會有流動譬如說我們的收入收入不是要 比如說佔比這樣子對 收入要減掉成本 對不對
然後再來就是我們的毛利嘛毛利再減掉那個什麼支出然後呢再減掉什麼稅啊什麼的然後最後我會留一小條叫淨利那這種圖叫 SANKY 圖那我們的研究呢發現
台灣人看不懂 Sankey 圖超難的啊所以我剛剛說嘛新的圖表形式出來要花很多時間才會被接受那個 Sankey 圖我們的測試就是讀者看不懂所以我們後來的做法就是我們要測試 Sankey 圖的效果我們必須加一組實驗是沒有經過教學的跟經過教學的所以要寫一個教學教你看 Sankey 圖
但如果教會你看 Sankey 圖 Sankey 圖的效果就是顯著的但沒有教的時候沒有人看得懂應該說很少人看得懂所以一個資訊圖表它實際上我們剛剛講的也不太整全應該說它資訊量是有的只是要怎麼去
有效率的去理解这个资讯量其实它不见得那么直觉因为有些图表有些图表很直觉可是蒙尔城上一讲那个直觉可能应该说是在过往我们的教学环境当中已经有提到这件事情了所以才会变成所谓那么直觉这样子因为你看什么圆饼图啊柱状图啊它大概都是在从小学
我講的是年他大概都是在 300 年前被發明的所以他已經存在很久了橫條柱狀折線圓餅大概都是在那個時代的就是 Playfair 在英國他開始用的那就三四百年了三百多年這樣那所以
理論上小學課本裡面都會有他會出現在考題你今天如果我們今天就做一個假設大學聯考出現了神奇圖那大家都會了不是出現的那第一年一定被罵死但反正之後那就大家都會了因為大家都會開始看那個考古題長什麼樣子可是這個資訊圖表你開始為什麼會想要研究這個東西
我好奇的順序反而不太一樣因為我進 internet 做內容還蠻早的所以我大概是在 2001 年前後吧 2000 2001 各位不要算距今多久然後那個時候其實我發現因為 internet 是這樣有很多東西
很早以前有人做過的但那個時候因為上網的人很少所以沒有人知道這件事情發生過那個時候做動態
互動新聞最強的馬力歐猜猜看是哪一家你的互動定義是什麼就是他的東西會跑 會動然後你可以點擊然後就是互動嘛所以你說是一家公司嗎還是是一個是媒體公司你覺得最強的是哪一家最強的是你說國外的嗎最強的媒體公司
我不知道為什麼腦中跑出 Playboy 喔好 沒有那麼強所以不是紐約時報這種對對對那個時候最強的是 MSNBC
它是 Microsoft 跟 NBC 合作的 MSNBC 那它當然有電視頻道嘛然後但它也有網站哇它那時候網站真的超強的非常非常強那你想想看那個是 Microsoft 的技術資源然後那時候瀏覽器也是它的
IE 這樣子所以他沒有瀏覽器不適配的問題瀏覽器就是自己的然後他自己做東西但他當初應該是大量的在 ASP 的架構下有開發自己的原件他的東西超厲害的就他那個水準其實台灣大部分媒體今年
2025 年都不一定能夠達到真的喔真的真的 ok 他真的很強可以描述一下大概有什麼樣你印象中特別厲害的他很常做一種東西就是他看起來像是互動的可是因為他背後還是有個電視台對所以他在講的時候左下角還是有一個 talking head 在動
然後裡面的東西就是會隨著講的時候出現你可以想像它是一種它也可以互動也可以不互動然後它有點像你在網頁上面看互動電視台的感覺互動電視台的感覺我現在很難描述因為已經 20 幾年前了然後它現在也都下線了它那些東西都下線了只是在那個時候我就覺得做得很強大
然後我就發現它裡面用了很多資訊視覺化的手法所以我從那個時候才開始對資訊視覺化有興趣我就發現新聞裡面可以大量用資訊視覺化可是台灣你就發現好像還好台灣用的很少這樣所以你那時候是因為網路接觸到那一個所以才開始研究資訊視覺化這件事情
刚刚里面有一个名词叫 ASP 我们就不特别解释它其实是一种动态网页的语言啦但大家就听过就算了好我们现在稍微先休息一下我是李一志你现在收听的是马力欧陪你喝一杯马力欧陪你喝一杯
好,我們剛剛聊到這個資訊,就是黎智老師對資訊視覺化的一個研究興趣的開始嘛,那到現在,因為我們剛剛其實夾雜談很多東西,但我們後來就像你剛剛講的關於片網,其實那個時候接觸的時候,我們在強調比較像是後來的資訊新聞,就是 Data Translator,然後你要
就像刚刚讲要有资料你要去分析所以我们那时候刚开始做的时候的确有一个有趣的情况就你刚刚讲的我们不知道资料从哪里来然后我们不知道资料怎么收集怎么后来还有所谓的资料清理把它弄干净这样子这些在当时我们听起来都是一种
帶有一種很神秘的感覺這樣子然後再來其實我後來發現就是實際上我們應該是你甚至有些麻煩的地方是你做完這前面這一塊之後你發現你沒有東西可以問或者說你問不出一個好的問題所以你就得不出一個有趣的答案這樣子
老師你在指導老師的時候你在指導學生的時候會有這樣子的一個情況嗎或者說你會學生在遇到技術上我們就是可以學習嘛但是我總是覺得好像當你有這些技術之後那個提問的能力或者是怎麼樣找出一個有趣的答案反而變成不容易的事情
因為我有給學生題本所以這個題本就是問題意識所以你拿到一個數據之後就會有一些基本的問題然後我盡可能要求學生每一題都問問看譬如說什麼樣的 題本裡面有什麼譬如說第一個就是我可以分幾類然後類別跟類別之間有沒有差異
然後再來是類別裡面的比重長怎麼樣比重跟比重之間有沒有差異我們講稍微學術一點組內差異跟組間差異
然後再來就是我再把時間軸帶進去那它在時間軸裡面它是如何變化的然後它變化的過程中它有沒有產生交叉然後單一數據我們可以看它有沒有急劇的效應然後有沒有特別的偏離值
然後再來就是分析的時候我在整體看起來像這樣我再往下一層兩層它會長起來像怎麼樣所以大概有十幾個這種提向那我會指導學生先問一遍那問一遍大概都沒有問題然後另外還有就是台灣一個很弱的但這個弱
它有複雜的技術原因跟背景就是地理性的圖那地理性的圖我猜關鍵平板網做起來應該也是很辛苦因為任何一家做起來都很辛苦它首先要地理的資料庫地理的圖資然後你網上還要那一層帶有地理標記的資訊
那這個在台灣都很難那地理又有地理的問法嘛比如說它是集中在哪裡或者是散步或者是它有沒有在時間的變化下
它單一區位的變化以及它會不會區位的移動比如說我們看人口可能今天這裡比較多然後過十年會往哪邊移動所以地理的也有一些題目因為大致上我們不會用我們不會把所有的東西都用圖表或資訊思學化來解
有的東西表格更好有的東西文字更好所以我就會先請同學說我們現在有這麼多題那你們在這幾題裡面呢看到這個 dataset 然後你去問因為我們實際上還是有兩種做法就是一個是我拿到的數據
我對這個數據發問另外一個是我先有問題我有假設有假設之後再去找我的數據那這就是兩種不同的路徑那你剛剛講的應該就是我拿到的數據我拿到一個數據然後我看怎麼樣那很多 Data Joined Listen 大概會偏向第一種比較多但其實
真正好的做法應該還是從第二種下手從問題開始對對我有問題我有假設我拿數據來檢視我的假設對不對其實我覺得我的確比較喜歡第二種因為第一種很容易做白工就是你拿到一堆東西然後你做完你嘗試做完甚至老師剛剛講的那些法文都問完了然後最後你得到一個
有問跟沒問的答案一樣這樣子或是你做出來一張圖就是看了一張圖等於看了一張圖什麼東西都沒有看到我覺得那個反而比較恐怖那但第二個做法它會有的一個尷尬點就是有時候會遇到就是你為了問題去找問題所以導致你一開始設定就有點騙掉所以你做出來東西就是
很符合你想要得到的東西這個我不知道你有沒有遇過類似的經驗我在指導學生的時候就沒有指導到那麼後面我有教新聞專題也有教資訊視覺化但這兩件事情是兩門課那做新聞專題經常都要提醒學生啊就是因為我們有經驗我們可以預示嘛就是這一題到底
能不能做那他們通常沒有這個預示的能力所以就要提醒說你現在提這個問題很好喔有可能下禮拜你就會跟我說老師我什麼東西都找不到但這個就是練習嘛因為我們的目的是教育失敗挫敗也是教學的一部分那真的要順風順水我就全部跟你講說
你做這一題你去找誰你怎麼寫但這不是我們教學的目的我們要培養就是真的有實作然後從錯誤中學習的新聞人這樣因為我在想我們這幾年在做包含我們自己在業內看到的一些東西啊就是有些時候或者我們一樣就是稍微帶回去大家考古一點就是台灣在業內新聞業內
對於這種 Data Journalism 然後尤其是互動或是比較酷炫類型的東西有一個很大的對於如果有在做的人都會聽過就給很大的影響是紐約時報的 Snowfall 這個專題就是他用了一個在當時看起來大家都震驚的一個做法就是你去滑動那個整個網頁然後他會有動態的感覺然後又可以把很多資訊地理位置全部在一個專題裡面帶出來這種數位敘事的專題
但我後來總覺得他那個好像不應該是就是那時候後來我們就有個講法就是每個人心中都有一個自己的 snowfall 這樣子就是你會想要做出一個這個東西但實際上那個東西可能對一般讀者不是那麼多人都接觸到而且甚至他太
資訊量太大 大到你無法一次看完這個東西你們會有這樣子的討論嗎就是你在過去這幾年因為我的學生沒有能力做 Snowfall 我現在自己做的機會幾乎等於零嘛但是我盡量我有大量的機會當評審然後我在教學的時候都會問學生因為我這學期還是有教新聞專題然後我這兩個禮拜剛好都在教
互動的專題我都會問學生說因為瑪莉歐剛剛講的我們叫滑動敘事英文叫 scrolltelling 我會問他們說你覺得這個 scrolltelling 我做成乾脆做影片會不會比較好這個東西做影片跟不做影片的差異到底在哪裡我會先讓學生思考但學生在沒有經驗的狀況下他通常也沒有什麼答案但我的答案是這樣如果這個東西
它不需要一直被停格有的東西你拍成影片這個關鍵平板網有在經營 YouTube 應該都會發現 YouTube 的後台經常都會有波段就是到某個地方突然它又跳起來某地方跳起來那就代表你這個東西那個閱聽人他需要他可能他需要往回看然後他需要暫停這種東西如果大量的有這個 scroll tailing 是好的因為它要停
所以我的閱聽人就是你到底要讓閱聽人有多少的主控性那如果他需要很多的主控性那 Score Telling 是好的或者甚至做成圖卡故事都是好的但如果他就是順順的你就發現在 YouTube 那個線就是這樣很平的往下滑的那他就不需要做成這個形式因為做成這個形式
他就觉得他一直在滚滚滚滚滚滚滚对不对然后一图一文一图一文其实这个一图一文的
大部分的時候也是就是你看起來就視覺上面有個新的感覺可是對於那個樂廳的理解可能不一定加分對不一定有幫助就是你塗滾過去然後又聞又從上面過然後塗在上面過你就會想說讓我安靜的把這個看完不可以嗎對所以我覺得這個就需要大量的學習適配啦因為你看台灣現在很習慣做這種
就是我們專業的數理叫視差滾動嘛視差滾動就是實際上它在滾動的時候是它有好幾個塗層嘛然後塗層速度不一樣但大部分的時候不需要做到這樣這就是其實跟剛剛 Snowfall 的概念是說那個是有一點
炫技啊就是為了要表示說我可以做得到這件事情然後或是我拿到了一個新的玩具或武器這樣子我要展示給你看說畢公司是有這個能力做這個東西然後就做了這樣子對但實際上我覺得你剛剛提的那個其實那個突破點很好就是說
如果我用影片 因為我只要動態嘛 就看起來很動態這樣那我用影片來呈現是不是就可以結束這一切那如果可以的話 那的確我們用這種滾動的方式它不見得是一個最好的工具方式呈現這樣子我那時候有一個很有趣的經驗是很久以前我還在前一個公司的時候然後他們的確找了紐約時報的當時的圖恩主任後來台灣很多人都認識他這樣子 然後他就來
教學,因為那時候很先進,那時候的點維思化真的很先進,但有一個大前提是他們的人真的很多,就是那一組人其實真的很多,而且每個人的技術能力都很強。他在帶我們的時候,他解釋很多,然後拿一些我們的案子,然後再分析這個東西,就教學上課這樣,但他開給我們一個有趣的題目,他就說如果今天,那都是視覺的東西,所以他後來問聲音可不可以?
他那時候就問我們這件事情說如果我們今天是沒有什麼預算問題然後沒有什麼時間問題那如果要發想一個聲音的這種專題的話那大家會想要怎麼做這樣子然後就分組大家就開始討論說這個聲音怎麼做然後就各種天馬行空的想法我分享一下我們那個時候我們同事想一個說他說我們想要知道就是夫妻或伴侶在
這個房間 行房做愛的時候的聲音跟生育率有沒有關係那這個就我們就要然後但重點是他們想著然後要我去講這樣然後我就去講解這個東西但我自己覺得這有點無厘頭啦就是這兩件事情如果真的做的話我可以想像它是一個在統計上面沒有什麼顯著關係的東西對 所以就是一個過程因為我們在學習這些東西的一個過程就對了
好 老師我覺得這幾年當然特別有一個有趣的地方就是 AI 會圖的這件事情我知道你從很早 AI 會圖這個開始變成大家開始在弄之前你就已經玩了很多相關的東西你那時候也是一開始就接觸到不管是 Midri 或者是大一這些東西嗎我的路徑是這樣因為我資訊視覺化的課到期末都會請同學做大型的
資訊視覺化海報的作品然後因為我們的學生很優秀所以我們的作品我覺得都還蠻好的大概一年有一半到三分之一他的水準可以到專業的程度就是他看在媒體上面沒有問題反正就很好了自誇自擂 資訊的學生這樣就還蠻好的然後但是呢有另外二分之一就是不行嘛
所以我那時候的想法是因為我都會跟學生講說你要做一個大型的海報海報形式的資訊視覺的話它其實有點複雜一個方法我都會請他們去看 Ping inches
然後因為上面已經收集非常非常多案例了但是呢還是有一些題目的類型你在上面找不到的所以呢我就自己嘗試了看看他能不能夠做版給版面的範例然後但這件事情有點有趣就是
不同的模型表現差異很大我們現在講的是 AI 模型對對對 OK 而且同一個模型不同代之間差異很大然後我讓 Meet Jenny 去模擬資訊視覺化的版面因為這個
就 MeJunny 剛出來的時候是 2 版嘛對不對 2003 年的時候那時候真的很可怕 2023 年的時候對然後 2023、2024、2025 對吧 2023、2024 欸他是 2022 還 2023 出來的?呃...呃...呃...我的印象應該是 22...的時候因為他應該比 JPG 3.5 早吧早半年對那應該是 22...22...時間過那麼快對所以他出來之後
一開始是二版然後他很快進到三版四版我覺得他模仿資訊視覺化版面就我們所謂海報式的最好的反而是在第四版然後五跟六之後呢都會過為的細膩反而不好因為是要給同學做一個參考參考太細了反而不好
然後不同家的效果都不一樣因為這個這還必須有個前提就是你的學習的素材中要有這種版面那如果你的學習素材是沒有這樣版面的你根本無法理解那個提示是什麼意思那我那時候就這樣想然後所以我自己也嘗試做了一些版面我覺得就是我剛剛講他第四版或者第五版
做起来都还挺不错的这个意思就是说他这样讲会得罪人就是台湾大部分的设计师没有到那个程度我们的设计师可能会做一般的版面
但是資訊視覺化的新聞版面它還是一個非常小的專業在國際上還是有比賽的然後台灣人去比那個大概都只有到什麼銅獎入圍的程度那所以我覺得挺厲害的那我就對這件事情有很大的興趣那因此我就開始來做研究一方面就是教學一方面就研究了那我現在
就是我固定在學校有開的課都是這個東西跟創造力的關係這是一塊然後另外一塊就是因為它會不斷的影響所有的行業包含新聞傳播領域所以一個是創意一個就是新聞傳播領域怎麼跟它共生怎麼面對它
所以你的教法會是什麼就是你現在開始應該也不是教一次而已了吧目前這些東西我已經開了好幾次了像我上學期就是冬天的這個學期我們台灣的第一學期然後是開三學分一個學期的課那教的就很細了然後我這學期是在我們的國際傳播碩士
学程里面教那我就只负责教一学分的量就是前面的六周吧内容会是什么就是如果要教这个的话会从什么地方开始然后重点会放在什么我现在的教法大概是三分之一
的技術 三分之一的應用然後三分之一的批判大概是這個做法所以我就會先講這個工具然後提示然後提示背後的邏輯原理因為有些概念 比如說什麼
有一個概念叫 co-founding factor 所以你今天下一個提示我覺得這跟人類有個很大的不同譬如說你今天說我要畫一個日本人跟畫一個美國人好了我不講大部分人我就講以我啦以我這麼沒有能力的日本人美國人我可能就改個臉對不對然後改個膚色就結束了
可是他在學習的過程中譬如說 Japan 或者 Japanese 這個字它出現的時候它一定伴隨著 100 個 1000 個因素所以他可能色調色澤光影不是然後背景然後裡面的會出現的東西他其實全部都要改
那這種一個字影響全盤的能力我覺得 AI 相當的厲害但也因為這樣你不能說我希望把這個人從年輕變老他只有臉變而已他可能他理論上應該要全部都變你收集到老人的照片他一定都不會是在臉而已鮮豔
鮮明的樣貌中被拍出來的所以它其實整體都會變但這個又就會到另外一個我剛剛講就是批判的因素這樣這個我們待會再講所以我會先講技術然後工具的用法因為現在工具生成圖像工具的功能其實很多而且它一直在變這是教這門課最可怕的地方
現在還好那個剛開始一兩個學期就是常常打開一個工具然後你就會看到那個我們剛剛更新了就是這種你就上課上到中間然後突然更新了他就會說我們有一個新功能哇賽這個怎麼教然後因為很多人的概念還是這個紋身圖嘛輸入文字然後變圖片但現在圖生圖
跟图生图片图生影片已经很流行了所以还会跟他们讲图生图但图生图就是一个复杂的过程他要考虑的东西更多然后再来是更进阶像因为我讲的大概都是一般通用商业工具
Midiani 這種但是還有另外一種就是用開源的用 Stable Diffusion 這種那 Stable Diffusion 這個就比較複雜但裡面會有一個很重要的我們叫工作流的概念就這個 Comfy UI 所以我如果在 18 週的課我還是會教 Comfy UI 的工作流是什麼意思工作流就是這個我今天從
就是從起點到終點他不會只下一個提示他可能下提示之後呢他會再引進某一張圖然後再做一個什麼東西再怎麼樣然後這個他可能是一個複雜的流程因為你可能做一張圖你中間也會有很多次固定的修改那假設這個固定的修改它是會發生的或者你對原本生成的商用工具不滿意的話你就可以自己生成一個工作流
那这个工作流都可以确保
在你要大量批次做一樣東西的時候你可以得到一樣的效果不過這東西就這樣就是業界一直在變化那工作流現在是一個還蠻常見的做法在商業上面就是你看譬如說什麼你現在看淘寶的圖那很多都是工作流出來的他可能輸入一張原來的圖經過工作流之後他就統一在被修成什麼樣子這樣
那這些都是技術然後因為現在還有產生音樂產生影片那音樂特別是歌我覺得已經相當的穩定了因為我昨天才又上了這個同學而且這個教英語班有一個好處是你課上的同學有外國人就是我們現場都會看他們產生的東西嘛譬如說越南同學做越南歌我會問他說像不像越南歌
包含音樂然後咬字然後歌詞的寫法他說像然後你問菲律賓的像不像他說像所以那就很可怕了他就是跨語言的都像他不會只像英文因為過去我們都擔心只有英文好其他都不行現在多語言都很好所以這些東西教完就三分之一吧然後另外三分之一我就會分兩種做法一個就是
比較實用的就是生產產品圖 創意因為 AI 也可以輔助創意的流程這邊就會再講創意常見的途徑譬如說合併式創意 改進式創意另外叫轉型式創意 Transformational 什麼叫探索 什麼叫搜尋空間
那這些講完之後會讓他們嘗試做一些這個意想不到的東西啦然後或者做一些商品的廣告啊商品的設計然後另外一部分我就會去探討因為因為 AI 太容易產生擬真的東西了那這裡就引發了意義大堆的倫理的問題
所以我的做法就是叫他們去做有可能違反倫理的東西一部分可能違反一部分沒有然後在這過程中先讓他們體會這個東西有多容易做到擬真然後再來做完之後你不用要求他們自己都會反思因為當他很容易做出
很像假新聞的東西的時候我們的學生都會 敏感非常的警惕因為他會意識到如果他能夠這麼快做出來那他網路上面看到的東西可能都是假的然後事實上現在 2025 年這件事情就已經發生了我的這個 Facebook 上面可能瑪莉歐也有看到我現在每天都會看到 AI 做出來的假影片然後現在就兩大型態一種就是
那種以前不是都會有那種美女影片嗎現在都 AI 做的很多然後另外一種就是假的自然紀錄片假的自然紀錄片就是假的 discovery 類似這樣的東西那很多啊對不對什麼我隨時可以生成一隻鳥在空中飛的樣子或者
我覺得我可以產生新物種它又做得很像又是動態然後我之前聽到一個人說法我自己是沒有這個警戒但我覺得蠻有趣的就是這個小朋友看到這個之後他對大自然生態的印象會不會改變我自己之前沒有這個疑慮所以現在這種東西它就是大量的衝刺但這裡就產生一個問題
有些東西它是沒有揭露的我不跟你講它是假的但是假的但是我這邊都會跟同學講說你要揭露嗎那揭露的狀況下同學可以做一種真實的在線但真實在線這個就有一個問題就是你在線的東西畢竟不是真實但這個問題有點複雜因為你看所有的紀錄片它也都是在線
所以我用 AI 在線跟記錄片很多都是 CG 在線嘛它也不是實景也不是實際上拍下來的或者是演員演繹嘛我今天要拍一個法老然後就找一個人來法老
那個法老真的長這樣嗎他是這個高度嗎當時的背景環境光影都這樣嗎也不是嘛但是他旁邊就會說嘛就是演員演繹那我用 AI 做寫說 AI 演繹這件事情到底可不可以那這是我一個研究方向然後另外就是去做虛構的故事
未來的過去的都可以那這件事情其實只要讓人家知道這是假的就好了就是虛構的嘛對對對因為你去看電影看廣告不是都虛構的嗎現在電影更可怕我有一段時間
我都還沒有辦法分辨裡面那個場景到底是真人拍的還是假的但是久了之後我後來知道幾乎就是假的就不用糾結這件事情我們剛剛談到關於這個圖片生成尤其是 AI 應用到現在其實已經造成了很大天翻地覆的一些影響我們等一下最後來講一下關於媒體在這一塊的一些演變跟遇到的挑戰該怎麼辦先稍微休息一下
資訊焦慮這件事情可能在我剛開始工作的時候隱隱約約有一些然後到後來就是天翻地覆那已經沒辦法再控制這件事情了 AI 焦慮我覺得現在好像有很多人也是有這種感覺就是 AI 工序出現這麼快今天一個明天一個然後已經不只是新版本就陸陸續續都有新的東西在出來老師會有怎麼樣面對這件事情嗎
我對這件事情的想法是這樣技術它永遠都會發生一般人的焦慮都是擔心落後可是現在老實說你落後也落後不到哪裡去一般人有用跟沒用它的差異我不會覺得到真的很大
这个因为人在技术上面的使用他都会模仿嘛然后第一个就是模仿第二个就是被要求所以你即便落后如果所有人都要用的时候你就会被要求对所以你也不用担心真的落后那这个
我自己觉得就是 AI 我真的觉得很棒很好用如果会用的话但是呢它到了一定程度之后呢它就会变成一种我们叫做新常态就是所有人都被拉到一定水准之后那你自然而然其他人也就会被拉到同样的水准它在这个过程中可能有快慢可是到一定时间之后它就没有快慢了那我们过往受到很多科技的影响
按照后现象学的说法有很多科技你其实不知道那个科技在你身边但是你都很习惯譬如说我跟马力欧都有戴眼镜眼镜是一个科技所以我们从来没有意识到眼镜这个科技所以像譬如说我们每天早上坐车搭捷运
这个是高科技但是我们不会认为说这是一个科技而且每个人都搭一样的车到一样的目的地那你今天开宾士也好骑摩托车也好坐捷运也好你从 A 点到 B 点的时间不会有倍数的差异你可能只会有一点点的差别这就叫新常态也就是我们人类从一个小时移动 6 公里可以到一个小时移动如果读会的话移动 30 公里好了
那大家没有很大的差别所以科技到一定的程度之后大家都还是会品只是现在在这个过程中譬如说假设现在是 1900 年你有车我没有车差很多但到现在 2025 年这个东西没有差别即便你没有车都没有差别就是这个讲法我觉得放长远来讲就 OK 但是在这个短期之间那个
緊張感跟挫敗感其實都可能會放大這樣子短期我覺得因為每個人的工作實在是差太多那如果你的工作場域有人用 AI 用得很好那你就看他怎麼用啊那如果你的場域大家都不怎麼用或者是我知道很多創意人他其實用了之後覺得還好那你就不需要用啊因為我覺得已經在很多領域被證明過可不可以用了因為已經有一段時間了
好,我們剛剛講到這個 AI 應用在這幾年那當然最天翻地覆一開始尤其是對媒體來講一個很大影響確実 GP 3.5 因為它是文字對話形式的那很多媒體內容除了影音之外還有一塊很大的都還是在文字這一塊所以很多開始警惕說那不管是假新聞也好或是透過 AI 來產製這些內容也好他應該要注意什麼事情然後媒體的一些挑戰就像
一日老师可能在很多地方都分享过啦就是如果今天 AI 可以写得又快又好那对于真人记者来讲或是真人编辑来讲他遇到挑战这样子 KB 跟我们讲一下你这几年看下来有没有哪一些是特别应该要注意或是已经有遇到这种很危机的挑战的地方
現在我覺得就是因為一般人對新聞產製的工作不太了解那大部分的閱聽人其實他的新聞的定義跟我們自己的新聞定義都不一樣哦他會覺得任何的資訊都是新聞但是通常新聞人會認為就是我經過採訪然後消化整理大概有然後就是新聞有個很大的目的就是傳遞真實嘛然後協助
這個閱聽人做正確的決策特別是在選舉的時候政治決策對對對那所以這個報導真實這件事情變得很重要但是這個報導真實除非是我們講的 Data Journalism 它數據已經存在了或者我用機器去搜尋有一種新聞類型叫這個感測器新聞它的這個
这个资料是我去丢各种形式的 sensor 在外面收集的那这个你也不能说不是人做的因为这个 sensor 还是我去投放的嘛我决定的我设计的这个 sensor 可是收集的过程是机器在在收集的然后之后可能经过人的分析现在可能 AI 可以帮忙分析这样 sensor journalism 就是用机器去收集资料嘛那这个收集资料
的过程他这个 sensor 还是人做的只是他收集的时候呢是机器在收集但完了之后呢还是需要人为的分析那现在呢也可能请 AI 来帮忙分析这样那只有这一块就是我们会比较依赖机器那其他一般的新闻大部分都还是人去采访或者人发动的那所以在这个事实的获得上面
這個是新聞工作非常重要的一塊那我們都會要求就是你記者一定要到現場或者你得有一個東西到現場不是你就是集齊到現場總有一個東西到現場
你跟發生的事情中間有另外一個理論就是叫直接接觸理論我得真的有接觸到這個事情而不是我聽人家講的或者是轉述的新聞的工作應該要做到這樣這個東西應該就不會是 AI 能不能取代的問題因為你要接近
你不會讓 AI 的模型去接近它沒有這個能力但是接近完我採集過來的東西之後一直到產出 閱聽人看到這一段即便是合格的新聞專業它 AI 可以協助的地方就很多了這個問題就在於
第一个是你使用的模型对不对那你把所有的资料丢进去让 AI 写稿那这个写稿都会受到他学习过程中那个模型的特性和影响所以不同的 Data 丢进去他都会写成不同的稿子那第一个就是你要不要让他做要做到什么程度然后再来就是那什么东西让他做那现在很多媒体虽然说我不用 AI
產製新聞但他其實分析整理他也會讓 AI 來幫忙做那這個就有一個討論是我在前端就有 AI 介入那我要不要揭露對不對 AI 說不定會有錯啊 AI 說不定會影響我啊因為我們知道現在訓練出來的 AI 就是 Deep-seek 先不談就是大部分的 AI 他都還是
偏向美國的意識形態對對對對對大量偏向白人的意識形態那你寫稿的過程中你難保他不會有這個嘛那 Deep Seek 其實因為他是用蒸餾的方式去學這個國外的意識形態我覺得他
他沒有真的很中國還是會被西方影響到他就是一個被限制言論的白人大概就是這樣但他骨質裡還是這個所以我如果前端即便我在因為很多人說我讓他寫訪綱應該沒有問題吧還是我去訪但訪綱也會受到意識形態影響然後我請他摘要請他什麼都會受到影響
所以用的人要非常有意識就是這個影響無所不在那台灣有個問題是我們本來也就很美國化我們的審美也很美國化所以呢但這個美國化其實也有分嘛你看這個美國現在民主黨跟共和黨大家都可以發現他差異非常非常大
所以他在訓練的過程到底是偏哪一邊西方雖然有西方的價值這個價值也是有左右之分的這個模型訓練的過程中之前大家都會說偏左派一點點偏民主黨一點點但過幾年你說現在馬斯克也在訓練模型那模型會不會偏向轉向我們也不知道所以這就是一個
比較困難的點就我們不知道背後在幫你做事情的這個如果我們把它模擬為人的話你不知道他是誰或者這一群是誰所以媒體使用就即便是很正規的媒體如果真的要用第一個就是要注意這件事情然後第二個就是我覺得適當的揭露還是很重要我有使用哪一個模型
我最近要做一個研究我剛做了初試就是先測試看看我發現如果提示是 Deep-seq 做的就會降低性能度所以有揭露沒有揭露代表有差可是現在看起來
就我看到的大部分揭露並不會特別講是什麼模型在做的頂多就是說這個有 AI 協助或 AI Drive 這樣子而已但 AI 差很多啊到底是你自家訓練的還是什麼然後我剛剛講的都是就是正經八百的媒體那現在真的很大的影響在於亂七八糟的媒體那現在就是我上網找一下
雨後春筍一直有那種一個名字的媒體出來然後這種媒體你看他的寫稿掛名永遠就只有一個人兩個人而已然後你就發現他人那麼少為什麼有這個量能現在很多都是
假設今天有三家四家去了現場但有時候不只啦這個昨天王大陸錄現場大概去了 30 家吧那我拿三四家媒體寫的東西我丟給確實 GPD 說請你改寫那他就改寫那改寫完之後如果一般的通稿
根本無從告起但除非裡面假設有一個是某一家的獨家不是通稿那這會有風險但你只要避開這個那你今天請一個工讀生那我講的還是手工對不對我如果用機器我就去 Cloud 關鍵評論網 中央社什麼的我每天就 Cloud 所有新聞下來
然後我做一個工作流 我判定只要這個事件或新聞同時在什麼五家出現或三家出現我就判斷它是通稿那我就自動改寫我還可以改寫長稿短稿這個適合民進黨
支持者看的 國民黨支持者的然後民眾黨支持者的年紀大的 年紀小的住台北的 住高雄的我一篇稿子可以寫幾百種辯議然後就大量投到這個網站上面然後你的量因為大又急死然後你就會被 Google 判定為一個新聞媒體你就會進 Google 的資料庫裡面然後你在裡面搜尋的時候你就會跑到 Google 的第一筆或者第二筆或第三筆然後沒有人知道這背後
這個是誰寫的這個我覺得是一個比較大的問題也就是說這個會大量侵蝕到真正有在做採訪人的
這個生存的空間因為台灣現在這個跟 AI 無關但是很重要是台灣現在為新聞付費的人很少就比日本進口的壓縮機還少但是對然後我覺得另外一個就是 AI 對於媒體的影響除了剛剛講的比較像是應用端然後
可能正派用跟不那麼正派要用造成對於閱聽中的一些影響之外其實媒體本身對這個東西被這個東西的影響也很大啦就是尤其是演算法的影響因為最近包含了那個 Google 也開始有這個 AI mode 的搜尋嘛然後那個搜尋 AI 搜尋其實在過去這一陣子也都很熱這樣子那慢慢就會出現一個
我們在 AI 搜尋或在 Google 搜尋然後我們根本其實沒有點進新聞網站即便你剛剛講的就是我們媒體就算我第一個到現場然後我看了很多東西我產生了很棒的報導可是大家就是在搜尋的過程當中因為我不需要了解全部嘛我想要了解我想要了解我需要的東西看完就走了
所以會有那種就是大量搜尋但是媒體或是新聞一點都沒有拿到任何的流量這樣子然後看就走了這個是一個我覺得很麻煩的事情另外一個麻煩的事情對這就另外一個麻煩但因為我們媒體的收入有幾種訂閱廣告對不對那這個衝擊最大都還是在廣告的那你大量特別是依賴 Performance based 廣告的那
所以我自己的看法不成熟淺薄的意見媒體現在如果你沒辦法很積極的往訂閱制做並且吸引讀者在固定的時間內回訪
那現在廣告的做法就是如瑪莉歐剛剛說的你如果你的東西都會被 AI crowd 然後因為你剛剛講的這個其實我現在就因為我是大量看新聞的所以我會主動看少數幾家的然後也會去看這個 Google News
然後我現在也會用那個 PublicityPublicity 它有個功能叫它用的名詞很轉換它叫 DiscoverDiscover 裡面都是新聞這樣它全部都改寫了但是如果我真正有興趣的我還是會點回原來的稿子去看但這中間又隔了一層就是這個轉換率不會到百分之百我很多新聞我就是
等於我第一層我連點開都沒有點開的時候我已經過濾掉了所以我可能知道有什麼事情發生了 OK 那我就不需要去看那個媒體然後再來就是我點開了看它產生的摘要文我還是不會去但因為我自己還是有訂閱一些媒體就是我自己都還是有付費一些媒體可是一般人不會這樣做
那這個就很麻煩嘛那這個又回到一個最近幾年大家都在吵的題目就是那這些平台要不要付費給媒體然後這件事情這件事情很多人想要改啦那這個因為你剛剛講這個模式其實不是只有傷害到媒體它也傷害到廣告組因為廣告組它其實還是希望有效的投放那你在這些地方
出現的東西它不一定是最有效最精準的投放然後廣告組也不希望投放到農場或者投放到不勞而獲的內容上面所以我是有聽說最近這件事情可能還是有變化這樣但不知道多久才會發生
因為我剛剛講的就是我相信其實很多聽眾應該自己都已經遇到過啦可是沒有意識就你在搜尋的時候他的資訊會直接吐給你嘛他在最上面就直接告訴你一些摘要或大綱然後甚至現在很多就是他在延伸說欸你要問的是不是這四五六七八個然後你點下去其實都是一段一段的摘要
他都已經整理好了那你看的這些東西你反而在搜尋過程當中就已經解決了你的需求所以導致說你不需要再進一步連到任何不管是媒體部落格或是其他的資訊網站就等於是完全斬斷了這一個本來導流的效果所以這個是
我們媒體生存另外一個很嚴峻的情況啦就這幾年除了因為之前是 Google 也好或是 Meta 也好說講什麼用了你的資料啊用你的新聞然後不付費啊現在已經不是了現在就是 AI 爬了你的資料然後產製了你的內容然後之前
你會是要提告是一塊可是有很多是選擇我跟 AI 合作我授權給你我的所有內容然後你付錢給我然後那你拿去用這樣子但我總覺得這個東西有點像是就是現在我願意這樣做但是如果真的我資料量訓練已經夠了足夠到一些東西我真的還需要持續跟你買這些東西嗎這個就我是有點懷疑 AI 公司需不需要持續這樣做
好 那這個我覺得 AI 這個時代有一個很重要的問題就是我們剛剛其實一直隱隱約約碰觸到但是沒有完全提到就是說怎麼樣發問這件事情因為現在你在不管是各種的 TradeGPT Cloud 然後 Midgetary 等等等等的其實很大的關鍵就是你怎麼問他他會突出很多不一樣的東西所以你們在教學或是在這個
平常上面你會怎麼樣去訓練做能夠好好問問題這件事情嗎我對這件事情的想法比較傳統一點就是我自己的經驗
發問這件事情我對這件事情想法比較傳統一點因為我覺得對 AI 發問跟你對任何人發問其實是一樣的或者這個瑪利歐當主管的經驗這個我一直認為就是這個跟當主管是很像的那你問 X 的問題
他可能就會給你平庸的答案這個答案的好壞是沒有一定的但我會把它稱為平庸你要問一個好的問題通常很重要的因素是你有背景的知識但是這個背景的知識一般人比較不會出現
就譬如說今天我要問一個軍事的問題我的問法一定跟懂軍事的問法一定不一樣那我會得到的答案一定都不一樣然後另外一個就是後端的鑑別
我今天问了一个平庸的问题他得到一个平庸的答案然后我没有任何的背景知识我就觉得好棒啊对对对 AI 实在是太厉害了但是你有专业知识你就会觉得这什么鬼这东西一点都不能用 OK 所以但这个就跟我们主管是一样的嘛你今天假设是一个也没有知识的主管你聘了一个人然后来帮你做事情那你也无从判断他好坏啊你的指令也很模糊
然後它的成效也很模糊但是你也就覺得好啦我就請你來解決這問題我就花這個錢請了這個人因為我也沒辦法判斷好壞因為我沒有聘用過更好的人我拿不出 2000 萬年薪來聘最好的人那我用 50 萬年薪這個人就長這樣了所以你也問不出來你也評估不出來那前後端兩件事情
我覺得 AI 的幫助還是有限的因為它還有脈絡的問題還有適用性的問題我講一個我這兩天的應用場景就是現在很多碩士生他會用 AI 來幫你看論文那你如果說請幫我解釋那就他反正他每一次都會從中間摘一點點東西給你也不完整也不全面然後講出來的東西也很普通
但是如果你很有意思的跟他说因为譬如说文献探讨好了文献探讨你可以以教授的身份来问但是这个前提就是你如果自己不是很会写文献探讨你没有看过大量文献探讨你没有办法问出好的问题或者提供好的提示然后在他写出来的东西你如果真的不知道什么是文献探讨你也看不懂所以你
你前後端就中間執行的這個我真的覺得讓 AI 做很省時省力但我們過往的 input 都是 data 的 input 那現在這個 input 就是問題作為一種 input 而且這個問題可能很長啊對不對我經常都跟其他人講說你不要嘗試短提示會得到很好的效果這個提示可能要非常的長可能要分段可能要說明可能要背景
所以你寫一個非常非常長的提示裡面講得很清楚那你得到的東西就會比一般提示要好很多可是前後端這個東西我覺得還是我們講現在哈 2025 年的教育還是有用的我剛剛講那個我特別有感覺啦就我因為我最近自己的一個應用方式就是我在跑步嘛所以我就是請他幫我生成這個跑步的課表
但是我後來看到之後我就意識到一件事情它產出的課表是對我來說是有意義的但是這個前提就是我要知道我現在跑的速度是多少然後我一個禮拜可以跑幾天然後我的目標是什麼然後我不知道有哪些東西我就我聽過一些名詞但我不知道那你幫我解釋這個名詞到底是什麼然後產生出來我看了那個課表
之后我觉得这是有道理的可是有道理这三个字的背景是因为我过去五年在跑得到的一个心得我才有办法判断这个是
其實就是你剛剛講的那個前後嘛前面我知道我的那個背景是什麼後面我知道說我能夠鑑別說你吐出來的東西是有意義的然後你幫我處理掉中間這一塊事情這樣子對 所以我覺得那個你剛剛一講我就覺得其實應用其實非常的清楚像跑步因為我之前也有跑嘛對不對你這還有你對你自己
身體的了解他如果每個禮拜都叫你一次間歇跑然後都叫你跑到 Zone5 Zones4 我完全不會做這件事情因為這還有一個考量就是我如果死了怎麼辦那他無所謂嘛他也不知道所以這是一個自我理解也包含在裡面
好我們今天非常開心邀請黎智老師來馬六培你會一杯跟我們分享了非常多這個跟新聞跟內容跟資訊有關尤其是過去這幾年其實 AI 大量的出現我們講主要深層式 AI 大量出現應用
早些年啊现在才过三年而已但我们在讲早些年了就一开始大家可能会觉得有点紧张或是觉得要取代很多东西现在又慢慢变成说它可以取代一些但是它带来的危机可能不是取代人类这件事情而是这个运用过程当中造成了哪些的
有些甚至可以講污染然後造成一些變化或影響是什麼然後特別有意識的去關注它那當然未來變化可能還是很大可能有更多新的模型新的應用新的方法那我覺得這個就是老師會比較辛苦就是可能課堂教一教然後突然工具突然變另外一套了我們要課堂中要轉換這樣子沒錯對這個是比較也是很有挑戰性的一件事情那今天非常開心謝謝一致謝謝瑪利歐謝謝大家拜拜