「利潤」究竟是什麼

這一講不是要講經商，我們小小地梳理一個大大的話題：從經濟學角度看，人生應該追求什麼。

簡單地說，最值得追求的東西是「利潤」。

我不信你會不想要利潤。利潤是收入減去成本剩下的那一部分，是收穫比付出多出來的部分。利潤是正的，說明你的一切努力都沒有白費，說明瞭社會對你的肯定。利潤要是負的，就說明你創造的價值配不上你的一番折騰。

但你要是細想，利潤是一個神秘的東西。

＊

你必須直接去市場上買賣點什麼東西才談得上利潤。上班拿固定工資是沒有利潤的。哪怕你工資再高，那也只是你的勞動所得，都是根據你這個水平，你應該得的，是市場認為正好等於你的付出的回報 —— 這表現在你要是不上班就沒有收入。

而利潤則是「不該得」的東西，可以說是躺著賺的錢。這個性質曾經使得有些思想家認為拿利潤是不道德的。

馬克思譴責利潤。你開個工廠，買了機器和廠房，雇了工人，進了一批原材料，工人生產出產品，你把產品賣掉。然後你一算賬，賣產品的收入減去工人工資、機器廠房和原材料的花費，還多出來了一筆錢，這就是利潤。你欣然把這筆錢放入自己口袋。馬克思說且慢！工人累死累活工作才拿那麼一點工資，你幹什麼了就拿這麼多錢，你那叫剩餘價值！你無償佔有了別人創造的價值。
你當然不服氣。你說不是啊，我管理工人，我組織生產，我聯繫了進貨和銷售，我安排廠裡的大事小情，這怎麼不是創造價值呢？

馬克思會告訴你，你做的這些事兒的確也是勞動，你可以拿一份高工資，但你的工資不會像利潤那麼高。你完全可以雇一個職業經理人替你管理工廠。你把職業經理人的工資發了，還會剩下一筆錢，這筆錢才是真正的利潤。

這個計算讓馬克思深感憤怒，產生了深遠的影響……咱們還是單說資本主義這邊對此是怎麼想的。崇尚市場的經濟學家也算了這個賬，但結果是利潤好像不應該存在。

我們假設老張開工廠賺了一萬塊錢的「淨」利潤。這個是把老張本人付出的管理勞動該拿的那部分報酬去掉之後剩下的錢，是老張「躺賺」的錢。那如果是這樣的話，市場上就應該出來一個老李：老李說既然是躺賺，我不用那麼高的利潤，我躺賺五千元就行，我願意把商品賣便宜點，給工人工資高點。那你說老張能幹過老李嗎？

你很容易想到老張繼續存在的理由。比如老張有資本而老李沒有。或者老張跟政府關係好，壟斷了這塊業務。或者老張掌握一個技術護城河，老李學不會。但是對經濟學家來說這些都不是本質問題：資本可以貸款，跟政府的關係可以用一個更好的條件重新談，技術可以請人研發。事實上，經濟學家的推理是，哪怕現在還沒有一個具體的老李，只要市場存在老李出現的可能性，老張就不敢壓榨太高的利潤，他必須用比較低的價格和比較高的工資預防老李的出現。
要這麼算的話，市場充分競爭的結果一定會把利潤變成 0。總會有一個老王出來，說我就當自己是個職業經理人跟大家交朋友算了，我拿個應得的工資就行，利潤我不要。

那真實世界里的利潤是從哪來的呢？當然市場不可能是充分競爭的，總會有些老張偶爾能享受到利潤……但市場力量應該讓利潤越來越薄才對。經濟學家必須找到一個產生利潤的過硬的機制，否則解釋不了為什麼總有人拿那麼高的利潤……甚至解釋不了為什麼有人願意開公司。

＊

利潤從哪裡來這個問題的解決，在經濟學史上是一個里程碑。1921年，美國經濟學家弗蘭克·奈特（Frank Knight, 1885-1972）出版了《風險、不確定性與利潤》（Risk, Uncertainty, and Profit）一書 [1]，提出了一個傳世的洞見：利潤來自不確定性。

組織生產、採購和營銷、日常的管理，企業中一切常規的操作都可以由拿固定工資的人做，只有一件事必須由企業家本人做，那就是風險決策。

比如說，為了在今年秋季上市一批新女裝，我們必須在夏天就定下來款式，備工備料，展開生產。可是秋天還沒到，現在誰也不知道到時候流行哪個款式，那我們生產什麼呢？這個決策，必須由企業家本人做出。為什麼？因為他是承擔決策風險的人。

如果你賭對了，秋季正好流行這款女裝，因為別的服裝廠沒生產只有你生產出來了，你就佔據了稀缺，你就可以要一個高價，利潤歸你。你要是賭錯了，到時候服裝賣不出去，工人和經理們還是會拿同樣的工資，損失也歸你。
生產、日常管理、冒險，是三種不同的能力。為什麼企業家要開公司？因為他敢冒險。為什麼工人和經理人選擇拿固定工資？因為他們不想冒險。

這個道理聽著挺簡單，但是其中有個大學問。奈特之前的經濟學家也想到了企業家承擔風險，但是他們沒搞清楚到底什麼是風險。

＊

如果女裝只有比如粉色和綠色兩個選擇，而且你明確知道它們流行的可能性都是 50% —— 那這個風險其實不用企業家承擔。因為你可以買保險！概率已知的風險都是可以管理的。銀行可以給生產兩款女裝的工廠都提供貸款，到時候肯定一個賠錢一個賺錢，只要利息和保險合適，銀行和企業雙贏。有這個保險機制在，大家誰都不用冒險，可以各自拿一份固定工資，根本不需要企業家。
奈特的真正貢獻在於，他把風險給分成了兩種。

第一種就叫「風險（risk）」，但是特指那些已知概率大小的風險。這種可以用保險解決，不需要企業家。

第二種叫「不確定性（uncertainty）」，是指那些無法評估概率大小，可能是從來沒出現過的新事物，甚至是現在人們根本無法想象的東西。這個不確定性，才是企業家存在的理由，才是利潤的來源。

現代經濟學家把這個不確定性特別稱為「奈特不確定性（Knightian uncertainty）」。我們專欄講過 [2]，統計學家有個更科學的說法。已知概率大小的，叫做「偶然不確定性（Aleatoric uncertainty）」， 也叫統計不確定性。不知道概率大小的，叫做「認知不確定性（Epistemic uncertainty）」，也叫系統不確定性。前者發生的事情都是你事先能想到的，後者則是你想不到的。比如「黑天鵝」事件，就是一種認知不確定性。

你開一個賭場。賭場每天都在跟賭徒們賭博，但是因為輸贏的概率是固定的而且有利於你，所以你的日常經營本身並不是冒險。真正的冒險是要不要開這個賭場：你能預測客流量足夠讓你收回投資嗎？你能擺平當地黑社會嗎？你能確保政府發展博彩業的政策不會變嗎？這些事兒沒法計算概率。

搞定這些不確定性，才是企業家該乾的事兒，也是企業家的回報所在。

流行趨勢通常不能用以往的經驗判斷。有個企業家認准了一個全新的款式，說我非得生產這個，銀行能給他擔保嗎？這個不確定性沒法系統化管理，他自己必須承擔 —— 這才是企業家存在的意義。你要是願意給這樣的項目投資、分擔不確定性 —— 而不是把錢交給銀行拿固定的利息 —— 你也是企業家。

要做服裝這一行的企業家，你肯定得對流行趨勢有個很好的感覺才行。不過企業家本人不一定非得特別懂女裝 —— 他完全可以請人來給他設計，只是設計師不承擔不確定性，人家拿固定的設計費，風險還是要由企業家承擔。

簡單說，企業家，是市場上的 player。他拒絕聽別人的安排，非得按照自己的想法決定做什麼，然後他安排別人也按照這個想法去做，最後他獨自承擔後果。

＊

奈特找到了公司存在的最根本理由。市場競爭再充分也不可能是絕對可預測的，未來總會有各種各樣的不確定性，需要企業家在各個方向上大膽探索。奈特後來成為經濟學的大宗師，他本人沒得過諾貝爾獎但是他有五個弟子得了諾貝爾經濟學獎，他是「芝加哥學派」的祖師爺。

奈特之後，別的經濟學家又找到了公司存在的其他理由。比如科斯說公司減少了交易成本能起到協調作用。張五常說公司提供了合約。還有人說公司解決了監督、提供了資源獨特性……等等等 [3]，但是奈特這個「不確定性」的說法，是最根本的。

如果從某一天開始，世界上再也沒有不確定性了，那麼市場的力量就會迅速把公司利潤變成 0：企業家就不需要存在，大家都應該拿固定工資。

其實現在企業家的日子也不好過。我們看街上那些餐館，開了關關了開，真正能長期賺錢的沒有幾家，可能大部分老闆都是賠錢。沒有稀缺是不可能賺到錢的，但是利潤只發生在你剛剛掌握某種稀缺、而別人還沒有跟上的那個時間段。別人跟上了，模仿了，你就必須再去尋找新的不確定性。

一切賺錢的生意都有不確定性。你把一大筆錢放銀行裡拿利息，那叫躺著花錢不叫躺著賺錢。哪怕是買幾套房子收租金，你都得面對房產市場的不確定性。
世界上沒有一勞永逸的利潤，也沒有真正躺著賺錢的企業家。

那你說平均而言，企業家的收益是正的還是負的呢？我到底該不該去做個企業家呢？沒有答案。有答案就不叫不確定性了。

＊

不確定性都是從哪來的呢？一個有意思的不確定性是中國經濟學家張維迎在 2008 年的一次演講中說的 [4]。他說中國改革開放這麼多年之中，商業活動最大的不確定性，是「體制的不確定性，政策的不確定性，政府行為的不確定性。」這體現在政府對資源的調配非常隨意。

張維迎當時說，正是這個不確定性加劇了中國的貧富差距。在中國市場化程度高，體制不確定性低的地區，比如浙江省，人們更富裕，收入差距反而更低：因為利潤分布更均勻。

這個規律是不確定性越大，利潤就越高 —— 企業家為利潤而奮鬥，但是市場看不見的手恰恰在降低總利潤。是那些看得見的手，提供了額外的不確定性，才給人帶來不合理的利潤。

那你說如果我們把體制給理順，讓競爭越來越公平，未來的不確定性會不會越來越少呢？不一定。

＊

奈特列舉了不確定性的好幾種來源，比如未來人口的變化、資源的供給等等。其中我們現代人最關注的肯定是創新。創新本質上是不可預測的，你不知道未來會有什麼新技術出來，你也不知道一個新技術出來會不會被市場接受。一切創新都有強烈的冒險成分，關於這一點已經有太多經濟學家討論了。

而奈特更厲害的一個洞見，則是「價值」的不確定性。說白了就是人的慾望的不確定性，你不知道未來的人喜歡什麼。奈特 1924 年發表了一篇文章叫《經濟學中科學方法的局限性》，說經濟學不僅僅是什麼資源的有效調配，把一個什麼價值函數最大化的問題，因為人的價值觀是會變的 ——
「人生在根本上是對價值的探索，是努力發現新價值，而不是照著現有的價值觀把生產和享受最大化。」[5]

一百多年前整天坐馬車的人沒有想要一輛汽車。2006 年以前的人並不期待智能手機。今天的多數人不能理解馬斯克為什麼非得讓人去火星。人生的終極任務不是滿足某種價值，而是發現和創造新價值。

因為這個見識，奈特後來被認為是個道德哲學家，而不僅僅是個經濟學家。
也因為這一點，你不需要非得是個企業家，也不一定非得拿金錢利潤。藝術家、教育家、每個工人和管理者、包括每個消費者，都可以是價值的發現者和不確定性的製造者。

只要把周圍的世界往你想的那個方向上推動一小步，就算是你的成功。

注釋
[1] 弗蘭克·奈特，《風險、不確定性和利潤》，中文有郭武軍、劉亮翻譯版，華夏出版社 2013。
[2] 精英日課第三季，哪種不確定性？什麼黑天鵝？
[3] 關於公司為什麼存在的理論發展總結，可參考向松祚，《新經濟學》第二卷，新經濟範式。
[4] 張維迎的這次演講首次發表於《經濟觀察報》2008年1月20日，修改後的文章曾收入作者主編的《中國改革30年：10位經濟學家的思考》。
[5] Frank Knight (1924), "The limitations of scientific method in economics」, 原文是「Now this, we shall contend, is not very far; the scientific view of life is a limited and partial view; life is at bottom an exploration in the field of values, an attempt to discover values, rather than on the basis of knowledge of them to produce and enjoy them to the greatest possible extent. We strive to "know ourselves," to find out our real wants, more than to get what we want. This fact sets a first and most sweeping limitation to the conception of economics as a science.」

< 熱情縱然無限，時間終歸有限。>

各位好

我是威廉氏後人 – 李毅評醫師

-

今天清晨兩點半

我開著車前往醫院接生

停好車後，

行走在天文館旁的走道上

看著滿天的星空

頗有感觸

-

德國古典哲學家康德說：

有兩樣東西

我們越去加以思索

越會感受到心靈的充滿與對造物主的景仰

那就是滿天的星空，

與人們心中的道德標準。

-

漫步在漫天的星空下

迎接生命的到來

是一種獨特的信仰

是一種獨特的使命。

-

然而

隨著試管嬰兒補助案上路20天

已經有兩百多位的患者在我們這裡預約申請補助

一個接著一個的不孕症患者

殷殷期盼

想有一個屬於自己的孩子

也為台灣的未來

貢獻一份心力。

-

清晨三點多接生完的我，

在醫院找個角落三秒睡去

早上八點，

我還要迎接一台又一台的取卵

取卵中間的空檔

要為每一位療程中的患者看診、調整藥物、解釋病情

-

中午，

當我坐下來喝下第一口奶茶

隨之而來的電話

通知我緊接著要準備去做胚胎植入。

-

當我把胚胎植入結束之後

二點下午的門診廣播也響起了

下午還要再幫50位患者診治

直到窗外漸漸退去白晝的顏色

-

我每一天從早到晚

看診、取卵、看診、植入、看診、接生、看診...

我雖疲於奔命

但始終樂此不疲。

-

然而

只有一個小小的問題

就是除了每日的臨床工作之外

現在的我

還要寫公文

還要思考如何維持實驗室品質

還要籌備招募新血維持生殖中心運作

還要準備不孕症研究計畫

這些，我過去不用花腦筋的事

我現在通通都得煩惱

-

我再努力

我再拼命

一個人的一天，

終歸只有24小時

-

另外

我那個大女兒喜愛讀書

但凡書本看到有任何的問題

她總是喜歡追著我

讓我一一給她解答

什麼叫做函數？

什麼叫做動能？

什麼叫做氧化還原？

什麼叫顯性、隱性、性聯遺傳？

-

還有

我那個大兒子：他老兄

總是朽木難雕

需要反覆的叮囑，

他老兄才肯多背幾個單字

多寫幾題數學。

-

更別提我那個小兒子：他老弟

我真的不知道

他是否認得我是誰？

現在不認得

恐怕以後更認不得了吧

-

為了解決嚴重的時間不足問題

我不得已得做出一點取捨。

-

從即日起

除了已經預約的孕婦以外

我週四下午不再安排唐氏症篩檢與子癲前症篩檢

我需要保留一些時間

留給公文、

留給研究、

留給學生、

留給孩子。

-

我深知初唐的重要性

也知道子癲前症篩檢的不可取代性

但每一位產婦需要20-30分鐘的時間

我週四總是安排6-8位孕婦檢查

我已經把所有的行程表填得滿滿的

我真的沒有時間了

-

我非常抱歉

請原諒我

我真的沒有時間了。

-

“晉書宣帝本紀記載”

“司馬懿問諸葛亮使節說：諸葛公起居如何，飲食如何？”

“對曰：丞相食米三四升，事無鉅細，皆自省覽。”

“司馬懿告曰：食少事繁，豈能長久？”

“而後不久，諸葛鞠躬盡瘁，星落五丈荒原。”

-

“我需要集中精神，保留體力，取好每一個卵子，植好每一個胚胎。”

“珍惜李醫師，唐氏症篩檢，請安排NIPT或羊膜穿刺。”

-

~ 威廉氏後人 – 李毅評醫師 ~

試管嬰兒懷孕成功率計算器 : https://haveababy.tw/predict/

粉絲專頁 : https://www.facebook.com/mrwilliams999

個人網站 : https://haveababy.tw/

Instagram： https://www.instagram.com/mr_williams_li/......

-

機器學習識別特徵阻絕代測　上鏈回送監理資料庫防竄改

人臉辨識加酒精鎖阻酒駕　串區塊鏈上傳比對告警

2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室

本文將介紹酒精防偽人臉影像辨識系統，結合了人臉辨識、酒精鎖以及區塊鏈應用，以解決酒駕問題，並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性，將車輛與人臉資料串上區塊鏈，以確保駕駛人的不可否認性。

長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題，儘管在2019年立法院修法酒駕及拒絕酒測的罰則，但是抱持僥倖心態的人還是數不勝數，導致因酒駕釀成車禍的悲劇還是一再重演，讓不少的家庭因此破滅。

據統計，從2015年到2018年的酒駕取締件數都逾10萬件，而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後，2020年警方酒駕取締件數有明顯下降至約6萬件，雖然成功達到嚇阻效果，但是死亡人數仍與去年前年持平，可見離完全遏止酒駕還有很長的路需要努力。

立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」，酒駕者必須重新考照，並且只能駕駛具有酒精鎖（Alcohol Interlock）的車輛，所謂酒精鎖，屬於車輛點火自動鎖定裝置，在汽車發動前必須進行酒測，通過才能將汽車發動，而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測，以便防範在行車過程中有飲酒的情況發生，若駕駛人未遵守其要求，車子就會強制熄火並鎖死，必須回酒精鎖服務中心才能將鎖解開。

由於法案的方式無法完全遏止酒駕，因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。

其中本田（Honda）汽車與日立（Hitachi）公司研發出手持型酒精含量檢測裝置，讓駕駛人必須在駕駛之前都先進行酒測，若酒精濃度超標就會將汽車載具上鎖，藉此避免酒駕意外或事故發生，且該技術結合了智慧鑰匙功能，若偵測到酒測值超標，車輛中的顯示面板將會發出警告訊號告知駕駛人，避免酒駕上路之問題。

另一方面則是解決酒精殘值之問題，因為有許多駕駛人都會認為，休息一下後，身體也無感到不適，即駕車出門，等到駕駛人被警方臨檢時才知道酒測未通過，因此收到罰單，甚至是吊銷駕照處罰等。

根據醫學研究指出，酒精是在人體體內由肝臟代謝，實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議，喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念，導致駕駛人貿然上路，待意外發生或罰單臨頭時，已經為時已晚。

背景知識說明

本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識，並將人臉特徵資料與車輛資料串上區塊鏈，並利用區塊鏈不可篡改的特性，來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。

由於人臉辨識技術具備防偽性、身分驗證的特性，因此將酒精鎖的技術結合人臉辨識，便可確認為駕駛本人。

何謂人臉辨識

人臉辨識技術屬於生物辨識的一種，基於人工智慧、機器學習、深度學習等技術，將大量人臉的資料輸入至電腦中做為模型訓練的素材，讓電腦透過演算法學習人類的面部特徵，藉以歸納其關聯性最後輸出人臉的特徵模型。

目前人臉辨識技術已經遍佈在日常生活之中，其應用面廣泛，最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等，其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說，人臉辨識皆具備以下幾個特性：

‧ 普遍性：屬於任何人皆擁有的特徵。

‧ 唯一性：除本人以外，其他人不具相同的特徵。

‧ 永續性：特徵不易隨著短時間有大幅的改變。

‧ 方便性：人臉辨識容易實施，設備容易取得，如相機鏡頭。

‧ 非接觸性：不須直接接觸儀器，也可以進行辨識，這部分考量到衛生問題以及辨識速度。

人臉辨識透過人臉特徵的分析比對進行身分的驗證，別於其他生物辨識如虹膜辨識、指紋辨識，無須近距離接觸，也可以精準地辨識身分，且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球，人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫，在門禁進出管制系統中，利於提高管理效率，有效掌握到進出人員的身分，以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。

人臉辨識的步驟

人臉辨識的過程與步驟，包括人臉偵測、人臉校正、人臉特徵值的摘取，進行機器學習與深度學習、輸出人臉模型，從影像中先尋找目標人臉，偵測到目標後會將人臉進行預處理、灰階化、校正，並摘取特徵值，接著人臉資料交給電腦進行機器學習與深度學習運算，最後輸出已訓練好的模型。相關辨識的步驟，如圖1所示。

人臉偵測

基於Haar臉部檢測器的基本思想，對於一個一般的正臉而言，眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練，所訓練出的人臉模型，其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型，可以有效地在影像中偵測到人臉。

Python中的Dilb函式庫提供了訓練好的人臉模型，可以偵測出人臉的68個特徵點，包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測，如圖2～4所示。圖中左上角的部分是偵測到的分數，若分數越高，代表該張影像就越可能是人臉，右側括弧中的編號代表子偵測器的編號，代表人臉的方向，其中0為正面、1為左側、2為右側。

人臉的預處理

偵測到人臉後，要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同，尤其會受到燈光、角度、表情等影響，為了改善這類問題，必須對圖片進行預處理以減少這類的問題，其中訓練的資料集也很重要：

‧ 幾何變換與裁剪：將影像中的人臉對齊與校正，將影像中不重要的部分進行裁切，並旋轉人臉，並使眼睛保持水平。

‧ 針對人臉的兩側用直方圖均衡化：可以增強影像中的對比度，可以改善過曝的影像或是曝光不足的問題，更有效地顯示與取得人臉目標的特徵點。

‧ 影像平滑化：影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙，藉由使用圖形平滑處理，可以減少影像中的鋸齒效應和雜訊。

人臉特徵摘取

關於人臉特徵摘取，相關的技術說明如下：

‧ 歐式距離：人臉辨識是一個監督式學習，利用建立好的人臉模型，將測試資料和訓練資料進行匹配，最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離，選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜，且需要大量的訓練集資料與測試集資料，會導致計算量過大，使辨識的速度過於緩慢，因此需要透過主成分分析法（Principal Components Analysis，PCA）來解決此問題。

‧ 主成分分析法：主成分分析法為統計學中的方法，目的是將大量且複雜的人臉資料進行降維，只保留影像中的主成分，即為影像中的關鍵像素，以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值，並計算協方差矩陣且取得特徵值與特徵向量，接著將訓練集與測試集的資料進行降維，讓新的像素矩陣中只保留主成分，最後則將降維後的測試資料與訓練資料做匹配，選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟，因此人臉辨識的速度將會大幅度地提升。

‧ 卷積神經網路：卷積神經網路（Convolutional Neural Network，CNN）是一種神經網路的架構，在影像辨識、人臉辨識至自駕車領域中都被廣泛運用，是深度學習（Deep Learning）中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算，藉此來提取圖片的特徵，並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中，首先會輸入人臉的影像，再透過CNN從影像提取像素特徵並轉換成特定形式輸出，並用輸出的資料集進行訓練、辨識等等。

何謂酒精鎖

酒精鎖（圖5）是一種裝置在車輛載體中的配備，讓駕駛人必須在汽車發動前進行酒測，通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求，讓駕駛人在時間內再次進行檢測。

根據歐盟經驗，提高罰款金額以及吊銷駕照只有在短期實施有效，只有勸阻的效果，若在執法上不夠嚴謹，被吊照者會轉變成無照駕駛，因此防止酒駕最有效的方法就是強制讓駕駛人無法上路，這就是「酒精鎖」的設計精神。

在本國2020年3月1日起酒駕新制通過後，針對酒駕犯有了更明確且更嚴厲的規定，在酒駕被吊銷駕照者重考後，一年內車輛要裝酒精鎖，未通過酒測者無法啟動，且必須上15小時的教育訓練才能重考，若酒駕累犯三次，要接受酒癮評估治療滿一年、十二次才能重考。

許多民眾對於「酒精鎖」議論紛紛，懷疑是否會發生找其他人代吹酒精鎖的疑慮，為防範此問題，酒精鎖在啟動後的五分鐘內重新進行吹氣，且汽車在行駛期間的每45至60分鐘內，便會隨機要求駕駛重新進行酒測，如果沒有通過測量或是沒有測量，整合在汽車智慧顯示面板的酒精鎖便會發出警告，並勸告駕駛停止駕車。

對於酒精鎖的實施，目前無法完全普及到每一台車子，而且對於沒有飲酒習慣的民眾而言，根本是多此一舉，反而增加不少麻煩給駕駛。若還有每45～60分鐘的隨機檢測，會導致多輛汽車必須臨時停靠路邊進行檢測，可能加劇汽車違規停車的發生頻率。

認識區塊鏈

區塊鏈技術是一種不依賴於第三方，透過分散式節點（Peer to Peer，P2P）來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫，任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈，而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全，也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念，如圖6所示。

區塊鏈的原理與特性

可以將區塊鏈想像成是一個大型公開帳本，網路上的每個節點都擁有完整的帳本備份，當產生一筆交易時，會將這筆交易廣播到各個節點，而每個節點會將未驗證的交易HASH值收集至區塊內。接著，每個節點進行工作量證明，選取計算最快的節點進行這些交易的驗證，完成後會把區塊廣播給到其他節點，其他節點會再度確認區塊中包含的交易是否有效，驗證過後才會接受區塊並串上區塊鏈，此時就無法再將資料進行篡改。

關於區塊鏈的特性，可分成以下四部分做說明：

1. 去中心化：區塊鏈其中一個最重要的核心宗旨，就是「去中心化」，區塊鏈採用分散式的點對點傳輸，該概念架構中，節點與節點之中沒有所謂的中心，所有的操作都部署在分散式的節點中，而無須部署在中心化機構的伺服器，一筆交易或資料的傳輸不再需要第三方的介入，因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性，不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。

2. 不可篡改性：透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈，所有區塊都有屬於它的時間戳記，並依照時間順序排序，而所有節點的帳本資料中又記錄了完整的歷史內容，讓區塊鏈無法進行更改或是更改成本很高，因此使區塊鏈具備「不可篡改性」，並且同時確保了資料的完整性、安全性以及真實性。

3. 可追溯性：區塊鏈是一種鏈式的資料結構，鏈上的訊息區塊依照時間的順序環環相扣，這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中，如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般，每筆交易記錄著時間和訊息內容，若要進行資料的更改，則會視為一筆新的交易，且舊的紀錄仍會存在無法更動，因此仍可依照過去的交易事件進行追溯。

4. 匿名性：在去中心化的結構下，節點與節點之間不分主從關係，且每個節點中都擁有一本完整的帳本，因此區塊鏈系統是公開透明的。此時，個人資料與訊息內容的隱私就非常重要，區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術，讓節點資料在完全開放的情況下，也能保護隱私以及用戶的匿名性。

區塊鏈與酒精鎖

由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性，且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時，系統記錄駕駛人吹氣時間以及車輛的相關資訊，還有人臉特徵資料打包成區塊並串上區塊鏈。因此，在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時，此時區塊鏈中所記錄的資料便能成為一個強而有力的依據，同時也能讓其他的違規或違法事件可以更容易進行追溯。

酒駕防偽人臉辨識系統介紹

為了解決酒精鎖發生駕駛人代測的問題，酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時，要同時進行人臉辨識，來確保駕駛人與吹氣人為同一人。

在駕駛座前方的位置會安裝攝影鏡頭，作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存，並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈，當汽車已經駛動時，攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功，會將通過的紀錄與時間戳一同上傳至區塊鏈，若是系統偵測到駕駛人與吹氣人為不同對象，系統將發出警示要求駕駛停車並重新進行檢測，並同時將此次異常的情況進行記錄上傳到區塊鏈中。

如果駕駛持續不遵循系統指示仍持續行駛，該系統會將區塊鏈的紀錄傳送回給開罰的相關單位，並同時發出警報以告知附近用路人該車輛處於異常情況，應先行迴避。且該車輛於熄火後，酒精鎖會將車輛上鎖，必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖，如圖7所示。

區塊鏈打包上鏈模擬

在進行酒測解鎖完畢以及進行人臉資料儲存後，會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值，接著將128個人臉特徵向量資料取出，並隨著車輛資訊一起打包到同一個區塊，然後串上區塊鏈。取出的人臉特徵資料，如圖8所示。

要打包成區塊和上鏈的內容，包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料，接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例，圖9顯示將車輛資料和人臉資料進行區塊鏈的打包，並進行HASH運算。

將人臉資料和車輛相關資料作為一次的交易內容，並打包區塊，經過HASH後的結果如圖10所示，其中prev_hash屬性代表鏈結串列指向前一筆資料，由於這是實作模擬情境，並無上一筆資料，其中messages屬性代表內容數，一筆代表車牌資料，另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點，代表車輛解鎖的時間點。

情境演練說明

話說小禛是一間企業的上班族，平時以開車為上下班的交通工具，他的汽車配置了酒駕防偽影像辨識系統，以下模擬小禛下班後準備開車的情境。

已經下班的小禛今天打算從公司開車回家，當小禛上車準備發動車子時，他必須先拿起安裝在車上的酒測器進行吹氣，並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像，如圖11所示。

待攝影鏡頭偵測到小禛的人臉後，接著系統便會擷取臉上五官的68個特徵點，如圖12所示。然後，相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值，如圖13所示。

酒精鎖通過解鎖後，車輛隨之發動，解鎖成功的時間點將會記錄成時間戳記，隨著影像與相關資料串上區塊鏈。在行駛途中，設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉，以取得駕駛人的128維人臉特徵向量測量值，並且與汽車發動前所存入的人臉資料進行比對，藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後，也會再將通過的紀錄與時間戳上傳至區塊鏈中，如此一來，區塊鏈的訊息內容便完整記載了這一次駕車的紀錄，檢測通過的示意圖如圖14所示。

系統通過辨識後，便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助，也確保了駕駛的不可否認性。若有其他違規事件發生時，區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。

如此一來，便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中，如果有需要更換駕駛人，必須待車輛靜止時，從車載系統發出更換駕駛要求，再重新進行酒測以及重複上述流程，才可以更換駕駛人。如果沒有按照該流程更換駕駛，系統將視為異常情況。

結語

酒駕一直是全球性的問題，將有高機率導致重大交通事故，造成人員傷亡、家庭破碎，進而醞釀後續更多的社會問題，皆是酒駕所引發的不良效益。為了解決酒駕的問題，各個國家都有不同的酒駕標準或是法律規範，但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同，有的國家如新加坡，透過監禁及鞭刑來遏止酒駕犯，又或者是薩爾瓦多，當發現酒駕直接判定死刑，這樣的制度雖嚇阻力極強，但是若讓其他國家也跟進，會造成違憲或是違反人權等問題。因此，各國都在酒駕的問題方面紛紛投入研究，想要達到零酒駕的社會。

為達成此理想，本文介紹了基於區塊鏈的酒駕防偽辨識系統，利用酒精鎖搭配人臉辨識技術以及區塊鏈技術，使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中，結合攝影鏡頭的監控對駕駛進行酒測防制管理，將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改，可加強駕駛人的不可否認性，當汽車發生異常情況時，便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨，透過酒駕防偽辨識系統來改善酒駕問題，在未來能夠普及並結合法規，智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。

附圖：圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測（正臉）。
圖3 人臉特徵點偵測（左側臉）。
圖4 人臉特徵點偵測（右側臉）。
圖5 酒精鎖。 （圖片來源：https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram）
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。

資料來源：https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D

雖然試算表軟體是因應商業應用而發展的，但在科學上已廣為應用，而「商業智慧」軟體(BI)是另一個適合做科學應用的工具。越早熟悉BI軟體的使用，就能越早利用大數據。面對大數據的分析，需要先利用視覺化分析找到線索後，再找證據驗證想法。所以中研院統計所的陳君厚所長曾說「學習可以做什麼，有助於在資料分析的過程中達到事半功倍的效果」。請跟著我們一起來透過實際操作，體驗如何做「探索式資料分析(ExploratoryDataAnalysis)」吧！
本次課程將分成基礎與進階訓練，課程中將會使用全校免費授權使用的PowerBI工具。利用其內建的視覺效果及自訂視覺效果群組，讓您可以建立出色的報表。
日期：2017年8月16日及8月23日（星期三）下午13:30~16:30
地點：陽明大學圖資大樓4樓401室電腦教室(座位50位)
課程簡介：認識大數據、大數據分析、資料視覺化、分群、預測與發布結果，讓數字說話，提升管理品質，有效提升工作效率。
內容大綱：
8/16(三)生醫大數據分析-基礎訓練
1.認識PowerBI、
2.連接到數據、
3.可視化分析、
4.繪製地圖、
5.新增欄位、
6.儀表板201
8/23(三)生醫大數據分析-進階訓練
1.可視化分析
2.計算入門
3.分群、預測與管理
4.儀表板
5.視覺效果
6.分群
7.預測
8.發布與分享成果

雖然試算表軟體是因應商業應用而發展的，但在科學上已廣為應用，而「商業智慧」軟體(BI)是另一個適合做科學應用的工具。越早熟悉BI軟體的使用，就能越早利用大數據。面對大數據的分析，需要先利用視覺化分析找到線索後，再找證據驗證想法。所以中研院統計所的陳君厚所長曾說「學習可以做什麼，有助於在資料分析的過程中達到事半功倍的效果」。請跟著我們一起來透過實際操作，體驗如何做「探索式資料分析(ExploratoryDataAnalysis)」吧！
本次課程將分成基礎與進階訓練，課程中將會使用全校免費授權使用的PowerBI工具。利用其內建的視覺效果及自訂視覺效果群組，讓您可以建立出色的報表。
日期：2017年8月16日及8月23日（星期三）下午13:30~16:30
地點：陽明大學圖資大樓4樓401室電腦教室(座位50位)
課程簡介：認識大數據、大數據分析、資料視覺化、分群、預測與發布結果，讓數字說話，提升管理品質，有效提升工作效率。
內容大綱：
8/16(三)生醫大數據分析-基礎訓練
1.認識PowerBI、
2.連接到數據、
3.可視化分析、
4.繪製地圖、
5.新增欄位、
6.儀表板201
8/23(三)生醫大數據分析-進階訓練
1.可視化分析
2.計算入門
3.分群、預測與管理
4.儀表板
5.視覺效果
6.分群
7.預測
8.發布與分享成果

雖然試算表軟體是因應商業應用而發展的，但在科學上已廣為應用，而「商業智慧」軟體(BI)是另一個適合做科學應用的工具。越早熟悉BI軟體的使用，就能越早利用大數據。面對大數據的分析，需要先利用視覺化分析找到線索後，再找證據驗證想法。所以中研院統計所的陳君厚所長曾說「學習可以做什麼，有助於在資料分析的過程中達到事半功倍的效果」。請跟著我們一起來透過實際操作，體驗如何做「探索式資料分析(ExploratoryDataAnalysis)」吧！
本次課程將分成基礎與進階訓練，課程中將會使用全校免費授權使用的PowerBI工具。利用其內建的視覺效果及自訂視覺效果群組，讓您可以建立出色的報表。
日期：2017年8月16日及8月23日（星期三）下午13:30~16:30
地點：陽明大學圖資大樓4樓401室電腦教室(座位50位)
課程簡介：認識大數據、大數據分析、資料視覺化、分群、預測與發布結果，讓數字說話，提升管理品質，有效提升工作效率。
內容大綱：
8/16(三)生醫大數據分析-基礎訓練
1.認識PowerBI、
2.連接到數據、
3.可視化分析、
4.繪製地圖、
5.新增欄位、
6.儀表板201
8/23(三)生醫大數據分析-進階訓練
1.可視化分析
2.計算入門
3.分群、預測與管理
4.儀表板
5.視覺效果
6.分群
7.預測
8.發布與分享成果