機器人、自駕車全出動！迎接沒有掌聲的東京奧運，日本如何用科技為盛會加值？

2021.07.23

東京疫情嚴峻，奧運將不開放觀眾入場的情況下即將展開，日本會如何運用科技舉辦這場與以往截然不同的運動盛會，帶給所有人最好的體驗？

陳建鈞

遲了一年登場的東京奧運，即將在日本時間7月23日晚上8點正式開幕。這次是日本睽違50多年再次舉辦奧運，也是日本向世界介紹文化、展現科技實力的一個重要場合，然而疫情陰霾卻打亂了一切計畫。

在疫情的紛擾下，這場奧運受到日本民眾極力反對，最大贊助商Toyota決定取消所有與奧運相關的電視廣告，執行長豐田章男也不會出席開幕式，且賽事也因疫情尚未緩和，從不開放外國觀眾，變成絕大多數賽事都不開放民眾入場，甚至開幕式也嚴格限制僅950人出席。

在這場觀眾席上空蕩無人、沒有掌聲與吶喊的奧運會上，日本該如何用最佳的方式呈現這場體育盛會，無疑是這場奧運最關鍵的難題。

一場沒有現場觀眾的奧運，日本如何提昇轉播體驗？

實際上在疫情席捲全球前，日本早已開始籌備為全球觀眾們帶來最具臨場感的體育轉播體驗，奧林匹克廣播服務公司（OBS）計畫將以UHD（4K）規格轉播這次的奧運賽事，也是第一屆採用UHD HDR規格全程轉播的賽事。

奧林匹克廣播服務公司指出，東京奧運將成為第一屆運用UHD HDR技術轉播的的奧運賽事。

延伸閱讀：東京奧運今晚「零觀眾」開幕！中華電信、愛爾達、東森、公視聯合轉播⋯史上最大陣容有何亮點？

UHD具有一般常見的HD的4倍畫質，而HDR（高動態範圍成像）則能夠使影像更加逼真，兩者將一齊為觀眾提供細節更逼真、色彩更豐富、且解析度更高的體育賽事轉播。

根據《日本時報》報導，OBS的3D Athlete-Tracking系統則將能夠透過各個攝影機，從多個角度拍攝畫面，再利用AI技術結合起來，讓觀眾有辦法從各個角度欣賞運動員的身姿。

Intel的True View技術也會安裝在籃球場上，主要也是透過大量的高畫質攝影機，紀錄立體、360度的體育賽事。OBS執行長艾薩科斯（Yiannis Exarchos）表示，這將有助於觀眾真正了解瞬息萬變的賽事背後，究竟發生了什麼事。

艾薩科斯指出，「談到日本時，人們總會想到技術創新，對OBS來說，這些賽事將在我們導入的革新下，成為重要的里程碑。」OBS計畫本次奧運中將拍攝總計9,500小時的賽事影像，足足比2016年的里約奧運要多出30%。

且為了讓觀眾更透徹地觀看賽事，這次的東京奧運比賽中會在電視轉播中呈現更多關於比賽的數字，好比田徑選手奔跑時的即時速度，便能立刻在螢幕上向觀眾呈現。

《日經亞洲》指出，東京奧運大量導入了檢測運動數據的體育技術，瑞士頂級鐘錶品牌Omega會透過迷你感測器在賽事中協助收集運動數據，能夠每秒收集速度、瞬間加速度等2,000組數據。

在沙灘排球中，則會運用AI攝影機測量球的拋擲位置以及選手的跳躍高度，且類似的分析技術也會導入自行車賽、游泳和體操等項目中。

假如擁有最新電視的日本觀眾，甚至可以欣賞8K等級的影像畫質，NHK（日本放送協會）計畫在這次奧運中，利用BS8K衛星頻道為民眾轉播約200小時的8K奧運賽事報導，同時也計畫以8K轉播田徑、游泳、羽毛球、橄欖球等殘奧賽事。

NHK技術研發中心表示，「8K的其中一個優勢就是能以前所未有的細緻度，在電視螢幕上呈現身體運動的細節。」

機器人、自駕車現身奧運會場

機器人也是奧運會場中的一個焦點。儘管因為疫情衝擊，原先預計在羽田機場協助接待旅客的各式機器人恐怕沒有用武之地，但在會場內機器人仍舊擔綱起協助賽事進行的任務。

日本原先就是個對機器人情有獨衷的國家，這次賽事也不遺餘力展現其機器人技術，《南華早報》便指出，奧運會場中佈署著大大小小形式各異的機器人，負責從歡迎各國體育選手到賽事中回收標槍等各種任務。

甚至會場內也將設置奧運吉祥物未來永遠郎與染井吉的遙控機器人，雖然因為疫情而刪掉了讓他們與觀眾互動的活動，但這些機器人能夠透過鏡頭辨識臉部表情，做出點頭、握手、眨眼等簡單反應。

Toyota雖然取消了廣告，不過其遠端機器人T-TR1仍會在會場中值勤。該機器人有著約等身高的大型垂直螢幕，可以協助遠在海外的粉絲在會場內與運動選手交談。另外，本次奧運還將出動服務機器人，協助引導人們前往座位，或者為在場約500位殘奧選手遞送餐點。

而Toyota的電動自駕車e-Palette也將在這次奧運中進行測試，協助選手或政府官員在選手村及各個比賽會場間移動，節省交通時間，且每一輛車都會有專人遠距監控，防止任何意外情形發生。

Toyota的電動自駕車e-Palette將在東京奧運期間進行測試，協助選手及政府官員在選手村與會場間移動。

日本確診人數居高不下、選手村又接連爆發感染，日本政府執意舉辦奧運受到強烈的非難，在這樣的環境下，日本能否透過科技為奧運賽事加值，創造讓人雙眼一亮的觀賽體驗，或許將成為這屆奧運外界最終評價的關鍵。

資料來源：https://www.bnext.com.tw/article/64086/tokyo-olympic-4k-robot

從新創企業現狀觀察AI發展熱度

作者 : 黃燁鋒，EE Times China
2021-07-12

從人工智慧(AI)新創企業市場，以及類似Nvidia新創加速計畫(NVIDIA Inception)的專案，都可觀察AI技術或產業如今的發展熱度...

現在的很多生態締造者對於潛在生態的開發都十分在意：比如說及早深入教育市場，生態建設「從娃娃抓起」(編按：指從小開始)；再或者對新創企業的扶持或孵化計畫。這裡所謂的「生態締造者」的範圍可以很廣，比如雲端供應商、作業系統供應商、針對應用開發解決方案的供應商，以及各種硬體廠商等。

這些其實是吸引更多開發者，潛移默化中造成開發習慣、黏性的關鍵。《電子工程專輯》中國版(EE Times China)先前拜訪過微軟(Microsoft) Azure一批又一批的孵化企業；還有華為HarmonyOS當下對眾多新創企業的扶持……這類新創企業扶持項目都有著相當易於理解的商業邏輯，亦屬常規操作手段。

而在AI生態建構上頗具代表性的應該就是Nvidia，畢竟筆者之前也一直在提Nvidia在AI生態打造上的完備程度多高，這種生態對新創企業的扶持當然也是必不可少的。Nvidia新創加速計畫(NVIDIA Inception)進入中國是在2016年，這個計畫本身就在加速AI創業公司發展。從AI新創企業市場，以及類似Nvidia新創加速計畫這樣的專案，都可觀察AI技術或產業如今的發展熱度。

AI市場這兩年的新機遇

截至去年底，這項計畫在全球範圍內覆蓋了超過7,000家AI新創公司，去年一年加入Nvidia新創加速計畫的公司數量較上一年多出了25%。從Nvidia的總結來看，新冠肺炎疫情可能很大程度推動了該計畫。之前Nvidia業務開發VP Jeff Herbst曾提過：「2020年一場全球性質的瘟疫攪動了經濟發展。但新創生態系統卻在此期間一度繁榮，這很可能不是巧合。」

這些AI新創企業，依照類別來看主要包括了IT服務、醫療健康、媒體與娛樂。看起來是完全符合預期，就如同疫情期間全球的PC和資料中心市場發展受到刺激一樣，這恰好也是Nvidia業務發展的重點。可以說，疫情雖然短時間內造成了停工停產，但Nvidia可能是這波行情下獲得最大發展機會的企業之一。

數位生活方式的轉變促成了很多領域的快速發展，包括在家辦公、遠端醫療、家庭娛樂等。隨Nvidia大趨勢本身的利多，以及大環境的影響，去年加入Nvidia新創加速計畫的新創企業的一大部分都在這些類別中。

在中國市場上，該計畫去年扶持的企業超過800家。這個數字也極大程度說明了AI在中國發展的繁榮。換句話說，全球25%的成長量也可間接表現出，新冠疫情的蔓延客觀上也推動了AI的發展，而且不止於醫療健康。

AI新創投資市場現狀

Nvidia新創加速計畫可認為是觀察AI新創企業，乃至整個AI產業發展的冰山一角。CB Insights先前公佈了一份AI 100榜單，列出100家AI新創企業——而且據說是從超過6,000家企業中選出來的。這份榜單涵蓋了跨18個核心產業的各種解決方案，這個數字其實已蠻驚人。這份榜單總結了這些年來AI新創公司獲得的融資金額、最具代表性的產業類別，以及有不少企業處在A輪融資階段。其中12家是獨角獸，而在地理位置分佈中，64%位於美國，8家位於英國，6家在中國和以色列等。

針對這個市場有一些更細緻的資料可以列舉。以前不久微軟豪擲197億美元收購Nuance為代表，目前美國最大的5家科技公司中，有4家大量收購了AI新創企業。其中蘋果(Apple)最多，收購次數達到了29次——這也是CB Insights前不久才更新的資料。僅今年一季，全球與AI新創企業相關的交易(如收購、兼併等)次數就達到了626次，交易金額大約是177億美元。與去年相比，2020年整年的資料是354億，這其中的增量還是相當可觀的。有投資機構認為，預期今年針對AI相關的企業交易量會是去年的2~3倍，這種持續活躍和加速的趨勢仍相當明確。

很多機構針對企業所作的統計也顯示，企業對於AI產品的採用計畫正在增加，或者說更多的企業在數位化轉型過程中準備應用AI。Signal AI針對1,000位C級高層的統計顯示，92%認為自家企業需要依靠AI技術來提升決策制定流程。GTC 2021上，Nvidia共同創辦人暨執行長黃仁勳針對Nvidia發佈的AI for Enterprise特別提到：「我們將AI擴展到企業的邊緣。我們相信企業產業邊緣將會是AI產生巨大影響的地方，包括醫療健康、倉儲物流、生產製造、零售、農業、交通。AI還沒有觸達這些產業，但現在不同了。」

所以從投資方和需求方兩個方面來看，AI新創企業相關的投資都在持續擴大。不過這一現象可能與其他熱門領域的發展具有極高的相關性。比如推行SaaS的企業如今受到格外的關注——而這些企業普遍將AI作為企業產品的一部分。所以AI成為某些正在快速成長中的市場的組成部分受到追捧，本身也是AI成長的原因。達成全球AI交易金額的新記錄，可能會在今年持續發生；今年截至目前交易輪次也仍然表現出了熱度。

這其中有一點轉變，是近一年才發生。亦即去年很多企業對於AI的接受度仍然不高——AI之前的存在更像是一種行銷手法：即告訴客戶和投資人，產品中有AI技術才能獲得青睞；而現階段逐漸在轉變至用AI來更實際地解決現實問題的階段發展，或者不需要再去反覆解釋究竟為什麼要接受AI。AI也變得越來越平常，這也是大部分技術走向成熟的必由之路。雖然從投資風向來看，這個市場遠未及成熟，Nvidia在此時持續做針對AI新創企業的新創加速計畫投入，還是相當好的時機。

兩個新創加速計畫示例

與此同時，Nvidia新創加速計畫在客觀上也是降低產業進入門檻的一種方式，所以該計畫本身又在推動AI產業發展。從這個層面來看，這一市場行為與Nvidia本身在技術上進行生態建構還是一脈相承。

對於加入計畫的AI新創企業而言，該計畫提供的支援主要包括幾點：Nvidia的部分產品折扣、AI技術支援(包括Nvidia深度學習學院DLI線上自主培訓課程免費兌換200次)、Nvidia管道的市場推廣(如在GTC大會上給予展示、演講等的機會)、融資服務、業務推薦等，也就是從技術和市場兩方面提供一些基礎支援。除了免費加入的新創企業，計畫中另設有高階會員(設定要求包括至少完成A輪融資或已產生業務收入等)有更多的支援，比如開發者關係支持、更多市場推廣等。

這些服務和支援，基本也顯示了當代新創企業扶持計畫的常規，大方向上也符合AI新創風向的趨勢。這裡列舉兩個加入Nvidia新創加速計畫的新創企業的例子，大致可從中體會此類新創扶持計畫的價值。

中國有家名為心咚科技的企業，主要業務方向是將AI技術融入到時尚、服飾產業。這家公司產品的核心，包括了物理引擎和數位面料中心：設計師藉由心咚科技的產品，可以將現實中的實物面料和服飾，虛擬地呈現出來。這其實很類似於「原型產品」、「設計驗證」，虛擬產品因此能做到「零廢棄物製造」。市面上大多數現有的3D服裝設計軟體都只是視覺模擬，而沒有工業級高精準度物理模擬所需的運算結果。

所以心咚科技採用Nvidia的GPU及互連等方案，實現了高效能運算(HPC)應用，完成對複雜光線追蹤、視覺化運算工作負載的處理，以虛擬的方式完成從選擇面料、成衣設計、審稿、打版到生產過程。心咚科技本身是Nvidia新創加速計畫會員，這個例子也顯示AI相關技術新創企業借助Nvidia的資源、支援和平台，能夠加速應用實踐和延展。

再舉個例子，美國有家新創企業Zippin，他們的產品針對零售店購物可實現自動結帳，這個過程主要是對消費者購買的零食、飲料等進行影像辨識。顧客在支援Zippin系統的店內買東西之後就可以離開，app會保留收據，追蹤消費記錄後收費(app或信用卡支付)。這個專案的市場契機，主要來自國外很多體育館、娛樂場所重開，Zippin自動結帳無人商店不需要排隊就能買東西。

Zippin如今的業務擴展似乎還頗順利，其商店數量在穩步增加，包括一些大型體育場館和零售連鎖店；而且擴展到了美國以外，包括巴西、俄羅斯、日本。這套「自動結帳」系統相關AI的核心部分，應該是商品的影像辨識，並且結合更多感測器實現位置、重量辨識等。不僅是顧客買了什麼，也在於商店本身的庫存管理自動化，Zippin用的是Nvidia Jetson在終端進行模型推理。

Zippin聯合創始人兼首席科學家Motilal Agrawal在談加入新創加速計畫時提到，「Nvidia新創加速計畫團隊與我們見面、借給Zippin第一個NVIDIA GPU並針對我們的應用提供關於Nvidia SDK的指導。」
這兩個例子都是在Nvidia新創加速計畫扶持下，業務得以擴大影響力或開展落地的典型。Nvidia在其官網列舉的實例還有不少，本身也算是對這些企業的市場宣傳途徑之一，可能不同參與者受惠於新創加速計畫的體驗是不同的：Nvidia自己列舉的案例中，有家AI醫療影像手術導航機器人相關新創企業，相當推崇Nvidia深度學習學院DLI 的培訓課程，包括部分課程後Nvidia頒發的一些認證證書。如前面所述，Nvidia深度學習學院DLI線上自主培訓課程也是Nvidia新創加速計畫的重要組成部分，這類課程對於AI新創企業的養成具備相當的價值。

無論是免費的自主培訓課程，還是Nvidia GPU產品折扣、AI技術支援、市場推廣、融資服務、業務推薦，這些Nvidia新創加速計畫的組成部分。對AI新創企業快速入門和進階AI開發、加速產品上市，以及對於Nvidia本身培養AI生態有其價值。

正如本文一開頭所述，這種潛在開發生態與習慣的培養，是大部分生態締造者佈局生態時的必要行為。AI新創企業市場如此火熱，是Nvidia開展新創加速計畫的契機。與此同時，這類計畫本身又在促進AI整個產業往前發展，也是推動AI產業現階段百花齊放、迸發AI創意的起點。

資料來源：https://www.eettaiwan.com/20210712nt61-ai-development-from-the-dynamics-of-new-venture/?fbclid=IwAR1AVhpCZaFFqeTnmgvW7ZoTBBv48gtKEMsxZa4u4i_BDryyVfKnQcYLQ40

【早鳥倒數🔥AI醫學影像辨識一次掌握】
👉 https://bit.ly/2Whgkjl
不管你是具備工程技術，還是具備醫療知識💊
只要想進入醫療影像分析，卻不知如何開始💉
又或想接案醫療影像分析，卻不會以下這些技能嗎❓

📍於貼文留言: 「#AI醫學影像辨識」助教將私訊超優惠連結給你
若可以公開分享此篇貼文，會更棒棒喔🎉🎉

1⃣不會寫程式、不會Python✅基礎+進階一起打包!
2⃣會程式但沒有學過AI辨識 ✅基礎+進階一起打包!
3⃣有一點基礎但沒有很熟悉 ✅基礎+進階一起打包!
#學習的問題我一率建議TibaMe穩紮穩打

🧬基礎班
🔹NumPy / Pandas / Matplotlib：分析病歷資料
🔹OpenCV：胸腔影像去雜訊、銳利化、邊緣偵測等
🔹Keras深度學習建模：分析基礎影像
🔹CNN 模型：辨識手寫數字
🔹CNN 影像辨識 + 遷移學習優化：新冠肺炎X光分類
🔹實作：視網膜糖尿病病程分級

🧬進階班
🩹CNN 語意切割、萃取影像特徵
🔸辨識腦腫瘤組織影像
🔸視網膜糖尿病病程分級
🔸進行不同細胞之分類

🩹應用物件偵測 Yolo 模型
🔸標註物件範圍進行血球偵測

🩹創建 VGG 模型
🔸心電圖波型影像分類

🩹優化創建 EfficientNet 模型
🔸分類肺炎影像分析

🩹創建 ResNet 模型
🔸3D 胸腔醫學影像分類輔助診斷

一次擁有全部醫學影像成果作品
👑13種視覺化分析作品＿業界最紮實也最超值

ZenBook Flip S OLED ( UX371 ) 翻轉螢幕筆電 開箱評測實測 華碩筆電螢幕好嗎？評價實際表現 效能 2021 華碩輕薄筆電推薦，適合辦公、文書、娛樂、看影片使用。實測 i7-1165G7 搭配 Intel Iris Xe 的實際性能表現，邦尼帶來性能跑分，並帶來 Premiere Pro 剪輯實測 螢幕色域表現 充電速度 續航測試 發熱散熱表現溫度、評價、推薦、值不值得買。本集也同步帶來 OLED 與 LCD 螢幕的差異比較，包括顯色、亮度、低藍光護眼及反應速度等。

ZenBook Flip S OLED ( UX371 ) 搭載 13.3 吋 4K OLED 16:9 顯示器，實測擁有 97% DCI-P3 , 98% Adobe RGB , 100% sRGB 螢幕亮度可達 400 尼特，效能上採用 i7-1165G7 + 16GB RAM + 1TB SSD，本集也將帶來 65W 充電速度實測 , 續航力測試 電力 電量測試 、跑分測試 PCMARK 10 , CineBench R23 , 3DMark , Premiere Pro 2021 輸出測試，本集為完整評測，將帶來更完整的效能快充續航實機實際測評。

更多 OLED 筆電訊息：https://www.asus.com/tw/content/Laptop-OLED/

立即加入邦尼頻道會員計畫：https://www.youtube.com/c/isbonny/join
(#你的恐龍會隨著你的會員等級一起成長哦！)
邦尼社團：https://fb.com/groups/isbonny
－－－－－－
邦尼找重點：

ZenBook Flip S OLED

0:00 邦尼幫你評測 開場
00:31 外觀設計 / A 面 / 軍規認證
01:12 I/O 接孔 / HDMI 1.4 / Thunderbolt 4 USB-C / PD 快充 / USB Type-A
01:52 重量 / 單手開闔 / 可 360 度翻轉
02:25 B 面 / NanoEdge / Windows Hello 臉部辨識
02:39 螢幕規格 / 色域覆蓋 / Pantone 認證 / HDR 串流
03:32 螢幕顯示表現 / 亮度實測
04:00 翻轉模式 / 使用情境
04:35 ZenBook OLED 系列筆電 / 色域實測
05:13 IPS & OLED 對比實測
06:06 低藍光護眼說明
06:51 OLED & LCD 反應速度實測
07:25 MyASUS / ASUS OLED Care
08:14 harman/kardon 喇叭 / 外放實測
08:46 C 面 / 快捷鍵
09:11 鍵盤 / 三段背光 / 薄膜 / ErgoLift 螢幕軸承設計 / 虛擬數字鍵盤
09:46 Evo 認證 / i7-1165G7 / Iris Xe 內顯 / LPDDR4X 4266MHz 16GB / 1TB PCIe SSD
10:09 散熱實測
10:28 i7-1165G7 & i5-1135G7 性能對比
11:06 Cinebench R23 實測
11:11 UL Procyon / Premiere Pro 實測
11:23 Premiere Pro 2020 輸出實測
12:58 續航力實測 / 67Wh 電池
13:26 充電實測 / 65W 充電器 / 支援 Wi-Fi 6
13:50 跑分實測數據
14:09 總結

立即加入邦尼社團挖好康：https://fb.com/groups/isbonny

#邦尼評測：超深入 3C 科技使用體驗
#邦尼LOOK：3C 科技產品開箱快速動手玩
#邦尼LIFE：屬於邦尼幫你團隊的私密生活玩樂
#邦尼TALK：有內容的聊聊科技資訊吧！

你訂閱了這麼多頻道，就是少了一個幫你評測幫你了解科技生活的科技頻道，立即訂閱「邦尼幫你」吧！
訂閱邦尼幫你：https://lnk.pics/isbonnyYT
邦尼社團：https://fb.com/groups/isbonny
邦尼幫你 FB：https://www.fb.me/isbonny
邦尼幫你 IG：https://www.instagram.com/isbonny/
邦尼 Telegram：https://t.me/isbonny
邦尼Line官方帳號：@isbonny（http://line.me/ti/p/%40isbonny ）
邦尼信箱：service@iwaishin.com
邦尼評測（產品合作）：me@iwaishin.com
快來找我們玩！！！！

本期卡濕：
卡司：ASUS ZenBook Flip S OLED ( UX371 )
主謀（製作人）：邦尼
內容創造者：威信
影像創造者：驢子
麥聲人：歐登
內容夥伴：IWAISHIN 愛威信 3C 科技生活
特別感謝：ASUS & 每一個看影片的「你」
邦尼老實說：本影片係由 ASUS 有償委託測試，並由邦尼幫你秉持第三方評測的客觀事實，衷心製作消費者體驗報告。

我們是邦尼幫你：
以「邦尼幫你」為出發點，秉持著「科技很簡單，新奇可以好好玩」的初衷，以更多實境使用場景及戲劇內容豐富以往艱澀難懂的科技資訊，回歸消費者角度思考產品價值，並以「幫你玩、幫你測、幫你試」等實測內容給予產品評價，此外更期許能夠成為「更貼近消費者觀點」的內容創作者及具有媒體影響力的科技內容創造團隊。

人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。

其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。

當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。

也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。

雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。

不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。

像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。

Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。

人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
--------------------------------------

《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！