台灣分別在2020年和2023年經歷了缺水危機，水庫蓄水量告急，甚至有許多縣市開始了限水措施。更有人開始擔心用水量龐大的台灣護國神山台積電可能會因為缺水，造成生產線無法順利運作，進而造成全球晶片供應鏈停擺的危機。由此可見，水資源的議題對身在台灣的我們來說不僅是重大的民生問題，更可能是影響我國國家發展的重大國安問題。尤其在全球暖化加劇的現在，未來水資源也將成為世界各國爭相搶奪的戰略資源，因此如何確保水資源的永續是身在台灣的我們必須審慎思考的問題。幸好隨著人工智慧的發展，讓我們能夠更有效地回收廢水，提高水資源的使用效率。本次課程將告訴大家，我們可以如何結合AI科技提升處理廢水的效益，將水資源的利用最大化。

講師：謝文彬

現職：

• 臥龍智慧環境有限公司 創辦人暨執行長
• 亞洲大學 校務顧問暨資工系兼任教授
• 台灣人工智慧協會(AIAA) 理事
• 台灣人工智慧學校（AIA）ESG講座
• 人工智慧基金會（AIF） ESG講座
• 中華亞太物聯發展協會ESG資深顧問
• 中興大學國際產學合作中心 業界顧問
• 數發部數據賦能 公益創新 輔導專家教練

經歷：

• 台積電 （F12P6廠務水處理課/F15P6 新建廠工程（10 nm），硫酸鈷處理與資源化專案，節水績優專案）
• 愛奇智慧科技公司(AI4kids)創辦人暨營運長
• University of Delaware 博士後研究/訪問學者
• 台灣人工智慧學校 台中經理人二期 (進修)
• 環保署廢水處理專責人員訓練班講座
• 財團法人環境與發展基金會 經理
• 友達光電 CELL高級工程師 新產品整合
• 交通大學防災與水環境中心博士後研究員/ 助理研究員

一、前言

台灣分別在2020年和2023年經歷了缺水危機，水庫蓄水量告急，甚至有許多縣市開始了限水措施。更有人開始擔心用水量龐大的台灣護國神山台積電可能會因為缺水，造成生產線無法順利運作，進而造成全球晶片供應鏈停擺的危機。由此可見，水資源的議題對身在台灣的我們來說不僅是重大的民生問題，更可能是影響我國國家發展的重大國安問題。尤其在全球暖化加劇的現在，未來水資源也將成為世界各國爭相搶奪的戰略資源，因此如何確保水資源的永續是身在台灣的我們必須審慎思考的問題。幸好隨著人工智慧的發展，讓我們能夠更有效地回收廢水，提高水資源的使用效率。本次課程將告訴大家，我們可以如何結合AI科技提升處理廢水的效益，將水資源的利用最大化。

二、水環境現況與問題

台灣的降雨量每年可達到約2500毫米，是世界平均雨量的將近三倍，但為什麼我們還是常常遇到缺水危機呢？其中一個原因與台灣的地形有關。台灣的地形東西狹窄，且陡峭的山坡相當多，我們的河川也較短。因此，下雨之後的雨水流失速度也相當快，還來不及被收集運用就流入大海或蒸發。第二，目前蓄積水源的主要是透過水庫，但由於淤泥的堆積，導致許多水庫無法儲存和預期一樣多的水量。而由於環評的緣故，興建水庫可能將不再是未來解決缺水問題的最佳方案。除了天然地形與水庫淤泥以外，全球暖化所帶來的極端氣候也是造成台灣缺水問題愈來愈嚴重的原因之一。由此可知，台灣的水資源由於受限於天然條件和不正常的氣候，導致保存困難。因此，我們如何有效地使用水資源，將水資源進行有效的利用，是台灣必須謹慎面對的問題。

而水資源的缺乏，也成為台灣許多企業必須納入的風險考量之一。業主必須開始思考如何應對可能愈發頻繁發生的缺水危機，以及如何將工廠用水的使用效益最大化。另外，隨著水資源的重要性愈來愈受到重視。聯合國提出的永續發展目標（SDGs）的第六項就和水資源有關，以確保所有人都能享有水、衛生及其永續管理為目標，並希望在2030年以前，實現所有人均能普遍並公平地獲得安全且可負擔的飲用水。許多企業在思考如何創造公司利益的同時，也基於實踐企業的社會責任，盡量將公司的發展符合聯合國所提出的SDGs目標。相對地，許多投資人在選擇投資標的時，一間公司的發展是否符合SDGs也變成投資人選擇投資標的的一項重要指標。

然而，要做到水資源的永續其實不簡單，因為要將大自然中的水處理淨化至可供民生或工業用水的過程相當繁雜。以工業用水為例，當雨水或河流的水進入自來水廠後，自來水廠必須經過處理，並供給工廠使用。而工廠使用過後的廢水需要先進入工業區的污水處理廠，或由自己公司的污水處理廠處理後，才能回收再利用或排放到大海。而由於這個過程中需有許多人員控管，並由專業人員投放藥物才能完成，因此無法排除人員作業的失誤，而水的品質也較不穩定。幸好隨著人工智慧的發展，目前以有像是臥龍智慧環境公司投入架設智慧水處理廠，由AI輔助污水處理的過程，減少人類可能出現的錯誤、加快問題排除流程，進而提高水資源的品質與使用效能。

三、水處理的下一步：智慧水處理廠

臥龍智慧環境公司是曾在台積電擔任廠務處主任工程師的謝文彬博士於2021創辦的AI企業。在水資源方面，臥龍智慧利用利用人工智慧技術，透過大數據的分析，協助將水處理、水回收的過程，或者循環設備的效能提高，達到節能減碳與水資源的永續。人工智慧大致可以分成三個部分，包含巨量數據、影像辨識和自然語言。首先，透過可靠資訊所組成的巨量數據可以用來預測與管理水質，也可以判斷水的污泥量，來判斷污水處理過程中應使用多少藥劑量。在影像辨識方面，AI可以幫助我們辨識生物相，判斷水質。在處理廢水時的其中一個方式為生物處理。我們所排放出的廢水中所含有的碳、氮、磷等都是微生物的養分來源。當它們吸收了廢水中這些養分後，代謝出來的CO₂和水以往都需要專業人員利用顯微鏡分析，但有了AI後，我們就可以讓AI透過影像辨識來判斷水質。在自然語言方面，AI則是可以幫助我們在收到警告時，快速判斷哪個系統或管線出問題。我們也可以透過AI，在遇到問題時快速得到排除問題的方法。

臥龍智慧目前也成功幫助許多企業建立了智慧水處理廠，有效降低其污水處理成本。舉例而言，智慧水處理廠可以有效提升化工廠的水回收再利用率。目前大部分化工廠通常會面臨因為人力採樣的資料不及時，導致無法及時掌握水質狀況。另外，人為檢驗誤差也常造成藥劑量使用不當和水質不穩定的風險。為了解決這個狀況，臥龍智慧曾幫助一間化工廠建立自動採檢設備，利用AI進行資料收集與分析，有效降低人力短缺和資料不即時的問題。在處理加藥量和水質的部分，臥龍智慧將AI精準加藥系統導入污水調和池的運作中，由AI判斷應該用多少的藥劑量，才能有效讓污水中的顆粒變成較大的顆粒，讓這些顆粒可以在沉澱池中快速沉澱。結果顯示，導入AI後，該公司水中的懸浮微粒由原本導入前的每公升大於400毫克的懸浮微粒量，減少為導入後的每公升小於10毫克的殘留量。同樣的技術也曾用於自來水廠，利用AI判斷正確的加藥量，降低該自來水廠的過濾系統阻塞率，也讓我們所喝的水質更好、更穩定。

四、結語

從本次課程的案例，我們可以看到，透過建設智慧水處理廠，將AI導入污水處理過程，能夠有效地讓我們使用的水質更好且穩定。這不僅可以提升我們的生活品質，也可以讓像是需要高水質進行晶圓製造的台積電這樣的大公司，能夠更有效地提升生產的品質，並降低污水處理所需耗費的成本。簡言之，由於AI能夠幫助我們更加有效地回收水資源或處理污水，因此也可以讓我們的水資源使用效率最大化，減少水資源的浪費，真正落實環境永續與節能減碳，為保護地球盡一份力。

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】AI助攻環境永續-水處理與節能減碳 ｜謝文彬 (12/18) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

當我們在使用ChatGPT時，大部分人都專注於完善指令，讓ChatGPT產生的答案可以更貼近我們的期望。儘管指令內容對於ChatGPT生成的結果相當重要，不過身為設計師，我們在解決問題前應該要先分析問題、定義核心、發展創意，最後才是執行。因此，既然AI現在可以幫助我們快速產出成果，那麼我們更應該專注於設計思考的脈絡。今天的課程，我們將帶給大家不同於以往的ChatGPT使用方式，告訴大家如何使用AIGC工作流心法與ChatGPT協作，讓我們的成品更加完美。

講師：林思翰

Group.G 導演，實踐大學兼任客座助理教授，超過10年動態設計 Motion Graphics 從業經驗，為 Samsung、Nespresso、LINE、BULGARI、ASUS 等國際品牌提供創意視覺與行銷解決方案，榮獲 2022 金點設計獎與德國 2023 iF Design 等獎項。最早在台成立AIGC交流社團，後續將50000人社團轉型為AIGC藝創聯盟，擔任過 Adobe、文策院、金車文藝、動畫特效協會等講師，並受到華視、商業周刊、數位時代、LaVie 等多家媒體雜誌報導。

一、前言

當我們在使用ChatGPT時，大部分人都專注於完善指令，讓ChatGPT產生的答案可以更貼近我們的期望。儘管指令內容對於ChatGPT生成的結果相當重要，不過身為設計師，我們在解決問題前應該要先分析問題、定義核心、發展創意，最後才是執行。因此，既然AI現在可以幫助我們快速產出成果，那麼我們更應該專注於設計思考的脈絡。今天的課程，我們將帶給大家不同於以往的ChatGPT使用方式，告訴大家如何使用AIGC工作流心法與ChatGPT協作，讓我們的成品更加完美。

二、什麼是AIGC？

AIGC（Artificial Intelligence Generated Content）其實指的就是我們所說的「生成式AI」。不過AI其實早在很久以前就被開發出來，但為什麼最近又颳起一陣AI旋風呢？那是因為現在的生成式AI技術也可以做人類過去才能作的創作工作，它可以依照使用者的指令生成出一篇短文、一曲音樂、一張圖片，或者一部影片。這些原本需要人類投入大量時間和創意的工作，生成式AI不僅可以在短時間完成，有些生成式AI的成品也能夠高度擬真，使我們難以分辨背後的作者究竟是人類還是AI。正因為如此，生成式AI才會在近年快速竄紅，帶起了一陣AI旋風。

因此很多人開始擔心，生成式AI這麼強大，我會不會被AI取代呢？其實AI並不是萬能，世界上還是有許多AI做不到的事。舉例來說，現在透過生成式AI，作為設計師的我們就不必再從最初的草稿開始製作，只要將客戶的期望做為給ChatGPT或其他生成式AI的指令，AI就可以幫我們產出一張圖片，讓我們直接拿給客戶看。只要客戶不喜歡，我們也只要更改指令，重新讓AI產出圖片供我們選擇即可。然而，AI所生成的成果若直接拿來使用客戶是絕對不會買單的。我們依靠我們自身的專業擷取AI成果好的部分進行微調，才能讓客戶滿意我們的設計。因此我們只要了解AI的極限，知道它能與不能做什麼，再思考如何與AI協作，就可以有效提升我們的工作和成果品質。

三、AIGC工作流六大心法

設計工作的流程通常依序會經歷產生想法、觀察/研究、分析/思考、創意靈感、執行這五個過程。不過目前大多關於生成式AI輔助設計工作的教學都著重於告訴我們，如何將我們最一開始的想法告訴AI並直接執行工作。舉例來說，假設我們的客戶需要一張車輛圖片，一般人會直接將指令直接輸入Midjourney讓AI幫我們生成圖片，而這樣的方式其實跳過了中間的三個步驟，直接從產生想法跳到最後的執行階段。然而，AI難以取代且真正讓設計工作這樣的藝術創作過程充滿價值的，其實正是觀察/研究、分析/思考、創意靈感這三個階段。因此，我們要告訴大家如何透過AIGC工作的六大心法，真正與AI人機協作，和AI一起創造出更完美的成果。

A. 流程化：從新手到專家的最簡單公式

在利用AIGC工作流心法時，我們將一改以往由我們問問題，讓AI回答的方式，變成讓AI問問題，由我們回應。首先，我們要將ChatGPT的問題流程化，請它依照我們提供的以下七個AIGC工作流思考流程的每一題深入詢問，且一次只問一個問題。這七個流程包含：

1. 需求：我們首先需要將客戶的需求輸入這裡。
2. 動機：為什麼客戶需要這張圖片？詢問客戶想解決的具體問題。
3. 觀察研究：觀察客戶真實需求與市場痛點分析，深入研究市場已有產品與圖片。
4. 分析思考：分析客戶產品的核心優勢，策略性思考如何在眾多競爭對手中脫穎而出。
5. 創意靈感：追求視覺效果之外，創造獨特並具有故事性的創意靈感。
6. 執行：基於前面分析，將關鍵字丟入Midjourney反覆測試，進行技術研究與篩選。
7. 驗證：依據測試反饋進行調整與討論，已達到真正解決客戶問題的最終成果。

接著，我們就只要思考如何回答ChatGPT的提問即可。以幫BMW Taiwan產生一個車輛圖片供其在社群媒體上結合七夕情人節活動宣傳使用為例，ChatGPT學習了上面的流程後就會開始先針對「需求」的部分提問，我們可以在這個階段提供它BMW Taiwan的詳細資料，包含品牌名稱、品牌核心和品牌故事等。在觀察研究的階段，我們也可以提供BMW Taiwan以往的社群網站貼文給ChatGPT參考。簡而言之，在這個階段，我們只要能夠將AIGC工作流思考流程提供給ChatGPT學習，並逐一在回覆的過程中提供客戶公司的資訊給ChatGPT即可。

B. 脈絡化：讓創意靈感有說服力的方法

接著，當我們進入「分析思考」的階段時，就可以開始和ChatGPT一起將我們的創意靈感脈絡化。假設ChatGPT請我們將BMW的品牌故事和核心納入考量，思考哪些元素或故事片段可以跟七夕情人節有關，我們除了可以試著回答，也可以在沒有想法時請它根據我們所提供的品牌歷史和核心做分析思考，提供我們創意。在這個過程中，我們如果覺得ChatGPT所提供的創意不好，那麼除了請它重新思考創意以外，也可以讓它到網路上搜尋更多關於BMW的歷史故事，或者關於七夕情人節不為人知的十個小故事或冷知識，並將兩者結合提供創意給我們，直到我們找到可以將品牌特色與七夕情人節相結合的創意為止。

C. 故事化：好故事是最便宜的行銷武器

人們不喜歡被推銷，但是人人都喜歡聽故事。因此，當我們有了具有脈絡化的創意靈感後，就可以開始和ChatGPT一起撰寫文案了。在這個階段，我們除了直接讓ChatGPT利用前面所產出的創意靈感撰寫故事以外，也可以將我們所知道的客戶的品牌故事或小知識提供給ChatGPT，讓它放到故事中。同樣地，我們在這個階段可能會需要一直重覆與ChatGPT來回溝通，直到產生出滿意的故事內容為止。

D. 優先級：所有都是重點就代表沒重點

當我們認為一篇文章的全部都是重點時，其實就代表沒有重點。而ChatGPT所生成的故事雖然方向是對的，但卻沒有優先順序，讓人在看完之後還是抓不到重點。所以即便我們在這個階段已經有一個結合品牌特色和七夕情人節相結合的故事，我們還是必須依照自己的專業判斷，篩選出故事的重點，思考哪個情節應該放在開頭，結尾又應該是哪一段，並請ChatGPT依照我們的重點順序，重新寫出一篇貼文文案。如此一來，我們就能夠得到一個可以立即吸引受眾眼球的故事囉！

E. 選擇題：探索各種可能找出最佳解答

在這個階段，我們可以不斷地調整重點順序，請ChatGPT生成許多版本的故事，讓我們可以在多個選項中挑選出一個我們認為最佳的故事並提供給客戶。雖然在看過AI生成的不同故事後，我們可能還是會覺得剛開始的故事還是比較好，但或許在眾多的故事中也可以讓我們找出超乎想像的好故事，甚至刺激我們的創意思考，所以大家也不妨嘗試調整重點順序，讓AI生成不同的故事喔！

F. 必殺技：讓客戶看見上班的你多努力

AIGC工作流的最後階段當然就是向客戶提案，唯有客戶願意買單，我們的工作才可以算完成。當然，有很多人可能會因為知道我們在工作過程中利用了AI做為輔助，就認為我們在偷懶，因此如何寫出一份好的提案，讓客戶能夠看到我們與ChatGPT協作過程中的努力，才能真正感動客戶。然而，我們不可能直接將與ChatGPT的協作過程做為提案給客戶，所以我們就可以請ChatGPT依照一開始的AIGC工作思考流程，填入我們以上的對話資料做為總結提案。如果ChatGPT的語氣一直不適當，我們也可以告訴它這份提案是要針對何種客戶所做的提案報告，因此語氣必須修正，讓客戶可以看到我們思考的過程和細節。

四、結語

AIGC工作流六大心法其實是一個核心概念與一種思考方式，也因此當我們得以掌握AIGC工作流心法，就也能夠將其套用在ChatGPT以外的生成式AI。除此之外也要提醒大家，即便我們透過生成式AI所生成的成果再怎麼好，也一定要由我們依照自己的專業進行微調，這不僅只是為了能夠提升我們的成果品質，更是讓我們能夠避免法律爭議發生。最後，不管生成式AI如何發展，或者AI生成物的品質再怎麼好，我們都要保持不斷地學習，將與AI人機協作節省出來的時間用來發展其他興趣，或者提升自己的能力，才是我們在AI時代下的生存之道。

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】AI 創意導演的AIGC工作流心法 ｜林思翰 (12/14) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

大家在工作時是不是經常需要發揮創意呢？以往我們在挖掘創意的過程中，總是必須花上數周甚至數月的時間腦力激盪。不過，在AI大爆發的現在，我們也可以與ChatGPT協作，加速我們的創造性思考流程。本次課程將告訴大家，如何善用ChatGPT，並結合不同的創意思考方法，幫助我們在創意發想與收斂的過程中，汲取創新的點子。

講師：智合創新CEO 汪周禮

專注 AI技術應用、數位產品開發、半導體製造 與 技術研究 領域，擁有豐富的實戰創新 經驗。以專業知識為基石，整合領先的創新工具，致力於協助 企業實現 數位轉型創新。

過去曾協助美國手機 製造商 成功迴避 蘋果第一供應商的產品技術專利 ，打入蘋果供應鏈！也曾協助 AI 軟體企業 成功突破多間跨國公司的 AI 產品技術專利組合布局，推出創新產品專利技術，並獲得多家 國際競爭對手 認可 採用創新產品技術方案 應用 在其筆電等 產品，為企業創造千萬營收！

2016年協助蒙恬科技規劃並執行AI產品專利布局獲得國家發明創作獎金獎。
擔任國際 TRIZ 創新價值協會(TIVA)的理事長，也是 國際TRIZ協會(MATRIZ org) 認證教材 顧問委員會 委員。
曾經擔任多家知名科技企業和學術機構與政府單位的 新產品開發、專利布局與商模開發以及突破慣性思考模式與TRIZ創新課程講師，客戶與服務單位包括凌巨科技、晶元光電、友達科技與金風科技，致理科技大學、慈濟大學、東海大學、台南市政府公務人力發展中心等。

前言

大家在工作時是不是經常需要發揮創意呢？以往我們在挖掘創意的過程中，總是必須花上數周甚至數月的時間腦力激盪。不過，在AI大爆發的現在，我們也可以與ChatGPT協作，加速我們的創造性思考流程。本次課程將告訴大家，如何善用ChatGPT，並結合不同的創意思考方法，幫助我們在創意發想與收斂的過程中，汲取創新的點子。

一、ChatGPT簡介

目前的生成式AI有許多種類，包含像是Midjourney和DALL・E的文生圖AI，也有向本次課程所使用的文生文的ChatGPT。不過隨著生成式AI的快速發展，目前也有利用多模態模型運算的生成式AI。使用者只要一次性輸入文字，就可以得到文字和影像的複合式輸出。而ChatGPT之所以廣受歡迎，是因為它的操作方式簡單且效能強大，我們只要將我們的問題輸入詢問ChatGPT，它就會根據我們的問題提供答案。除此之外，目前付費版的ChatGPT-4也有提供許多plugins，讓我們可以透過不同的plugins執行專業的任務，像是搜尋與摘要學術資料，或者安排旅遊行程等。另外，ChatGPT也在近幾個月增加了My GPTs的服務，讓我們可以依照自己的需求，建立處理專業任務的機器人。不過，即便ChatGPT功能強大，但我們如果想要從ChatGPT得到有效的回覆，或者利用它作為提高生產力的工具，那麼我們也要懂得如何掌握用字技巧，問好每一個問題，才能從ChatGPT得到符合我們需求的回覆。

二、使用ChatGPT進行腦力激盪

在創新的過程中，我們一開始必須要進行腦力激盪，找出好的點子才能開發創新的產品。那麼我們該如何用ChatGPT腦力激盪呢？與ChatGPT一起腦力激盪的過程主要可以分為三個步驟。首先，我們當然要有基礎的準備，從日常生活中觀察有那些事物可以做為題材，並蒐集相關的資訊。而這樣的基礎準備就是我們提問時的認知原點，它會決定我們發散的面向、深度與範圍，因此對於一開始的腦力激盪相當重要。但必須注意的是，當我們在進行提問時，內容與定義在一開始會盡可能的空泛但清楚且合乎邏輯。這樣的用意是避免給ChatGPT太多的限制。下一步則是開展思維，也就是腦力激盪時的發散過程。我們可以在此過程中將創意工具結合ChatGPT，快速得到大量的多元想法和觀點。最後一步就是篩選優勢。透過上一階段得到的眾多想法中，我們必須將發散的想法與觀點收斂，篩選出最佳和最具潛力的方案執行。在與ChatGPT腦力激盪的過程中，我們會不斷地進行發散與收斂，直到得到我們想要的結果為止。

以手機支架的開發為例，目前市面上有各式各樣的手機支架，但在應用層面仍有許多限制，於是我們希望可以打造一個創新的手機支架。在第一階段中，我們可以直接將觀察到的問題告訴ChatGPT，不必提供它任何的整合工具，例如「手機已經成為每個人日常生活的使用物品之一，但手機支架的應用仍然受限很多，因此目前想要改善手機支架這個產品，請提供我開發手機支架的創意想法。」

而產品開發的創新價值來自於我們的產品能夠符合消費者的需求，解決他們的痛點。因此我們接下來就可以從ChatGPT的回應中，思考是否有可以有效解決消費者痛點的方案，也就是要將發散的點子進行收斂。此時，我們可以帶入工具，讓ChatGPT幫我們評估找出怎麼樣的產品才可以符合消費者的需求。舉例而言，我們可以在原來的提問中，請ChatGPT「根據六頂思考帽進行評估」。如此一來，我們便可以從不同的角度思考手機支架可以如何創新，更全面地考慮該產品的開發，也能夠更快地發現潛在的挑戰與機會。

了解了目前手機支架的挑戰後，我們也可以透過奔馳法（SCAMPER）思考針對新型手機支架的不同構想。當我們利用奔馳法腦力激盪時，很有可能就會看到ChatGPT告訴我們可以在不同的情境下，設計不同的手機支架。此時，我們就可以再繼續追問，讓它產生不同的情境，讓我們在討論時激發更多不同的創意。

三、使用ChatGPT挖掘問題

當我們有了新產品的方案後，也必須挖掘新產品可能會出現的問題。當我們遇到問題時，往往我們所碰到的問題只是冰山一角，一個問題往往是背後許多問題隨著時間不斷堆積出來的結果。因此第一個挖掘問題的方法為IF-THEN-BUT問題模型，我們可以將其結合六頂思考帽，從不同的觀點來挖掘產品的可能問題。舉例來說，我們可以這樣詢問ChatGPT：「IF-THEN-BUT是一種問題模型描述方式，是否可以根據IF-THEN-BUT問題模型，結合前面六頂思考帽，協助找出手機支架的可能問題？」如此一來，ChatGPT便會從不同觀點，告訴我們如果（IF）產品有什麼特徵，那麼（THEN）就會產生何種結果，但是（BUT）會帶來何種缺點，讓我們可以更全面地評估產品的潛在問題（圖1）。

接著，我們可以再結合因果鏈分析法（Cause and Effect Chain Analysis, CECA），找出造成表面問題的背後原因以及它們之間的關聯性，最後找出根本問題並對症下藥。我們在使用CECA法時，可以先告訴ChatGPT什麼是CECA，再提供CECA的案例格式給它作為其回應的輸出格式。當我們將CECA的內容告訴ChatGPT後，只要再於我們的問題最後請它「使用CECA法，結合IF-THEN-BUT問題描述分析前面六頂思考帽方法中，手機支架的問題」。透過CECA和IF-THEN-BUT的問題模型，我們就可以找出六個不同觀點的表層問題中的深層問題。

四、使用ChatGPT突破慣性思考

其實當我們在進行創造性思考的過程中，最大的限制就是我們自己。因為身為人類，我們每個人的認知基礎都是有限的，且也很容易落入慣性思考中。而隨著技術或技能愈深，我們的慣性思考就會愈強。那麼我們要如何突破慣性思考的泥淖呢？

正所謂覺察是改變的開始，要突破慣性思考的最好方法就是先認知到自己的限制。身而為人，我們最大的限制便是視覺限制，而我們也常常會以常用的視角去解讀一個現象或事物。因此，我們應該盡可能透過不同的視角來解讀一件事情，也可以採取協作的心態，積極尋求其他觀點並共同努力實現共同目標。另外，我們也可以試著著眼大局，考慮更廣泛的背景和可能導致目前情況的外部因素。最後，我們也可以試著與他人交流，了解他人對於同一件事務的解讀，從而激發創意的火花，跳脫慣性思考。

當然，從上述例子我們可以發現，我們也可以試著使用ChatGPT，從不同的角度看問題。例如，我們可以請ChatGPT進行角色扮演，從使用者或公司的視角，思考產品的優缺點，以及可能帶來的利益。但無論如何，我們都還是要加強自己的批判性思考（critical thinking）能力，才能知道ChatGPT所給的回應是否可行，也才能夠真正讓ChatGPT成為提升我們生產力的好工具。

五、結語：ChatGPT的侷限與挑戰

從本次課程的案例中，我們了解ChatGPT如何幫助我們加快挖掘創意與問題的過程。由於ChatGPT背後有龐大的資料庫，所以它早已具備了以往我們需要花大量時機學習的思考方式，像是文中提到的六頂思考帽或SCAMPER。我們只要知道如何將問題描述清楚且符合邏輯，ChatGPT就能夠提供我們不同觀點作為產品開發時的參考。然而，ChatGPT畢竟還是AI機器人，仍然有一些限制。舉例而言，ChatGPT對於處理抽象思維，或者複雜與抽象的描述仍有困難，我們有時候還是需要拆解問題，引導ChatGPT產出符合我們需求的回應。除此之外，ChatGPT仍然無法提供專業建議或直接做出決策，因此當我們遇到醫療相關的問題時，最好還是尋求專業的醫療協助，以免延誤就醫。最後，在AI的時代，不會使用AI工具的人將面臨被取代的危機。因此，我們應該盡量理解並適應生成式AI的潛力與限制，思考如何利用AI創造更多機會。我們也應該保持開放和學習的態度，思考如何與AI協作，為我們自己或者我們所處的產業開創新局面。

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】ChatGPT挖掘創意 ｜汪周禮 (11/30) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

講師：Tiffany

Tiffany 目前是一位上台表達培訓講師及專業雙語主持人。畢業於成大化工所並專注於科技趨勢和心靈成長，十年期間她擁有海內外數百場主持和授課經驗，主持過許多包括總統、政要的大型典禮和跨國會議，合作夥伴包括中央、政府機關、500大企業、各式國際品牌。

Tiffany擁有科技、會展和金融等多元背景，過去積累了大量的國際會展和企業授課經驗。她以邏輯思維構思品牌行銷技巧，擅長協助學員以內在自我探索成就外在技能的養成。
此外，Tiffany還是一位受歡迎的部落客和蝦皮官方直播講師，以手把手的方式指導眾多學員實作並提供實時反饋，她的教學風格豐富有趣，深受學員喜愛。

講師：Tiffany

Tiffany 目前是一位上台表達培訓講師及專業雙語主持人。畢業於成大化工所並專注於科技趨勢和心靈成長，十年期間她擁有海內外數百場主持和授課經驗，主持過許多包括總統、政要的大型典禮和跨國會議，合作夥伴包括中央、政府機關、500大企業、各式國際品牌。

Tiffany擁有科技、會展和金融等多元背景，過去積累了大量的國際會展和企業授課經驗。她以邏輯思維構思品牌行銷技巧，擅長協助學員以內在自我探索成就外在技能的養成。
此外，Tiffany還是一位受歡迎的部落客和蝦皮官方直播講師，以手把手的方式指導眾多學員實作並提供實時反饋，她的教學風格豐富有趣，深受學員喜愛。

前言

當我們在進行演講時，如果有一個引人入勝的演講內容，必定能快速地吸引聽眾的目光。通常一場好的簡報，必須具備三個元素，包含清晰的架構、情感連結、口語表達技巧。雖然大家可能都知道這三個元素，但有時要做到卻相當困難。我們接下來就要告訴大家，如何運用「OPPA（歐爸）法則」與ChatGPT協作，產出講稿。

一、魔法咒語：OPPA法則

假設我們要利用ChatGPT設計講稿，幫助我們在演講中推銷公司的產品，最簡單的方式固然是直接告訴它產品的名稱，請它幫我們生成一篇講稿。但通常透過這種方式產生講稿雖然可以幫助我們進行初期的發想，內容也相當順暢，卻缺乏了吸引力。因此，我們可以透過OPPA法則，利用簡短精確的指令，生成一篇扣人心弦的講稿。

1. One-liner：一的力量

OPPA法則中的「O」指的是一句話的力量，也就是我們透過一句話，讓聽眾可以快速理解我們的產品特點及功效，在演講開頭勾起聽眾的好奇心，作為簡報的起點。以下以推銷掃地機器人為例，我們可以告訴ChatGPT：「我們公司的產品是『掃地機器人』，請依照以下句型延伸為一句話，說明我們公司產品的優點：我透過『產品』實現讓世界上『對象』都能達成『產品功效』。」等ChatGPT依照指令生成出一句話後，我們就可以先將它複製貼上至word檔，並依照我們公司的需求進行修改。

2. Problem：痛點共鳴

OPPA法則中的第一個「P」則是指痛點共鳴。痛點共鳴是演講中非常重要的部分。透過痛點共鳴，我們可以引起聽眾痛苦的經驗或生活上曾遇到的不便，喚起聽眾的共鳴。製造痛點共鳴有三種主要方式：故事法、提問法、數據法，我們接下來將以故事與數據，為大家示範如何與ChatGPT協作，透過請AI提供初稿、追問細節與調整語氣風格，產出引發痛點共鳴的段落。

首先為利用故事法引起聽眾痛點。我們可以透過以下指令，讓ChatGPT幫我們生成基本的內容：「我們公司的產品是『掃地機器人』，請為我提供一份演講開場白，請舉一個大家日常『自行打掃』的不悅經驗，目的是讓聽眾想起『自行打掃』的缺點及成本，聽眾是『上班族』。」以故事法生成內容時，確保內容有「缺點與成本」相當重要，因為正是這兩個原因，才會讓使用者有不悅的經驗，我們就可以利用這兩個痛點盡可能地引起多數人的需求。當ChatGPT完成生成後，雖然它在回應中最後也會給我們推銷產品的文字，但在痛點共鳴的部分，我們可以擷取其中具故事性的敘述即可。接著，我們就可以追問細節。我們可以請ChatGPT針對我們剛才擷取的故事性內容，「描繪更詳細的場景，及使用者心中的焦慮及感受」。最後，我們可以將追問後的結果再次請ChatGPT調整語氣，讓內容更有人味。

除此之外，我們也可以透過數據法來引發痛點共鳴。操作的步驟與故事法相似，只有指令稍有不同。在生成出稿時，我們可以告訴ChatGPT「我們公司的產品是『掃地機器人』，請為我提供一份演講開場白，請提出一個有說服力的數據並請提供數據來源，目的是讓聽眾想起『自行打掃』的不便、高花費、個人危害，聽眾是『上班族』。」在下指令時，要求ChatGPT提出有說服力的數據並提供數據來源相當重要，因為這可以有效避免ChatGPT瞎掰的壞毛病。當然我們也必須對ChatGPT的數據來源保持懷疑的態度，必要時仍可以將AI提供的來源上網搜尋，避免演講時提供錯誤資訊。另外，由於高花費與個人危害與我們個人緊密相關，因此也是能否成功引起痛點共鳴的精隨，所以也建議大家將這兩個元素加入指令中。

無論我們使用何種方式引起聽眾的痛點共鳴，我們都必須先了解自己的客戶或聽眾，並針對AI所生成的內容進行修正，才能有效地引起聽眾不愉快的經歷。

3. Proposal：解決方案

OPPA法則中的第二個「P」表示解決方案。在這個部分，我們必須讓聽眾有效地感覺到我們的產品可以解決他們的不便，甚至避免他們再度經歷以往不悅的感覺。我們可以透過以下指令與ChatGPT協作產生解決方案的演講內容：「請詳細說明以下服務，依序以客戶獲得好處、花費成本、未來願景提供見解」，並在後面貼上我們在第一步中所得到的那一句話。在這個部分，我們必須先將客戶能夠從我們的商品獲得甚麼好處列為第一優先，才能有效地讓聽眾感受到公司產品的好處。

完成了OPPA法則中的前三個步驟後，我們其實已經可以開始做簡報了。因此，我們可以先告訴ChatGPT幫我們依照以上的對話內容，延伸為5頁（依個人需求調整）簡報，並詳列每一頁的標題、文字、建議圖片描述。有了ChatGPT的建議之後，我們就可以依照自己的需求調整，甚至如果不知道要使用何種圖片，也可以透過它提供的圖片敘述上網搜尋。

4. Action：行動呼籲

OPPA法則的最後的「A」就是行動呼籲，讓我們在演講尾聲重申產品的功效，並邀請大家購買或贊助我們的產品。例如，我們可以請ChatGPT「提供一份演講稿結尾呼籲，再次申明『我們透過『掃地機器人』實現讓世界上的家庭都能達成輕鬆自動清潔環境的功效。』邀請大家『今天99元加入會員』。」透過重申產品的優勢，加強我們想要聽眾記得的重點，並讓他們能在演講後實際行動加入會員。

二、結語

有了OPPA法則，我們的演講內容可以變得更加引人入勝，提高聽眾買單的意願。而有了ChatGPT，我們也可以利用精確簡短的咒語和AI一起完成講稿。當然，ChatGPT生成的內容仍需要我們人類的調整。雖然我們現在可以與ChatGPT或其他AI合作，但唯有人類才有同理心去掌握與理解受眾，AI應該是我們的好幫手，讓我們可以更省時、準確地傳遞我們的想法和觀點。最後，當我們有了好的演講稿後，我們也可以訓練自己的演說能力，包含咬字與節奏等，讓自己成為一位優秀的演說家！

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】成為AI時代的詩人：CHATGPT讓你成為優秀演說家 ｜Tiffany (11/21) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

講師：蕭量超

雲數智能創辦人暨執行長

現任雲數智能董事長暨總經理，專注於資料科學及人工智慧運算架構與超級電腦運算等領域。
參與多項歐洲地區科技創新研究計畫，內容包含GPU Accelerator，Data Analytics
曾主辦多場歐洲地區人工智慧論壇及CIO論壇，教授人工智慧與企業應用轉型等相關議題，協助銀行業、物流業等產業導入AI產品並解決企業痛點。

講師：蕭量超

雲數智能創辦人暨執行長

現任雲數智能董事長暨總經理，專注於資料科學及人工智慧運算架構與超級電腦運算等領域。
參與多項歐洲地區科技創新研究計畫，內容包含GPU Accelerator，Data Analytics
曾主辦多場歐洲地區人工智慧論壇及CIO論壇，教授人工智慧與企業應用轉型等相關議題，協助銀行業、物流業等產業導入AI產品並解決企業痛點。

一、初探ChatGPT的運作法則

大家可能會好奇，電腦在有AI和沒有AI的世界中有什麼差別？以往我們打開電腦，通常會做的就是打開Word或Excel檔，將文字或資料整理完後再將檔案儲存下來。也就是說，電腦長久以來都是在處理和儲存我們輸入的資料。而這些資料也就是所謂的數據，但不管是Word檔、Excel檔或圖片，這些都只是存在我們個人的電腦裡，它們對於AI來說其實與我們的現實世界毫無關聯。後來有了大數據的概念後，我們才開始將這些數據集中處理。

而為了要讓電腦能夠認知到現實的世界，人們便開始將這些資料向量化、壓縮以及標註特徵，讓AI得以運用這些數據。所謂的向量化便是將我們所看到的東西變成數字，當我們獲得的參數愈多，數據的定義就會愈準確。向量化之所以重要是因為它能夠將資訊轉換成電腦看得懂的形式，而向量化後會形成數層陣列空間，當這些陣列空間組成後，電腦就會比較方便處理資訊並從中找出規律。舉例而言，當我們在訓練大型語言模型時，我們會將常用的約兩千個國字做為訓練資料，而這些常用字就是一個小型參數。不過，這些國字單獨存在時有其意義，但當字變成句子時就可能有其他意義。像是當我們說了「今天」，後面可能會接上「天氣」，這時AI就必須去利用我們向量化後的資料計算，找出我們在「今天」後面可能最常接的字是什麼。當然，我們在向量化資料時，也必須同時進行資料壓縮，將許多資料中不重要的元素，像是空格或是多餘的符號清除，避免在資料處理過程中浪費資源。除此之外，標註數據特徵也對於AI能否精準推算相當重要。上述例子中的「今天天氣」透過運算組成後，AI可能一開始不會知道「天氣」後要接什麼會比較好，所以若我們不標記特徵，可能AI在計算後就會接上動物名詞。因此，我們要標註出天氣後可能會接的是「很好」或「很差」等，避免AI計算過程中的偏差。

二、你到底需要多大的大型語言模型？

我們都知道，ChatGPT使用的模型架構為transformer，而transformer模型為Google於2017年所發表的一個架構。但有趣的是，Google和OpanAI分別使用了transformer中的「編碼器」（encoder）和「解碼器」（decoder）。編碼器就像克漏字填空，它可以理解使用者的問題，並從前後文推論，理解並填補句子與句子中間所缺乏的部份；解碼器設OpenAI所著重的功能，它可以理解並回應使用者的問題，不管問題為何，它都可以找出能夠回答使用者問題的字句。

那麼我們到底需要多大的語言模型呢？我們都知道ChatGPT可以跟我們天南地北的聊天，只是它無法回答在訓練資料時間範圍外的問題。然而，假設我們想要用ChatGPT作為客服機器人，那麼如果它的回應跳脫出客戶希望的回應時，再多的訓練資料也是白搭。因此，當我們在思考需要多大的大型語言模型時，我們應該要先了解自己的需求。且我們應該要借助的並非它背後龐大的資料庫，而是ChatGPT的邏輯架構，並將與我們的專業或公司業務相關的資料提供給它作為訓練資料。如此一來，我們就可以有效防止AI瞎掰，甚至還可以讓它引導客戶應該針對那些方面提問，提升客戶的使用者經驗。

三、關於ChatGPT私有化，你需要的事

隨著AI的快速發展以及其所帶來的便利性，現在有愈來愈多的公司都想將ChatGPT私有化，但在私有化ChatGPT之前，我們必須了解如何才能節省成本，又能夠讓私有化的ChatGPT成為公司的好幫手。

人工智慧的實現包含兩個重要環節，即「訓練」（training）和「推理」（inference）。訓練指將許多資訊提供給人工智慧進行訓練，讓它能夠有足夠的先備知識。訓練的過程就如同我們的學習歷程，我們從幼稚園到大學或研究所畢業，在學校中透過課本等所謂的「已知資料」中學習，吸收廣泛以及專業知識。而推理指的則是，人工智慧在面對使用者的問題時，可以基於它所習得的資料，經過計算之後回應。這就好比一位政治科學的學生從學校畢業後，若工作時需要研析國際情勢，他/她就必須利用求學時在學校習得的知識，推斷國際情勢未來可能的走向與變化。然而，即便這個學生再怎麼厲害，國際情勢不可能永久不變，所以該學生就必須再自我或回到學校再度進修，讓自己在未來的判斷上能夠更準確、更貼近現實。同樣地，一個AI模型推理了一段時間後會有裂化的現象，此時我們就必須再重新從它推理過程中所得到的新資訊中再將它加以訓練，以確保它推理的準確性。

那麼，我們應該如何降低將ChatGPT私有化的成本呢？其實關鍵在於AI的訓練端，因為它是人工智慧是否能精確判斷的關鍵。當公司在私有化ChatGPT時，必須思考要讓AI處理的工作在運算時需要低精度或高精度的晶片。若使用低精度的晶片就能夠處理好我們希望AI完成的工作，但我們卻使用了高精度的晶片，那麼效能其實不一定更好，甚至還因為要得到高精度的晶片而耗費了大量的資金。而只要我們能夠將AI的訓練端做好，那麼推理端就可以具有高準確度和高回應速度，且耗能也會下降，將ChatGPT私有化的成本也會降低。

四、結語

從本次課程的內容，我們可以得出三點ChatGPT私有化的挑戰。第一，ChatGPT發展相當快速，目前也已開始發布很多開發工具。然而ChatGPT雖然方便，但許多企業仍有安全與保密的疑慮。若要將ChatGPT私有化，則公司必須先確保自己輸入的資料不會變成其他企業的肥料。第二，雖然ChatGPT擁有龐大的資料庫，但我們在使用這樣的大型語言模型時往往是弱水三千，只取一瓢飲。因此我們必須思考並清楚界定需要生成式語言模型為我們做什麼，以及它應該知道的資料範圍在哪，以免過多的資料變成垃圾，甚至影響AI的準確度。最後，AI的訓練是它是否能夠具備精準的推理與判斷能力的關鍵，所以我們應該要將精力放在優化AI的訓練，提高模型的準確度。如此一來，我們在私有化ChatGPT的過程中所耗費的資源就能夠有效減少，讓我們擁有高CP值得私有化的大型語言模型。

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】ChatGPT私有化之挑戰及算力規模評估 ｜蕭量超 (11/9) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

影像配樂家及獨立女性創業家 Frinny，擁有自己的AI公司，一站式 AI 線上錄音室、提供影像配樂媒合與授權平台－A.V. Mapping 愛飛媒平，藉由人工智慧的影像和音樂分析，將半年找配樂過程縮短為數秒鐘，已節省創作者的35年。她在20個國家和25個城市參加了上百場個活動，美國加州最具影響力的CEO之一，近百次演講，吸引了 133 萬人次參與。例如，美國台灣協會主辦、許多高層代表前演講、在 NVIDIA GTC 或葡萄牙的 Web Summit 中發表了AI演講，還參加了跨行業的電影音樂研討會或音樂會，門票在一週內售罄。

講師：李姿慧 Frinny

影像配樂家及獨立女性創業家 Frinny，擁有自己的AI公司，一站式 AI 線上錄音室、提供影像配樂媒合與授權平台－A.V. Mapping 愛飛媒平，藉由人工智慧的影像和音樂分析，將半年找配樂過程縮短為數秒鐘，已節省創作者的35年。她在20個國家和25個城市參加了上百場個活動，美國加州最具影響力的CEO之一，近百次演講，吸引了 133 萬人次參與。例如，美國台灣協會主辦、許多高層代表前演講、在 NVIDIA GTC 或葡萄牙的 Web Summit 中發表了AI演講，還參加了跨行業的電影音樂研討會或音樂會，門票在一週內售罄。

推出一年半內被 120 國、萬名創作者採用的 A.V. Mapping，登上全球 20 國、上百場的舞台與新聞首頁。獲尖牙股 FAANG（但A為AIT，N為NVIDIA）支持、矽谷知名創投 Draper 大學英雄、紅點最佳設計獎、廣告圈數位奇點獎；Meta、美國在臺協會、她愛科技、等企業家獎項；AI專利、美國最具影響力執行長、德國之聲國際媒體論壇前十強、雜誌社加州最具影響力執行長、英國雜誌社最佳創新媒體產品女企業家、奇點大學亞太區前十新創；加州柏克萊大學 SkyDeck 和AWE美國國務院女性創業學院的校友，並於矽谷與洛杉磯科技周主辦創作者聚會。用戶包含Netflix影集系列、電視台和電影與廣告製作公司，來自好萊塢、舊金山、台灣、英國、法國等地。

前言

隨著生成式AI愈來愈成熟，AI的生成物也時常伴隨著侵犯著作權與專利的疑慮，這樣的現象不只會發生在出版業，音樂相關產業也相繼受到影響。今天我們將與大家分享專為影視音創作者打造的AI配樂平台，讓大家可以在使用音樂時也不用擔心侵犯專業創作者的著作權，讓雙方都能夠安心享受高品質的音樂並產出優秀的影視音作品。

一、AI對影視音產業的影響

今年可以說是生成式AI大爆發的一年，隨著AI日新月異的快速發展，許多產業都已紛紛感受到AI帶來的便利與挑戰，而影視音產業也不例外。首先，以往任何影視音公司若要尋找電影或廣告的配樂，通常需要通過層層關卡才能聯繫上音樂的相關著作權人。即便聯繫上，更需要花費大量時間和金錢成本進行談判和簽約，才能真正取得授權使用音樂。如今由於AI技術的成熟，縣自有許多人可以自己使用生成式AI創作出一首歌，更可以利用AI模仿知名歌手的聲音製作出一段音樂影片，可以為公司省下許多成本。然而，生成式AI所產生的音樂和影片相對地也會因為AI龐大資料庫的來源不明，而產生了侵害影視音創作者版權的疑慮。除此之外，生成式AI也可能損害像演員與編劇此類的藝術工作者的權利。以好萊塢今年的罷工行動為例，此次罷工行動一開始是由編劇公會所發起，因為他們擔心電影公司會利用如ChatGPT這類的生成式AI來進行劇本編輯，取代編劇的角色。不久之後，好萊塢演員們也因為擔心生成式AI可能將會威脅他們的權益而發起罷工。雖然此兩場罷工行動因與點影公司陸續達成協議而落幕，但卻真實地呈現了影視音工作者對生成式AI的憂慮。

另外一個生成式AI對藝術工作者帶來的挑戰便是著作權的侵害。舉例而言，今年十月在美國有三位繪畫藝術家向法院提告AI圖像生成器Stable Diffusion，稱該AI所生成的作品一訂有使用他們的作品作為訓練，因為他們發現透過Stable Diffusion所生成的圖片竟與他們自己畫的畫作幾乎一模一樣。然而，法官後來否決這三名藝術家的立論，因為他們並未向美國版權局登記著作權，無法舉證告訴法官其擁有作品的著作權，也無法證明AI公司是否是在其作品完成後使用該幅畫作為訓練資料。簡而言之，由於AI屬於衍生圖像，且三位藝術家無法證明AI參考了其作品，法院也無法判斷AI所生成的圖像是AI的元素較多或是藝術家畫作的元素較多，因而無法判決三位藝術家勝訴。由此案例可知，與生成式AI隨之而來的不只有便利，更有許多對於現代法律的挑戰。

最後，生成式AI除了影響藝術工作者的權利，其實也會對他們的個人生活造成影響。先前我們提到，以往電影或廣告製作公司需要透過層層關卡才能找到音樂版權的擁有者，這樣的程序通常複雜且耗時，甚至也會需要耗費相當的資金聘請員工進行溝通談判等工作。由於這樣的複雜性，再加上生成式AI讓我們可以很快地生成音樂或影片，導致真正耗費心血與時間進行創作的音樂人幾乎得不到適當的報酬，不僅造成其生活支出的困難，更可能使充滿熱忱的音樂人逐漸失去創作的熱情，更可能因為對於生活未來擔憂，產生憂鬱症等心理疾病。因此我們如何能夠在AI時代下確保創作者權益就相當重要。

二、A.V. Mapping簡介與實作

A.V. Mapping是在兩年前上線的AI影像配樂平台，其創立的宗旨是希望能夠在提供使用者高品質的配樂時，也能夠確保創作人的應得的權利與報酬。A.V. Mapping將AI與雲端平台結合，讓音樂創作者可以將自己所創作的音樂上傳到該平台，並且自訂授權的價格。當使用者有配樂需求時，使用者可以直接上傳他們的影片或圖片，AI就會在分析後推薦最合適的音樂給使用者。使用者也能夠針對自己的需求進行調整，最後就會顯示音樂的版權價格，讓使用者和音樂創作者可以節省以往須通過層層關卡才能完成簽約的成本，很快地透過AI完成媒合與簽約。另外，為了保障創作者的權益，A.V. Mapping的分潤也較其他串流平台更多，以確保音樂創作者得到應有的酬勞，讓創作者可以持續創作下去。使用A.V. Mapping時也不必擔心觸犯法律的問題。舉例而言，Google曾於2019年因違反歐盟的「一般個人資料保護規則」（General Data Protection Regulation, GDPR），所以被判須賠款約五千歐元。而A.V. Mapping目前已經符合GDPR的規範，因此使用者不必擔心會觸犯該規範。

接下來，我們將簡單介紹如何操作A.V. Mapping，幫助我們找到合適的配樂。首先，我們必須先於A..V. Mapping的首頁登入會員，目前提供中文版和英文版，使用者可以照自己需求選擇。登入後就可以開始上傳我們的影片或圖片（圖1）。

點選下方的「GO!」鍵後，就可以開始依自己的需求搜尋音樂。我們可以設定價格預算、授權地區、授權時間長短，以及用途等。除此之外，我們也可以上傳自己喜歡的音樂連結，供AI做為參考，幫助我們找到相似類型的音樂。另外還可以輸入影片劇情大綱或關鍵字，也可以選擇樂器和音樂風格等（圖2）。

調整好後，我們就可以開始請AI分析囉！待AI分析完我們的圖片和需求後，它就會提供我們三首音樂並提供報價，我們也可以利用頁面中的混音器調整音樂。另外，如果需要與同事討論配樂是否符合需求，A.V. Mapping也有提供試聽連結，我們可以將連結傳給同事，以利團隊討論（圖3）。等我們調整完畢並完成付款後，就可以將檔案下載並分享至各大社群平台。

三、結語

生成式AI的出現一方面為我們的生活和工作帶來了便利，但一方面也帶來了許多挑戰。對於藝術工作者來說，AI可能會造成他們的權益受損，甚至得不到應有的報酬。不過，有了A.V. Mapping這樣的平台，不僅可以讓使用者快速地找到高品質的配樂，不必擔心是否會侵犯他人著作權，更讓音樂人們嘔心瀝血創作的成品有了保障。未來A.V. Mapping也將持續擴大，也希望大家能夠透過適當的管道利用他人作品，共同打造一個友善藝術工作者的環境。

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】AI 專利技術：為創作者打造的影視音版權業務 AI ｜Frinny (11/7) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

講師：鳥巢老師

鳥巢AI藝術學園園長
「AI生成創作頑童」
國立政治大學社會學系 學士
國立政治大學傳播學院廣告所 想像與敘事學程 結業 (2013 ～ 2015 )
師從攝影家 張照堂、美術攝影家 游本寬、攝影評論家 郭力昕、金馬獎音效設計杜篤之、導演方法&劇本寫作 盧非易教授

講師：鳥巢老師

鳥巢AI藝術學園園長
「AI生成創作頑童」
國立政治大學社會學系 學士
國立政治大學傳播學院廣告所 想像與敘事學程 結業 (2013 ～ 2015 )
師從攝影家 張照堂、美術攝影家 游本寬、攝影評論家 郭力昕、金馬獎音效設計杜篤之、導演方法&劇本寫作 盧非易教授

• 29年視覺設計師
• 21年攝影師
• Nikon 官方攝影學校講師 (2010~)
• Adobe 官方特約講師 (2016~)
• 台灣第一位以AIGC作品 作品獲得 2022 ViewSonic Color Pro 國際藝術創意大賽TOP 8

前言

Midjourney為目前市面上常見的生成是AI繪圖軟體之一，而因為其能夠生成高品質的圖片，所以廣為設計工作者歡迎。本次課程將告訴Midjourney AI生成基礎技巧，並介紹Midjourney於今年推出的最新功能，讓大家能夠利用AI生成出高度擬真的圖片。

一、Midjourney 生成基礎

Midjourney是目前市面上常用的AI生成工具之一。雖然目前有許多包含Bing在內的生成式AI都具有文生圖的功能，但由於Midjourney所生成的圖片較其他生成式AI有質感，所以仍廣受設計工作者歡迎。Midjourney從推出至今已經有許多不同的版本。大約於去年五月封測時，當時的版本仍為v2版，目前的Midjourney為v5.2版。Midjourney的每個版本的藝術風格都不同，v3和v4版本所生成的圖片藝術成分較高，幾乎不向照片。v5版本雖較前兩個版本更擬真，但仍缺乏真實照片的質感。目前的v5.2版則是AI圖像生成的頂端，適合各種題材。除了生成擬真的圖片外，我們也可以使用專門生成動漫風格的Niji 5生成卡通或動漫風的圖像（圖1）。

1. AI指令五大結構

Midjourney為文生圖的生成式AI，因此我們和使用ChatGPT時相同，我們必須知道如何下指令，才能讓AI幫我們產生符合我們期望的圖片。在下指令給Midjourney時，我們可以掌握五大結構。首先為主題，我們要告訴Midjourney欲生成的圖片的人、事、時、地、物，可以是單純的描述，例如櫻花、少女、貓等，也可以是大媽跳著廣場或二次世界大戰等。第二為藝術風格，包含文化與特定藝術家的風格等。我們可以告訴AI想要圖片是中國古風（ancient Chinese）或維京（Viking）風格，也可以是文藝復興（Renaissance）或吉卜力（Ghibli）風格等。第三為優化，指我們可以在指令中加上細節、視角、採光等細節描述，讓AI產生的圖片更接近真實照片。第四為參數，也就是圖片的長寬比、質量、風格變化等。舉例而言，假設我們想指定AI生成長寬比為2:3的圖片，則可以在指令中輸入「--ar 2:3」，就可以得到此比例的圖片。最後則是排除，也就是所謂的反向提示。我們可以透過輸入反向提示，在下指示時將不想要的元素排除。例如，我們想要AI生成「在雨中跳舞的大媽」，但為了避免AI會因為「下雨」而在圖中出現雨傘，我們就可以在圖片最後加上「--no umbrella」，避免AI在圖片中出現雨傘。掌握了以上的五大結構，AI就能更精確地幫我們生成圖片。不過如果我們是AI生圖的小白，真的無法自己寫出指令，那麼也可以到Midjourney網頁中的藝廊中尋找我們喜歡的作品，參考該作者的提示並依照自己的需求進行修改，學習如何寫出完整的指令（圖2）。

2. 基礎圖片編輯：Remix功能與打破語言藩籬

Midjourney生成圖片之後，我們可能也可以再依自己的需求編輯圖片。基本上，Midjourney接收指令後會生成四張圖片，圖片下方則會出現U1~U4以及V1~V4的選項，這些1~4的數字就是圖片的編號（圖3）。

假設我們喜歡AI生成的第一張圖，則可以點選U1將圖片放大並進行編輯。另外，我們也可以在Midjourney的Discord對話框中輸入「/settings」進入設定選單，並開啟「Remix mode」。如此一來，若我們想要Midjourney以第一張圖為基礎再生成一張新的圖，那麼則可以在點選V1，並在彈跳出的小視窗中輸入「+」並在後面輸入想要加入的元素或者藝術風格。

最後，我們都知道Midjourney目前只能夠聽得懂英文指令，而Niji機器人雖然聽得懂中、英、日、韓四種語言，但它的限制為其所產生的圖片為動漫風格。因此當我們想要一張擬真的圖片時，我們往往只能請ChatGPT幫我們將中文指令翻譯成英文。然而，我們其實可以透過一些技巧，利用Niji打破Midjourney的語言限制，讓我們可以輸入中文指令得到Midjourney的擬真圖片。若要用Niji打破語言限制，我們首先要在Midjourney的Discord中輸入「@niji・journey Bot」（綠色帆船圖樣）邀請Niji機器人，並依照上述的五大結構輸入指令。接著就是打破語言限制的關鍵，我們必須在指令最後輸入「--v5.2」，AI就會利用Midjourney 5.2版本的模型幫我們生成圖片。透過這個方法，我們就能夠打破Niji的動漫風格限制以及Midjourney的語言限制，輸入中文就可以得到Midjourney擅長生成的擬真圖片。

二、Midjourney 2023全新功能

除了上述的基礎功能以外，Midjourney也在今年推出全新的功能，包含影像擴展、改變構圖與局部重繪。

影像擴展功能可以用來幫我們擴充原圖的內容，我們只要在Midjourney生成的四張原圖中選擇想擴展的圖片並將其單張放大後，就可以看到「Zoom Out 2x」、「Zoom Out 1.5x」與「Custom Zoom」的選項。需要特別注意的是，影像擴展的倍數指的是原圖與外擴時四個邊的距離。也就是在使用影像擴展時，AI會以我們的原圖為中心點向外擴展圖片，因此當我們選擇的倍數愈大原圖會愈小（圖4）。另外，當我們使用「Custom Zoom」擴展圖片時，可以只改提示（想要擴展的部分有何種元素）不改指令（圖片尺寸、畫素），讓AI不被過多的資訊混淆。

若我們在擴展圖片時不想以原圖為中心點向外擴散，則可以將想要擴展的原圖單張放大後，依照想要擴展的部分，選擇原圖下方的上、下、左、右箭頭，並在指令中輸入想要在擴展部分增加何種元素，AI就可以根據我們的指令擴展原圖，而其擴展的部分為原圖寬度的一半（圖5）。

最後一個2023年新增的功能為局部重繪。我們可以透過此功能修改圖片的特定區域或增添物件。如果AI所生成的圖片中，人物出現了缺手缺腳的情況，我們也可以利用此功能協助完善圖片。若要使用此功能，我們一樣須將想編輯的圖片單張放大，並選擇下方的「Vary （Region）」功能。接著就會跳出一個獨立的視窗，我們只要將想要增添物件的部分如圖6中的左圖框出來，並在下方對話框中輸入想要加入的物件，AI就能夠幫我們重繪圖片囉（圖6）！特別提醒大家，AI在判讀我們的指令時，會認為愈前面的提示愈重要，因此我們可以盡量將想保留的部分擺在前面，也可以在前面加上「::」並輸入數字（最大值為6），數字愈大表示重要性愈大，也就愈不容易被AI在繪圖過程中拿掉。

三、結語

Midjourney於今年推出的全新功能，再次讓我們看到了AI繪圖的進步，讓我們能在原圖之上增加更多揮灑創意的空間。除此之外，AI生圖常見的缺手缺腳的情況，也終於能夠透過局部重繪的功能，讓我們的圖片更加完整。最後，雖然Midjourney生成圖片的技術在AI繪圖軟體中已是名列前茅，我們還是必須不斷地優化我們的指令，才能夠得到更符合我們需求的圖片喔！

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】Midjourney AI 2023新功夫，大殺四方｜鳥巢 (10/31) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

「Azure」是由微軟公司開發的雲端服務，而在微軟的AI發展中，又有許多與AI相關的應用程式在Azure AI內，而今天我們主要介紹的功能為Azure AI中的「 Azure 機器學習」（Azure Machine Learning）。以

講師：Ryan Chung

行動開發學院創辦人。

曾獲微軟人工智能大賽特別獎、Udacity AI產品經理微學位。 現為微軟 MVP – AI 人工智慧最有價值專家、美國 PluralSight 認證講師。專長：Web/App應用開發、企業AI加值導入、微軟認知服務應用整合。近期著作：駕馭 ChatGPT 4: 探索 Azure OpenAI 與 Cognitive Service for Language 開發實踐（使用.NET 與 Node.js）。

一、Azure 提示流（prompt flow）簡介

「Azure」是由微軟公司開發的雲端服務，而在微軟的AI發展中，又有許多與AI相關的應用程式在Azure AI內，而今天我們主要介紹的功能為Azure AI中的「 Azure 機器學習」（Azure Machine Learning）。以往Azure 機器學習有三個基本功能，包含可以直接在上面寫程式的Notebooks、利用流程方式套用機器學習功能的Designer，以及自動測試模型或參數的Automated ML功能。今年微軟則是另外在Azure機器學習中增加了「提示流」（prompt flow）功能，不過因為此功能目前仍為測試版，所以建議大家可以先試用，至於是否能夠套用在公司的實際作業中，則可以待更加穩定的正式版推出後再做決定。

Azure提示流的主要精神就是希望能夠透過視覺化方式呈現機器學習流程，讓使用者能夠更清楚地了解大型語言模型在程式運作中的運作過程。Azure提示流也可以串接不同的大型語言模型，而不僅限於Azure自己的OpenAI Service，所以若大家需要結合不同的大型語言模型做使用，都可以將其帶入Azure提示流中。另外，如果我們需要客製化prompt，那麼Azure提示流也可以幫我們建立獨立區塊，供我們寫客製化的提示。再者，儘管目前Azure提示流已經備有許多小工具供我們使用，但若這些工具仍不符合我們的需求，我們也可以直接自行寫一段Python程式碼放到流程裡。最後，我們也可以在兜建完整個提示流流程後將其轉換成API，將它直接部署在雲端上，並與網站、應用程式或聊天機器人等人機介面系統整併在一起。以往我們在使用ChatGPT時，即便我們指令下得在清晰精確，它的回應都還是會有其極限，而Azure提示流由於能夠讓我們帶入不同的大型語言模型以及程式碼，因此能夠突破ChatGPT的極限，讓它能夠產出更符合我們需求的回應。

1. Azure提示流的前置作業

第一次使用Azure提示流時需要先完成以下的前置作業。首先，我們要先申請一個Azure帳號，並利用此帳號申請Azure Open AI。登入之後，我們就可以開始使用Azure機器學習工作室。若我們未曾使用，就需先點選右上角的「建立工作區」（圖1），就可以在此工作區中使用提示流的服務囉！

接著進入工作區後，我們還必須設定三個部分。第一，先點擊右上角「大聲公」圖示開啟「管理員預覽功能」，並確認「使用提示流程建置AI解決方案」為啟用狀態（圖2）。

第二，我們必須設定連線，而「連線」就像是我們申請了很多的服務，讓我們在兜流程時可以使用。我們也只要在設定連線時輸入API Key，就可以免去每次兜流程時需重複輸入API Key的動作了。欲設定連節，我們可以點選「連線」並點擊「+ 建立」，再選擇「Azure OpenAI」或「OpenAI」（圖3）。

最後則是要設定「執行階段」（Runtime）。執行階段乍聽之下有些抽象，但我們可以將其理解為我們在雲端上開的主機。大家只要點選「執行階段」就可以看到目前有幾台主機在運作，我們必須至少開啟一個執行階段才能開始使用Azure提示流的功能（圖4）。另外也要提醒大家，執行階段處於（Running）狀態時會以每小時計費，即便停止了仍會收取少數費用，像是雲端的空間與網路頻寬等費用。因此建議大家，最好可以定時定期觀察自己的用量，若沒在使用時就關閉執行階段。

介紹完Azure提示流的前置作業後，我們將提供大家三個實戰演練，了解Azure提示流的功能。

二、實戰演練（一）：網站分類

第一個Azure提示流的功能為「網站分類」。當我們有一個網站清單，並想將這些網站進行分類時，就可以使用提示流，讓AI幫助我們自動將這些網站分類，取代以往由專人判斷網站類型後再行分類的工作。

要使用提示流進行網站分類，我們首先可以在進入Azure ML Studio之後，選擇「流程」後點擊「+ 建立」，就可以選擇我們想要的提示流了。Azure本身已經內建許多模板供我們使用，欲做網站分類則可以選擇「Web Classification」，並點選右下角的「複製」就可以開啟提示流囉（圖5）！

進入提示流後，畫面會分為左、右兩側。左邊是我們可以設定的輸入與輸出值，也可以直接在上面修改程式碼；右邊則是Azure提示流的特色，也就是告訴我們這些程式碼運作的視覺化流程圖，讓我們了解程式運作過程中有使用到那些大型語言模型或工具，而上方的執行階段則是可以選擇欲用來執行的主機（圖6）。

在執行流程之前，我們還需要檢視左側的程式碼區塊是否有需要我們設定連線的區塊。我們必須將所有需設定連線的區塊都選擇好要呼叫的大型語言模型後，才能開始執行流程（圖7）。

全部設定完成後就可以按下執行，開始跑提示流囉！當程式執行完畢後，AI就會告訴我們網站的類別（圖8）。若大家執行完畢後，也要先確定樣板能否編輯，若可以編輯再進行微調，並檢視其執行流程圖。我們可以從流程圖中清楚地看到，最上面的「input」代表我們所輸入的網站網址，接下來則是有套用爬蟲程式，撈出網站的內容，接著再將網站資訊交給大型語言模型進行摘要。另外，我們也可以看到該流程也寫了一個Python準備例子供AI辨別網站類型做為參考。經過以上過程與對比分類之後，程式會再將這些例子和我們欲分類的網站摘要餵給大型語言模型，並轉化格式，最後輸出成為我們看到的回覆。

三、實戰演練（二）：客製化資料

第二個實戰演練為客製化資料。我們都知道ChatGPT的回應有其侷限性，它比較無法針對最信的新聞、特定公司資訊或特定領域的專業問題回覆，僅能回答較為廣泛的問題。因此，接下來我們要與大家分享如何使用Azure提示流讓ChatGPT可以回答上述所說具有特定答案的問題，避免它胡說八道。

要能夠讓ChatGPT回答特定問題之前，我們必須先將客製化資料向量化。以詢問ChatGPT「行動開發學院的聯繫方式」為例，若我們直接詢問ChatGPT，那麼它可能會因為不知道這間公司的資訊而亂掰一通。因此，我們能夠透過Azure提示流，將該公司的資訊輸入，讓ChatGPT可以提供正確的回答。首先，我們可以先開啟Ryan老師提供的Python程式碼（https://ml.azure.com/），它可以幫助我們將原本的資料向量化，最終產生index.faiss和index.pkl兩個檔案。我們只要依照自己的需求，修改程式碼中的兩個部分即可。第一部分為將欲向量化的網域輸入URL_PREFIX後，若有多個網頁，則可以輸入於下方的URL_NAME_LIST（圖9），本案例則是輸入行動開發學院的網址。

第二個需要修改的部分則是OpenAI模型部署的名稱，並且需輸入Endpoint和API Key（圖10）。

以上兩個部分設定完成後，我們就可以在自己的GitHub上建立新的repo，將最終產生的index.faiss和index.pkl檔上傳，作為我們要帶入Azure提示流的資料庫。

接著，我們可以回到Azure Machine Learning 工作室，建立新的流程，本次範例中是選取「QnA with Your Own Data Using Faiss Index」的流程。由於目前Azure提示流為測試版，所以我們可以先將如同進行網站分類時，先將要使用何種大型語言模型設定好，並執行測試此流程是否可以使用。若能成功執行，我們就可以把我們剛剛生成的index檔案帶入提示流的「lookup」中（圖11）。

接著，有了我們的客製化資料庫後，我們就可以將問題輸入提示流中，它就會提供我們正確的答覆囉（圖12）！

四、實戰演練（二）：我的專屬英語說書人

最後要和大家介紹的是，如何利用VS Code也能使用Azure提示流的功能，幫助我們打造專屬的英語說書人。

首先，我們必須在VS Code中安裝「Prompt flow for VS Code」。大家必須注意，若是第一次安裝，我們必須先在Python中安裝prompt flow 和 prompt flow tools，因為提示流的執行需利用Python。與在Azure上的操作相似，安裝完VS Code的提示流後，也需要設定連線（connections），至少需有Azure OpenAI 或 OpenAI。設定完成後，我們就可以在VS Code上建立新的資料夾，並在進入資料夾後在左側灰色部分點擊滑鼠右鍵，選擇「New flow in this directory」，接著再點擊「Chat flow with the template」，我們就可以看到一串程式碼了。雖然一開始就出現程式碼難免讓人不知如何下手，但我們只要點選上方的「Visual editor」就會出現與Azure提示流相似的頁面囉（圖13）！

進入提示流畫面後，我們一樣要先設定連結，選擇要使用Azure OpenAI 還是 OpenAI，以及欲使用的ChatGPT版本。而要讓ChatGPT模型變成專屬於我們的模型，關鍵就是要修改提示。此時我們可以點選頁面上的「chat.jinja2」直接編輯ChatGPT模型（圖14）。

為了打造ChatGPT成為一位英語說書人，我們可以在chat.jinja2中將ChatGPT的角色設定為「story teller」，並指定它根據使用者輸入的指令產生出一篇300字的故事（圖15）。

修改完成後，我們就可以在下方的User部分輸入想要聽關於何種人、事、物的故事，併按下執行，我們就會很快地得到一篇英文故事囉（圖16）！

五、結論

從課程開頭所介紹的Azure提示流設定到課程後段的三個實戰演練，我們至少可以發現兩個Azure提示流的優點。第一，它雖然是由微軟所開發的軟體，但我們可以針對個人的需求，帶入多個大型語言模型，甚至還可以加上我們自己寫的Python程式片段。如此一來，我們就不用再多個AI與其它軟體之間不斷切換。第二，由於Azure提示流將運作流程視覺化，讓我們可以更了解提示流的運作過程，在有錯誤時也可以盡快發現並修正。希望大家透過本次課程可以了解Azure提示流，並在未來該服務穩定後，善用此工具，提升工作的效率。

【若想回顧完整版課程影音，請點選此連結；有任何問題或分享，也歡迎在本文底下留言。】

這篇文章 【課堂筆記】ChatGPT客製利器 – Azure 提示流 Prompt Flow｜Ryan Chung (10/13) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

想花大錢購買蘋果新款 iPhone 15 Pro 或 iPhone 15 Pro Max的用戶，可能不得不考慮購買保護殼。因為蘋果承認，新的鈦金屬可能在沒有保護的情況下會「暫時改變顏色」。雖然這款備受期待的手機才發布幾天，但網路上已經有很多人回報說，他們只是拿著手機就會導致其金屬外殼變色。而這也是因為鈦金屬獨特的特性才造成的。

編譯／于文浩

想花大錢購買蘋果新款 iPhone 15 Pro 或 iPhone 15 Pro Max的用戶，可能不得不考慮購買保護殼。因為蘋果承認，新的鈦金屬可能在沒有保護的情況下會「暫時改變顏色」。雖然這款備受期待的手機才發布幾天，但網路上已經有很多人回報說，他們只是拿著手機就會導致其金屬外殼變色。而這也是因為鈦金屬獨特的特性才造成的。

鈦金屬會因為日常使用而變色

據外媒報導，有用戶就在X（前Twitter）上分享新手機明顯變色的照片。照片顯示，蘋果iPhone 15 Pro的藍色金屬邊因為沾有用戶手上的指紋和油脂，而「變色」。對此，蘋果也在為新款 iPhone 15 系列發布的文件中表示：「 iPhone 15 Pro 和 iPhone 15 Pro Max可能會因為皮膚上的油脂而暫時變色」。與更便宜的 iPhone 15 和 15 Plus 使用不銹鋼不同，更昂貴的 Pro 系列使用的是可能會因日常使用而變色的鈦金屬。

更多新聞：問題多、電池糟、價格高！不建議買 iPhone 15 的 7個原因

鈦金屬的的特質

鈦具有「變色」的有趣能力，加熱時表面會看起來像彩虹。透過「陽極處理」過程，鈦表面會與空氣反應，產生非常薄的氧化物層，這些氧化物層會散射光線，並賦予金屬特殊的彩色飾面。而當人們徒手觸摸鈦時，手指上的薄薄一層油會黏在表面上，並導致相同的效果，將光線散射成難看的浮油彩虹。

不會永久變色

米蘭理工大學副教授Walter Navarrini表示，使用鈦的主要缺點之一就是「油性物質的油跡在表面造成的色彩變化」。但不用太擔心，因為金屬不會永久變色。蘋果表示，用「柔軟、稍微濕潤、不起毛絮」的布料擦拭，就可以去除導致問題的油脂、恢復手機的原始外觀。

蘋果一直都在盡力解決該問題

讓鈦保持其色彩似乎是蘋果多年來一直在努力解決的問題。早在 2021 年，該公司就獲得鈦合金專業處理專利。為減少新產品上難看的油漬外觀，今年早些時候，蘋果還申請指紋隱藏氧化物塗層專利。但這次iPhone 15也顯示，蘋果還未解決該問題，蘋果早期的鈦金屬產品 Apple Watch Ultra 也出現變色問題。 參考資料：dailymail

這篇文章 蘋果承認了！iPhone 15 Pro鈦合金邊框會變色 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

基於輝達和超微半導體等科技公司的巨大需求湧入，台積電已經增加先進封裝CoWoS 設備的訂單。先前，台積電董事長劉德音就表示，是因為台積電缺乏用於將矽片拼接在一起的先進封裝（CoWoS）技術才阻礙AI晶片的生產。隨著對生成式人工智慧（AI）應用的需求不斷增長，以及台積電 CoWoS 產能擴張相對緩慢，AI晶片短缺預計將持續約 18 個月。現在，這家台灣巨頭似乎計畫要透過擴展 CoWoS 功能滿足包括輝達和 超微半導體在內的所有客戶的需求。

編譯／莊閔棻

基於輝達和超微半導體等科技公司的巨大需求湧入，台積電已經增加先進封裝CoWoS 設備的訂單。先前，台積電董事長劉德音就表示，是因為台積電缺乏用於將矽片拼接在一起的先進封裝（CoWoS）技術才阻礙AI晶片的生產。隨著對生成式人工智慧（AI）應用的需求不斷增長，以及台積電 CoWoS 產能擴張相對緩慢，AI晶片短缺預計將持續約 18 個月。現在，這家台灣巨頭似乎計畫要透過擴展 CoWoS 功能滿足包括輝達和 超微半導體在內的所有客戶的需求。

台積電訂單激增

據外媒報導，台積電現在已開始增加先進封裝設備的訂單， 預計將增加到30％。為了參與生成式AI的競爭，AI 行業的競爭對手紛紛「湧向」台積電。輝達、英特爾和超微半島體的 AI GPU 等關鍵零件都供不應求。 但目前，台積電也無法滿足需求，尤其是 CoWoS 封裝，因為該公司的設施仍無法達到所需的產量。

更多新聞：美爭取台積電先進封裝技術　亞利桑那州長：討論中

晶片荒還要持續一陣子

雖然台積電已經增加訂單，但實際安裝可能還要等到今年年底。 因此，目前來看，輝達等公司還必須承受供應鏈「瓶頸」一陣子。 消息人士表示，台積電每月的晶圓產量有望達到目前產量的兩倍、3 萬片，但目前，該公司產量約為 12,000千片晶圓，預計到 2024 年上半年產量將達到 15,000到20,000片。

輝達AI訂單持續增加

目前來看，隨著AI發展的快速推進，台積電等晶圓廠需求激增，因此無法應付現有訂單。 但產業指標也顯示台積電正在升級現有設施。輝達預計其 AI 庫存將在未來幾年迎來巨大銷售，其中 H100 等 AI GPU 將領先，預計到 2024 年將出貨數百萬片，因此，該公司也將持續要求其合作夥伴「提升產量」。

參考資料：wccftech

這篇文章 供不應求！台積電正積極拓展CoWoS 封裝設施 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。