2

7
1

文字

分享

2
7
1

應對Deepfake濫用,台灣修正刑法夠用嗎?

法律白話文運動_96
・2022/01/30 ・5302字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴宜欣,台北大學法律系法學組學士,政治大學法律學系碩士,日本國立名古屋大學特別研究生,現為執業律師。

編按:在出現Deepfake之後,網路世界進入了「眼見不為憑」的年代。本次泛科學和法律白話文合作策畫「Deepfake 專題」,從Deepfake 技術與辨偽技術、到法律如何因應。科技在走,社會和法律該如何跟上、甚至超前部署呢?一起來全方位解析 Deepfake 吧!

看完國外針對深度造假技術的相關規範,讓我們回過頭來看看台灣。現行台灣法規,對於使用深度造假的數位性犯罪,其實規範相當不足,常見質疑包括有人提出「罪刑是否相當」或有謂「對於未經同意拍攝散布、或是未真實發生的性影像,並沒有特別規範」等。

而在諸多立委、婦女團體及法界人士的促請下,連蔡英文總統也都跳出來發文,呼籲民眾關注此類事件,並宣示政府會重新盤點法規,研擬推動修法。法務部也稱將朝「加重刑法相關刑責」的方向辦理。

蔡英文總統發文呼籲大眾關注 deepfake。圖/蔡英文 Tsai Ing-wen

不過不少聲音認為,雖然修正《刑法》相關規定是較為簡便,但《刑法》目的只在「究責」,如果真要防制數位性暴力,應該要從前端宣導預防著手,並於事後保護被害人的身心發展。舉例來說,如若進入刑事訴訟,被害人可能會因公開審理的緣故,形成二度受創。種種因素都指出,相關管制應較適合朝制定「專法」的方向發展。

先來看看刑法修正草案的內容

2021 年 11 月 17 日,法務部提出《刑法》修正草案。將保護的範圍主要分成三種:

-----廣告,請繼續往下閱讀-----

第一,針對「真實的性私密影音」,加重處罰「竊錄性影音」的行為,明文處罰竊錄性影音以及進一步散布、傳送或供他人觀覽的行為,最重可處五年有期徒刑。且不但未經同意竊錄會構成犯罪,即使在經同意後所收錄的性私密影音,也不能在未經同意下散布播送。

第二是針對「不實的性影音」,不論是製作合成、散布、播送、交付或以他法供人觀覽,這些都是犯罪行為,最重處 5 年以下有期徒刑;如果還意圖營利,更會加重處罰到 7 年。

第三則是針對「不實活動、言論、談話的影音或其電磁紀錄」,若是意圖散布而製作前述內容,或散布、播送、交付或以他法供人觀覽相關內容,則會受到 3 年以下有期徒刑的處罰,如果意圖營利,更會加重到 5 年以下有期徒刑。

散步私密與不實影音,都屬於犯罪行為。圖/envato elements

參考國外規範,台灣或有可借鏡之處

透過上述的《刑法》修正草案,台灣對於「性私密影音」的管制,終於有了較為清楚的規範。不過,這樣的修法是否足以遏止數位性犯罪了呢?跟國外規範比一比,筆者此處整理幾點,或可供後續立法借鏡的地方。

-----廣告,請繼續往下閱讀-----

一、性犯罪配套對策與保安處分的多元性

韓國相關立法有相當多元的「保安處分」,其中針對性犯罪,設有「性暴力治療計畫、人身情報公開、兒少及身障等福利機構之就業禁止、電子腳鐐」等配套。

舉例來說,2021 年 11 月,N 號房中主要犯罪者們,陸續被判以 15 年到 42 年不等的刑期,而法院在刑期外,更另外作成了多種「保安處分」,除了要求主要營運者及初始創房者「公開身分情報 10 年」,並「限制其在兒少機關及身心障礙人士福祉設施就職」外,也須「配戴定位追蹤的電子裝置 30 年」(註)。

N 號房中主要犯罪者們,除了刑期外,還有各種「保安處分」。圖/envato elements

回來看看台灣,因為台灣沒有制定專法,性犯罪在判刑之餘,相關配套措施是依《刑法》第 91 條之 1 規定,以及《性侵害防罪防治法》相關規定辦理,其中最廣為所知的是對性犯罪行為人進行「強制治療」。

但問題來了,大法官在司法院釋字 799 號解釋中,認為「現行強制治療制度長年運作結果,有趨近於刑罰之可能。」也就是說,長期接受強制治療者,如果仍未達到或無法達到,顯著降低再犯危險的治療目標,就會被一而再強迫接受治療,等同讓受治療者變相被無限期剝奪人身自由,猶如終身監禁,而有牴觸憲法之疑慮。

-----廣告,請繼續往下閱讀-----
大法官曾針對強制治療進行釋憲。圖/關鍵評論網

因此,衛福部因此研擬《性侵害犯罪防治法》修正草案,在第 37 條增訂:「經鑑定、評估,認有繼續執行之必要或認無法達到其再犯危險顯著降低治療目標者,法院得依直轄市、縣(市)主管機關聲請延長強制治療或命接受科技設備監控;其延長或監控期間,每次以三年為限。」 

簡單來說,對於接受強制治療的加害人,是採以 3 年為限度施以監控。雖然這是在權衡「病人的治療」跟「犯人的人權」兩難下的決定,但也讓民間非常擔心是否有縱放社會,提升再犯風險的問題,並呼籲政府應予強化社會安全機制。

有鑑於此,韓國法在處理性犯罪時配套措施的多元,以及從 N 號房判決中看到,賦予法官對保安處分期間訂定的權限,也比台灣寬鬆許多,在這些做法或許是台灣可參考之處。

二、修法似漏未規範處罰未遂犯?

本次台灣的刑法修正,似乎並未囊括未遂犯的處罰。在韓國的《性暴力犯罪法》中,對於數位性暴力的犯罪行為,都設有處罰未遂犯的規定。由於未遂犯的處罰,必須有明文規定才能辦理,這應該是個法規漏洞,希望未來能立法加以補足。

-----廣告,請繼續往下閱讀-----

三、考量組織犯罪可能性,制定加重條款防範

在數位性犯罪的問題中,也必須要注意組織犯罪的態樣。從韓國 N 號房事件可以清楚發現,當數位性暴力以組織犯罪形式開始擴大時,受害程度會急遽上升,受害人也更加難以抵抗。

韓國法院就認為,N 號房的主要犯罪者們,創設色情房並加以營運分工,是構成組織犯罪 。台灣其實也有前車之鑑,在詐騙集團盛行時,為了應對這種犯罪行為組織化的情況,修訂了詐欺罪的規定──若是三人以上共同犯詐欺罪時,會受到比單純詐欺罪更重的處罰。

既然數位性犯罪,非常有可能發展成組織化的犯罪,筆者認為在立法上可以考量像詐欺罪一樣,制定集團犯罪的加重條款來加以防範。

數位性犯罪有可能是組織犯罪。圖/envato elements

四、應考量將「持有與購買者」納入規範

由於台灣這次修法並沒有將「持有與購買者」入罪,但因為有「散布、營利」之人,就一定會有「購買、持有」之人,對於這種只處罰一方的疑慮,韓國法界已出現促請立法規範的聲音 ,台灣是不是也應該考慮一起處罰「持有與購買者」呢?

-----廣告,請繼續往下閱讀-----

對此,有論者擔心,若貿然將持有購買性影像的行為定罪,會因為付費會員過多造成打擊過廣的問題;甚至多數行為人可能只是抱持「性好奇」,甚至是心理尚未成熟、未能認知犯罪的未成年人──這樣貿然處罰可能會與兒少保護有所衝突,因此需要考量比例原則 。

然而,正所謂「殺頭生意有人做,賠錢生意無人做」,若僅單向處罰產出性影像的一方,而對為數眾多的持有與購買者完全不規範,行為人在評估營利利潤大於刑責風險下,仍會前仆後繼的進行數位性犯罪行為。

這麼一來,將無法根本性地遏止數位性犯罪。被害人必須經歷的心理創傷,甚至對名譽、事業的影響,都是對於被害人無法抹滅的痛苦 。

因此,筆者仍傾向贊成韓國律師界的意見「不能再讓當事人的犯罪受到好奇心的保障,任何一次的收看、分享、儲存或散布都是犯罪」,應該將持有與購買列入處罰。但同時也應該在教育及基層機關上,積極推動「犯罪預防」、「青少年事前性教育宣傳」、「成立兒少性犯罪調查專責部門」等,處罰與教育兩者並行不悖。

-----廣告,請繼續往下閱讀-----
持有與購買私密影片應考慮列入處罰。圖/envato elements

五、對「強暴脅迫」的數位性暴力,漏未規範?

韓國《性暴力犯罪法》在 2021 年 1 月 24 開始,將「涉及性私密影像的強暴脅迫」列入犯罪 ,也就是明確規定用性私密影像來強暴脅迫被害人的行為,是一種犯罪。而參考 N 號房事件,脅迫的對象應不只限於被害人本人,如以被害人的性私密影像來脅迫他人,也是犯罪 。

就像報導指出,前述事件的被害人,就受到行為人脅迫「將公開人身情報並對親友不利」,讓其直接自行製作性剝削影片。甚至對青少年們進行強姦、類似性行為後,將影像攝影傳送,以要散布子女的裸照,脅迫被害青少年的父母。

性私密影像的產生,並不一定是由犯罪行為人製作,也很有可能是脅迫被害人自己製作。這常見於雙方過往曾有親密關係,也因此取得相關性私密素材,事後卻將此私密內容作為脅迫工具。

台灣的《刑法》修正草案,目前並沒有就「涉及性私密影像的強暴脅迫」有所規範。對比近來立委高嘉瑜受到家暴及被威脅外流性私密影像的事件,這也彰顯了法規缺陷的問題,應該即時檢討。           

-----廣告,請繼續往下閱讀-----
圖/envato elements

六、考量搭配事前規範的可行性

台灣及韓國,目前都較著重在處罰「利用當下(製作、編輯、合成加工)」及「利用後(散布、營利)」的行為,並未有針對事前的規範。

或許可以考量搭配日本和歐盟的模式,在利用深度造假等技術前就予以分類,賦予行為人相對應的事前注意義務(如:告知影像是以深度造假技術製作的通知義務、加註警語等),以減少後續不當使用的產生。並可透過專家會議及政府部門定時檢討等方式,達成與時俱進的 AI 利用規範。

又或像是美國的《深度造假問責法》(DEEP FAKES Accountability Act)草案,要求使用深度造假技術製作影片的人負起責任。例如,若影片內含有虛假人物的視覺元素,製作者應嵌入數位浮水印(Digital watermarking),讓閱聽者能清楚識別這份影音包含更改後的音檔或視覺元素,或要求提出更改聲明,以及對更改程度的簡單描述。

圖/envato elements

遏止AI濫,用前置作業、處罰、教育宣導應三方並行

台灣目前在數位性犯罪的整體應對上,仍有許多可以檢討的地方。在前置階段,可以參考歐盟、日本或美國,針對 AI 功能進行分類採取如通知義務、加註警示等對應措施。在處置不當利用深度造假等技術時(如數位性犯罪),則應注意「處罰未遂犯、處罰購買及持有者、列入數位性犯罪的強暴脅迫、注意組織犯罪防範」等面向,以期細緻化處罰或配套措施。而防治數位性犯罪的相關教育宣導,更是不可或缺的。畢竟良善的文化才能確保人人尊重彼此,從源頭杜絕類似情況再次發生。

本文爬梳現狀,整理可供借鏡之處,希望本文有助於未來數位性暴力的防制更加完善。

註解

參考資料

一、中文部分

  1. 婦女救援基金會,侵害個人性私密影像防制條例草案。 
  2. 江鎬佑,小玉換臉罪責如「轉傳A片」?數位性暴力法制的缺角
  3. 姜冠霖、王碩勛,從陌生人到熟人凌辱,韓國Deepfake數位性犯罪修法的啟示
  4. 洪敏隆,數位性暴力在台灣無法可管?民團訴求專法防止挖面事件再發生
  5. 現代婦女基金會, 大法官「性侵犯強制治療」釋憲出爐!民間呼籲:高再犯風險回歸社區,須強化安全機制

二、外文部分

  1. 韓國日報,「N번방’ 최초 개설자 문형욱 징역 34년, ‘박사방’ 2인자 강훈 15년 확정」、「박사방운영자 조주빈, 대법서 징역 42년 확정…공대위“끝이 아닌 시작
  2. ‘딥페이크 처벌법’ 신설하긴 했지만, ‘반쪽’ 짜리 법안입니다
  3. 韓國《性暴力犯罪之處罰等相關特例法》。
  4. 대법원 2021도11753, 2021전도112(병합) 대법원 2021도11816‘n번방’ 최초 개설자 ‘갓갓’, 징역 34년… 박사방 ‘부따’, 징역 15년 확정
文章難易度
所有討論 2
法律白話文運動_96
26 篇文章 ・ 531 位粉絲
法律白話文運動」是致力於推廣法律知識與法治思想的獨立媒體,願與讀者一起從法律認識議題,從議題反思法律。

0

1
1

文字

分享

0
1
1
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 53 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

1

0
0

文字

分享

1
0
0
動動滑鼠就能生圖修圖?不用付錢就能即時生成的 Leonardo AI 讓繪畫行雲流水!
泛科學院_96
・2024/06/09 ・828字 ・閱讀時間約 1 分鐘

你在尋找免費的繪圖 AI 嗎?

自從 Stable Doodle 要收費後,我就一直在找類似的替代品,正好前陣子 Leonardo AI 也更新了Realtime Canva 功能,不是那個 Canva,是他們推出的塗鴉功能叫 Canva,試用之後驚為天人!

新增加的 inpaint 功能,能用 prompt 指定畫上去的色塊代表什麼,也有圖層跟透明度功能,大幅降低修整圖片的難度。

重點是,免費可用啊,付費只多了 realtime 及時生成,但免費的速度也不會太慢,你問我為什麼會知道?當然是花了錢之後發現根本沒差啊!

而且及時生成的圖都不用扣點,直到你按下輸出鍵才扣,修改次數無限,可以免費白嫖玩到爽,所以今天,就來教一下怎麼用 Leonardo Canva 啦,大概會說這三件事情:

-----廣告,請繼續往下閱讀-----
  1. 從無到有快速生成人物:這邊就簡單介紹基本操作。
  2. 在不影響生成人物的狀況下,加上背景:這邊會用到圖層、去背、AI 元素生成等功能。
  3. 最後微調:介紹 inpaint 功能怎麼用。

好啦,讓我們開始吧!

最後,你覺得 AI 圖片生成應該還要提供什麼服務呢?

  1. 我上色苦手,拜託有個不改我線稿的 AI 上色工具
  2. 可以有更多修改細節的方法,現在都太笨了
  3. 能不能讓 AI 讀懂構圖,不要每次圖生圖都變樣了
  4. 我不知道,能生不就好了

如果有其他想看的 AI 工具測試或相關問題,也可以留言發問。如果喜歡這支影片的話,也別忘了按讚、訂閱,加入會員,我們下集再見~掰!

更多、更完整的內容,歡迎上泛科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 1
泛科學院_96
40 篇文章 ・ 45 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!

2

1
3

文字

分享

2
1
3
想不出企劃?讓 AI 幫你整理資料!Notion + Zapier 超詳細教學!
泛科學院_96
・2024/06/03 ・5054字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

今天來分享我們用 notion 做知識管理的實作過程與心得,不過,我們發現這樣還不夠用,生為 AI 懶人 YOUTUBER,最好有天上掉下來的題目跟素材,所以還串了 zapier 做自動化 AI 新聞收集!

不過在分享實做過程跟心得前,想先跟大家分享我跟 AJ 有在用的筆記工具,這樣你會知道為什麼我們最後選擇用 notion 了。

如果你只想看 notion 自動收集資料,可以直接下滑教學。

Notion

首先是 notion 端,我們先把 papaya 的模板 複製過來。

-----廣告,請繼續往下閱讀-----

調整一下資料表格式,後面主要會用到的是名稱、URL、標籤、狀態。

首先,我們先點選標籤,

新增你想要自動化的youtube頻道名稱。

然後到狀態,把原本 index 改名成 youtube 自動串連。

-----廣告,請繼續往下閱讀-----

這樣就完成 notion 端的設定。

Zapier

接著來到 zapier,登入後點 create。

進到自動化流程的編輯畫面,你會看到上面有一個 AI 協作的對話框。

輸入「特定 youtube channel 發布影片後,會把影片標題跟連結傳送到 notion 的資料庫」

這樣流程 flow 就出來啦!

-----廣告,請繼續往下閱讀-----

如果 AI 給你的長這樣,要把中間的 get report 刪除。

這邊簡單說一下,畫面上看到的這一串,叫「flow」。

「flow」的最上面是「trigger 觸發器」,是啟動 flow 的條件,

其餘的叫「action」,trigger 觸發後會依序執行下面的 action。

-----廣告,請繼續往下閱讀-----

我們先點進第一個 trigger 進行設定,

在這邊確認 event 是 new video in channel。

然後在 account 這邊,串聯你的 youtube 帳號,用哪個沒差,除非你是頻道主要觀察自己的數據。

接下來就到了重頭戲 trigger 啦,這邊要填的是 channel ID。

-----廣告,請繼續往下閱讀-----

提醒,channel ID 不是網址後面這串,

你可以到想要抓的頻道首頁,按 ctrl+U 開啟原始碼,再按 ctrl+F 尋找這串文字,

後面那串亂碼就是 channel ID 了。

貼回去按 refresh,

-----廣告,請繼續往下閱讀-----

如果有成功抓到,下面的 countinue 就會亮起來,

按下去進到測試頁面 test trigger 按下去。

成功的話,你就會看到他把影片資料抓過來嘍,下面是選後面用的測試資料,選哪個都可以,選完點 countiune。

就會進到 notion 設定,確認一下 event 的設定是不是 create database item,

-----廣告,請繼續往下閱讀-----

確認完按下一步,account 這邊設定連接到你的 notion 帳號,連完一樣按下一步。

重頭戲又來啦,action 這邊是設定 youtube 資料要怎麼存進 notion?

我們先點開 database,選擇剛剛整理過的資料庫,

然後就會跑出很收熟悉的選項,沒錯,這就是剛剛在notion設定好的資料表欄位,現在只要告訴他要把資料放入哪個欄位就好。

名稱,放影片的 title。

標籤,放剛剛設定好的頻道名稱標籤。

URL,就選影片連結的 URL。

狀態選 youtube 自動串連。

這樣新影片就會出現在 notion 頁面的左邊自動呈現囉。

這樣就完成啦,又可以點 countinue 了,不過我自己還會在 content 這個欄位選 description,把影片描述也放入 notion。

點完 countine 進入測試環節,

按 test step。

成功的話,就會看到 test step 變成 publish,

這時回去看 notion 的資料庫,你會發現多一筆剛剛測試的數據。

最後按下 publish,這樣就完成啦。

之後就坐等別人發片,再跟風就好!想企劃就是這麼簡單。

結語

最後來分享一下實做心得吧!

這次實做讓我體會到 notion 的美妙之處,之前都單純把他當成昇級版的 evernote,但跟 Zapier 之類的自動化服務串聯後,馬上變成不同檔次的東西,集前台後台於一身,甚至還能做網站!

這自由度真的是只有想不到,沒有做不到,沒程式基礎的人也能輕鬆入門,難怪會紅。

最後,想問大家會想用 notion 跟 zapier 來做什麼呢?

如果看到有趣的留言,我會試著做做看,有其他想要看的 AI 工具測試或相關問題,也可以留言分享喔!

如果喜歡這支影片的話,也別忘了按讚、訂閱,加入會員,我們下集再見~掰!

更多、更完整的內容,歡迎上科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 2
泛科學院_96
40 篇文章 ・ 45 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!