這集來分享學生必學的 AI 工具與操作！
本來是想做寫作業的 AI prompt，但肯定會被罵翻……因此這次聚焦在如何用 AI 協助整理筆記、職涯探索、製作歷程檔案等事情上。
廢話不多說，讓我們開始吧 ！
最後，附上本支影片的學習懶人包：
如果你有更多想要學習的操作技巧，歡迎在下面留言跟我們敲碗～有其他想要看的 AI 測試或相關問題，也可以留言分享喔！
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！
討論功能關閉中。
2018 年，Google 旗下的 DeepMind 團隊推出了第一代 AlphaFold，這是一款基於深度學習的 AI 模型，專門用於預測蛋白質的三維結構。AlphaFold 的命名取自「fold」一詞，意為折疊，指的是蛋白質在胺基酸鏈構成後迅速摺疊成其功能所需的三維結構。
AlphaFold 的突破在於其能夠預測出蛋白質折疊的可能性，這是一個傳統計算方法無法達到的領域。第一代 AlphaFold 在國際 CASP 比賽中取得了一定的成功，雖然其預測準確度尚未達到實驗室標準，但其潛力讓科學家們充滿期待。
蛋白質是生命的基石，它們的功能取決於其複雜的三維結構。然而，僅靠實驗技術來解析蛋白質的結構既昂貴又耗時。過去科學家依賴於如 X 光晶體繞射等技術來解析蛋白質的結構，然而這種方法雖然精確，但往往需要數年時間來得出一個結論。
到目前為止，人類已知的蛋白質數據庫中，全球僅解析了大約 22 萬種蛋白質的結構，這遠遠不足以滿足生物學和醫學研究的需求。尤其是人類的許多蛋白質結構仍然未知，這成為阻礙醫學進步的一個主要瓶頸，特別是在藥物開發和疾病治療上，因此如何加速對蛋白質的結構的解析至關重要。
2020 年，AlphaFold 2 橫空出世，改進了多項技術，預測準確度大幅，幾乎達到了與實驗結果相媲美的程度。這一成就震驚了全球生物學界，許多科學家開始將 AlphaFold 2 應用於實際研究中。
AlphaFold 2 的成功源自於其三大技術革新：
隨著 AlphaFold 2 的成功，DeepMind 並未停止其腳步。2024 年 5 月，AlphaFold 3 正式推出，這標誌著 AI 技術在生物學領域的又一個里程碑。AlphaFold 3 的改進再次吸引了科學界的目光，它強化了注意力機制，並引入了擴散模型，這使其能夠更快且更準確地預測複合蛋白質的結構。
擴散模型是一項關鍵技術，它能夠生成大量的可能蛋白質結構，並快速篩選出最可能的解答。與此同時，AlphaFold 3 還內建了「減幻覺」功能，這讓其在產生結果時能夠避免過多不切實際的預測，提升了結果的可信度。
AlphaFold 3 的誕生，不僅是一個技術突破，還為醫學和藥物開發帶來了巨大的希望。過去，癌症治療中的標靶藥物需要經過漫長的實驗才能確定其作用原理，然而現在，通過 AlphaFold 的預測，科學家可以更加精確地針對癌細胞中的錯誤蛋白質，設計出更有效的藥物。
除此之外，AlphaFold 3 還在抗病毒藥物、抗生素以及阿茲海默症等領域展現了潛力。其能夠預測蛋白質與其他分子（如DNA、RNA）的交互作用，這使得研發新藥的過程大大加速。
儘管 AlphaFold 3 取得了驚人的進展，但其仍然面臨一些挑戰。首先，目前 AlphaFold 3 的模型尚未完全開源，這限制了研究人員對其內部運作的了解。為此，一些科學家已聯名要求 DeepMind 開放其程式碼，以便進行更深入的研究和應用。
不過，隨著 AlphaFold 3的逐步推廣，生物學家相信它將繼續改變生物學研究的方式。未來，這項技術有望在解決更多未解難題中發揮關鍵作用，並為醫學領域帶來更大的突破。
討論功能關閉中。
下載 Youtube 影片、自動生成影片逐字稿、AI 智慧翻譯、匯出雙語 SRT 字幕、字幕內嵌 MP4 影片，甚至是把你的電腦當成 AI 運算伺服器、使用多模態 AI 模型來做圖片辨識……這一切的一切通通都免費，敢有可能 (Kám ū khó-lîng)？
今天的影片要來跟你分享開源 AI 套件 Ollama，這個開源套件AJ 最近上課演講工作坊逢人必教。
今天的影片，我們要手把手教你使用 Ollama 在你的電腦裡執行各種免費開源 AI 模型，希望你能跟我一樣成為 AI 暈船仔……Ollama 真香……啊扯遠了，我們沒有點數可以送。
今天的影片會分成三個部分：
首先我們要先安裝 Ollama：
來到 ollama.com 點選 Download，下載適合自己的版本後進行安裝，安裝完畢之後，啟動 Ollama。以我的電腦來說右上角就會出現一個小小的 Ollama 圖示，這樣就成功安裝囉！
接著我們需要下載 AI 模型到你的電腦：
回到 Ollama 首頁，點選右上角 Models，這邊就會列出所有官方支援的模型，比如最近很流行的 Meta LLAMA 3、微軟的 Phi3、法國 Mistral AI 公司的 Mistral、Google Gemini 模型的開源版 Gemma 都有，你可以挑選喜歡的來測試。
比如我點選 LLAMA 3 的連結，模型頁面有兩個地方要注意：一是模型大小，LLAMA3 是 4.7G，一般而言要玩大模型，電腦記憶體至少 16G，預算夠就 24G 不嫌多；如果你是使用一般文書電腦，記憶體 8G 的話，建議你現在馬上停止你的任何動作。我有測試過電腦會直接當機……不要說我沒有提醒你。
點開 Latest 選單可以依照需求選擇不同版本的模型：
不過我們直接點選最右邊複製執行指令，打開電腦的終端機程式，或著命令提示字元，貼上，這樣電腦就會開始下載並且自動安裝囉。
你可以用 ollama list 指令查看現在電腦內有哪些模型，如果硬碟容量有限，用 ollama rm 後面加上模型名稱可以刪除模型。比如：ollama rm llama3。我們這邊另外安裝 llava 模型：ollama run llava，這樣準備工作就完成囉。
最近只要演講上課，我一定會分享 Memo 這套好用的軟體，我們之前也有一支影片分享他的用法。
最近 Memo 更新之後，我們就可以直接使用 Ollama 結合特定的模型來進行字幕的翻譯。舉例來說，我們打開 memo，複製 Youtube 網址；我們用這支 楊立昆 的演講，貼上網址，開始下載，下載完畢後使用電腦進行語音辨識，接著我們就可以使用 Ollama 搭配剛剛準備好的 LLama3 模型來做翻譯！
翻譯完畢之後就可以匯出 SRT 字幕
如果你本身是影片創作者，這招就可以輕鬆製作你的 SRT 字幕，再也不用花時間對字幕時間軸了。
或者你要把影片字幕直接內嵌在做簡報的時候播放影片：
匯出 MP4 格式，語言選雙語。如果你還沒用過這招處理影片，我強烈建議你一定要試試看！
接下來我們要分享另一套非常實用的工具——Enchanted。他也是開源，可以讓原本是文字介面的 Ollama
提供類似 ChatGPT 的對話視窗，甚至支援圖片辨識的多模態模型 llava，Mac 用戶可以直接去 App Store 免費安裝。
同時開啟 Ollama 跟 Enchanted LLM：
就擁有一個漂亮的視窗介面，可以優雅的啟用各種想要測試的 AI 模型，他甚至有手機版 APP！用手機連線自己的蘋果電腦跑 AI 模型？這……這，真的可以免費用嗎？
讓我來試試看！
首先要先安裝 ngrok 這套程式，選擇自己的作業系統然後下載。Windows 用戶應該直接安裝就可以了，Mac 的用戶在終端機執行這行 Sudo 指令把程式解壓縮到 user local bin 資料夾，接著註冊一個免費的 ngrok 帳號。
複製 ngrok config 指令，貼回自己電腦的終端機，把連線金鑰寫入自己的電腦。
最後一步，啟動連線，指令是：ngrok http 11434 –host-header=”localhost:11434″
一切順利的話就會看到類似這個畫面。
然後把 forwarding 的網址複製，打開 iPhone 或 iPad 的 Enchanted app，在設定 Setting 裡面把 Ollama 網址貼上，這樣就可以遠端調用電腦的 Ollama 來使用 AI 模型，比如選用稍早下載的 LLava 多模態模型。
傳一張照片，問它這是什麼？
是不是非常神奇呢？
快練習把 ollama、ngrok 跟 Enchanted 串起來跟朋友炫耀吧！
今天的影片跟各位分享了基於 Ollama 這個開源 AI 套件的各種有趣應用，你是否有成功在 iphone 上打造自己的 AI 服務呢？
如果有其他想看的 AI 工具測試或相關問題，也可以留言告訴我們～
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
討論功能關閉中。
聽說 Office 365 Copilot 終於支援中文了！
我還不馬上拿出魔術小卡——加入會員，訂閱，開啟小鈴鐺，啊不是我是說，訂閱 Copilot……
嗯？20 美金？嗯？這沒有 Office 365 Copilot 啊？我找找……
靠，現在訂閱 Office 365 Copilot，最便宜要用商務標準版才能加購，而且加購只能一次買一年，要一萬一……我們本來都準備好各種有趣的測試了，但這錢我真的花不下去阿……那今天準備好的測試該怎麼辦呢？
別擔心，今天的影片，我來回答三個問題：
本集的「進階 AI 提示語」有沒有打開你的 AI 使用靈感呢？
欸嘿，前面提到的 QR code 在這邊 ^.< 不要告訴別人喔（噓）
如果有其他想看的 AI 工具測試或相關問題，也可以留言告訴我們～
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！
討論功能關閉中。
