ai點陣化的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

AI時代，設計力的剩餘價值：對象×流程×應用×能力塑造，人工智慧浪潮下的設計師生存攻略

為了解決ai點陣化的問題，作者薛志榮 這樣論述：

AI歷史×深度學習×互動設計×技術運用×未來發展 人總有疲累、犯錯的時候，但是AI永遠乖巧聽話； 你說AI不懂創意，只能做死板的工作？ 隨著科技發展，AI人性化程度也愈來愈高， 再不懂得提升自己，最後只能被人工智慧所淘汰！ 跨界設計師甘苦談，讓前輩把經驗向你娓娓道來！ 　　【人工智慧在紅什麼？】 　　．AI的誕生 　　1956年8月，在達特茅斯學院舉行的一次會議上，來自不同領域（數學、心理學、工程學、經濟學和政治學）的科學家一起討論如何利用機器來模仿人類學習以及其他方面的智慧，「人工智慧」正式被確立為研究學科。 　　．人機互動的發展歷程 　　60年前，人工智慧和人機互動就像藍綠一樣是

勢如水火的兩大陣營？ 　　明斯基：「我們要讓機器變得智慧，我們要讓它們擁有意識。」 　　恩格爾巴特：「你要為機器做這些事？那你又打算為人類做些什麼呢？」 　　．機器學習和深度學習 　　機器學習是一門涉及統計學、神經網路、優化理論、電腦科學、腦科學等多個領域的交叉學科，它主要研究電腦如何模擬或者實現人類的學習行為，以便獲取新的知識或技能，細分為：監督學習、非監督學習、半監督學習、強化學習。深度學習是機器學習下面的一條分支， AlphaGo正是採用了深度學習算法擊敗了人類世界冠軍，並促進了AI其他領域（如自然語言和機器視覺）的發展。   　　【人工智慧如何影響設計？】 　　．從圖片到影像，Ado

be Sensei平臺幫助設計師解決在媒體素材創意過程中面臨的一系列問題，並將重複工作變得自動化。 　　．看動畫總覺得某些場景崩壞？自動描線的技術能夠自動辨識圖像，並確定圖像的具體輪廓，進而完成描線的工作，大大減輕畫師的負擔。 　　．圖文內容的排版涉及大量的專業知識，包括視覺傳達、色彩與美學、幾何構圖等， Duplo透過模組化和網格系統快速把內容放入尺寸各異的幾千種頁面中，解決不同螢幕尺寸下的圖文排版問題。 　　【AI衝擊！設計師該何去何從？】 　　既然AI如此方便，設計師的存在似乎就可有可無了？ 　　．最容易被取代的三大設計，看看自己符合了哪些！ 　　．深耕藝術設計、個性化設計、跨界思考…

…六種方法助你永保飯碗！ 　　【比人還通人性！談AI的實踐】 　　．AI設計八大原則：個性化、環境理解、安靜、安全「後門」、準確性和即時性、自我學習與修正、有禮貌、人格設定。 　　．產品設計三要素：透過增強記憶、訓練思考和預測行動，將人工智慧最佳化。 　　．從圖形使用者介面（GUI）到語音命令裝置（VUI），為什麼要將GUI轉換為VUI？ 　　【未來五年，人工智慧的發展】 　　．智慧城市 　　下水道設計不良，一遇到暴雨瞬間變水上威尼斯？ 　　每次上路總是提心吊膽，深怕遇到馬路三寶？ 　　警力資源嚴重不足！誰可以代替交警外出巡邏？ 　　交通、能源、供水、建築……數位監控平臺將接管城市管理的工

作！ 　　．商場 　　對商場上的惡性競爭感到厭倦了嗎？透過AI技術，有錢大家一起賺！ 　　讓不同性質的店家組成一個體系，推播優惠券製造雙贏效果。 　　．家園 　　在家裡擺上一幅霍格華茲的胖夫人畫像不再是夢？ 　　Atmoph Window不僅能隨意切換內容，還能配合主題發出相應聲音，彷彿身歷其境！ 　　★特別收錄：跨界設計師甘苦談、針對使用者的人工智慧系統底層設計 本書特色 　　本書從技術角度切入，介紹當前人工智慧的相關知識，再圍繞商業、產品、使用者需求等多個角度闡述人工智慧與設計的關係，提出人工智慧設計的相關見解，同時也結合了作者本身的學習和工作經驗，對設計師在AI時代下的發展規劃

給予相關建議。

ai點陣化進入發燒排行的影片

基於深度學習之視覺辨識之除蟲機器人

為了解決ai點陣化的問題，作者吳子健 這樣論述：

根據統計，台灣農藥每單位用量，每公頃平均最高曾到十七公斤，居高世界第一位。而農藥用多了，食品內的農藥濃度便會提升，對土壤和人體都會產生嚴重影響。因此近年出現了許多的有機農場，有機農場的要求是不使用人工化學合成農藥丶人工合成肥料等等。但是有機種植的困難多，由其蟲害的問題更是讓農夫十分頭痛。解決蟲害最快的方式是直接用人進行觀察並除蟲。但是近年來台灣的高齡化丶少子化與新冠肺炎(Covid-19)的多重影響下，使勞動力大幅下降。 因此本文提出一種智能除蟲機器人，其結合了人工智能(Artificial intelligence, AI)丶深度攝影機丶自走車丶小型機器手臂與麥克納姆輪等裝置，應用於有機農

場中的自動除蟲機器人。除蟲機器人包括三個系統：視覺系統丶移動機構和驅蟲裝置。其中視覺系統能夠對害蟲辨識，也能夠取得距離。再把害蟲的位置傳給移動機構，機器人便會移動到害蟲的面前。最後使用驅蟲裝置，轉動機器手臂並啟動除蟲器，完成除蟲動作。

什麼都能外送!比臥底報導更真實的故事，資深社會記者轉行做外送、代駕、揀貨員，揭露惡性競爭內幕、拆穿高收入假象

為了解決ai點陣化的問題，作者김하영 這樣論述：

平臺經濟迎接盛世，平臺勞工只能厭世？ 資深社會記者變身平臺勞工，上線跑透透觀察，下線思索時代解答 為了追求「更人道的平臺經濟」，寫下這本「我們這個時代的新勞動故事」   　　★強勢入選2022年韓國「青少年人文學閱讀全國大會」官方指定選書 　　★上市兩個月火速再版！賣破五刷，持續長銷，在韓國各地發揮影響力   　　在智慧型手機的這一端，消費者打開APP，一鍵送出需求，享受科技帶來的便利；另一端，勞動者接到訂單，為了夢想與生計開始奮力一搏......將這些人牽連起來的，正是「平臺企業」。   　　【平臺企業翻轉了現代生活】 　　我們所熟知的臉書(Facebook)、亞馬遜(Amazon)、網

飛(Netflix)、優步(Uber)、Airbnb等公司都是平臺企業。有別於傳統商業模式單純的線性運作（生產者直接提供產品或服務給消費者），平臺企業則是提供一個中央系統，讓包括生產者與消費者在內的各種人在系統內互動，藉此獲利。   　　平臺經濟翻轉了現代生活，為我們帶來便利，讓許多人有賺錢的新機會。但平臺經濟也有黑暗面──當個人或公司過度仰賴平臺，而平臺企業的實力足以壟斷市場時，便能單方面改寫遊戲規則，產生消費者權益受損、勞動剝削等問題。尤其，平臺的運作與升級是由人工智慧(AI)等高科技來支持的，因此也衍生出照顧平臺勞動的法律與社福制度，有可能跟不上科技變遷的隱憂。 　　 　　【作者為何辭去

記者一職，轉行投入平臺勞動？】 　　一切要從「TADA」風波說起。   　　就像Uber進駐世界各地，當地傳統計程車業者會有反彈一樣，2018年10月韓國出現一款叫車APP「TADA」，也引起抗議聲浪，還有司機為此而自焚。後來TADA「以租車服務之名，行計程車載客之實」的商業模式被認定違法而在2020年4月終止運作，但其母公司仍繼續開發新產品與服務，投入代理駕駛等新市場。   　　在這過程中，本書作者、資深社會記者金夏永感到相當「鬱悶」。他認為，「社會對這個問題的解決方式無法讓人滿足，並未提出對時代變化大趨勢的討論和方向，只是迫於壓力而進行眼前的利益調整」。   　　無獨有偶，在TADA退場的

同一年，作者還看到了一則「美食外送員上億年薪（約新臺幣兩百多萬元）」的報導，讓他相當好奇：「真的可以賺這麼多嗎？」   　　這兩個「平臺經濟」下的勞動事件，讓他想要進一步探查實情。但擁有近二十年記者資歷的他，沒有選擇去訪問司機、外送員，也沒有「臥底報導」，而是毅然決然地辭去記者一職，直接投入平臺勞動現場成為「當事人」，因為這樣才能「看到不一樣的東西」。   　　【在三大平臺勞動現場進行「田野調查」】 　　作者開始投身平臺勞動的時間是2020年初，剛好是新冠肺炎疫情即將延燒之際。在接下來的兩百多天，作者用幽默又溫暖的筆觸，記錄了他初任外送員、物流中心揀貨員與代理駕駛時的點點滴滴，包括各種業界行規

、工作「撇步」、路上觀察學、疫情對市場的影響、平臺企業搶生意的奇招與話術、同業三言兩語間透漏的人生故事，還有人工智慧與傳統人力之間的「角力」，以及由此而來、浮上檯面的平臺勞動權益議題。具體來說，作者有這些發現：   　　1.在韓國最大的美食外送平臺「外送民族」擔任外送員 　　因為疫情的關係，外送需求大增。為了搶單，作者體會到這一行的重要技能之一是「不能思考」，因為一旦對著手機上的接單螢幕想太多，生意就被其他同業搶走。搶你生計的，竟然還有機器人。為了搶快，等電梯有什麼技巧？馬路上最致命的威脅是什麼？外送平臺業者之間想提升市占率想瘋了，出動哪些奇招募集外送員？讓人非常猶豫要不要跳槽......  

　　2.在電商龍頭酷澎(Coupang)的物流中心擔任日薪制揀貨員 　　揀貨員的工作就是在接到訂單後，找到正確的商品裝進推車裡，送到包裝臺。作者對一切都感到很新鮮，第一次知道有一種女寶寶紙尿布不是女寶寶用的。揀貨的技巧可多了，要怎麼利用俄羅斯方塊技在推車裡堆疊物品，減少奔波次數？前輩為什麼捨棄便利商店打工，來到物流中心？   　　作者也想起亞馬遜的貝佐斯花最多錢在成立機器人公司上，欲打造完全自動化的物流中心。他看過一個電視廣告，一家人去參觀礦泉水工廠，媽媽對孩子說：「哇！這麼大的工廠裡居然一個人都沒有呢！」讓人不寒而慄。科技最終會把人類趕出物流中心嗎？電商越來越壯大，以後還會有社區小店嗎？

  　　3.利用市占率最高的通訊軟體Kakao成為代理駕駛 　　做過外送員、揀貨員，疫情趨緩後，作者接著挑戰了代理駕駛。開手機導航，但手機要放哪？據說高手都會把手機放在杯架裡，但有更好的做法。什麼是爛單？費用低，而且跑一趟跑到一個很難脫身的地方就是爛單，怎麼避免？代駕也是一個情感勞動吃重的工作，客人想跟你聊家庭、政治、抱怨社會，你該怎麼辦？   　　Kakao 招募司機的廣告寫著：「透過人工智慧系統，任何人都能做到。」人類好像變成幫助AI累積數據的工具，變成AI的四肢了......   　　【今日韓國，明日臺灣？】 　　除了科技、個體、社會之間的關係，作者最關注的還是平臺勞動權益議題。作者認為

，平臺勞動這類「不特定僱用」危機的突破口在於「基本收入」和「終身教育」，因此必須重新檢視國家的作用。   　　國家也必須吸收一部分工會的功能，因為平臺勞動者不會在同一空間一起工作，沒有溝通的機會，也很難串連起來，而且以「論件計酬」來看，彼此與其說是「同事」，不如說是「競爭者」，再說應該很少有人會把外送或代駕視為自己的終身職業，因此平臺勞動者組成工會進行團體行動的可能性非常低，政府應該為他們的利益代言，發揮更積極的功能。   　　今日韓國面臨的難題，是否會是明日臺灣的處境？本書提供了一個思索的起點。   本書特色 　 　　1.作者捨棄傳統採訪形式，直接投身平臺勞動第一線，以資深社會記者的銳利視角

進行田野調查，挖掘潛藏在平臺企業遊戲規則背後的新勞動權益議題。臺灣同樣處於全球性的平臺經濟之中，韓國的經驗有值得借鑑之處。   　　2.收錄多張作者親繪的插畫，讓人會心一笑、如臨現場。   各界同聲推薦   　　Fion（作家、在韓YouTuber） 　　JoJo（Podcast《啾團》主持人） 　　公民不下課（人氣知識平臺） 　　孔德廉（報導者記者） 　　何撒娜（東吳大學社會學系助理教授） 　　邱羽凡（陽明交通大學科技法律學院副教授） 　　阿潑（轉角國際專欄作者） 　　洪敬舒（台灣勞工陣線研究部主任） 　　楊虔豪（駐韓獨立記者） 　　楊貴智（法律白話文運動站長兼內容長） 　　蔡淇華（作家）

　　鄭凱文（日日春放送局［韓國獨立音樂評介粉絲專頁］版主） 　　鄭麗君（青平台基金會董事長） 　　顧玉玲（臺北藝術大學助理教授） 　　依姓氏筆畫排列   　　「作者以第一線揀貨、外送、代駕的勞動為軸，探究平臺經濟的發展，敏銳又即時地回應當下的社會議題，全書橫向參照國際，縱及在地歷史，聚焦人力資本兩極化，提出國家取代企業、回歸社福公共化的政策思索，值得臺灣借鑑。」──顧玉玲（臺北藝術大學助理教授）   　　「作者帶領讀者實際走進『平臺勞動時代』現場，再由這些經驗描繪出『斜槓人生』、『內捲躺平』這些共存於整個亞洲的現象。本書除了記錄疫情時代下不斷加劇的不平等外，也從改變政府體制與推行基本收入等方向

提出另類解方。」──孔德廉（報導者記者）   　　「我們享受到的各項快速與便利，來自許多人付出可見與不可見代價。看似時代前沿的平臺勞動與AI經濟，其實鑲嵌發展於過往的歷史與社會脈絡之中。本書不僅探究韓國外送行業的結構性議題，更是關於勞動價值的深度再思考。」──何撒娜（東吳大學社會學系助理教授）   　　「自由，是所有勞動者共同的期待與夢想，然而本書作者親自投入韓國外送勞動市場，揭露『人類逐漸成為AI的四肢』的真相，打破平臺經濟下，勞動者手持手機隨時上、下線的自由假象，描繪平臺操控『外送民族』的人心與人力的各種策略，實值得臺灣的外送經濟作為參照。」──邱羽凡（陽明交通大學科技法律學院副教授）  

　　「當終身僱用制像北極冰川般地消失，外送、宅配、代駕、Uber滿街跑的平臺卻帶來更多操勞又不穩定的工作。此刻是該順應？抵制？還是改變它？無論答案為何，這本深層解剖韓國平臺就業生態的好書，都是我們面對及思索衝擊的最佳出發點。」──洪敬舒（台灣勞工陣線研究部主任） 　　 　　「作者親自進入這些以正面詞彙包裝的領域中，近身仔細觀察『人』在其中是什麼狀況。除了揪出高收入的假象，還適時地搭配時代背景，點出現代人會對這種不穩定的勞動方式感到有魅力的原因，為讀者導覽外送世界的真實面貌。」──吳燦浩（韓國社會學者、作家）   　　「本書是萌生在我們這個時代的勞動現實報告，彰顯了特殊勞動者受到的特殊差別待遇

。希望勞動者能夠生活在受到尊重、健康和幸福的社會。在此向訂購外送的人、以外送工作維生的人，以及把外送當作兼職的人推薦本書。」──鄭惠允（韓國CBS電臺製作人、作家）

以3D深度學習及點雲匹配技術進行機械手臂自動化複雜零件分類

為了解決ai點陣化的問題，作者賴以衛 這樣論述：

以機械手臂進行零件分類是自動化生產線的主要工作之一，利用結構光掃描器搭配AI深度學習及點雲匹配技術，可快速辨識產線上各個零件的類型，並自動計算每個零件的拾取資訊，然而，隨著零件類型、數量及幾何複雜度的提升，深度學習的數據準備作業將耗費大量時間，且以越複雜的零件進行點雲匹配時，其匹配的誤差也會隨之增加。為克服此等問題，本論文以點資料處理技術對零件的點雲進行處理，改善數據準備耗時及點雲匹配誤差的問題，據以開發一套「複雜零件隨機夾取/分類系統」，達到自動化零件分類之目的。本論文透過對零件之掃描點雲進行一系列濾波、分割及資料集擴增處理，由少量掃描點雲自動化產生大量點雲資料集，藉以進行深度學習的訓練，

於自動化作業現場快速判別零件種類；接著以RANSAC搭配ICP法進行零件的3D CAD模型與其掃描點雲的精準匹配，將事先分析CAD模型所產生的夾取資訊轉換為零件實際擺放的夾取資訊，並依零件辨識結果及其座標轉換，以機械手臂完成零件的夾取與分類。本論文除了詳述如何以點資料處理技術建構深度學習辨識模型及達到點雲之精準匹配，也簡述如何以3D CAD模型求取零件夾取資訊，最終以多種不同幾何特性的複雜零件驗證所提方法的可行性及所開發系統的實用性。