創新之路上，我們腦袋也需要除錯（Mental Debugs），Google X共同創辦人Tom Chi教你！|數位時代 BusinessNext

除錯（Debug）是程式設計中一個重要的部分，當一個程式的執行結果與原先預期不同時，就利用Debugger來找出程式的錯誤，但你知道在追求創造力的路上我們腦袋也需要除錯嗎（Mental Debugs）？

圖說明
（圖說：TEDxTaipei 2015年BIG BANG特別邀請Google X共同創辦人Tom Chi來台分享在GoogleＸ的實戰創新經驗。圖片來源：TEDxTaipei。）

2015年10月21日，《回到未來2》電影主角馬蒂（Marty）與布朗博士「回到未來」的這一天，全球影迷對於漂浮滑板、智慧眼鏡、自動餐廳等對未來科技的預測讚歎不已。而《回到未來》也啟發了有Google最瘋狂實驗室之稱的Google X的專案，如Google自動駕駛車、Google無人飛行器、Google眼鏡、Google氣球、太空電梯、漂浮滑板等。

TEDxTaipei 2015年BIG BANG特別邀請Google X共同創辦人Tom Chi來台分享在GoogleＸ的實戰創新經驗。Tom Chi不僅是科學家，也是天文學家、軟體工程師，也有「創新大師」封號，他領導Yahoo從0到9千萬用戶，接著創造了Google Glass，近年更開啟Google自動駕駛車計畫。Tom Chi怎麼利用腦袋除錯術創新呢？來看看他在2014年Awesomeness Fest 分享的精彩內容（文末附有影片連結）。

圖說明

腦袋除錯術1：已知是學習的敵人（Knowing is the enemy of learning）

當我們接觸事物，大腦會產生兩種運作模式，一種為「已知」模式，另一種為「學習」模式。「已知」模式啓動時，大腦形成一個知識場域，這個場域讓我們快速理解接觸過的人事物，快速反應，因此當我們做過一件事情千百次後，用很小的力氣就可以完成雷同的工作，就像我們輕輕鬆鬆拿起麥當勞的薯條來吃，這動作對我們來說非常簡單，因為我們習以為常。

「學習」模式和已知模式是完全不同的運作歷程，學習模式大力擴張我們所知的知識領域，讓各式各樣的新觀點進駐，同步腦中原有觀點，解決新的問題。

當我們談創新時，已知模式成為我們的敵人。為什麼呢？因為要大腦同時運作「已知模式」與「學習模式」是很困難的，就像你要一邊騎腳踏車，又同時像小丑那樣拋接球那般困難。

所以當大腦起啓動「已知模式」時，大腦中探索新事物的化學物質會停止分泌，讓我們停止學習。已知模式就像一個殼，囿限我們觀察世界的方式。因此「已知」讓「學習」成為不可能。

圖說明
（圖說：三個小步驟，教你突破思考限制。圖片來源：Tom Chi）

方法1:那我們怎麼除錯呢？拿起一支筆準備一張紙。
1.挑出在你生活一個棘手的挑戰。
2.花一分鐘列出這個挑戰中，你想當然爾的解決方法。
3.花一分鐘逼迫你自己從其他角度思考，可以從這些挑戰中學到什麼新東西？

腦袋除錯術2：動詞比名詞重要（Verbs > Nouns）

圖說明

沒錯，這就是一支叉子，但若你只把叉子看作進食工具，那你的腦袋就停止思考了。名詞是讓你停止思考的最快方式。

我們應該怎麼做了？你可以延伸思考，哪些動詞的集合讓形成了這支叉子呢？

這支叉子是什麼東西做的呢？這是由不鏽鋼做的，那不鏽鋼又是怎麼形成的的呢？不鏽鋼又是由鐵、鉻、鎳、碳等元素組成。

鐵元素又怎麼誕生的呢？宇宙大霹靂後，誕生一批初始恆星，這些恆星幾乎都死於極劇烈的超新星爆炸（supernova），就在這過程，把大量鐵元素拋向太空。

手上這支叉子從哪裡來的呢？1518年叉子開始出現在義大利威尼斯，之後傳到了法國，並且對法國的用餐禮儀造成深遠影響。

方法2:看到身旁的地毯，杯子或電腦等事物時，花個15分鐘時間，不斷詢問自己，還有哪些細微差異呢（How is it Nuanced？）

腦袋除錯術3:跨越3個重要鴻溝（Cross the 3 Gaps ）

圖說明

我在Google X日常工作就是把一大群人，跨越知識層面（Knowledge ）進入到實踐層面（Practice ），因為知識層面是一個舒適圈，我們長久以來在學校學的都是知識層面，但缺乏實踐操作經驗。

就像五歲小孩，沒有看過自行車，第一次看到別人騎自行車的場景，他從來不知道自行車這樣的東西存在，詢問爸爸媽媽，這個兩個輪子的東西是什麼呢？這時爸媽解釋了腳踏車這種交通工具，這僅停留在知識層級，如果這個小孩沒有去實踐它，還是不會知道怎麼騎，我們要跨越實踐層面（Practice ），自己真正去騎自行車，最後終於知道怎麼騎了，雖然過程中可能會摔車。

而跨越精通（Mastery ）層面的鴻溝後，往往才是創新發生地，是人類創新機會的地方。人類創造了許多自行車精通層級的各種選手，如越野自行車與三鐵等等，在這個層面常因為心流經驗而產生各種樂趣。這個層級，是人類最多創新機會的地方，也是最美麗的層級。

Tom Chi隨身攜帶一本小冊子，專門記錄各種腦袋除錯術，至今已經累積300項。

（圖說：Google X共同創辦人Tom Chi的心智創新實用法則分享。影片來源:YouTube。）

火熱的 AI 風潮掀起客廳革命，到底 AI 電視可以幹嘛？簡單來說，AI 電視透過 AI 處理器與演算法，即時進行 AI 畫質優化、音效調整、智慧語音搜尋和極致的個人化推薦，全面顛覆傳統智慧電視。在 AI 電視功能中，最讓消費者有感的是 AI 畫質優化，但許多人往往忽略了，畫質提升不只關乎演算法，更取決於底層的背光、色彩與控光技術。Sony BRAVIA True RGB LED 電視，正是將軟體思維與硬體工藝深度結合的最好示範。透過創新的 XR 認知智慧處理器搭配 True RGB 技術，精準呈現 AI 電視的畫質優化能力。

AI 電視是什麼？不只是能上網看串流的智慧電視

要理解 AI 電視可以幹嘛，首先必須釐清 AI 電視與一般智慧電視的差異。傳統智慧電視是為電視接上網路，讓使用者單向觀看連網影音。AI 電視則是在智慧電視的基礎上，導入了 AI 處理器與先進演算法，讓智慧電視具備「主動分析與學習」的能力，可即時判斷每一幀影像的畫質特徵、聲音頻率、觀看環境（如白天強光或夜晚暗光），甚至是家庭成員的使用習慣，進而動態調整視聽呈現。簡單來說，傳統智慧電視解決的是「能不能連網看內容」的問題，而 AI 電視解決的是「如何讓內容呈現得最好」的體驗問題。

但當 AI 演算法分析出最佳的畫面設定後，如果硬體無法精準跟上，優化效果就會大打折扣。這也是為什麼高階顯示技術 True RGB 開始受到市場矚目，確保 AI 算出的極致色彩與對比，能精準落地在觀眾眼前。

AI 電視可以幹嘛？從畫質、場景、音效到個人化推薦的四大核心進化

面對消費者的核心疑問「AI 電視可以幹嘛？」，可從四大 AI 電視功能深入拆解。

AI 畫質升頻與降噪：讓低解析度內容更清晰

透過 AI 升頻與降噪技術，可分析解析度較低或經過壓縮的影音內容，改善線條、紋理與雜訊，使畫面在 4K 螢幕上呈現得更清晰。True RGB 則能協助 AI 優化後的畫面亮度、色彩與對比度精準呈現。不過實際效果仍會受到原始片源解析度與壓縮品質影響。

智慧場景辨識：依電影、球賽、遊戲自動調整畫面

AI 電視能即時辨識播放內容，自動調整畫面呈現，比如看電影時調整為劇院感色溫、看球賽即時插幀消除動態殘影、玩遊戲時自動切換至低延遲模式。在不同場景轉換時，True RGB 讓亮度與色彩對比表現依然精準自然。

AI 音效優化：讓人聲與環境音更清楚

AI 音效演算法能分離出人聲對白與背景音效。看動作大片時，能放大環繞立體感；看新聞時，則優化人聲頻率，甚至能根據客廳結構進行空間音效校正。

語音互動與個人化推薦：減少尋找內容時間

AI 語音互動更能理解複雜語意，當你說出「我想看適合週末晚上的搞笑電影」時，AI 便會結合使用者的觀看偏好推薦清單，真正做到懂你所想。

整體而言，在眾多 AI 電視功能中，消費者最能直觀感受到的是 AI 畫質升頻與場景優化。但不論軟體演算法如何強大，都需要有對應的硬體執行力，而 True RGB 正是讓這些高階 AI 畫質能精準落地的關鍵技術。

AI 畫質優化的關鍵：不只靠演算法，硬體也是決勝點

在討論 AI 電視時，大眾常有一種迷思，認為只要電視內建強大的 AI 處理器和演算法就行，事實上，AI 電視的畫質優化不是靠單一演算法完成，而是包含「AI 判斷」與「硬體呈現」兩大層次：

首先由 AI 負責辨識畫面中的主體物件、人眼焦點、光影分佈及動態物體的移動軌跡等。根據 AI 判斷結果，演算法在底層即時計算出一套優化藍圖，決定哪些區域需要進行 AI 升頻、降噪、提高畫質、調整亮度、對比或色彩飽和度等。而硬體則負責最終畫面呈現，包含電視的背光、面板、控光技術與色彩控制技術，才是真正決定這張優化藍圖能被實現到什麼程度的關鍵。

而 Sony BRAVIA True RGB LED 電視便精準示範，硬體如何賦予 AI 電視極致表現。傳統 LED 電視使用單一藍色 LED，再搭配濾光片混色的方式，容易產生色彩混濁或亮度減損，True RGB 技術則以獨立驅動紅（Red）、綠（Green）、藍（Blue）三原色 LED 作為背光源，當 XR 認知智慧處理器分析影像內容，發出畫面調整指令後，True RGB 能精準響應，讓紅、綠、藍三色背光以極高精度進行獨立控光，將 AI 畫面調整的判斷精準呈現。

一般智慧電視、AI 電視、搭載 True RGB 的 AI 電視差在哪？

跳脫複雜的規格參數，一次搞懂三代智慧電視有何不同。簡單來說，一般 AI 電視可以做到升頻、降噪與場景辨識；搭載 True RGB 的 AI 電視則進一步把 AI 判斷延伸到背光與色彩控制，真實還原亮度、色彩與對比。

	一般智慧電視	AI電視	搭載 True RGB 的 AI 電視
核心定位	解決「連網與內容獲取」	解決「基礎畫面自動優化」	解決「極致高階畫質精準執行」
畫質處理能力	支援基本的數位降噪，無法因應訊號源差而改善	具備 AI 升頻技術，能動態辨識場景並優化低解析度影片	結合 XR 認知智慧處理器與硬體優勢，進行深度的 AI 畫面優化
背光技術	傳統常亮背光，容易產生漏光與局部發灰現象	具備區域控光，但演算法與硬體匹配度較為普遍	採用 True RGB 三色獨立背光，控光精準度極高，無溢光與色偏
色彩與亮度表現	色彩表現較為平淡，高亮處易過曝，暗部細節容易丟失	色彩飽和度高，但有時因演算法過度補償而顯得不夠自然	實現豐富飽和的色彩表現層次，精準還原真實色彩
主要適合情境	看第四台、日常追劇	看 4K 串流，希望電視能自動適應不同影音內容	追求劇院級體驗，喜歡高畫質影音、球賽、遊戲的用戶

買 AI 電視時，真正該看哪些規格？

當你準備為家裡添購 AI 電視時，除了關心它是否支援智慧語音、刷新率有多高、個人化推薦好不好用之外，以下四個核心 AI 電視功能才是決定長期觀看品質的關鍵指標：

AI 處理器

大腦優劣決定電視表現，挑選時認準旗艦級的 AI 處理器，如 Sony 的 XR 認知智慧處理器，不只單純堆疊算力，而能模擬人類大腦的認知方式，打造身歷其境的畫面真實感。

AI 升頻能力

優秀的 AI 升頻能力應能精準區分「影像噪訊」與「畫面原生紋理」，在去除雜訊的同時保留皮膚毛孔、衣服編織等細節，而非一味抹平。

背光與控光技術

若重視高階畫質，True RGB 可作為判斷 AI 畫質能否精準呈現的重要顯示技術，徹底告別傳統畫面暗部發灰、亮部慘白的通病。

色彩與亮度表現

不能只看標榜的 HDR 規格，更要檢視硬體能否真實呈現。True RGB 能賦予 AI 電視更強悍的畫面執行力，銳利呈現 AI 算出的明暗對比與色彩飽和度。

關於 AI 電視與 True RGB 的常見問答

Q1：AI 電視適合哪些人？
AI 電視適合所有對影音品質有追求的人。不論你是愛看高畫質影音的追劇族、追求畫面流暢不殘影的運動迷、重視高刷新率與低延遲的遊戲玩家，AI 電視都能大幅提升觀影體驗。

Q2：AI 升頻會把影片變成 4K 嗎？
無法完全等同原生 4K，但能讓畫面更接近高解析度的觀看效果。AI 升頻利用比對與像素補插，將原本模糊線條變得銳利清晰，結合 True RGB 的高精細控光後，視覺表現會非常接近 4K 原生畫質。

Q3：買 AI 電視時，只看 AI 處理器夠嗎？
絕對不夠。演算法算出的完美畫面需要顯示硬體來執行，電視的背光技術、控光與色彩管理能力（如 True RGB）同樣重要。軟硬完美結合，才是高畫質的保障。

Q4：AI 電視對看球賽或玩遊戲有什麼差別？
AI 電視能根據不同場景優化畫面表現，觀看球賽時，能動態識別高速移動對象，即時插幀消除動態殘影；玩遊戲時，能自動切換至低延遲模式和強化暗部細節。

Q5：白天和晚上看電視，AI 電視會自動切換不同的畫質設定嗎？
Sony 搭載 True RGB 的 AI 電視內建環境光感測器，能根據環境光線變化動態調節畫面呈現，在白天明亮時自動增亮、晚上變暗時調降亮度並柔化對比，省去手動切換的麻煩。