請問機器人,誰是世界上最美的女人?
請問機器人,誰是世界上最美的女人?

「魔鏡啊魔鏡,誰是世界上最美的女人?」這句出現在電影《白雪公主》中的經典台詞,相信大家都相當熟悉。但到了二十一世紀的今天,片中魔鏡的角色很可能要改由機器人擔綱演出了!

不會吧?美感源自於纖細的心靈,一向理性掛帥的機器人怎可能擁有此等的鑑賞能力?更何況對美醜的評斷可不僅止於外型,氣質、神韻才真正能畫龍點睛呀!而且大家有聽過「心美人就美」、「會做家事的男人最美」的說法吧,這又哪是機器人能夠心領神會的呢?

但在這個數位蔚為主流的時代,愛美又是人類的天性,即使存著許多爭議,網路上的選美系統仍然是前仆後繼地推出,像是Facebook正是由學生相片評比起家。挾著人工智慧做為後盾,機器人當然不會錯過這個對人類品頭論足的機會,那它是如何來判斷美醜、功力又如何呢?

Facebook
圖/ shutterstock

AI是好星探嗎?

考慮到AI選美所涉及的技術難度,就讓我們先從如何運用AI挑選「好聲音」這個性質類似、卻相對單純的議題談起,日本知名的綜藝節目「關8比賽中」有個相當受歡迎的卡拉OK大賽單元,節目邀請許多素人、歌手參加,甚至請到原唱者來接受挑戰,它的一大賣點就是利用AI專家系統來決定誰是優勝者,所以即使是原唱也可能會中箭落馬,這也增添許多比賽的刺激性,有趣的是,大家似乎一致認同AI最後的裁定,難道它真的已具備取代人類裁判的能力了嗎?

AI系統所採取的策略其實相當簡單,就是在全程中精確無誤地記錄下每位參賽者在歌詞、音準、以及節拍上的正確與否,加上轉音、裝飾音的使用次數,最後加權統整算出個總分,如此罷了!基本上AI講求的就是演唱者在技術上的精準度,由於沒有能力評斷他們在音色、唱腔上的表現,或是對於歌曲獨特的詮釋,因此乾脆不予以考慮。換句話說,AI尋找的是能準確唱出一首歌的選手,對於歌唱來說,這當然是相當重要的技巧,卻也不代表這類歌手就能走紅,就像咱們的歌壇天王周杰倫,儘管有人對他的咬字一直有意見,但這絲毫無損他在歌迷心目中的地位,看來AI如果想要成為好的星探,還得再加把勁!

相對於在歌唱裁判上的表現,AI選美的複雜度可要高上許多,正如有人喜歡視覺系、有人偏愛花美男,燕瘦環肥也各有所好,更有所謂的「情人眼裡出西施」,對美的感覺本來就相當主觀,差異性更是天南地北,況且就算將大眾公認最美的眼睛、鼻子、嘴巴加在一起,也不見得會很美,那AI又能怎麼做呢?

shutterstock_1054211447_woman_幽默_smile_screct.jpg
圖/ shutterstock

人為標準的AI

在2016年所舉辦的Beauty.AI是第一個由AI擔任評審的國際選美比賽,它宣稱採用了包括深度學習、符號學、語意學等技巧,在技術上絕對有堅強實力,比賽並沒有設下門檻,參賽者只須自行上傳相片就可以獲得評分。任教於台灣大學心理系、幽默風趣的黃從仁教授當仁不讓、即刻加入戰局,我們就來看看黃教授所做的第一手報導,當他所上傳的帥照竟然不受機器人青睞,當下其實相當挫折,但身為老師就是有想拿高分的衝動 於是他發揮起研究的精神,經過多方嘗試,終於領悟到對稱的五官以及白皙的膚色很可能是關鍵,那就投其所好,先將半張臉鏡射成一張,再整個塗白,完成版是既對稱、又白皙,果然一舉中的、立馬擠身偶像之林。

黃教授此舉明顯有諷刺的意味,卻也點出AI選美在評選標準上的爭議性,AI是以儲存在資料庫中的帥哥、美女相片作為學習對象,再透過程式歸納出他們共同的特徵,最終成為它的審美標準。以技術面來看,AI的運作基本上就是按表操課,不會有特定立場,問題是出在提供它訓練資料的人類對於美醜肯定會有自己的定見,尤其當今主流媒體還是以歐美為時尚,西方影視圈的明星普遍就是美的代言人,當AI以他們為樣本進行學習時,咱們亞洲人要上榜也難!

如此說來,美的認定和文化面、甚至是國力強大與否也脫不了關係,看來美可是擁有多層的風味呢!所以,對於美醜這件事,我們就不要太在意外界的看法,有聽過這句話吧?「到了一定年紀,外貌要自己負責」,影壇永遠的甜心、人美心又美的奧黛麗·赫本也曾經說過,「如果想要擁有一張美麗的臉龐,那就試著看見別人美好的一面」,美與醜原來就是存乎一心,也因此,與其向機器人請教「誰是世界上最美的人」,也許我們最該問的人就是自己吧!

責任編輯:郭昱彣、陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

關鍵字: #AI #機器學習
往下滑看下一篇文章
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合

因應生成式 AI、代理式 AI 與實體 AI 的崛起,模型成為企業資訊基礎設施的一環,企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本,以及確保 AI 基礎設施的安全與穩定;有鑑於此,服務超過 2,000 家企業客戶上雲的勤英科技(ELITE CLOUD)將業務範疇從雲端代理延伸到 AI 基礎設施整合商,協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源,在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作,企業的核心競爭力不再僅是擁有 AI,而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示,為協助更多企業推進 AI 創新實務,勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色,進一步轉型為 AI 基礎設施整合服務商,透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務,協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra,企業最大挑戰不是模型、算力而是管理

過去幾年,許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」,提升員工工作績效,而代理式 AI 的崛起與普及,則讓「內嵌 AI 的企業應用」快速成為新常態,從企業資源規劃(ERP)、顧客關係管理(CRM)、人力資源(HR),到客服、研發甚至製造系統,AI 開始深度嵌入各類企業應用,AI 扮演的角色也從單純的輔助工具,逐漸進化為企業營運與決策流程的重要核心。

也因此,企業保持未來競爭力的關鍵,不再是「有沒有導入 AI」,而是「是否具備管理 AI 的能力」,包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent,以及如何避免 AI 成為新的資訊孤島,都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代,意味著企業若只押注單一模型,未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示,企業接下來更需要以「Models as Infrastructure(模型即基礎建設)」的思維,將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理,將資訊系統架構重塑為 AI 基礎建設。

勤英科技_內文1.JPG
圖/ 數位時代

勤英科技服務的客戶數超過 2,000 家,不少客戶已導入 AI 應用服務,正積極建置 AI Infra 與管理環境,因此,勤英科技自 2025 年積極轉型,將 AI Infra 視為企業長期競爭力的基礎建設來經營,業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商,例如與多模型平台 MixRoute 合作,並開發可支援單一登入(SSO)、彈性調度不同大型語言模型 Token 的管理平台,協助企業簡化模型管理與成本控管,將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合,勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關,勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本,以及落實資安治理,更因應不同使用情境推出三種 AI 方案助力企業:

第一:提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋,透過整合 Gemini 的 Google Workspace,企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能,包括會議摘要、文件生成、簡報整理等,快速提升員工生產力,同時,增強企業對 AI 應用的信心,為之後的應用深化做準備。

第二:協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說,除以生成式 AI 打造企業大腦,還會透過代理式 AI 提升自動化執行能力,重塑工作效率。」黃士培表示,勤英科技可以基於 Google Gemini Enterprise,提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務,讓企業員工可以自然語言安全調用企業資料,讓 Agent 進一步執行任務與推動流程。

舉例來說,勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞;另在影音內容生成領域,勤英科技亦協助客戶導入 AI 自動化技術,將內容產製成本縮減達 90%。

第三:提供多模型聚合管理平台,滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作,提供企業客戶多模型管理平台,讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型,並透過單一帳號、單一帳單與 Budget Alert 機制,管理 token 使用量與 AI 成本。

勤英科技_內文2.JPG
圖/ 數位時代

「透過我們提供的多模型管理平台,企業客戶不會被單一模型綁定,可以在模型快速疊代的環境下,更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說,隨著 AI 應用從單點工具走向大規模企業部署,下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力,而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因:當 AI 開始成為企業營運的一部分,企業需要的,已不只是模型供應商,而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊,請查詢網站:https://www.elite.cloud/zh/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓