2025年10月21日 星期二

2025 10 21左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 中風、心臟病非突發 研究揪4大風險: 超過99%患者有警訊 鄭淳予指出,多數人忽略無症狀的慢性警訊, 應注意血壓只要持續超過120/80mmHg,血管將長期受壓; 總膽固醇若超過200mg/dL,動脈硬化便會逐漸形成; 空腹血糖高於100mg/dL,將引起血管損傷、發炎; 吸菸則直接破壞血管內皮,增加血栓生成機率。 這些細微變化長年累積,終將導致血管閉塞或破裂。

 中風、心臟病非突發 研究揪4大風險:

超過99%患者有警訊

ETtoday 的故事
 2025 10 21 
記者邱俊吉/綜合報導

中風與心臟病常被誤以為是「突發事件」,事實在發作前,身體早已默默發出警訊。

醫師指出,根據美國西北大學、韓國延世大學合作研究

分析近930萬名成年人、追蹤長達13至19年,

發現超過99%的首次中風、心臟病發作或心衰竭患者,

發病前至少會出現一項可控制的危險因子,最常見的就是高血壓。

神經內科醫師鄭淳予在臉書分享此研究,他寫道,研究團隊找出4大危險因子,

分別為高血壓、高膽固醇、高血糖及吸菸,其中高血壓最普遍,

南韓患者高達95%、美國超過93%,在發病前便有血壓異常;

值得注意的是,即便是一般認為風險較低的60歲以下中年女性,

也有超過95%在首次中風或心衰竭前有控制不佳的危險因子,

顯示預防觀念不能侷限高齡族群。

鄭淳予指出,多數人忽略無症狀的慢性警訊,

應注意血壓只要持續超過120/80mmHg,血管將長期受壓;

總膽固醇若超過200mg/dL,動脈硬化便會逐漸形成;

空腹血糖高於100mg/dL,將引起血管損傷、發炎;

吸菸則直接破壞血管內皮,增加血栓生成機率。

這些細微變化長年累積,終將導致血管閉塞或破裂

鄭淳予提醒,心血管疾病並非突發,而是生活選擇的結果,要遠離中風與心臟病,

首要行動

是定期監測血壓、血糖、膽固醇並戒菸

其次要覺知

沒症狀不代表沒問題」,即使感覺健康,也應主動檢查;

再者是維持良好飲食、規律運動與睡眠品質,便有機會減少藥物依賴

民眾應及早投入健康管理,就像投資一樣,愈早開始,報酬愈高。



2025年10月20日 星期一

2025 10 20 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人工智慧基礎概論 (L11) Gemini ChatGPT perplexity Claude 大型多模態模型 多模態模型(Large Multimodal Models)是指能同時處理多種資料類型的 機器學習模型,包括文字 、圖像、音訊和視訊等。此類模型相較於傳統 專注於單一資料類型的 AI模型,更強調跨模態協同以提升任務準確度。 • 在過去一年內,OpenAI、Anthropic、Perplexity 與 Google 先後發布能 同時理解與生成文字、影像、語音甚至程式碼的新模型;這些新模型都 已從單純的文字生成工具躍升為可支援多場域應用的大型多模態模型。

   大型多模態模型 

    多模態模型(Large Multimodal Models)

     是指能同時處理  多種資料類型  機器學習模型

     包括文字 、圖像、音訊和視訊等。

     此類模型相較於傳統 專注於單一資料類型的 AI模型,

     更強調   跨模態 協同   以提升  任務準確度。 

     在過去一年內,OpenAI、Anthropic、Perplexity 與 Google 

     先後發布     能    同時  理解     與  生成   

     文字、影像、語音  甚至  程式碼    的  新模型

     這些新模型   都 已 從單純的文字生成工具  躍升為   

     可支援 多場域應用    大型多模態模型




2025年10月19日 星期日

2025 10 19 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人工智慧基礎概論 (L11)             L114鑑別式Al vs 生成式AI    L11402 鑑別式 AI 與生成式 AI 的整合應用 生成式 (Generative AI) 鑑別式AI (Discriminative AI) RAG(Retrieval-Augmented Generation)中文翻譯 為檢索增強生成




生成式 (Generative AI) AI 是什麼? 


何謂生成式 AI?

生成式 AI 的英文為 Generative AI,也可以簡稱為 Gen AI,

而中文全名為生成式人工智慧。  


生成式 AI 是一種  能夠根據輸入的數據

生成全新、原創內容的人工智慧技術。

 

不同於  鑑別式 AI  主要用於   分析數據,生

成式 AI 更具創造力,

可以產生  文字、圖像、音樂、程式碼  等各種形式的內容。


鑑別式AI (Discriminative AI)

專注於學習區分不同類別的資料,這類模型不會生成新數據,

而是用於  分類和預測,基於給定  的  輸入數據

來判斷其所屬的類別。  


簡單來說,鑑別式AI 就是把資料貼上標籤,

而把資料貼上標籤的過程中,

系統會自動學習並將其訓練成一個分類模型。


 RAG(Retrieval-Augmented Generation)中文翻譯

檢索增強生成,是結合   資訊檢索  和 自然語言生成  

的人工智慧技術。 

其運作原理可以分成 3 個階段,分別是

   1.索引

   2.檢索

   3.生成

透過這 3 階段讓 AI 模型更好地理解和回應用戶的問題,

生成更準確、相關且有資訊性的內容。 

 RAG 可以讓  大型語言模型(LLM)在生成文本時,

先從已經整理好的知識庫中搜尋相關資訊,

再利用這些資訊來產生更準確、更全面、

更符合實際應用的回應。





2025 10 19 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 Vibe Coding讓人人都成為工程師 是由OpenAI前主管 Andrej Karpathy 提出的 A I輔助編程 概念, 其特色在於 以 自然語言 或 語 音指令 驅動 大型語言模型 生成程式 碼。

 

2025 10 19 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 Vibe Coding讓人人都成為工程師 是由OpenAI前主管 Andrej Karpathy 提出的 A I輔助編程 概念, 其特色在於 以 自然語言 或 語 音指令 驅動 大型語言模型 生成程式 碼。

 Vibe Coding讓人人都成為工程師


 Vibe Coding是由OpenAI前主管 Andrej Karpathy


提出的 A I輔助編程 概念,

其特色在於

以   自然語言  或  語 音指令   驅動  大型語言模型   生成程式 碼。 


服務業可利用VibeCoding快速開發 電子商務自訂功能,

如   線上訂房  或   訂餐系統,

企業   能自主   基於需求    開 發   程式    與  應用。 

Vibe Coding  也可用於  

自動化 報表   產出   與  後台管理工具   開發

將 原本數小時  的   手動作業壓縮至數分 鐘,

有效降低  外包  或  開發  成本。

2025年10月18日 星期六

2025 10 19 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI數位轉型四種人才類型 John Kotter: 變革八步 1.建立 急需變革 的 危機感 2.建立 變革 領導團隊 3.制定 願景 與 戰略性 計畫 4.溝通 變革 的 願景 5.授權 員工 與 移除 障礙 6.產生「短期勝利」 7.鞏固 效果,並 不斷改進 8.將 變革 精神 植入 企業文化裡

 John Kotter: 變革八步


1.建立  急需變革      的    危機感 

2.建立  變革                  領導團隊 

3.制定      願景 戰略性  計畫 

4.溝通   變革   的                願景 

5.授權   員工    與   移除   障礙 

6.產生「短期勝利」 

7.鞏固   效果,並        不斷改進 

8.將      變革   精神   植入   企業文化裡 



企業要從優秀蛻變成為卓越 ,依賴三股動能,分別是: 

  1.有紀律的    員工
  2.有紀律的    思考
  3.有紀律的    行動 

推動  變革  飛輪   絕非靠㇐次大活動 轟轟烈烈,

而是按 部就班   持 續推動形成正向循環

推 動變革巨輪




2025年10月17日 星期五

2025 10 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定 人工智慧基礎概論 (L11) 生成式 AI 的實現方式多種多樣 生成對抗網路(GAN): Transformer架構: 自然語言處理(NLP) 大型語言模型(LLM)

生成式 AI的實現方式多種多樣


包括 不同的  模型架構  與  演算法:

生成對抗網路(GAN):

由一個  生成器  和一個 鑑別器 組成,

透過  競賽  方式 讓  生成器 產生越來越逼真的資料,

多用於  圖像 等內容的生成 。


Transformer架構: 

是一種以  自注意力機制  為  核心  的  神經網路模型

主 要應用於  自然語言處理(NLP)  等領域。


它的 關鍵創新在於  

不使用傳統的   循環神經網路(RNN:一個字一個字慢慢看)

而是透過   同時關注序列 中    所有元素之間    關係   來捕捉資訊。


目前文字領域中最主流的

是以Transformer為基礎的  

大型語言模型(LLM) 如 GPT-4

能夠   擅長  理解上下文  並生成   長篇連貫   的文本




2025 10 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 數位轉型 外部顧問可協助的範疇 策略面 組織面 1.轉型 準備程度(readiness)評估 行銷面 營運面 資訊面


數位轉型 外部顧問 可協助的範疇

   策略面

     1.檢視企業與轉型    策略建議

   組織面

    1.轉型                    準備程度(readiness)評估

     2.組織架構             合理性評估 

     3.績效考核制度     合理性評估

  行銷面

       導入行銷科技的            諮詢 與 服務 

      顧客經營  再合理化   評估 與 規畫

  營運面

       營運                   再合理化   評估 與 規畫 

       營運     骨幹升級                    諮詢 與 服務

   資訊面

        資訊架構     合理性    評 估與 規畫 

       IT/資訊    新技術導入  諮詢 與 服務


 資料來源:黃俊堯,數位轉型全攻略


2025年10月16日 星期四

2025 10 16 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 數位轉型全攻略:虛實整合的WHAT,WHY與HOW 台大商學院教授 黃俊堯用5個視角,提供經營者一個方便的數位轉型策略架構—— 視角1.你怎麼看 視角2.怎麼自我定位 視角3.要往哪裡走 視角4.採取什麼模式 視角5.要用什麼方法?50+案例數據應用→ 米其林.樂高.亞馬遜.Nike.BMW.Netflix.UNIQLO.Airbnb.資生堂.樂天.VOLVO.Gogoro.星巴克.玉山銀行.萊雅.雄獅旅遊.Adobe.達美樂.迪士尼.•銀泰百貨.華盛頓郵報.家樂福.雀巢.TOYOTA.神腦.西門子

 數位轉型的基礎


在於「數據」與「創意」,其中

數據 是  讓企業  「長眼」

創意 是 提高客戶「體驗」

而在導入的面向與操作上,轉型的「內功」與「外功」都相當重要,


內功指的是

「組織文化與領導」、「營運」、「組織結構」、「人力資源」、「IT資訊」

外功則指

「顧客獲取」、「顧客關係維持」、「顧客關係深化」三大面向。


數位轉型全攻略虛實整合的WHAT,WHY與HOW 

 台大商學院教授 黃俊堯


不論領域、大公司、中小企業  都在談   數位轉型

但  想要轉   跟  怎麼轉     永遠是兩回事

不要讓  數位轉型    成為你們   公司的痛點


對的觀念

數位轉型 不是一個選項,而是每家企業的求存不歸路


它使  製造端  的    產業價值鏈   出局

       顧客端    價值網絡       為王

效率  變  其次,  重在  效能


因此,從一開始  就要「做對的事」

而各行業「對的事」不同:

零售業  重點在   全顧客  的  虛實整合服務

金融業        在     降低交易成本

製造業       在    市場需求  的  無縫滿足

媒體業    則在     以多元溝通   有效  經營分眾


對的策略→


5個視角,提供經營者一個方便的數位轉型策略架構——

     視角1.你怎麼看

    視角2.怎麼自我定位

    視角3.要往哪裡走

    視角4.採取什麼模式

    視角5.要用什麼方法


從中理解數位轉型的本質,在企業「不斷再合理化」的長期進程,

不管是B2B或B2C都可以找出   自己的方向


做對的事→


數位轉型是結合數據與創意的修練。


企業在組織經營面向

要修練5個「內功」——IT、營運、人力資源、組織、領導

在顧客經營面向

要修練2個「外功」——整體客群的動態經營、個別顧客的關係經營。

並一一提供具體做法、建議與實例。


50+案例數據應用→


米其林.樂高.亞馬遜.Nike.BMW.Netflix.UNIQLO.Airbnb.資生堂.樂天.VOLVO.Gogoro.星巴克.玉山銀行.萊雅.雄獅旅遊.Adobe.達美樂.迪士尼.•銀泰百貨.華盛頓郵報.家樂福.雀巢.TOYOTA.神腦.西門子



2025 10 16 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 企業數位轉型的障礙 1.沒有具體的轉型目標與策略 2.組織成員工對數位轉型的抗拒 3.組織成員的知識能力不足 4.新舊商業模式衝突 數位轉型必需具有公司整體的高度視野,在沒有規劃數位轉型策略與轉型策略目標下就冒然進行數位轉型,失敗的風險就很高。

 企業數位轉型的障礙


1.沒有具體的轉型目標與策略 

   數位轉型必需具有公司整體的高度視野

   在沒有規劃  數位轉型策略 轉型策略目標   下

   就冒然進行數位轉型,失敗的風險就很高。

2.組織成員工對數位轉型的抗拒 

    轉型的各種變革  可能會為企業內部員工  帶來  恐懼 與 不確定性

3.組織成員的知識能力不足 


4.新舊商業模式衝突

      新舊事業的思維不同,使得合作上發生衝突。 

    因為企業投資資源有限,而發生資源排擠的衝突。 



2025年10月15日 星期三

2025 10 15 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 製造業數位轉型趨勢: 工業4.0 圖片來源: OOSGA,工業4.0的定義為何?有哪些科技與應用? 整體而言,智慧製造透過「設備自動 化 + 資料驅動決策」的模式, 為傳統 工廠 帶來前所未有的 敏捷 與 效率。


數位轉型

製造領域  的具體體現之一 就是

智慧製造:

– 透過  物聯網 (IoT) 感測器   將  機械設 備、產線、人員  及系統    連結

工廠 可即時收集 生產資料  並  進行分析, 以  優化流程  和  減少浪費

– 同時,自動化機器人 廣泛運用於   重 複性作業提升產線  速度  精度。 


整體而言,智慧製造透過「設備自動 化 + 資料驅動決策」的模式,

為傳統 工廠  帶來前所未有的   敏捷  與  效率




 圖片來源: OOSGA,工業4.0的定義為何?有哪些科技與應用?




2025 10 15 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用人才常見職稱 既有職稱 : 行銷專員 行政助理 人資專員..等 AI應用規劃師 AI導入顧問 流程優化專員 AI產品經理 資料標註師 資料分析師 (角色介於AI應用 與AI開發之間) 核心專業仍是其原本的職務領域,此外對AI工具具備理解與判斷,熟悉多種AI工具的操作、Prompt編寫能力、生成式應用技巧。運用資料分析工具與統計方法, 進行資料整理與清洗、探索性資料分析、視覺化報表製作、KPI指標追蹤、洞察報告撰寫、跨部門需求溝通、支援策略分析與AI導入績效評估。

 AI應用人才常見職稱

   既有職稱 : 行銷專員 行政助理 人資專員..等





目前 AI應用人才的  職稱命名 仍具有相當的  彈性與過渡性,

需依照   產業特性 與 職務內容 來判斷是否加註AI相關字樣。






2025年10月14日 星期二

2025 10 12 左永安秘書長 紀錄 台海兩岸影視文創交流協會 2025 慶祝雙十・以歌會友 熱烈歡迎 洛杉磯華美表演藝術協會 LA Chinese American Performing Arts Association 時間:2025年10月12日(星期日) 16:30報到;17:00節目開始

                台海兩岸影視文創交流協會 

                 2025 慶祝雙十・以歌會友  

                               熱烈歡迎  

                  洛杉磯華美表演藝術協會 

LA Chinese American Performing  Arts Association 

時間:2025年10月12日(星期日) 

16:30報到;17:00節目開始 

地點:中華民國 新北市

















2025年10月13日 星期一

2025 10 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 人工智慧基礎概論 (L11) L112資料處理與分析概念 分析類型: 1.監督學習:常見算法包括 1.3.1邏輯回歸(監督學習) 1.3.2支持向量機(SVM)監督學習 1.3.3神經網路(監督學習) 2.無監督學習: 2.1 k-means聚類(分組相似客戶)或 2.2 主成分分析(PCA,降維)。 3.深度學習:3.1圖像識別(卷積神經網路,CNN)或 3.2自然語言處理(循環神經網路,RNN)。

 

2025 10 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 人工智慧基礎概論 (L11) L112資料處理與分析概念 分析類型: 1.監督學習:常見算法包括 1.3.1邏輯回歸(監督學習) 1.3.2支持向量機(SVM)監督學習 1.3.3神經網路(監督學習) 2.無監督學習: 2.1 k-means聚類(分組相似客戶)或 2.2 主成分分析(PCA,降維)。 3.深度學習:3.1圖像識別(卷積神經網路,CNN)或 3.2自然語言處理(循環神經網路,RNN)。

 





資料分析:

AI   的  智慧 核心   資料分析

是利用  機器學習  和 其他分析技術  從清理後的數據中  提取洞見  的過程。

在AI中,這通常  涉及訓練模型  

進行 預測、分類或 發現 模式,根據問題類型  選擇  合適的算法。 

 

分析類型:

    1.監督學習:

        基於  標籤數據   訓練模型

        例如

         1.1回歸預測連續值,如房屋價格)或

        1.2分類預測類別,如客戶是否流失)。

         1.3常見算法包括

              1.3.1邏輯回歸(監督學習)

           1.3.2支持向量機(SVM)監督學習

           1.3.3神經網路(監督學習)


    2.無監督學習: 

         在無標籤數據  上  發現模式

         如 

         2.1  k-means聚類(分組相似客戶)

         2.2 主成分分析PCA,降維


      3.深度學習: 

         使用神經網路處理複雜任務,

          如

         3.1圖像識別卷積神經網路,CNN)或

         3.2自然語言處理循環神經網路,RNN)。





2025 10 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 左永安顧問 輔導金牌案例 鬚張股份有限公司 。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

 








2025年10月10日 星期五

2025 10 10 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 人工智慧基礎概論 (L11) L111 人工智慧概念 L11101 AI定義與分類 L11102 AI治理概念 L112資料處理與分析概念 L11201 資料基本概念與來源 L11202 資料整理與分析流程 L11203 資料隱私與安全 L113機器學習概念 L11301 機器學習基本原理 L11302 常見的機器學習模型L114鑑別式Al vs 生成式AI L11401 鑑別式 AI 與生成式 AI 的基本原理L11402 鑑別式 AI 與生成式 AI 的整合應用AI依應用目的不同 可分為鑑別式AI與生成式AI, 鑑別式AI 擅長 區別 不同數據類型; 生成式AI 基於 數據生成、文本分析的能力,發展 內容生成、翻譯、對話等應用。

 iPAS AI應用規劃師初級能力鑑定-考試樣題 


  科目一:人工智慧基礎概論



人工智慧基礎概論 (L11)

    L111 人工智慧概念         

         L11101 AI定義與分類

         L11102 AI治理概念

                如框架、歐盟等國內外相關 政策法規等

     L112資料處理與分析概念

         L11201 資料基本概念與來源

                大數據、資料型態與結構, 如:數值型資料、文字資料、 圖像資料等

         L11202 資料整理與分析流程

                如:資料收集、清理、分析和 呈現等

         L11203 資料隱私與安全

     L113機器學習概念

          L11301 機器學習基本原理

                 機器學習基本原理與目的

          L11302 常見的機器學習模型

                 機器學習模型與評估, 

                 如監督式學習、非監督式學習、半監督式學習、強化式學習

     L114鑑別式Al vs 生成式AI 

          L11401 鑑別式 AI 與生成式 AI 的基本原理

                 基本原理、運用技術、目的 與特性

          L11402 鑑別式 AI 與生成式 AI 的整合應用

                 應用場域與情境,如電腦視覺、語音辨識、生成技術等


AI依應用目的不同

可分為鑑別式AI與生成式AI

鑑別式AI       擅長 區別  不同數據類型

生成式AI       基於 數據生成、文本分析的能力發展

                                  內容生成、翻譯、對話等應用。

鑑別式AI

針對 預定義的類別 進行 數據分析,適用於  分類、分群、回歸等任務,

目標 找到最適函數,用以區別不同數據類型

生成式AI

利用 大規模資料  進行訓練大幅提升自然語言處理能力

生成式AI  可以 理解  數據特徵,再生成類似的新數據,

有利於智慧工廠的  人機互動應用。

鑑別式AI   可以透過      分類訓練   判斷出是否有瑕疵

生成式AI   會以 圖片特徵 為基礎,加入更多 圖片特徵生成瑕疵樣態

                           作為   訓練數據   來源。

鑑別式AI與生成式AI

對於智慧工廠的影響面向不同,

鑑別式A I  著重於處理特定任務,

                           例如瑕疵檢測、需求預估、庫存管理等;

生成式AI   利用  

大型語言模型(Large Language Model,LLM)

對於文本理解  優勢,讓使用者簡易了解  問題狀況 與 後續作法


鑑別式AI與生成式AI各有應用範疇彼此並非替代關係

鑑別式AI  應用在  語音識別、圖片辨識、數量預測   等範疇,

生成式AI  應用在  圖像創造、音樂合成、程式編碼和文字生成



因為製造業容易受到環境影響

生成式AI  能透過

擷取增強生成(Retrieval-Augmented Generation,RAG)

掌握   即時資料分析     多種資料來源同時採用

自然語言輸入  的人機互動方式

降低人員系統操作時間

填補  鑑別式AI應用  未被滿足的需求缺口。