找到路、做出預測，讓 AI 像個聰明的導航員。但如果它還能同時看懂眼前的景象並猜你下一步想接觸的內容呢？ 這需要兩種核心能力：Convolutional Neural Network（CNN，卷積神經網路） 與 Collaborative Filtering（協同過濾）。一個是機器的視覺，支撐它的 image recognition（圖像辨識） 能力；另一個是它的直覺，決定 recommendation accuracy（推薦精準度） 的高低。
機器眼中的世界：亮度轉化為數字
我們看照片時會先注意顏色、形狀、距離感；而機器看圖片，看到的卻是一張龐大的數字表，每個像素的亮度與顏色，被拆解成紅、綠、藍三個通道的數值，範圍通常是 0 到 255。 一張 1920×1080 的彩色照片，對它來說就是一個三維陣列， 裡面有超過六百萬組數字。
CNN 的任務，就是從這些數字矩陣中，找到模式。卷積層（Convolutional Layer） 像在數字表上滑動小小的濾鏡（kernel），計算局部像素的加權和，以檢測垂直邊緣、斜線紋理或顏色漸變等特徵。 每個濾鏡都專注在不同的特徵，而這些濾鏡的權重，不是人手設定的， 而是透過訓練自動學得。卷積後，會接上激活函數（Activation Function），如 ReLU，將負值歸零，引入非線性（non-linearity）， 讓模型能處理比直線關係更複雜的模式。 再經過池化層（Pooling Layer），如最大池化（Max Pooling），取區域最大值以保留關鍵特徵， 同時降低計算量、提升對位置變化的容忍度。在醫療影像中，這樣的流程可以從 MRI 或 CT 影像的數值矩陣裡，層層萃取出器官輪廓與異常組織的形狀，最終讓模型自動圈出疑似腫瘤的位置。這就是 AI 的圖像辨識。
在行為矩陣中找相似：協同過濾
如果卷積神經網路是在看，那協同過濾就是在聽，聽取不同用戶的行為，找出潛在相似性。它的數據結構是用戶-物品矩陣（User-Item Matrix）：行列分別代表使用者與內容，格子裡是評分、觀看紀錄或購買行為。 這張矩陣往往非常稀疏，因為沒有人看過所有影片或買過所有商品。協同過濾有兩種主要方法
- 記憶型（Memory-based）：直接計算用戶與用戶（User-User）或物品與物品（Item-Item）的相似度，常用餘弦相似度（cosine similarity）或皮爾森相關係數（Pearson correlation）。
- 模型型（Model-based）：透過矩陣分解（SVD、ALS）將用戶與物品映射到低維潛在空間，用隱向量（latent vector）預測缺失的評分。
Recommendation accuracy（推薦精準度） 取決於演算法的相似度計算是否抓對重點，以及資料的完整性。當資料不足時，系統常會結合內容特徵，而卷積神經網路可以在這裡提供幫助，從影片截圖或商品照片中抽取視覺特徵， 補足行為數據的不足。
當看懂與推薦融合
把卷積神經網路與協同過濾結合，意味著系統同時理解內容的結構與人的偏好
- 在醫療系統中，卷積神經網路負責檢測影像病灶，協同過濾則比對相似病例的最佳治療方案與預後結果。
- 在影音平台，卷積神經網路從影片封面與畫面截圖提取風格與類型特徵，協同過濾再基於相似觀影行為做最終排序。
這種結合讓推薦系統不只是根據別人的選擇，而是同時依據內容的本質，大幅提升推薦精準度。
走向靈活與公平
當 AI 既能像醫生一樣從影像數字中萃取關鍵細節，又能像老朋友一樣猜你喜好，它就不只是工具，而是決策夥伴。 但光有視覺與直覺還不夠， AI 的判斷過程還需要一個靈活的開關， 能在不同情境下調整反應，就像音樂中的調音旋鈕，或鏡子反射的亮暗變化。這就是激活函數（activation function） 的角色，它讓神經網路擺脫僵硬的直線關係（non-linearity）， 學會處理複雜模式。然而，當這些開關被用在招聘、信貸等高影響力領域時， 若背後數據本身存在偏見（algorithmic bias）， 模型輸出的結果也可能不公平。下一篇，拆解激活函數如何賦予 AI 靈活性， 反而放大了數據的偏見，我們該怎麼辦？
