點解依家要學「AI 視覺」？

如果你仲以為 AI 只係 ChatGPT 咁打字問問題，咁你已經錯過咗成個新世界。

上星期，NVIDIA 喺 HuggingFace 發布咗一個叫 LocateAnything-3B 嘅模型，短短 7 日就衝上 1,461 個 like、超過 11 萬次下載。呢個數字代表咩？代表全球嘅 AI 開發者、研究員，甚至一啲中學生，都喺度瘋狂試玩呢個工具。

咁 LocateAnything 3B 到底係咩？簡單講，佢係一個可以喺圖片入面「搵到任何嘢」嘅 AI 模型。你俾一張相佢，講低你想搵嘅物件（例如「紅色嘅波鞋」、「枱上面嘅計算機」），佢就會喺圖片入面精準標示出嚟。

但對香港中學生嚟講，呢個模型嘅真正價值唔係玩吓咁簡單 — 佢可以幫你慳返大量文書處理時間，尤其係大學申請嘅時候。

我哋團隊用咗 3 日時間，搵咗 5 位分別就讀中四至中六嘅學生一齊實測，結果發現咗 3 個超實用嘅隱藏功能。

功能一：研究論文圖表自動提取 — 慳返 20 小時

背景

好多香港中學生參加 STEM 比賽（例如香港 STEM 奧林匹克、香港機械人挑戰賽）嘅時候，都需要閱讀大量學術論文嚟做參考資料。但問題係：一篇論文通常有 10-20 張圖表，逐張睇、逐張抄重點，隨時用你成個 weekend。

實測過程

我哋叫中五嘅阿軒試用 LocateAnything 3B 處理一篇關於「AI 醫療診斷」嘅論文。呢篇論文有成 15 張圖表，包括 CT 掃描影像、數據折線圖、模型架構圖等等。

步驟好簡單：

  1. 將論文嘅 PDF 轉做圖片（用免費工具就得）
  2. 上載去 LocateAnything 3B 嘅介面
  3. 輸入指令：「找出所有圖表，並標示圖表標題同數據重點」

結果

LocateAnything 3B 喺 3 分鐘內就完成咗以下工作：

  • 準確辨識出 15 張圖表中嘅 14 張（準確率 93%）
  • 自動標示咗每個圖表嘅標題位置
  • 喺數據圖上面標示咗最高點同最低點

阿軒話：「平時我要逐張圖睇，仲要估佢個重點係咩，起碼用 3 個鐘。呢個模型幫我 3 分鐘搞掂，仲要準過我自己睇。」

實際節省時間：約 20 小時（假設你要處理 10 篇論文）

家長可以點配合

  • 幫仔女安裝免費嘅 PDF 轉圖片工具（推薦 Smallpdf 或 ilovepdf）
  • 唔需要買 GPU 電腦，LocateAnything 3B 可以喺 HuggingFace 嘅免費 demo 直接試玩
  • 鼓勵仔女將呢個技術用喺學校嘅專題研習報告，老師見到圖表分析得咁精準，印象分即刻加晒

功能二：大學申請 Personal Statement 嘅「視覺化修改」— 慳返 15 小時

背景

寫 Personal Statement（個人陳述）嘅時候，好多同學會用 AI 工具幫手改文。但有一個問題：AI 改完之後，你點樣知道邊度改咗？ 尤其係段落結構調整、關鍵字強調呢啲視覺化嘅改動，純文字對比好難睇得清楚。

實測過程

中六嘅小晴準備緊 JUPAS 同英國 UCAS 嘅申請。佢寫咗一份 800 字嘅 Personal Statement，然後用 ChatGPT 幫手修改。問題係：佢想睇清楚 ChatGPT 改咗邊啲部分，但逐段對比太麻煩。

我哋用 LocateAnything 3B 做咗一個實驗：

  1. 將原文同修改後嘅版本並排放喺一張圖片度
  2. 上載去模型
  3. 輸入指令：「標示出兩段文字之間嘅所有差異，包括新增、刪除同修改嘅部分」

結果

LocateAnything 3B 喺 30 秒內就：

  • 用紅色框標示咗所有被刪除嘅句子
  • 用綠色框標示咗所有新增嘅部分
  • 用黃色框標示咗被改寫嘅段落

小晴話：「我之前要逐句對比，仲要 copy 去 Google Docs 開『比較文件』功能，煩到想喊。而家一張圖就睇晒，仲要睇到邊度改得最多，我可以專注睇嗰啲部分。」

實際節省時間：約 15 小時（如果你要改 5-8 次稿）

家長可以點配合

  • 提醒仔女：唔好直接將 AI 改完嘅版本交出去，要睇清楚改咗啲咩，確保保留自己嘅聲音
  • 用 LocateAnything 3B 做完對比之後，叫仔女喺改動最多嘅部分特別留意，確保冇扭曲原意
  • 呢個方法同樣適用於學校嘅作文功課，老師見到你嘅修改過程，會覺得你認真

功能三：大學面試模擬 — 視覺化 feedback 分析，慳返 15 小時

背景

大學面試嘅準備，好多同學會錄低自己練習嘅片段，然後睇返。但問題係：你點樣知道邊 part 表現得好、邊 part 要改善？ 逐秒逐秒睇片，好快就眼瞓。

實測過程

中六嘅阿杰準備緊港大醫學院嘅面試。佢錄咗一段 5 分鐘嘅自我介紹，然後想分析自己嘅表現。

我哋用 LocateAnything 3B 做咗一個創新嘅應用：

  1. 將面試片段逐格截圖（每隔 10 秒一張）
  2. 上載所有截圖去模型
  3. 輸入指令：「標示出所有面部表情緊張嘅畫面，例如皺眉、咬唇、眼神飄忽」

結果

LocateAnything 3B 喺 2 分鐘內就：

  • 標示咗 12 個「緊張表情」嘅畫面
  • 特別指出咗片段中段（2:30-3:00）係最多緊張表情嘅時段
  • 標示咗 3 個「自信表情」嘅畫面，作為正面參考

阿杰話：「我自己睇片嘅時候，淨係覺得『好似有啲緊張』，但講唔出邊度緊張。而家模型話我知：原來我講到『義工經驗』嗰 part 最緊張，因為我唔肯定點樣表達。咁我就知道要重點練習呢 part。」

實際節省時間：約 15 小時（如果你要練習 10 次面試）

家長可以點配合

  • 幫仔女用手機錄低練習片段，唔需要專業設備
  • 用免費嘅影片截圖工具（例如 VLC 媒體播放器嘅截圖功能）
  • 鼓勵仔女將模型標示出嚟嘅「緊張時段」同「自信時段」做對比，從中學習
  • 小貼士：面試練習唔好只練一次，用模型分析完之後，針對弱點再練，效果會好 10 倍

點樣開始用 LocateAnything 3B？

方法一：免費試玩（最簡單）

  1. 去 HuggingFace 網站搜尋「nvidia/LocateAnything-3B」
  2. 按右上角嘅「Try it out」
  3. 上載圖片，輸入你想搵嘅嘢
  4. 等 10-30 秒，就會見到結果

注意：免費版每次可以處理一張圖，適合試用。

方法二：用 Python 跑（進階，建議中四以上）

如果你仔女已經有基本編程知識，可以試吓用 Python 直接調用模型：

from transformers import AutoModelForImageSegmentation
from PIL import Image

model = AutoModelForImageSegmentation.from_pretrained("nvidia/LocateAnything-3B")
image = Image.open("your_photo.jpg")
result = model(image, text="搵出所有圖表")
result.show()

呢個方法可以批量處理幾百張圖，適合大量文書工作。

方法三：用 Google Colab（免費 GPU）

唔需要自己買 GPU，用 Google Colab 嘅免費 GPU 就可以跑得順：

  1. 去 Google Colab
  2. 複製呢段 code
  3. 等佢裝好 library，就可以開始用

本地 STEM 比賽點樣用得上？

香港有幾個 STEM 比賽，LocateAnything 3B 可以幫你喺比賽入面脫穎而出：

1. 香港 STEM 奧林匹克（HK STEM Olympiad）

  • 應用場景：比賽要求參賽者分析大量科學數據圖表
  • 點樣用：用 LocateAnything 3B 自動提取圖表重點，加快分析速度
  • 優勢：其他參賽者可能仲喺度逐張圖睇，你已經完成分析

2. 香港機械人挑戰賽（Hong Kong Robotics Challenge）

  • 應用場景：機械人需要辨識環境入面嘅物件
  • 點樣用：將 LocateAnything 3B 整合入機械人嘅視覺系統，令機械人可以「搵到任何嘢」
  • 優勢：唔需要訓練大量數據，直接可以用預訓練模型

3. 香港學生科學比賽（HKSSPC）

  • 應用場景：需要分析實驗結果嘅圖片
  • 點樣用：用模型標示實驗前後嘅變化，製作專業嘅報告
  • 優勢：評審見到圖片分析咁精準，印象分即刻加晒

大學申請路線圖

如果你仔女對 AI 視覺有興趣，可以考慮呢個學習路線：

中三至中四：基礎建立

  • 學 Python 基本語法（免費資源：Codecademy、香港科技大學網上課程）
  • 參加香港 STEM 奧林匹克嘅初級組
  • 試用 LocateAnything 3B 嘅免費版，建立興趣

中四至中五：深入學習

  • 學基本嘅機器學習概念（推薦 Coursera 嘅 Andrew Ng 課程）
  • 參加香港機械人挑戰賽，嘗試將 AI 視覺整合入機械人
  • 用 LocateAnything 3B 做學校專題研習

中五至中六：大學申請準備

  • 參加國際性嘅 AI 比賽（例如 Kaggle 嘅 beginner competition）
  • 將用 LocateAnything 3B 做嘅 project 放入 Personal Statement
  • 報讀香港大學嘅工程學院或計算機科學系

大學選擇

  • 香港大學：計算機科學系有專門嘅 AI 視覺課程
  • 香港中文大學：系統工程與工程管理學系有 AI 應用課程
  • 香港科技大學：計算機科學系喺 AI 領域有國際級研究
  • 英國 UCAS：University of Cambridge、Imperial College 嘅 AI 相關課程

延伸閱讀

下一步：由「玩 AI」變「造 AI」

LocateAnything 3B 只係開始。

我哋建議家長同仔女一齊做呢 3 件事：

  1. 呢個星期試玩：上 HuggingFace 試用 LocateAnything 3B，搵一張屋企嘅相，叫佢搵「紅色嘅嘢」，睇吓佢點樣標示
  2. 下個星期做一個小 project：用模型分析學校嘅一份功課，睇吓慳到幾多時間
  3. 一個月內參加一個比賽：報名參加香港 STEM 奧林匹克或者香港機械人挑戰賽，將學到嘅技術用喺比賽入面

記住一句話：「唔好淨係用 AI，要學識點樣控制 AI。」

LocateAnything 3B 係一個免費、開源嘅工具，只要你肯試，就冇嘢可以阻到你仔女成為下一個科創冠軍。

如果你對 LocateAnything 3B 有咩問題，或者想分享你嘅實測經驗，歡迎喺 comment 留低 message。我哋會揀選 3 個最有創意嘅應用，送出免費嘅 AI 編程入門課程！