紀念一下我因為在 YouTube 上講「六四和弦」而吃了社群警告的光榮事蹟（2017 年），而且申訴還被駁回。 🤣

• 📺 你看了那部討論度超高的影集了嗎？……沒有耶！
• 🎵 你聽了那首超夯的單曲嗎？……沒有耶！
• 📱 你今天在社群媒體發文了嗎？……沒有耶！
• 🎬 你看過這個大家狂轉發的短片嗎？……沒有耶！
• 📱 你換了最新的 iPhone 嗎？……沒有耶！
• 🎯 你有追這個最近爆紅的 YouTuber 嗎？……沒有耶！
• 🆕 你有申請這個新平台的帳號了嗎？……沒有耶！
• 💻 你更新到最新版的系統了嗎？……沒有耶！
• 🤝 你有想要跟那個大咖藝人合作嗎？……沒有耶！
• 🏆 你有報名那個好像很重要的獎項嗎？……沒有耶！
• 💳 你辦了那張紅利很多的聯名卡嗎？……沒有耶！
• 📲 你下載了那個大家都在用的新 App 了嗎？……沒有耶！
• 🎪 你是不是創辦了「沒有耶」俱樂部？……沒有耶！

去他的 FOMO，一起享受 JOMO（Joy Of Missing Out）吧！

錯過越多，快樂越多！

用了非常簡單的算法做了 AI，這個版本的電腦不再是隨機出牌了，而是會內部模擬多場牌局，看出哪一張牌的勝率最高。

試試看，有沒有比上一版難贏？

不知道怎麼玩？請看上一篇貼文。

前幾天晚上我躺在床上，本來應該要睡覺的，結果頭腦卻開始設計起紙牌遊戲來。

於是，誕生了以下這個超級簡單的雙人紙牌對戰遊戲。我把它取名為「決鬥 25」（Duel 25），因為「決鬥 52」已經被用過了。 🤣

規則​

• 👥 人數：兩人。
• 🎒 準備：用一般的撲克牌就可以了！兩位玩家各發 5 張牌作為初始手牌，剩餘的牌放在旁邊當作抽牌堆。玩家的啟始生命值為 25 點。
• 🏆 勝利條件：將對手的生命值降到 0 或以下則算勝利。如果雙方同時死亡則平手，抽牌堆用盡時也算平手。
• ⚙️ 遊戲流程：每回合雙方從手牌選取一張要出的牌，面朝下放在桌上，雙方都決定好後一起翻開。牌翻開後，按照以下規則結算效果。
• 🧩 牌的功能：
  • 黑色牌 ♠️、♣️ 為攻擊牌：會造成對方該牌點數的傷害（A=1、J=11、Q=12、K=13）
  • 方塊 ♦️ 是反擊牌：只在對手出攻擊牌時才有效，可以完全躲過攻擊，並造成對手「方塊牌點數」的反傷
  • 紅心 ♥️ 是回血牌：依照點數回復自己生命值，上限為 25 點
• ⚔️ 攻擊先行：攻擊與回血牌同出時，攻擊牌一律先行。如果攻擊牌造成致命傷害（生命值降到 0 或以下），則遊戲直接結束，不再有回血機會。
• 📥 抽牌：一回合過後，如果雙方都還有生命值，就各抽一張牌（補回 5 張），繼續下一回合。

範例​

• 玩家 A 出 7♠️，玩家 B 出 5♦️ → 玩家 A 受到 5 點反擊傷害，玩家 B 不受傷害
• 玩家 A 出 10♣️，玩家 B 出 3♥️ → 玩家 B 先受到 10 點傷害，如果還有生命點數，玩家 B 才可回復 3 點生命值
• 玩家 A 出 K♠️，玩家 B 出 8♣️ → 雙方同時受到攻擊，玩家 A 受到 8 點傷害，玩家 B 受到 13 點傷害
• 玩家 A 出 8♥️，玩家 B 出 5♦️ → 玩家 A 回復 8 點生命值，玩家 B 的牌無效（對方沒有攻擊）

跟電腦玩玩看！​

試試看以下的小小程式，跟電腦玩玩看！

電腦只是隨機出牌而已，完全沒有策略，但即使這樣，好像也沒有辦法場場都贏。

昨天檸檬卷發了一部講德布西鋼琴作品的影片（YouTube 連結、WiwiVideo 連結、官網），裡面提到了《前奏曲集》第一冊中的第八首《亞麻色頭髮的少女》（La Fille aux Cheveux de Lin）。

這首曲子在我小時候更常見的翻譯是《棕髮女郎》。當時年幼無知的我，還以為是在形容酒吧裡穿著皮衣短窄裙的時髦大姊姊。

（小時候的我：原來德布西喜歡這一型的呀？）

現在的翻譯《亞麻色頭髮的少女》的確比較正確，因為「lin」就是法文的亞麻（植物）的意思。這讓我想到，「亞麻色」到底是什麼顏色？

• 是亞麻花的淡藍／紫色？ (#9BB7D4)
• 還是亞麻果的淺咖啡色？ (#C8B299)
• 亞麻田一眼望去綠油油的顏色？ (#7CB342)
• 還是人類加工後的亞麻纖維的淡金色？ (#F5DEB3)

（淡藍色的亞麻花¹）

（淺咖啡色的亞麻果²）

（綠油油的亞麻田³）

（淡金色的亞麻纖維⁴）

如果到髮廊裡跟設計師說「我要染亞麻色」，會得到什麼顏色呢？

也許幫曲子下這樣的標題，也是印象派風格的一部分。想想看，如果德布西寫的是《黑髮少女》或是《金髮少女》，感覺就太明確了，沒質感；只有「亞麻色」這種「不太確定是什麼顏色的顏色」，才能給人足夠的想像空間。

總之，去看檸檬卷的影片（YouTube、WiwiVideo），在 LemonJanet.com 上也有文章版。

Footnotes​

1. Roger Ward - CC BY, https://commons.wikimedia.org/wiki/File:Linseed_field_near_Castle_Bytham,_flowers.jpg ↩

2. Rasbak - CC BY-SA, https://commons.wikimedia.org/w/index.php?curid=8027769 ↩

3. Jean-Pol GRANDMONT - CC BY-SA, https://commons.wikimedia.org/wiki/File:Grand-Reng_JPG01.jpg ↩

4. Public Domain, https://commons.wikimedia.org/wiki/File:Vlasvezels_(1).JPG ↩

覺得身邊越來越擠，不論去哪裡都一大堆人嗎？網路上也是呀，怎麼每個可以留言的地方都人多嘴雜的感覺。

怎麼覺得以前沒有那麼擠呢？該不會是我老了，開始對人多和吵雜聲敏感吧？

原來這不是錯覺，是人真的變多了！根據 WorldOMeters.info 的統計數據：

• 從我出生的 1985 年到現在（2025）這四十年間，地球人口從 48 億暴增到了 82 億！換句話說，四十年的時光，地球上多了超過七成的人口。
• 台灣的話，1985 年時有 1931 萬人，現在是 2332 萬人。四十年多了 400 萬人，大概是整個新北市的人口。

等地球破百億人口那天，我就可以跟那時的小孩子炫耀：「想當年，阿伯出生的時候，地球上只有 48 億人呢！」這聽起來應該就像現在聽老人家說「以前一碗麵只要 5 塊錢呢」一樣不可思議。

前陣子幫一個音樂製作學生看作品，那是一個現場活動要用的伴奏帶。學生的作品其實還不錯，但他在最後的 Stereo Out 上面只掛了一個效果器，那就是 Logic Pro X 的「Mastering Assistant」（母帶後製助理）。

我自己製作音樂時也會用像是 iZotope Ozone 這樣的自動後製工具，畢竟真的很方便。Ozone 自動歸自動，至少它會詳細告訴你每個步驟做了什麼，如果不喜歡它的決定也可以手動修改。但 Logic Pro X 的 Mastering Assistant 功能幾乎就像一個黑盒子，只有少少幾個選項可以調，你完全不知道它背後的魔法是什麼。

這讓我意識到，這不就是音樂版的「Vibe Coding」嗎？

Vibe Producing​

其實在 AI 出現之前，有許多音樂人早就在「Vibe Producing」了：不學樂器、不看五線譜、不懂樂理，反正就拿現成的音樂片段拼一拼、聽起來感覺對就好啦！誰在意取樣機和合成器怎麼用？買別人做好的音色庫就好啦！

我也不是說不能這樣做音樂，創意本來就沒有對錯。但過度依賴「一鍵搞定」的工具是有危險性的：我們可能會丟失所有有用的底層技能，然後逐漸被那些生產「自動化工具」的廠商綁架。

想像一下，你請了一個廚師幫你做菜，結果他說：「欸，可是你這裡沒有那台 3,000 美元的自動 AI 料理機，然後也沒有訂閱『醬料包』和『煎蛋火候控制系統』服務，我這樣沒有辦法做菜喔！」這聽起來像是個專業的廚師嗎？

原始音樂製作挑戰​

雖然現代工具真的很方便，但還是偶爾挑戰自己，用比較原始、拮据的方式做音樂吧！不是為了復古或反科技，只是要確保自己擁有這些基本功。以下是一些有趣的挑戰：

• 🎤 「一支麥克風」挑戰：只用一支麥克風製作一整首歌。
• 🔧 自製取樣庫：使用取樣機，但不准使用任何現成的音色庫。所有取樣都要自己錄製時，會發現家裡的每個廢物都是能用的樂器。（我做過這個挑戰，不只一次）
• 🎯 把音唱準、節奏彈準：不要使用音高校正和時間拉伸，這些都是近 30 年才有的技術。以前的音樂人沒有這些工具，照樣能做出經典作品。
• 👋 不要使用 MIDI：一切東西都要即時演奏錄下來，這個挑戰可能會讓自己驚覺到應該練樂器了。（MIDI 是 1981 年才有的技術）
• 🧪 從零開始的音色：不使用任何現成的合成器音色。你知道怎麼從基本波形開始製作一個音色嗎？（這裡有教學）
• 👂 手動母帶後製：不要使用自動 Mastering 工具（如 Ozone、Logic 的 Mastering Assistant），自己用耳朵聽參考專輯、交叉比對，手動調整每一個效果器。
• 🎛️ 傳統混音法：只使用傳統的 Compressor 和 EQ 來混音，而不是現代的「智慧」版本。

底層邏輯​

就算有現代工具能用，那些能掌握底層邏輯的人，還是會有巨大優勢的。

他們知道為什麼這個效果聽起來怪怪的，知道怎麼手動修復問題，知道什麼時候該打破規則。更重要的是，當工具失靈、訂閱服務掛掉、網路斷線時，他們依然能完成工作。

每次在按下那個閃閃發光的「一鍵搞定」按鈕前，先問問自己：我真的知道這個按鈕在背後做了什麼嗎？如果以後沒有這個按鈕了，我還能手動做出同樣的效果嗎？否則，下一個被「一鍵搞定」按鈕取代的，可能就是我們自己了！

看到這篇《Google and HTTP》文章，裡面提到 Google 用「安全」當藉口強行推行 HTTPS，但許多網站其實不見得需要。作者認為這是 Google 想控制網路的手段之一，讓網路失去了原本的簡單和自由特色。

客人不該制定規則​

尤其是他寫的這一句我覺得很認同：

"Google is a guest on the web, as we all are. Guests don't make the rules."

（我們都是網際網路上的過客，Google 也不例外。規則不是由客人制定的。）

我們沒必要因為 Google Chrome 瀏覽器一看到 HTTP 就緊張兮兮說：「危險！這個不安全！」，然後就強迫所有使用者都用 HTTPS。Google 又不是我的房東，網際網路也不是它家開的，規則不該是 Google 說了算呀！

我的廢文真的需要加密傳輸嗎？​

我的個人部落格不是銀行網站，沒有傳輸任何私密的資料。你來看我的廢文，既不用註冊登入，也不用輸入密碼，更不會洩漏你的信用卡號碼。我網站的資訊本來就是公開的，我們之間的通訊，並沒有 100% 加密的必要。

再說，2015 年以前的舊裝置和瀏覽器，許多已經無法完美支援現在的 HTTPS 標準；2010 年之前的系統能連上現代 HTTPS 網站的機率更低。如果我把所有使用者都強制導向 HTTPS，會讓許多舊裝置無法開啟我的網站。

另外，我所有網站的 HTTPS 目前都是是靠 Let's Encrypt 服務運作的。Let's Encrypt 提供了免費的 HTTPS 憑證，讓許多小網站也能輕鬆擁有加密連線。但這還是讓我的網站多了一個依賴性，萬一有一天 Let's Encrypt 停止服務或不再免費了，HTTPS 憑證就會變成又一個需要額外負擔的支出。

這都是為了「安全」！​

畢竟對 Google 的商業利益來說，個人架設獨立網站，最好是越困難、越麻煩越好，這樣大家才會改用 Google 那「安全的」雲端服務呀！

不要每次都被「這是為了你的安全」的老掉牙說詞騙了，要是 Google 真的在乎你的安全，就不會到處用各種方式跟蹤你了。就更別提如果你用的是 Google Chrome 瀏覽器，就算有 HTTPS 加密，Google 也還是可以知道你在幹嘛呀！

所以，我重新調整了 wiwi.blog 的網站主機設定，現在同時支援 HTTP 和 HTTPS！想要加密的人就用 https://，覺得沒必要或使用舊裝置的人就用 http://，不管你用什麼協定進來，wiwi.blog 的廢文都歡迎你閱讀！

（多虧 HTTP，現在連 Windows 98 + IE5 都可以看 Wiwi.Blog 了！）

Footnotes​

1. Google Chrome 推出「隱私沙盒」取代第三方 Cookie，改由瀏覽器直接追蹤用戶瀏覽記錄做廣告投放。（Wiwi 註：雖然這個隱私沙盒後來推不太起來，也沒有真正取代第三方 Cookie，但不影響本文的「Google 就是想要各種追蹤你」的論點） ↩

2. 用戶集體控告 Google 在「無痕瀏覽」時照樣偷追蹤，Google 同意用 50 億美元和解。原告指控即使開啟 Chrome 的無痕模式，Google 的廣告系統仍會持續記錄網站訪問和活動資料，違背用戶對隱私保護的期待。 ↩

按壓式的省水水龍頭，根本就是反人類的設計。

我家附近的 Starbucks 就是用這種水龍頭，壓下去手一鬆開後，不到一秒水就會自動停止。於是你只能用右手按住水龍頭，洗左手；然後再換左手按住，洗右手。

但如果已經塗了肥皂，想要雙手互相在水下搓洗怎麼辦？你必須按下按鈕，趁手鬆開後的那黃金 0.5 秒，火速把按鈕的手拿下去和另一隻手搓兩下，然後再重複這個荒謬的過程 4-5 次。只是洗個手，搞得好像在玩心臟病紙牌遊戲一樣。

如果我一隻手拿著東西（或受傷），只剩下一隻手可以操作怎麼辦？

這根本就沒有省水！它只是整個洗手的過程變得很慢、很煩人！

（其實還有另一種「省水水龍頭」是打開之後水呈噴霧狀，水壓超小的那種。那種更煩，明明可以 10 秒鐘洗好的手會被它拖成 30 秒以上，既浪費時間又不省水。）

所以想要省水到底應該怎麼辦呢？請看這篇貼文。

想像你的老闆每天都在監視你，觀察你最近有沒有急需用錢。一旦他發現你真的很缺錢的話，就馬上把你的薪水調低。邏輯是：「反正你那麼缺錢，就算待遇再低你也會接受。」

如果你的老闆真的這樣做，你應該早就去勞工局告死他了吧？但這正是演算法每天對我們做的事。

監控定價​

這招叫做「監控定價」（surveillance pricing）：透過監視你，來判斷能從你身上剝削多少。換句話說，就是演算法知道你有多缺錢、有多著急，然後精準地讓你付最多的錢。

Uber 可能是這個招數的創始者，但他們以前一直不承認有這樣做。直到 2024 年 Uber 的 CEO Dara Khosrowshahi 在與頂級投資者的電話會議不小心（還是只是不想演了？）說溜了嘴¹：

"I think what we can do better is targeting different trips to different drivers based on their preferences, or based on behavioural patterns that they are showing us."

（我認為我們可以做得更好的是，根據司機的偏好或行為模式，將不同的行程分配給不同的司機。）

"That is really the focus going forward: Offering the right trip, at the right price to the right driver."

（這真的是未來的重點：以「對的價格」，向「對的司機」提供「對的行程」。）

哇，到底什麼是「對的價格」呢？對誰來說是「對」的？是司機、使用者，還是 Uber 的股東呢？

根據另外一篇 NPR.org 的報導²，加州大學法律教授 Veena Dubal 的研究發現，Uber 和 Lyft 都使用了所謂的「演算法薪資歧視」。先收集司機的個人資訊，再用演算法分析司機願意接受的最低價格、工作模式等資訊，對相同工作給予不同報酬。整個演算法是黑箱作業，司機完全不知道自己的薪資是怎麼算出來的。

簡單地說，就是如果系統覺得你的行為越「絕望」、越「依賴這份收入」──例如總是秒接單、深夜還在開車、從來不挑客戶──它就很可能判定你是個「別無選擇」的韭菜司機，而把你的薪資「最佳化」（Optimize，這才是道地的台灣講法，不是「優化」）到你勉強能接受的最低點。因為演算法知道，你只能摸摸鼻子接受。

這跟我沒關係，我又不是 Uber 司機​

別以為這只會發生在 Uber 司機身上。以下的情境，可能已經正在發生：

• 急著搭飛機：深夜兩點在訂機票網站瘋狂重整頁面，手機位置洩漏了你正在機場附近？恭喜你，演算法發現了你是個急需搭機的韭菜，票價瞬間上漲 30%！這個價格只為你「量身打造」。
• 重要夜晚：訂房網站監控到你剛搜尋過「浪漫週年紀念餐廳」，馬上對你把周圍飯店的價格調高，並假裝便宜房型都「剛好售完」。因為演算法知道今晚很重要，你不能搞砸，再貴你都願意付。「超貴」就是今晚的「對的價格」。

流量歧視​

然後，你應該也猜到接下來我會推演到哪裡去了。沒錯，那就是社群媒體的流量分配。

你想想看，連 Uber 這種「小公司」（目前全球第 78 大，市值「只有」不到 2000 億美元）都有這樣的機制了，你覺得 Google 和 Meta（分別是全球第 4 和第 6 大的公司，市值大約比 Uber 多一個零）的社群平台不會有嗎？

在 YouTube、Instagram 或其他平台上，創作者的「薪資」就是流量對吧？！而流量（或觀眾的注意力）是有限的資源。身為平台方，當然要開發演算法，來「最佳化」（不是「優化」啦）這些有限的資源的分配。那些「不給他好處他反正也會幫我們免費打工」的人，何必要浪費珍貴的資源在他身上呢？

社群媒體平台很可能早就在對創作者進行「流量歧視」了。那些特別依賴平台又聽話的創作者，就是最完美的韭菜，他們可能會有以下特徵：

• 發文頻率超高（表示是全職）
• 快速跟上平台功能更新、馬上採用平台推行的新格式（表示聽話）
• 對流量下降反應激烈，會立即調整內容（表示焦慮）
• 頻繁登入後台查看數據（表示很在意數據、已上癮）
• 沒有自己的網站，在其他平台也不活躍（表示沒有退路）

對於這些韭菜，平台就可以：

• 延遲流量釋放，讓他們焦慮、產出更多內容
• 降低自然觸及率，鼓勵他們購買廣告推廣自己的影片
• 偶爾讓他們爆紅一次，讓他們多巴胺噴發，對平台保持上癮
• 再把流量調降，讓他們相信流量下降是因為自己「不夠拼」，繼續免費幫平台打工

不要懷疑，YT/IG/FB 有著比 Uber 更多的數據，他們都在看著你，知道你什麼時候上線、看了什麼、停留多久、甚至知道你看到各種東西時的情緒反應。你真的相信演算法的推播是完全公平的嗎？還是為每個人「量身打造」的剝削體驗呢？

但是，大部分的創作者也只能抱怨演算法不透明，但依然繼續乖乖每天登入、發文，然後到後台重複查看數據。就像那些被壓榨但還是不得不開車的 Uber 司機們。

所以該怎麼辦？​

好問題！請讀這篇貼文，學習如何當一根至少比較難割斷的韭菜。

Footnotes​

1. https://novaramedia.com/2024/02/13/uber-boss-makes-shocking-admission-over-algorithmic-wage-discrimination/ ↩

2. https://www.npr.org/2023/04/25/1171800324/rideshare-drivers-raise-questions-about-how-algorithms-set-drivers-pay-rates ↩