Google AI Hub的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

為演算法服務的免洗人力：平台資本主義時代的勞動與剝削

為了解決Google AI Hub的問題，作者PhilJones 這樣論述：

演算法為人類的需求服務， 但它的運作卻建立在將人類視為免洗人力的剝削。   覺得Google、臉書變得越來越聰明，不僅馬上就能找到正確資訊、掌握即時動態，還會判別釣魚網站、過濾不舒服的內容？ 事實是，演算法裡頭藏了真人：要有人教導機器學習，它才能變得「聰明」。 正如亞瑪遜的貝佐斯所言，人工智慧，其實是「人工的人工智慧」。   人工智慧帶來人機混合的新工作模式。由自駕車、無人商店、語音客服開啟的趨勢，已經蔓延至翻譯、會計、金融、管理、醫療等更專業的領域。平台資本主義拆解原本的專職工作，將機器無法處理的部分，化成零散的微工作，拋給人力群包平台的接案者。 巨型平台規避傳統勞資關係，減少專

業人力成本。在平台接案的微工作者沒有權益保障，也沒有固定薪水，甚至連為哪家公司工作、工作的目的是什麼都不清楚，成為案主呼之即來、揮之即去的免洗人力。 群包平台大灌「自由接案」的迷湯，但其實就是微工作者必須自行承擔所有風險。你不知道何時可以接到下一件案子，報酬會有多少，你成為工資的狩獵採集者，為的只是要一圓科技大亨移民火星的狂想。 在全自動機器人與智慧助理的喧鬧之下，瓊斯清晰而仔細地揭露使得我們的數位社會得以成真的工作者究竟身在何方。對於這個通常看不到的低薪、超時工作且毫無保障的世界，本書為必讀導覽。 ——斯尼切克（Nick Srnicek），《平台資本主義》（Platform Capita

lism）作者   讓瓊斯為你導覽數位化資本主義最醜惡的陰暗面。在此，科技巨頭監控工作者的一舉一動，把他們的鍵盤敲擊與滑鼠點選聲轉化為獲利，而在我們持續加班的同時，「工作」本身卻是分崩離析。為了在慘澹的未來降臨到每個人身上之前預先阻止它，瓊斯寫下了這篇優美的戰鬥宣言。 ——賈非（Sarah Jaffe），《工作不會回報你的愛：對工作的奉獻，如何剝削我們、耗盡我們的心神，並使我們孤獨》（Work Won’t Love You Back: How Devotion to Our Jobs Keeps Us Exploited, Exhausted, and Alone）作者   在這本節奏明快的精

彩著作中，瓊斯探討了數位經濟工作者的隱身之地。在此，全世界的過剩勞工為了不到兩美元的時薪標注影像、管理網站內容與教導運算法辨識寵物。《為演算法服務的免洗人力》同時也探究一種新的可能性：一無所有的微工作者該如何團結，帶領要求自由空閒與物質保障的全球運動。 ——貝納納夫（Aaron Benanav），《自動化與工作的未來》（Automation and the Future of Work）作者   帶領讀者前往不為人知的人工智慧生產之地：在後危機的資本主義中，越來越多貧民窟、監獄與難民營中的人們受到高度剝削，靠著不穩定的微工作勉強餬口。瓊斯強調危機迫在眉睫，這種零散化的微工作會威脅所有人的生計，

但他也指出，微工作也可能帶領我們走向一個超越薪資勞動的世界——只要我們勇於爭取。 ——穆勒（Gavin Mueller），《砸毀工作機器》（Breaking Things at Work）作者   瓊斯可謂後加速主義的帶領者。 ——佛斯特（John Foster），「戰場」新聞論壇（Battleground）   令人震驚……在讀過這本書後，你無法再用和以前相同的方式看待電腦，或是那些吹捧電腦乃是我們集體救贖之道的人們。 ——布斯尼克（Katjo Buissink），《馬克思與哲學書評》（Marx and Philosophy Review of Books）

Google AI Hub進入發燒排行的影片

疫情影響下人力資源招募及辦公模式因應策略之個案研究

為了解決Google AI Hub的問題，作者邱書誠 這樣論述：

企業運作需仰賴「人」即 員工，而人才的選用即是人力資源管理的源頭， 也是人力資源管理功能中最重要的一環，而人才招募進來後，其工作環境也會影響工作產出的效率。過去不少有針對人才招募及辦公環境成效進行學術研究報告，但受到傳染 疾 病等外部環境影響，對於人才招募、工作環境學術性報告尚屬少數。本研究主要針對外部因素， 係因 傳染疾病影響國內企業人力資源「招募徵選」及「辦公環境」的應對方式 與 問題 及政府政策與企業間的相互關係 進行深入探討。本研究透過文獻分析法及深度訪談法，針對中南部地區製造業及服務業六家企業個案分析，結果發現：一、招募徵選 主要是採取視訊招募、視訊招募與實體招募並行兩種模式，而過

程中所遭遇之 狀 況主要是軟體使用熟悉度可用雙方較為習慣的軟體為因應； 紙本測驗轉換可用 G oogle 及 M ail 等方式克服；而網路傳輸穩定度仍須仰賴第三方企業給予協助改善。二、辦公環境 主要是遠距工作、分流辦公等模式進行，而過程中所遭遇之狀況主要是出缺勤狀況、辦公效率、空間需求及行政流程 等問題，而解決方案，一提供紙本或線上打卡之科技軟體因應，二提供專案進度追蹤管理辦公效率，三擴增及改善空間需求，四提升資訊設備數量等。三、在政府政策 紓困 補助方面，對於 個案公司 實際幫助 並不顯著。四、遠距工作與職業安全之間關聯，政府並未實質對遠距工作者工作環境及職業安全明訂保護，因此國內企業仍以

外部保險公司來進行風險分攤。五、後疫 情時代對於視訊面試及遠距工作是否延續，仍須視產業型態是以 研發及業務為重或是以製造及服務為重，前者 會考慮延續視訊面試及遠距工作，後者會維持實體面試及實體辦公為主。

TensorFlow.js學習手冊

為了解決Google AI Hub的問題，作者GantLaborde 這樣論述：

　　以JavaScript開發機器學習 　　「Gant在這本書中開門見山的教導您，網頁開發者使用JavaScript和瀏覽器需要知道的重要知識。」 　　—Laurence Moroney 　　AI倡議領導者, Google 　　「《TensorFlow.js學習手冊》讓您可以邁入TensorFlow.js，讓所有JavaScript開發者獲得新一代網頁應用開發的超能力。" 　　—Jason Mayes 　　Google TensorFlow.js資深工程師 　　「Gant神奇的解釋了複雜的機器學習概念，避免過於複雜的數學陷阱，您很難再找到更好的JavaScript資料

科學介紹了。」 　　—Lee Warrick 　　全端JavaScript開發者 　　鑑於對AI的需求和JavaScript的無所不在，TensorFlow.js的狂潮是不可避免的。借由這個Google框架，可以協助經驗豐富的AI老手和Web開發人員推動AI驅動網站的未來發展。在這本指南中，作者Gant Laborde(機器學習與web領域，Google開發人員及專家)為資料科學家、工程師、web開發人員、學生和研究人員等廣大技術受眾，提供了TensorFlow.js實務操作基礎方法。 　　您將首先學習TensorFlow.js中的一些基本範例，再深入研究神經網路架構、DataFrames

、TensorFlow Hub、模型轉換、遷移學習等。讀完本書後，您將瞭解如何使用TensorFlow.js建構和部署產出就緒的深度學習系統。 　　‧探索張量(tensors)，機器學習的最基本結構 　　‧使用真實範例將資料轉換為張量及返回 　　‧使用TensorFlow.js將AI與web相結合 　　‧使用資源來轉換、訓練和管理機器學習資料 　　‧從頭開始建構和訓練您自己的訓練模型  

2019新冠狀病毒與數字化：冠狀病毒如何影像到數字化

為了解決Google AI Hub的問題，作者林艾瑪 這樣論述：

當初在中國被發覺的2019新冠狀病毒快速變成大流行震撼了全球，而從中國通過數字化技術應對疫情的方式能取得導向。中國疫情管理路子為了達到各類目標而戳力利用各數字科技：當然包括密切接觸人組蹤跡而用機器人緩解醫療系統負擔等為成功抗病。不過還利用許多數位技術幫助公民轉入正常生活習慣同時避免疫情重新爆發、通過物聯網支持行銷現代化以及智能生態系統創新。因此中國案例能夠作為全球的一個導向來想像數字技術的的角色， 和數字化未來會創造怎樣的世界。