跳到主要內容

AI 修復畫作只需數小時 MIT：它不是威脅，而是人類的助手

最近看到 MIT 的一則報導，深深印證了我之前常說的：「AI 不會取代人，但能成為人類的超強助手，幫助我們完成那些原本耗時又瑣碎的工作。」

這次的例子，是關於修復破損的古畫。

MIT 機械工程系碩士生 Alex Kachkine 發明了一套 AI 驅動的修復流程，能在短短3.5 小時內完成傳統要數月的畫作修復工程。

💡 怎麼做到的？

Alex 的出發點很簡單也很實際：「有很多老畫，價值不高但又無法負擔昂貴的人工修復。這些畫就這樣蒙塵、破損，躺在博物館倉庫裡，看不到天日。」

他想到一個概念： 如果我們能用一層可拆式的面膜覆蓋破損區，會不會就能快速、低成本地還原畫面？

這個念頭聽起來像個 DIY 工程，但結合 AI 之後，整個流程變得極為高效且精準：

修復流程：

  1. 掃描分析畫作 用高解析掃描器檢測破損區域，建立損傷地圖。

  2. AI 自動生成修復圖像 使用演算法分析畫風，從畫作本身或其他同畫家作品中，補出缺失的區塊（像是嬰兒的臉、布料紋理等），並還原色彩與筆觸。

  3. 列印「修復面膜」 把修復好的圖像列印在兩層透明聚合膜上，一層印色彩、一層印白色遮罩，增加明亮與對比。

  4. 將膜片貼上畫作表面 使用可逆性塗料將膜片黏貼於原作，未來可用溶劑安全移除，不影響原作本體。

🧠 AI 的角色？

Alex 並不認為 AI 是主角。AI 在這裡只是工具，是處理「無聊工作」的助手。真正需要人腦的是概念發想、審美判斷與道德選擇。

他說：「我希望這項技術能讓更多博物館以非常低的成本，讓這些被遺忘的作品再次展出。」

他甚至在每次修復後，保留完整的數位記錄與修復歷程，讓未來的研究者能判斷哪些是原作、哪些是補上去的。這種透明與可逆的設計，也是對「文化真實性」的一種尊重。

如何看待人類的定位

我們常擔心 AI 會不會搶走工作、毀掉創作。 但這個例子告訴我們：真正的創意來自人，AI 只是放大器。

Alex 的修復不是因為 AI 本身有多神，而是他用對了 AI 的位置——處理大量繁瑣又可規則化的工作。

剩下的判斷、呈現與意義，還是由人來決定。

所以說，與其怕被 AI 取代，不如開始思考： 你怎麼定義 AI？你想讓它幫你完成什麼？ 這才是每個創作者、設計師、開發者該問自己的事。

🐻 工商時間

想學會怎麼讓 AI 成為你的創作夥伴？

如果你看完這篇文章，也開始對「怎麼用 AI 幫你加速、放大你的想法」感到興趣，那你絕對不能錯過這場活動👇

🎤 《AI + Vibe Coding》創作講座 台中場 我們將深入分享如何結合 AI 與程式、創意、內容製作， 讓你用最自然的方式，讓 AI 成為你的工作室助手。

📅 時間：6/22（日）15:30 

👉 報名連結：https://codingbear.kktix.cc/events/ai-vibe-coding-2025-06-taichung

從設計、內容到自動化，無論你是創作者還是開發者，這場講座都會給你實用又有趣的靈感與實作方法。來聊聊 AI 怎麼幫你少做一點雜事、多做一點你真的想做的事吧！

參考文章

https://news.mit.edu/2025/restoring-damaged-paintings-using-ai-generated-mask-0611

標籤：

留言

張貼留言

這個網誌中的熱門文章

Vibe Coding：為什麼 Junior 更快上手？Senior 要如何追趕？

現象層面（市場觀察） 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變，非常熱門。 身為 Cympack 產品開發團隊 ，我們也一直關注這個議題，在閱讀這篇文章時觀察到一些有趣的現象，對我們來說，這正好反映出 AI 正在改變開發生態，junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位，其中有些啟發（insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding？ 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」，反而 embrace 快速迭代、快速出成果 反觀 Senior： 熟悉大型系統設計 有豐富的「工程正統流程」知識（架構設計、測試策略、效能優化、設計模式） 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師，對 prompt engineering 沒那麼熟練，還在觀望 技能面（未來的關鍵能力） Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢？ Prompt 撰寫 / AI 互動 Junior 較強（熟悉 chat-based 流程） 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強（能看出潛在問題） 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding，並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力，但若不主動練習 vibe coding，長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享，希望帶給各位的感受， 『與 AI 協...
張貼留言
繼續閱讀>>

RAG 和 Prompt 原理超簡單解說！想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務，甚至是 Siri (嘿丟，他也是一種 AI 應用服務喔） 簡單來說是非 技術人員， PM，小白，想要趕快惡補的人 ，直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於，AI 這東西會幻想，會有誤差，會對於生活有些幫助但沒有幫助的人們，做個簡單又不是太簡單的介紹，希望用一個非常入門的方式讓你們有個了解。 當然，這篇文章目的很簡單， 就是引流 ，如果你身邊有已經對於 Web 技術開發的人員，歡迎報名分享給他，年末出國不如學一技在身，參加今年我們舉辦最後一場 RAG 實作工作坊，報名連結 ， https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意： 接下來每個大段落結束都會有一段工商導入，但文章絕對精彩，請注意！ 為了讓各位容易想像，我們將整個世界的資訊，先濃縮到這本『西遊記』的世界觀當中，我們整個世界都在這個 『西遊記』 ，而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位，應該都有聽過，西遊記！如果沒有聽過西遊記的，請右轉出去，謝謝！ 先來談談向量 在《西遊記》的世界裡，我們可以把 向量想像成一種「內容座標」 ，讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說，唐三藏的 「位置」（向量）會接近「佛經」和「取經」 的概念，因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念，因為這些是他的特徵。 相似內容靠得更近：像「佛經」和「取經」會靠近唐三藏的向量，因為它們彼此有很強的關聯。 相差較大內容會離得較遠：像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠，因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置？ 簡單來說，這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊，觀察哪些詞語經常一起出現，根據「共同出現的頻率」來決定它們的關係，並且自動生成向量。例如： 如果模型看到 「唐三藏」 總是和 「取經」 一起出現，它就會讓「唐三藏」的向量靠近「取經」。 ...
2 則留言
繼續閱讀>>

Vibe Coding 協作到自建 Dev Agent？從 Claude / Codex 到 OpenHands

過去一年，越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題，到後來很多人愛上 Cursor，直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗，已經大大改變了我們寫程式的方式。 更現實的是，在很多企業內部、政府單位、或涉及機密資料的專案裡， 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理，萬一專案裡有未公開的技術、敏感客戶資料，或是受限於法規 （像金融、醫療、政府標案） ，直接用雲端 AI 工具就會踩 紅線 。  因此，許多團隊反而更希望 「自己架一套 Dev Agent」 ，可以在內網執行，資料完全掌握在自己手上，該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline，全部客製化、安全可控。 這時候，像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手，而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署，從 CLI 操作到瀏覽器查詢， 從多檔案編輯到自動測試，全部都能自己完成，甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說，這是一條 從 「AI 幫你寫一段程式」，走向「AI 幫你解決一整個任務」 的進化路徑。而且，還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」，能模仿人類工程師從建立程式、修改程式碼、執行指令，到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端（OpenHands Cloud）與本地 Docker 運行版本，用戶能配置 LLM（如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用，又或者如果自己本機有 docker 的話，可以自己Local 版本透過 Docker 自架環境。 ...
張貼留言
繼續閱讀>>