霸凌是社會環境中不容忽視的重要問題，這樣的歪風不僅僅可能出現在檯面上看的見的地方，檯面下的惡鬥更是波濤洶湧，網路霸凌就是其中之一。而此風不可長，Yahoo 實驗室的研究團隊近期也正著手研究能偵測出「話中有話」的網路霸凌語言，經研究測試後更發現準確率高達九成！近來，許多社群網站積極對付網路霸凌，像是日前，演出電影《魔鬼剋星》的女星 Leslie Jones 就因在 Twitter 上遭受網路霸凌，最後黯然宣布關閉個人推特，這件事也引起了 Twitter 的注意，更讓 Twitter 大動作的主動關閉帶起這波歪風的 Milo Yiannopoulos 推特，也讓人真正意識到網路霸凌的可怕。而 Yahoo 也不落人後，在近期成功開發出能自動偵測出網路霸凌語言的演算法。然而，一般的自動偵測僅能依照使用者所設定的「黑名單」，像是某些三字經等特定字詞或詞組才會讓社群網站偵測到有所謂的網路霸凌。但，罵人的方式有很多種，更有許多人能罵人不帶髒字，跟其他社群不同的是，Yahoo 研究團隊要做的就是突破特定語詞的限制，找到那些話中有話的網路霸凌。在研發過程中，Yahoo 利用機器學習中一種叫做「詞向量（word embedding）」的方式，讓電腦能夠在即便每個字分開來看本身都不帶有侵略性的時候，卻也能在看出這一連串的語句是否有霸凌的成分。經測試後，Yahoo 研究團隊的演算法竟能成功偵測其數據組中的九成是否是在霸凌他人。九成的數據聽起來雖不是相當的完美，但來自英國社群分析中心的網路霸凌研究學者 Alex Krasodomski-Jones 也表示，當人類也沒有辦法完完全全分辨出哪一句話是帶有歧視性，或者是霸凌的成分在時，你就知道要成功讓一個電腦偵測出九成的網路霸凌語言是有多困難的一件事了。 相關連結 Yahoo Has a Tool that Can Catch Online Abuse Surprisingly Well Yahoo researchers built a powerful new online abuse detector （首圖來源：Engadget）
一套機器學習演算法就像一位大師級的工匠一樣：每一項它的產出作品都不相同，而且可以為客戶的需求量身定做。然而不是要將石頭變成磚瓦，黃金變成珠寶，機器學習機是要將數據資料轉化為演算法。而且擁有越多的數據資料，便能歸納出越複雜的演算法。以下由三采文化，摘自《大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？》的部分內容。我們如何能知道，人類已經真正找到大演算？當相同的學習器只有參數的改變，而且除了數據資料以外，只需要輸入最小量的學習範本，就可以和人類一樣，理解影音與文件內容，並能在生物學、社會學及其他科學領域，做出重大的新發現。顯然，在這種標準下，目前還沒有任何學習器已經被證明就是大演算，即使在不太可能的情況下，已有能解決某領域的演算法存在，仍不足以承擔機器學習統一理論的大局。在探求大演算的過程中，我們不必辛苦從無到有。我們已經有幾十年的機器學習研究，可以從中借鑑完整全貌。機器學習領域目前存有許多互相競爭的思想學派，包括符號理論學派（Symbolists）、類神經網路學派（Connectionists）、演化論學派（Evolutionaries）、貝氏定理學派（Bayesians）和類比推理學派（Analogizers）。每個學派都有一套核心理念，以及一個它最關心的特定問題，也針對這個特定問題，基於其相關領域的科學概念，找到一個適合的解決方案，並且擁有一個主要的演算法，可以適度體現它的機器學習行為。對於符號理論學派來說，所有的智慧可以被簡化成操縱符號，就像數學家求解方程式的過程，是透過用其他表達式來替換表達式的方法。符號理論學派明白，你不能從頭學起，你需要一些初步的知識，與數據資料相配合。符號理論學派們已經找到了如何將先前存在的知識納入學習，以及如何快速地將不同的知識進行結合，以解決新的問題。他們的主要演算法是逆向的演繹法（Inverse Deduction），透過這種演算法可以找出哪些知識是欠缺的，以便能做出邏輯的演繹推論，然後使其盡可能地被通則應用。對於類神經網路學派來說，學習就是人類大腦所做的事情，所以我們需要做的，就是對大腦進行反向工程。大腦的學習是透過調整神經元之間的連結強度，而關鍵的問題是找出哪些神經元的連接，必須對哪些錯誤負責，並依此對應地改變它們。類神經網路學派的主要演算法是倒傳遞理論演算法（Back propagation），它會比較系統的輸出與期望的輸出，然後依次改變一層又一層的神經元連結，以便使得輸出結果可以更接近於它應該呈現的。演化論學派則認為，所有學習之母就是物競天擇。如果物競天擇可以造就我們，那麼它就可以造就任何事情，而我們所需要做的，就是在電腦上模擬它。演化論學派所解決的關鍵性問題就是學習的結構，不只是調整參數而已，就像倒傳遞理論演算法所做的，可以創建一種能夠讓這些調整進行微調的大腦。演化論學派的主要演算法是一種遺傳程式規劃（genetic programming），就像大自然會交配與演化生物一樣；同樣地，遺傳程式規劃也會以相同的方式，繁衍與演化電腦程式系統。貝氏定理學派最關注的課題就是不確定性。這門學派主張所有學到的知識都是不確定的，而且學習本身就是一種不確定的推理形式。那麼這個問題就變成如何處理雜訊、不完整，以及相互矛盾的資訊，而不會造成分崩離析。解決的辦法就是機率推理，而主要的演算法是貝氏定理與其衍生物。貝氏定理告訴我們如何把新證據轉化為信念，而機率推理演算法則盡可能有效地做到這一點。對於類比推理學派而言，學習的關鍵是認識各種情況之間的相似之處，從而推斷其他情境的相似地方。如果兩位患者都有相似的症狀，也許他們患有相同的疾病，問題的關鍵是要判斷兩件事情之間是如何相似。類比推理學派的主要演算法就是支持向量機（Support Vector Machine，簡稱SVM），它可以找出哪些經驗是需要記住的，以及如何結合這些經驗，做出新的預測。針對各個學派的核心問題，每個學派都有提出相對應的解決方案，這些解決方案都是相當卓越，且得來不易的進展。然而真正的大演算，是必須同時解決這五類問題，而不只是一個。我們的探索追求，將帶領我們跨越這五個學派的每一個領地。每個領地之間的邊境通道，是它們可能會遇到交涉與小衝突的地方，這將是這趟大演算探索旅程中最棘手的部分。你準備好了嗎？我們的學習旅程就從拜訪符號理論學派開始，這個學派可說是機器學習最古老的智慧根源。 《大演算》簡介有一個終極演算法，可以解開宇宙所有的祕密，現在大家都在競爭，誰能最先解開它！華盛頓大學電腦工程系教授佩德羅．多明戈斯（Pedro Domingos）破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來，這個突破性研究還登上了《新科學人》（New Scientist）雜誌的封面故事。
嚴格來說，現有的影片並不是真正的互動媒介，因為使用者只能待在螢幕前平靜地看著，而不能像《哈利波特》裡的油畫可以持續地騷擾畫中人物或物體。然而經由 MIT 的技術，用戶除了能實際「碰觸」影片中的物件，也能經由電腦演算法，模擬並預測物體被干擾後的情形。MIT 的「電腦科學與人工智慧實驗室」（CSAIL）把這項技術稱為「Interactive Dynamic Video」（IDV）。在示範中，MIT 的研究員除了展示透過滑鼠游標，隨意拉動影片中的吉他弦並讓它振動，也可以讓游標模擬自然風，使樹葉隨風搖擺。MIT 指出，以往這類虛擬物件都是透過 3D 技術繪出無數張美術圖與情境，例如電影特效，或是電玩效果。不過這種方式雖然能創造完美的畫面，卻得花上大量的時間及製作經費，然而 IDV 卻只需要一台攝影機與電腦就能完成：首先先讓一台普遍攝影機拍下影片，即使 5 秒也可以，再把影片放到電腦，電腦就能經由演算法自動判定影片物體的物理移動方式，並且「誇大」它的效果，進而讓使用者能使用游標「影響」它們。例如在示範影片中，用戶便可以透過游標讓影片中的樹叢擺動，拉動遮簾，或是彈吉他弦。MIT 也隨手畫了一些虛擬物體取代滑鼠，例如卡通恐龍，並把它丟到遮簾，創造一種像是卡通龍實際碰觸到真實遮簾的效果。有趣的是，MIT 也提到幾個技術的應用方式，例如 Pokémon Go。日後用戶在手機上看到的小火龍就不再只是浮在草地上的圖片，而是能「踩」在地上，壓彎小草，或者用戶也能在電腦上看電影時，用滑鼠撥動演員的頭髮或衣物。不過，目前 MIT 能實證出來的互動效果仍不脫「震動」與「碰觸」這一類。因此比較成熟的應用方式，應該是透過物理演算法，模擬建物在地震與風暴中的效果。 MIT creates video you can reach out and touch Reach in and touch objects in videos with “Interactive Dynamic Video” （首圖來源：Flickr/Lane Fournerat CC BY 2.0）
台灣駭客團隊「HITCON」連續第三年出征號稱世界駭客大賽的「DEF CON CTF 2016決賽」，但今年他們的對手不只是各國選手，還包括「電腦」！如果說，今年 3 月南韓棋王李世乭對戰人工智慧 AlphaGo 是圍棋史上新的篇章，那麼 DEF CON 2016 也很可能也將寫下駭客史上新的一頁，而當電腦比世界各國的駭客更厲害，那麼很可能，今後我們再也不用害怕被駭客入侵、攻擊了。在 HITCON 團隊出發前往美國比賽前夕，科技新報專訪到 HITCON 成員、同時是台灣資安防護龍頭趨勢科技的資安威脅研究員梁偉明（Lucas），以及趨勢科技進階威脅防禦研究核心技術研發部協理林孜穗，跟我們分享這場 DEF CON 首次加入「電腦」隊伍的「人機大賽」將怎麼比、有什麼看頭，以及帶領我們一探「自動化找漏洞」，這項連美國國防部都在研究的計畫，究竟是什麼神祕的玩意。 世界駭客大賽 DEF CON 比找漏洞，搶先攻擊別人別人的漏洞DEF CON CTF 2016決賽在 8 月 5 日至 7 日開賽，這次將由來自全球 14 支人類組成的駭客隊伍以及 1 支電腦自動化系統，展開攻防大戰。比賽採攻防搶旗賽（Capture the flag, CTF）模式，每隊擁有一台電腦，大會分批釋出幾個程式做為題目，隊伍在收到程式後開始找漏洞，找到後，就可以立即修補漏洞，並同時寫出攻擊程式攻擊其他隊伍的電腦，成功攻進就算「搶旗」，拿到分數；但也可能碰到別人已經修補好漏洞而攻不進去，得不到分數；或者太晚發現漏洞、太晚修補漏洞而讓電腦被其他隊伍入侵「搶旗」，遭到扣分。整體來看，就是一個比技術、速度、想法的駭客競賽。來解釋一下「漏洞」是什麼。漏洞其實是就是 BUG，是工程師在寫程式時，沒寫好的地方，輕則在使用者給予指令時，程式不知道該怎麼處理而造成電腦當機，嚴重則會被有心人士／駭客所利用，入侵這個程式，甚至取得電腦權限，然後做盡各種他們想做的壞事，這類漏洞叫做「安全性漏洞」，也是所有資安公司軟體公司最擔心的事情。 找漏洞的三階段演進：人工、自動化、人工智慧凡是人寫的程式就會有漏洞，至於要怎麼在由數千行、甚至千萬行的程式碼中找出漏洞，總不可能逐行去檢查吧？梁偉明說明，找漏洞有三個方法：第一種是完全靠人工，去寫一些工具或程式，裡面可能夾帶程式設計時沒想過會發生的狀況，像是檔案很大的圖片檔或是奇怪的 JavaScript，然後再隨機丟給程式，看他會不會當機，就能找出有沒有漏洞。比較有經驗的人，他會依照不同程式的特性、比較可能發生的漏洞，丟不同類型的指令，這樣就能更容易找出漏洞。第二種是自動化。同樣是靠人工先寫一些可以測試程式的工具或程式，然後由電腦系統自己丟各種不同的指令給程式，看會不會當機；更進階一點的自動化系統，還可以做 Code Tracing（追溯程式碼）這個步驟，然後依據不同的程式中不同的功能，丟不同的指令來尋找可能的漏洞。第三種是電腦利用人工智慧的方式包含 Machine Learning 或 Deep Learning，研究各種漏洞的模式（Pattern），最後能在 Code Tracing 之後，找出程式的漏洞。 ▲趨勢科技的資安威脅研究員梁偉明（Lucas），連續三年被 HITCON 團隊徵招去參戰世界駭客大賽「DEF CON」，今年也將出發。他擅長找漏洞，也在開發「自動化找漏洞系統」，對這次 DEF CON 的「電腦」對手相當瞭解。（科技新報攝） 電腦也會找漏洞、補漏洞？美國國防部投入研究在 DEF CON 跟人類隊伍鬥智的電腦隊伍就是上述第二種：自動化找漏洞系統。而這支隊伍，會由 8 月 4 日 DARPA 舉辦的 CGC 競賽的冠軍隊伍出線，到 DEF CON 場上，電腦要在在設計系統的人完全不操作的情況下，自己接收大會來的題目，然後找漏洞、修補漏洞、寫攻擊程式。在今年的 DEF CON 之前，或許沒什麼人聽過 Cyber Grand Challenge（CGC）。這是由美國國防部高級研究計畫局（DARPA）從...
根據外電報導，為了進一步強化在人工智慧 （AI） 領域布局，蘋果 （Apple） 已達成收購位於美國西雅圖的機器學習和人工智慧新創公司 Turi 的協議。這家 Turi 公司主要以研發人工智慧 （artificial intelligence） 和機器學習 （machine learning） 相關技術的應用，將對於蘋果為來在人工智慧領域的發展大有幫助。報導指出，這項收購案顯示，蘋果正大舉進軍人工智慧和機器學習的技術，這也使得蘋果在西雅圖的業務規模也將擴大。過去兩年內，蘋果正在西雅圖建設人工智慧工程中心，並計劃拓展 Siri 個人助手和相關技術，從而更全面地發展人工智慧科技。報導進一步指出，消息人士確認，原名 Dato 的 Turi 目前已經同意蘋果的收購，具體的收購價格約為 2 億美元 (折合新台幣約 63 億元 )。未來 Turi 被收購之後，團隊將繼續留在西雅圖地區。而隨著蘋果繼續發展資料科學、人工智慧和機器學習等項目，未來這一團隊的規模將繼續擴大。不過，暫時不清楚蘋果對 Turi 的整體發展計畫。一直以來，Turi 是以幫助開發者在應用中加入機器學習和人工智慧技術為該公司主要發展項目。該公司的產品包括 Turi 機器學習平台及 Turi 預測服務等，這些產品可以使得不同規模的企業能夠更方便的利用資料。具體使用場景包括推薦引擎、反詐騙、預測用戶數的變化、情緒分析，以及用戶分類等等。至於，蘋果近年來更是積極擴增招聘人工智慧團隊人員以擴大規模。目前，蘋果在人工智慧專家的人數規模，估計較之前成長 3 到 4 倍的數目。由於先前蘋果已購併英國新創企業 VocalIQ，如今再購併美國新創企業 Turi，其動作就足以顯示蘋果為強化人工智慧技術的企圖心。（首圖來源：《達志影像》）
「華生」其實就是一部人工智慧機器──IBM 赫赫有名的 Watson。據日本東京大學報導，近日 IBM 人工智慧 Watson 利用 10 分鐘時間診斷出一名 60 歲女病人患上罕見的急性骨髓性白血病，還找到最適合她的療法，目前患者已經可以出院。在此之前，該患者在東京大學醫科學研究所進行了半年的治療，而且病情改善很慢，醫生對其病症遲遲不能確認，曾懷疑其患有敗血症。到底 Watson 是如何用短短的 10 分鐘診斷出醫生一直沒確認的病情呢？報導稱 Watson 將病人的基因變化與 2,000 萬篇癌症研究論文數據庫進行比較，提供準確的診斷並且提出先進且適合的治療方案。由於基因數據很大，要對病人病情進行診斷又需要足夠多的對照數據，而且要將數據導出做為研究樣本，因此對於復雜的病情，醫生往往很難在短時間能做出診斷。而人工智慧 Watson 能夠在較短時間內對巨大的數據庫進行數據匹配，再加上其計算性能較高，在數據抽取方面能夠達到醫學診斷的標準，抽取出具有高度準確率和召回率的相關數據。因此，在整個過程中 Watson 用 10 分鐘進行數據匹配，利用 2,000 萬篇癌症研究論文的數據尋找相似的病情，最終診斷出患者患了什麼病。（Source：Bostinno）早在 2011 年，Watson 就開始協助醫生進行臨床決策。 2015 年 4 月成立了 Watson Health，同年 8 月用 10 億美元收購醫學影像公司 Merge。今年 5 月，IBM 宣布與英國奧爾赫兒童醫院合作 3 年，將利用 Watson 來分析和改進患者的醫療護理水平。 7 月啟動了 Watson Health 醫學影像協作計畫，旨在幫助醫生診斷乳腺癌、肺癌等癌症以及糖尿病、眼疾、腦疾、心髒病及其相關病症。（Source：Fortune）自從 IBM 將 Watson 用於醫療領域，對醫療行業和病人都有很大的影響。而把人工智慧應用到醫療領域，在關鍵時刻也確實發揮出了重要作用。要將...
上個月有新聞指出亞馬遜 CEO 傑佛瑞‧貝佐斯將會出演《星際爭霸戰》系列的新片《星際爭霸戰：浩瀚無垠》（Star Trek Beyond）。現在，這個老兄決定用自己的方法將你的家庭改造成一個語音控制的艦橋。2014 年 11 月，亞馬遜正式推出了其第一款智慧語音家庭助手 Echo，用非常科幻的方式達到語音控制音樂播放、開燈、調節溫度等功能。有報告指出，截至今年 6 月，亞馬遜 Echo 的銷量已經超過 300 萬台，僅在 2015 年暑期就售出了 100 萬台，該設備在亞馬遜網站上的商品評分高達 4.5 / 5 分。這款智慧語音控制器背後的支持系統，是亞馬遜自主研發的 Alexa 語音服務平台。做為亞馬遜在語音辨識領域的核心部分，Alexa 正在被開放給所有的開發者，即使他們開發的產品直接與 Echo 構成競爭。除了亞馬遜的 Alexa，蘋果早就推出了自家的語音助手 Siri，Google 最近上線了 Google Assistant，微軟在最近幾年主打 Cortana。但目前為止只有亞馬遜向開發者開放了自己的產品 API，並讓其被開發出多種創新的場景化應用。目前 Alexa 已經被應用到了 Uber，用戶還可以用它在外賣平台 Domino 上訂披薩。現在，已經有很多公司已經或者打算將 Alexa 嵌入到自己的硬體產品中，例如便攜式語音助手 Triby、智慧手錶 CoWatch 和 Pebble 推出的可穿戴裝置 Pebble Core 等。另外有消息稱福特汽車正在和亞馬遜合作，希望能將 Alexa 應用到汽車中，讓駕駛在開車的時候能夠用語音控製家裡的燈光、溫度和安全監控系統。自從亞馬遜宣布開放 Alexa 平台以來，已經有超過一萬名開發者註冊了該平台。在今年年初接受採訪時，亞馬遜硬體部門高級副總裁 David...
根據外媒《MotherBoard》報導，德國普朗克實驗室（Max Planck Institute）研究團隊發明「無臉辨識系統（Faceless Recognition System）」，利用大量臉部清晰或模糊的照片，訓練神經網路演算法，之後無論給予臉部模糊、甚至是完全遮住臉部的照片，電腦都可以藉由比對臉部周圍以及身體的相似度，辨識出特定對象。▲ 「無臉辨識系統」可正確辨識臉部模糊照片。（Source：Seong Joon Oh 等。）最高準確率可達 91.5%研究指出，辨識準確度會隨著該系統收到多少臉部清晰照片而變動。如果只有提供一張臉部清晰的照片，成功辨識該照片模糊版本的準確率為 69.6%；如果提供 10 張清晰臉部照，準確率可達 91.5%。不過，該系統也有些限制。當這些照片是在不同活動場合拍攝、照明不同或更換服裝時，辨識難度也大幅提升。研究發現，當把欲辨識照片中的臉部以黑色方塊完全遮住、且照片分別在不同場合拍攝，準確率降到只剩 14.7%，不過該研究指出，其準確率仍是人類的 3 倍。▲ 「無臉辨識系統」可正確辨識臉部模糊照片。（Source：Seong Joon Oh 等）Facebook 曾因臉部自動辨識侵犯隱私面臨訴訟在此研究前，Facebook 旗下人工智慧實驗室從 2015 年便開始進行臉部辨識功能實驗，利用 Flickr 上 4 萬張公開照片，讓演算法學習辨識，即使照片中臉部沒正面對鏡頭，但透過髮型、服飾、體型和慣用姿勢就能正確辨識，辨識正確率達 83%。不過該研究指出，不同於 Facebook 的照片包含臉部模糊和清晰，無臉辨識系統是第一個完全用模糊和臉被遮住的照片、僅從周圍線索辨識的系統。不過，當臉部辨識系統越來越精確，甚至進展到僅靠臉部以外的其他線索即可正確辨識，不禁令人擔心社群媒體也讓用戶身處在被監控的世界。今年 5 月，Facebook 才因「臉部自動辨識技術」侵犯隱私而面臨訴訟，原告指出，Facebook 的臉部自動辨識功能已違反當地禁止公司未經同意便蒐集用戶生物特徵資料的法律。當時 Facebook 回應，用戶可自行選擇是否開放臉部自動辨識系統，因此不構成侵犯隱私。 ‘Faceless Recognition System’ Can Identify You Even When You Hide Your Face New facial recognition algorithm is so...
近年來，由於大數據與人工智慧等應用的逐漸流行，使得對於企業界對於超級運算的需求與日俱增。有鑑於此，惠普 （HPE）計劃以 2.75 億美元（折合新台幣約 85 億台幣） 的金額購併超級電腦生產商 SGI ，期望能在未來的超級運算市場能取得一席之地。根據 《Fortune》 雜誌網路版的報導，HPE 在 11 日公布該項計畫。根據 HPE 執行副總裁暨總經理 Antonio Ner i在一份聲明中表示，在收購 SGI 之後，其具備創新性的技術和服務，將能與 HPE 成熟的資料中心解決方案相輔相成。據了解，該項收購案如果獲得監管單位的批准，最快將於 2017 年度的第 1 季完成交易。報導中指出，該項受購案顯示，HPE 希望透過這一收購案來提升資料分析和高性能運算業務的比重。過去一段時間以來，HPE 已經逐漸將其他公司高層認為沒有發展性的業務出售。包括 2016 年 4 月份以 8.25 億美元出售旗下印度外包公司 Mphasis 控股權，5 月份再出售 IT 服務業務給 Computer Sciences 合組新合資企業。來到 7 月份更傳言，HPE 有意將一個軟體部門出售給私募公司，部分私募公司則考慮整體收購 HPE 。而 SGI 創辦於 1981 年。一直面臨來自昇陽電腦 ( Sun )...
Pokémon Go 之後還有什麼 App 最夯，那大概是 Prisma 了。Prisma 於 6 月 11 日做為在 App Store 免費應用軟體正式上線，由俄羅斯一個 4 人團隊開發。短短一周就席捲了東歐 10 個國家排行榜的第一位。上線不到兩周，下載量就超過 160 萬次。截至 7 月 19 日，Prisma 就已經有超過 750 萬的下載量。（Source：Amaziness）不是老土的「美圖秀秀」，Prisma 做不到將你的自拍磨皮美白，或者放大你的眼睛，Prisma 擅長的是將照片變成一張真正的藝術作品。而且操作超級超級超級簡單，只要 3 步。那麼，Prisma 紅的背後有什麼「祕密」嗎？將在這篇文章為你揭曉。 一毛錢都沒花的「廣告」你肯定在外頭逛街的時候看到各種推銷人員，他們絞盡腦汁地吸引路人的注意，就為了讓你掃一掃他們的二維碼。然而 Prisma 沒有花一毛錢來打廣告，就能紅得一塌糊塗。Prisma 耍的是無需花錢的「小心機」。當你用 Prisma 改完照片保存起來，已經幫你默默打上了Prisma 的浮水印（如果不想要浮水印的話，可以在設定裡更改）。在轉發的同時，Prisma 也自動加上上了 #prisma 的話題。在 Instagram 上一搜，光是帶 #prisma 標籤的文就有兩百多萬條。不過真要紅靠的還是實力，就算俄羅斯副總統梅德韋傑夫發的 Instagram 沒上水印沒帶話題，還是被人一眼認出就是 Prisma 改的圖片。這廣告打得漂亮又毫不費勁。不過開發者 Alexey Moissenkov 表示，Prisma 在這麼短的時間內迅速竄紅已經是意想不到的驚喜了。 Moissenkov...