因為以 Daniel Craig 為邦的 007 系列重啟，已經宣佈劃上句號。所以可以將個系列歸納一下。主要是想比較這五部不同編劇、不同導演、不同發行商，但是主角相同，時空相近的作品。以作為營運和產品的反思案例和素材，以電影為行業。

~ 博客內影評 ~

貼回之前寫的每套影評連結：

影評：007 – Casino Royale
影評：007 – Quantum of Solace
影評：007 – Skyfall
影評：007 – Spectre
影評：007 – No Time To Die

~ 營運 ~

先寫一些營運方面的指標。

~ 電影藝術 ~

然後再寫一些電影作為藝術作品的指標。

Daniel Craig 的 007 的系列的最後一部、第五集。評分：Rotten Tomatoes 83%，IMDB 7.5/10。筆者評75%。 #劇透慎入

~ 主線 ~

1. Swann 的原生家庭，和與壞蛋 Safin 的往事。
2. 邦與 Swann 互訴成長創傷。被埋伏。和分手。
3. 五年後，Spectre 偷取了科技並拹持科學家 Valdo Obruchev。科技是 M 的項目 Heracles 海格力斯，一個標靶納米生化武器 (DNA-Targetting Bio-Nanobots)。特務 Nomi 取代了邦作為 007 編號。
4. 邦受 Felix Leiter（第一集 Casino Royale 中的美國特工）招募而加入作特工。和 Logan Ash 、並美特工/邦女郎 Paloma 潛入 Spectre 聚會點調查。科學家偷換了設定，殺了所有 Spectre 成員，然後隨邦逃走。回程中，Ash 背叛而殺了 Leiter、帶走了科學家 Obruchev。邦逃生。
5. 回到倫敦後，邦想接觸 Blofeld 去查問有關幕後僱主。得知 Swann 是惟一能接觸 Blofeld 的人。而 Swann 受 Safin 唆擺去殺 Blofeld。邦見到 Blofeld，Blofeld 承認 Swann 沒有背叛邦；而邦因不知情而傳送了 nanobot 給 Blofeld 而殺了他。
6. 邦追縱 Swann 而找到她童年居所。遇到 Swann 的五歲女兒 Mathilde。Ash 來襲擊，邦帶二人走難。邦與 Ash 爭鬥期間，Safin 捉走了 Swann 和 Mathilde。
7. 邦和 Nomi 用滑翔潛水機，潛入 Safin 的基地。邦救了二人，然後交給 Nomi 帶走撤離。Nomi 殺了科學家 Obruchev。邦開了門然後給了訊號發射導彈。
8. 最後 Safin 阻止，邦打鬥中感染了 nanobot；為保妻兒安全留在島上犧牲。

~ 簡評 ~

這集的故事內容都較前幾集具體，和立體。所以筆者也給了稍高一點的評分。不過故事也有不少犯駁，而且 Safin 的動機和角色太含糊；總之大概就是想報復 Spectre 的人、也大概是 Swann 的養父。

而思潮的歷史時空上，邦女郎也因為多元正確而加入了南美裔的英國演員。

而連貫式的故事來到第五集，開始漸有沉悶感；總之主角光環會勝利。所以電影雖然算做得不錯（若非這原因，筆者可能會給 80%），但是重複感高導致扣分。

~ 故事的哲理提問 ~

整個故事的理念，說穿了就是「建立一個 007 的倒影的壞蛋」。壞蛋 Safin 在與邦的對話戲中也提到，他和邦在骨子裡沒有兩樣，只不過是手段不同。這個提問值得在這裡寫一下供反思。

Safin 的提問是："00″ Status 是殺手特務，藉以維護世界和平，或只是執行國家給他的任務。那麼他用 nanobot 一樣掌握生殺大權，兩者有甚麼差別？若沒有客觀標準，不就只是立場先決、自視為公義，只不過是相比拳頭夠大、只不過是誰大誰惡誰正確、只不過是詮譯權的競較嗎？

邦在現場的回答，是：Safin 這方式，是搞亂世界、使世界大亂。

這答案若說是回答，不如說是有點自義。看了五集，邦有屢次都越過上級指令，也有多次越規殺人、私怨殺人。若說世界大亂，前幾集的邦就已是使世界大亂。邦的 00 Status，在第一集 Casino Royale 的 M 說得好：是要他夠成熟決定，甚麼時候應該做最正確的決定；而 M 也有點猶豫邦是否夠成熟和到時候。而這五集呈現出很多邦的不成熟、衝動、感情用事。這正正被 Safin 點出了問題。

可以說，Safin 這個提問，將這五集的邦電影，提出了一個平行時空中，另一個更成熟的邦的可能性。也正是回答了 “00″ Status 的 Licence to Kill；和在上個影評中筆者提到，「007 的意義」的反思問題，並若抽空意義就成了低俗殺戳的核心價值問題。

最後貼下劇照。

Daniel Craig 的 007 的系列的第四集。評分：Rotten Tomatoes 63%，IMDB 6.8/10。筆者評50%。普通 007 電影部，老話題，故事和演譯上都未算突出，但也不失為一個普通的電影娛樂。而扣分位在犯駁太多，而且明明是上佳的經典素材拍成了炒冷飯。

~ 題外：影評這玩意兒 ~

題外，請下寫影評這回事。

寫影評的思考方法都是幾個。(1) 分享下對電影作為一種藝術的鑑賞。(2) 讓其他有看過同一電影的人，在不同觀感、不同角度之間，再看這電影一次 (3) 讓未看過同一電影的人，看下是否值得推介、或者是否伏戲；或有沒有自己想看的東西，或觸類旁通 (4) 分享下一些相關的筆者的生活上的連帶思想，因為電影都是種具教育和啟發性的媒介 (5) 對電影為作商業建設和產品，在營運方法和產品方法上，在筆者的主業本科上，寫下和分享一點思考方法 (6) 人生路上的感悟，人生意義的探究心得 (7) 純電影樂趣和寫作樂趣。

~ 回到正題：主線 ~

這劇的主線都是幾個劇情： #劇透慎入

1. 邦得到八爪魚介指
2. M 與 C 的政治角力。M 支持 “00″ 項目；C 覺得 “00″ 項目已經過時，推行全球資訊監控項目以取代之。
3. M 對邦的擅自行動不滿；上集 Skyfall 的同僚 Q 與 Eve 的詢問，知道原來是之前的 M 的遺下任務。邦得到 Q 與 Eve 的支持。邦參與葬禮，遇到寡婦 Lucia。然後得到了九眼的聚會地點。
4. 九眼聚會所中，見到 Franz Oberhauser。邦逃離聚會所。
5. 邦找到 White 的所在。然後也找上了女主角 Swann。然後也知道了九眼和之前三集的頭目是有關連，而且也和之前的 Quantum 機構有關連。九眼就是個最高權力的影子政府（影子政府即是民間傳聞的陰謀論中，掌握世界的真正的資源的權力的地下組織）。
6. Swann 帶邦到其父 White 提到的美國人，不是個人而是個酒店。當中找到 White 的密室，找到撒哈拉沙漠中的九眼的座標。
7. 到沙漠中找到建築物。然後找到 Franz Oberhauser。對談中知道是和邦一起長大，邦的寄養家庭中養父的兒子。因父愛的妒忌而憎恨邦，而有九眼。Franz Oberhauser 裝死後，易名 Ernst Stavro Blofeld，也就是 007 的經典宿敵（故事重構了經典角色）。邦被虐待，然後逃離。當中炸毀了基地，傷了 Franz。
8. 回到倫敦，眾人去拘捕 C 並要阻止九眼上線。幾經掙扎，M 與 C 的爭鬥中，C 墮樓而死。Blofeld 因基地破壞的眼部受傷，出現與邦對質後，邦救了 Swann。然後擊落了 Blofeld 的直昇機。Blofeld 被捕。完場。

這套電影的犯駁指數：70%。主角光環太多，不單車逐和槍戰具不死身，面對插入式腦部手術都具不死身。壞蛋的原因太低級（為父愛的妒忌搞咁多野）。九眼的雷聲大雨點小；形象不足。為塑造 Blofeld 眼傷畫面而勉強劇情。國際關係太無能。

~ 好的邦電影 vs 壞的邦電影：邦電影的方法討論 ~

邦電影在電影史上都已算是一個經典。而且已是一個入屋、具典型的電影。邦電影的主要元素，是可以陳列出來，並且分析其構造方法，和造成的質素上的差異。

~ 元素 ~

邦電影的元素，不外以下幾個：

1. 一開場的任務、場面氣氛；然後都一定會有打架和特技場面。用以校準觀眾期望。
2. 然後有 007 的向著鏡頭開槍的經典畫面。然後播主題曲，並且順著播放 007 的片頭藝術 (007 Title Sequence)。通常都是些將現代舞和意識流，crossover進 007 的特務、陰謀、國際、特技場景。
3. 然後順著一開場的任務，做個「起承轉合」中的承與轉。漸漸引入主要任務、主要角色、主要壞蛋、主要陰謀。就是整個故事與場所。
4. 主要角色
   • 邦女郎。和（通常都是太開放的）性。
   • Aston Martin 靚車。
   • Q。科技工具提供者。
   • M。邦的頂頭上司。
   • 敵頭目、陰謀論、邪惡集團
5. 車追逐、槍戰、格鬥、暗殺、埋伏、潛入、駭入、美男計。

~ 命題 ~

邦電影是有個問題：因為觀眾通常都是知道甚麼叫「邦電影」的人、整個系列來看的人。只看單套的觀眾不多。所以，若太有套路，觀眾就都會覺得沉悶。這點和 Marvel 電影相似。

而正因為是系列型觀眾，相反來說，若太不像典型的邦電影，就會有期望落差、貨不對辦的問題。而好消息是這點的調節空間是有的，視乎編劇和導演的功力。

~ 好與壞的分別 ~

所以，邦電影若是「典型太多」，只集中在車追逐、槍戰、特技；或邦女郎、名車；若只集中在這些身上，就會失去了故事的立體和色彩。差不多只淪為電視劇、天天都播放一樣的廉價娛樂。

而邪惡集團、陰謀論、大壞蛋那些，也是一樣。這類素材，在廿一世紀喜歡看電影的我們，已知道過不少。要造個更有意義的意象，是要有點電影工匠的技術和心機。

所以，構造個好的邦電影，是要有：(1) 好的故事：世界觀、人設、陰謀論、政治演繹 (2) 好的講故事能力，引人入勝 (3) 車逐、槍戰、特技那些，要恰到好處 (4) 邦女郎和名車是必備，但荷里活從不缺這些。

還有幾個操作也是要考慮的主要元素，而且也是常見和容易的崩壞點：(1) 邦的主角光環，太過無敵就會犯駁和不好看 (2) 劇情切忌犯駁 (3) 科技太強、誇張 (4) 用特務機構太無能，去顯出邦的強大 (5) 管治和計劃太廢，似乎靠前線人員單靠打殺就能解決一切問題 (6) 邦女郎沒認識幾天就性，和為劇情需要講到很深感情；濫性和濫情。

而且，以前的邦電影，邦像是個廣博見識的知識分子。近年的邦電影，邦像個文盲、無乜知識，只懂上陣肉搏和耍小聰明的小混混。

~ 007 的「意義」 ~

加個註腳。以前邦電影會有邦也停下反思意義的時候。但近年的邦電影，邦差不多只淪為使命必達的機器。

所以近兩集（(4) Spectre 和 (5) No Time to Die），對邦的形容，也是到底他是任務執行者，還是純粹殺手。這也是對 “007″ 這個概念的一個最好反思。

“00″ (“Double O Status") 在電影中是個編制，即是 Licence to Kill 可以為執行任務，而被國家賦予權力合法殺人。而反思問題是：這 “00″ 的意義，是殺人本身？還是為執行任務本身？

殺人是傷害、有違天理。但任務的意義是帶來「價值」。價值當然是指「一切的正向與美善的價值」。而這正是 “00″ 的意義上的吊詭：當為執行為美善的價值的意義的任務時，若有邪惡力量的阻攔，例如殺一個救十個，倫理上是否可以以殺人為手段，去達到美善的價值？這在廿一世紀，就是很多人都知道的電車命題。在數十年前的荷里活，就是 007 電影的核心。一個供價值和意義上的反思的提問。

而這 007 電影 / 邦電影的核心的電車命題，在近年的邦電影中已著墨越來越少。當邦電影的反思意義進入蒼白，邦電影也只流於特技和低俗的陰謀論。

最後貼下劇照

筆者最後想寫一篇，分享有關若非技術人士，可以怎樣最優化掌握人工智能的好處。

掌握用法和商業應用

一般若並非以電腦為主修學科，也一樣可以有效掌握科技。最簡單的方法之一，就是掌握其用法 (Use Case)、用戶處境 (User Scenario / User Story)、用戶流程 (User Journey)、用戶體驗 (UX: User Experiences)。

掌握這五者，加上學習相關應用軟件的用法，就大概夠用。例如不少人在做的掌握 MidJourney 和 Stable Diffusion 的用法。在大部份需要科技的商業公司，包括不少藍籌企業，都需要有科技產品設計 (Product Design)、商業發展 (Business Development)、巿場營銷 (Marketing) 等的人士。而以上這段的技能，就是大致都包括了產品設計上的基本技能。

而可以想像和明白：掌握了產品層，然後專業技術就去找技術人士幫助。這樣就會分擔到不同的功能和設計工作。

演算法和概念的學習

除了產品，也值得留意學習科技業內的演算法。演算法大多都未必需要高深的技術知識。例如人工智能的強化學習 (Reinforcement Learning)、Transformer Model（有勉強譯作「變換器」，是其中一種智能網絡模型）；或當中一些演算法例如 Gradient Ascent/Descent（梯度上升法 / 下降法）之類。這些都是類似科普知識，經閱讀都能掌握。

以前區塊鏈時代，筆者也是向人推薦可以學習演算法。例如拜占庭容錯演算法（去中心化的核心，BFT: Byzantine Fault Tolerant）、零知識證明（ZKP: Zero Knowledge Proof)、區塊鏈高速架構的優化設計、等等。這些科普知識，當中的設計包含了不少奧妙、有趣、而不深奧的邏輯方法。差不多若開個 youtube，10-15 分鐘都可以簡單講解。例如 Wired channel 向不同程度的人解釋上述的 ZKP，對談對象包括10歲和13歲的少年也能清楚明白（連結）。而且不單是用在電腦科學，是可以用在任何的領域當中。

下面左圖是 Transformer 的設計。而右圖是簡化圖解梯度下降法（演算法）的概念。

科技普及階段模型

以前筆者親自設計和分享的一個科技應用普及的階段模型。在這裡也貼一下。都是那些階段見過不少科技的普及次序後，歸納出的一個原理。科技可以有個分類：

1. 國家級。最尖端的科技是一般平民接觸不到。例如 Siri 便本來是由民企與國防合作投資開發的科技。互聯網本來也是，來自其前身 Arpanet。

2. 實驗級。一些已公開科技，但仍是很初步，資源甚少。與其說應用，不如說開荒。而且很不好用、不穩定。一般只會由科技人去接觸。

3. 普及工程級。具普及的 API。

4. 普及民用級。所有人都能接觸到的科技。例如瀏覽器、通訊軟件、Facebook、Google 之類。

通常任何在媒體已取得潮流的科技，都會是上述 2與3之間。會有很多普及功能，但若要找最先進的功能，很多仍是實驗級，需要很多整頓和除錯時間。

行業應用

怎樣將科技帶到其他行業中，使到其他行業也可以得著科技的好處。這是將科技普及化的意義和價值。而這一點，是需要不同行業中長期深造，深化明白不同行業原理的人員，與科技人員配搭，一起設計出科技工具，使到不同行業都能得益。這是科技普及的意義。

而這也是現代化，將學術成果能應用到「官、產、學、研」，並使到產業應用的生態，能回饋到學術和研究內，的系統方法論。

第一篇講了用處 (Use Case) 和前景路線圖。第二和三篇講解了智能叛變和智能安全。第四篇筆者講解下，拆開智能的神祕面紗。就是從技術面和雲端並架構上，講解下智能的架構。當中並會進一步領會到其發展的可能性，和商業機遇。

模型

以現在這刻來說，模型大多都分為這些：語言、圖像、語音、影片、視力 (Computer Vision)、MLLM（Multimodal LLM，請參第一篇）等等。而一般都是在一些開源平台上發佈。

人工智能圈內的研究和開源平台，都有不少研究員或科技人士參與。筆者也有參與，也造了幾個為作講解科技範例的軟件，有在 個人用戶的 Appstore 上免費分享（連結）。

智能科研圈內都共用著不少開源的資源。例如模型一般都在 HuggingFace 和 Github 上開源分享。

模型框架

一般的模型都會運用幾個框架 (Frameworks) 之中的一個：主要是 PyTorch (by Meta) 和 TensorFlow (Google)；或其他較次要的例如 CoreML (Apple)、JAX (Deepmind)、ONNX (Meta + Microsoft) 等等。PyTorch 仍是最多模型運用的框架。

模型是可以在框架間轉換的。例如若要放到 iPhone 上運作，若要運用 iPhone 的 CoreML 框架，就要從另一個框架（例如 PyTorch）轉換到 CoreML。

例如 OpenAI 開源在 huggingface 的語音智能 whisper，都是會提供 PyTorch, TensorFlow 和其他格式。也會有其他人包括筆者會嘗試將它轉換到 CoreML，為可以在 iPhone 上運作。

而模型以外的代碼，不少架構都是大同小異。而且具模組化設計 (modular design)。看得多差不多都認得來來去去那些架構。而且也可以拆開運用應付其他需要。

各個雲端平台

而通用平台上，各個雲端供應商，都已經發展出人工智能專屬的設備。只是還是初步設置，未及完善。例如 Amason AWS 上面，EC2 是有專為智能而設計的硬件配置，可以特別適切到 PyTorch 或 TensorFlow 的專屬硬件配置。AWS 也有 SageMaker 的專屬服務，專為智能的模型訓練 (Training)，和部署 (Deployment) 和建設/實施 (Build / Implementation) 用的平台。

雲端 – Amazon AWS

雲端 – Google GCP

Google 在人工智能的研究 (2011) 比 OpenAI (2015.12) 還早，所以在它的雲端平台 GCP 上，是比起其他雲端平台在智能的發展上更充份。在 GCP 上面，專業用的智能平台包括 Vertex AI 和 Tensorflow / TPU；還有一大堆人工智能功能，例如電腦視覺 (Computer Vision)、語言 (Natural Language)、語音 (Speech)、文件分析、翻譯、通話機器用的 Dialogflow (Chatbot) 等等的功能平台。（下圖截自 Google GCP）

雲端 – Microsoft Azure

Microsoft 的 Azure 雲端平台，因為與 OpenAI 關係密切也有著優勢。主要平台除了 OpenAI，也有 Azure Machine Learning，用作訓練、建設和部署。（下圖截自 Azure Cloud）

WEB4 應用

近月筆者在友間也在樂趣討論和分享著不同的人工智能運用方式 (Use Case)。除了這篇分享的內容外，筆者提到現在科技圈內外的主流聲音，似乎都還是對智能能力的想像力和創意上略有不足。而在這方面，智能會漸漸擴充大家對應用科技的想法。

這概念有點像我們前幾年說 WEB3 模型。區塊鏈被設計出來後，有區塊鏈圈內的人提倡 WEB3 模型，就是用區塊鏈做一些金融以外的東西。若智能按九十年代的電腦科學界內的前輩們的分類，說是 WEB4 的話，那麼除了文本、語音、圖像、影片等等之外，大概應該還有不少 WEB4 模型。而這點的可發揮性，可能會比 WEB3 更高。因為智能本身是個比區塊鏈用途更廣的科技。

而這當中，筆者會有個思考。因為人的創作力是和腦部方式有關。而智能來自的人工智能網絡的研究 (ANN, Artificial Neural Network)；而相關研究又是和人類的生物腦部結構直接相關。那麼，電腦對人類作品風品的辨識，是種對作家或畫家的腦部模式的辨識。那麼，智能應該可以對人類的思考方法，或另一個人工智能的作品，作出準確辨識。

而這些的應用，都是用同上面的框架、平台、方法上建設。

模型訓練

而筆者也提出，我們現在的模型訓練，長遠上都是會發展到用智能來訓練另一個智能。而是會將智能訓練這種功能、以致智能架構和技術，發展到超過了現在的方法。

而模型的訓練，包括 WEB4 的用途，大概都是可以用一個模型的輸出，來訓練另一個模型。只不過在同一功能上，訓練出的模型大概都不會優於本來的模型。而在這些模型訓練上，業界是已經發展出充份的量度方法，去測量模型的優劣。而且同一課題內，參與的研究人員都是有可見生態。認得出啲用戶名字，因為暫時來說生態內人數不多。