(續前文) 前文提到「虹膜大健康」在政大園遊會裡安排了免費虹膜檢測活動，藉以了解AI判讀的缺失不足之處；而我也因為當天人數眾多、無緣體驗而稍感失望；所幸，這次的失望並沒有延續太久，因為就在幾個月後，新創團隊已對園遊會練兵實測後發現的不足之處進行了升級，並在5月份時安排股東成員與所屬員工進行了一場內部測試。而他們因為知道我在園遊會當天並未體驗到虹膜檢測，所以藉著這次的機會就邀我也一同參與、並提供回饋意見；於是我就這樣參與了他們的內部測試 (耶~~終於輪到我了)。
相較於上次政大園遊會熱鬧滾滾的公開練兵，這次在團隊股東的公司裡進行的內部測試不只人數較少、時間更是寬裕許多！所以這次受邀前來，我反而慶幸錯過了上次；因為在足夠時間的交流下，我不但終於拍攝了「虹膜」、也從虹膜判讀的過程中認識了「虹膜學」的學說基礎、更進而瞭解了他們掌握的核心優勢：「AI 精準分析」，真可謂收穫滿滿！如果要我用最簡短的方式總結那天的心情，我想我大概只能用「澎湃」來形容了。
澎湃也好、激動也罷，說法不重要！重要的是在經歷那天後，我很想與大家分享我的所知所學，並希望多用圖片、少用文字，盡量用最簡短直白的方式讓大家理解我那天的心得三部曲：
3-1. 虹膜是生物特徵
從以下的虹膜圖例中 (點圖可放大)，我們會發現虹膜是一個生物特徵，每個人都不一樣：
而這個生物特徵會依據我們各種健康狀態的變化，在虹膜的不同位置呈現「坑洞、裂縫、斑點、線條、顏色變化」等異常徵兆。而在「虹膜學」裡，這些徵兆就是所謂的「早期健康預警訊號」。大體來說，一個健康狀態良好的人，他的虹膜應該是平滑、清澈、具有光澤的，如上面的圖例；但一個健康惡化的人的虹膜則會呈現暗沉、混濁的狀態，並出現明顯的「坑洞、裂縫、斑點、線條、顏色變化」等異常徵兆，如下面的圖例 (註)：
3-2. 虹膜學的學說基礎
如果我們把虹膜由內而外分成幾環，再由0到12點方向分成不同區間，這樣就可以把虹膜劃分成多個區塊了；各位如果用「虹膜學」搜尋 Google 圖片，就會看到下圖般洋洋灑灑的搜尋結果。而「虹膜學」的學說基礎就是：虹膜的每一個區塊其實都對映著身體的特定部位。所以當某個區塊出現了上述任何一種異常徵兆時，就可以用來做為判讀的基礎、提早預防健康風險了。
3-3. AI 精準判讀
目前市場上的虹膜檢測服務，多是由經過培訓、取得認證的虹膜分析師進行判讀的，雖然有其專業度，但無可避免的前提是：只要是透過「人」來判斷的事都存在主觀誤差。
再者，虹膜產生異常徵兆是一種緩慢、漸進的過程，在面對微弱不明顯的早期徵兆時，分析師的經驗值是否足夠？做出來的判讀是否準確？這也都是消費者難以明察的。
而以上的問題恰恰就是這個團隊的優勢，因為他們本業經營至今，已累積超過數萬筆的虹膜數據資料了；而他們也正在用這些數據進行機器學習、持續修正誤差，為以後的AI精準運算分析而努力。我相信假以時日，他們的努力成果勢必會為市場與消費者帶來正面助益。只是機器學習與精準分析畢竟是需要時間的，而我身為他們的最新粉絲，就期許他們繼續加油、早日成功啦！…… (下篇內容)
(註) 圖片僅供比對參考，讓大家易於了解，並非正式虹膜檢測影像。圖片來源：Pixabay