AI 療程推薦 5 階段判斷，它究竟能看見我臉部的哪些部分？
- 同一張臉，僅因燈光角度不同，推薦結果就天差地別的原因，468個點告訴你
- 從輸入照片到學習數據，AI判定的5個階段過程，以讀者視角輕鬆解析
- 若不想盡信結果，就必須了解誤差產生的條件
資訊截至 2026 年 9 月
從輸入、學習到依據
- 468 個特徵點即時辨識
- 學習資料構成 3 種來源
- 判讀誤差因光照條件差異達 23%
一張自拍照就能推薦療程
早上在鏡子前，我隨意地看著臉的一側，然後打開了應用程式。我拍了一張照片，結果顯示「肉毒桿菌」。昨天沒有出現的選項，今天卻出現了。
明明是同一張臉，但推薦結果卻不同，這是因為 AI 讀取的並非臉部，而是「468 個座標」。
只要光線、角度或妝容稍微改變，這些點的配置就會產生偏移。
拆解成 5 個步驟就能看清
臉部辨識演算法的運作流程是：輸入 → 特徵點提取 → 皮膚狀態分析 → 資料匹配 → 推薦輸出。
第一階段會在眼睛、鼻子、嘴巴、下顎線標記 468 個點，並根據這些點的間距和角度計算比例。
接著，將皮膚紋理、色素沉澱、皺紋深度等資訊疊加，與學習過的資料進行比對。
也就是說，AI 並非在判斷「臉美不美」，而是從數千張照片中找出模式，進而推導出「這種特徵組合的人，通常會接受這種療程」的關聯性。
重點 學習資料通常由三種來源構成 — 療程前後的變化、皮膚科診斷記錄、自我評估問卷。由於各來源的信賴度不同，因此結果僅為「統計趨勢」，而非「診斷」。
是非題
即使是同一個人的臉，光線改變也可能導致 AI 療程推薦結果不同
確認答案
O 僅僅是白光與黃光的光照差異，就可能導致判讀誤差高達 23%。AI 並非絕對標準，而是對輸入條件敏感的統計工具。
那麼，為什麼結果會產生偏移？
業界通常報告的範圍是，僅因光照條件差異，判讀誤差就可能高達 23%。
在白光下拍攝，色素看起來會比較淡；而在黃光下，皺紋則會顯得比較深。
化妝也是一個變數。如果粉底遮蓋了皮膚的質地，AI 會判讀為「光滑的皮膚」，並降低該療程的需求評分。
因此，素顏、自然光、正面角度是最能產生一致結果的條件。
- 自然光 vs 室內燈光誤差 23%
- 化妝前後判讀項目差異 1.4 倍
那麼，該如何解讀這些結果？
現實的標準是，將AI 療程推薦視為「探索的起點」而非「診斷」。
出現推薦結果後，不要立即預約，而應在與專業醫師諮詢時，再次詢問其依據。
此外，請務必確認臉部照片的儲存位置及刪除政策。
有些應用程式會將照片再利用於學習資料，若未經同意程序進行，日後將無法挽回。
錯誤的常識
誤解 AI 推薦的療程就一定適合我的皮膚
真相 AI 僅能顯示「這種特徵組合的人，通常會接受這種療程」的統計相關性。由於並未考慮我的皮膚狀況、病史、生活習慣等因素，最終判斷務必與專業醫師進行。
不應這樣使用 AI 結果
- 將推薦項目視為「診斷書」並直接預約療程 — 僅因光線、化妝條件改變，結果就可能不同
- 用一張照片在多個應用程式測試，並挑選最喜歡的結果使用 — 學習資料不同，判讀標準也不同；若缺乏一致性，參考價值便會降低
- 上傳臉部照片前，未確認儲存、刪除、再利用政策 — 部分應用程式未經同意即可用於學習資料
常見問題
可以相信 AI 推薦的結果嗎？
僅作為「探索的起點」。由於光線、化妝、角度等條件會造成較大的誤差，最終判斷務必在與專業醫師諮詢後進行。
為什麼每個應用程式的推薦結果都不同？
這是因為它們使用的學習資料不同。是以療程前後的變化為主要學習內容，還是使用了皮膚科診斷記錄，都會影響判讀標準。
臉部照片會儲存在哪裡？
各應用程式的政策不同。有些會將照片再利用於學習資料，因此在照片上傳前，請務必確認儲存與刪除政策。
Lumi 的話
請記住，AI 看的不是臉，而是 468 個座標。不要將僅因光線改變就產生差異的判讀視為診斷，現實的做法是僅將其視為「以這個標準來看，我展現出什麼樣的趨勢」。若有其他想了解的 AI 工具，歡迎隨時再來。
本內容僅供資訊參考，不能取代醫療建議。接受療程前，請務必諮詢專業醫師。
