一個拼圖怎麼能有兩個解？

我現在和史蒂夫·穆爾德在一起，因為我製作了一個讓我非常自豪的拼圖。我馬上就要開始了 史蒂夫，試著看看。目前這題已經在板子背面解好了。所以史蒂夫，如果你能別看的話就好了 一秒钟。在家的各位，你們可以看到這是一張咖啡杯的照片。現在別說出來 史蒂夫，到底怎麼了？我要把這些零件拿起來。哦，它是磁性的，所以全部都吸附在板子上。 所以我會把它拆分成一個洗牌模式。好的，史蒂夫。是的。這就是拼圖。 謎題。現在你看到了。就在那裡。你必須將這些碎片重新拼合起來，組成一幅圖畫。 一件我們已經知道是什麼的東西。那麼，去吧。我為這件事感到非常驕傲。如果你 注意到其中一些圖塊在低解析度下看起來非常鋸齒狀，這是因為 這是一個複雜的過程，我們將詳細說明其中的每一步以及背後的原因。 看起來像是那東西的一種奇怪的抽象藝術版本。但首先，我們會 讓史蒂夫稍微花點時間試著解決它。完成了。好了，要來個大揭曉嗎？ 是啊，我知道它看起來像什麼樣子。什麼？這支影片由 Jane Street 贊助，他們的 令人驚豔的實習機會現正開放申請，我有一則公告 關於我和香港實習的內容。那是在影片的最後部分。 難道不像是甜甜圈嗎？簡直太驚人了。好了，我們在後期會展示一下之前的情況。 那確實是一隻咖啡杯。你是在做那種數學題嗎？說什麼哦，這是一隻咖啡杯。 杯子？不，是甜甜圈。對啊，因為你看那個甜甜圈，就會覺得喔，這不就是個杯子嗎。 好吧，史蒂夫，我們兩人都清楚這兩個解決方案是什麼。沒錯沒錯，因為這個問題…… 花了很長的時間才讓它運作起來。而且它們是完全相同的零件。沒有任何差異。 他們之間的詭計，而我們有一段動畫，清楚地展示這些零件是如何被重新組合的。 從一杯子轉變成一個甜甜圈。我對這件事能成功感到過分自豪。而且儘管如此 這張動畫看起來可能不太像，並非拼圖的所有凸凸凹凹的部分都完全吻合。 是一樣的。有不同類型。我只能保證這兩個只能互相搭配。 安排好了，我們馬上就會進入其中的數學內容。但首先，一切從這裡開始 當史蒂夫向我展示了一種稱為「擴散錯覺」的現象時，我手上正好有一個扭來扭去的謎題玩具。 而且我想看看你能不能想出一张图片，可以放在那里，會讓 這種扭轉方塊在兩個方向上都有意義。在我於影片中提到這件事後，我收到了 很多人試圖創造出能夠成功的作品，然後我收到一封關於使用生成式技術的郵件。 藝術，讓AI生成藝術作品，創造出在兩種方向上都能適用的圖像。沒錯，沒錯，就是這樣。 這就是我影片的內容。它講的是利用人工智慧運作的扭曲方塊視錯覺，但還有其他類型。 那些使用透明效果和其他類似技術的東西。那支影片現在已經上傳到史蒂夫的頻道了。 我會在下面提供連結，不過史蒂夫帶來了一些給我們看。哭泣天使。哭泣天使。沒錯。來自 Doctor Who。呃，不。尤達。是小尤達還是尤達？普通的尤達。我想是普通的。對，沒錯。 呃，你知不知道，我其實也有一個甜甜圈。沒有。對啊，你會非常開心地看到 它變成了一個冰淇淋甜筒。它們真是太棒了。是的，效果非常出色。 好吧，不是嗎？好吧，我們來看看，這個也很好。是的，這個確實不錯。 冬季的景色，然後呃，一塊掉了下來，但接著變成呃。大部分。大部分。它真的很有感覺 自家製作的氛圍，我超愛的。我原本還擔心我的會看起來有點不專業，畢竟就像 從卡片上剪下帶有磁鐵背面的小塊，但不行。是的。呃，史蒂夫，這到底是怎麼運作的？是的。現在。 在我們探討模糊圖像之前，先了解AI是如何工作的，例如你是如何給予它指令的。 它將文字轉換成一幅圖像。是的，突然之間。文字轉圖像 生成。所以這就是去噪的過程。哦。而且令人有些驚訝的是，它竟然真的有效。 你訓練一個模型來找出如何從影像中去除雜訊。沒錯，所謂的雜訊就像是你 知道穀物的特徵。是的。你可能會看到它，然後逐漸增加越來越多的雜訊，直到…… 那只是純粹的雜訊，然後你告訴模型把那個去掉。哦，所以你直接給它絕對的 雜訊。對。然後說嘿，這其實是一張甜甜圈的照片。對。把那個雜訊去掉。 是啊。但這裡沒有甜甜圈。沒有甜甜圈。所以實際上，情況並不好。 只說移除所有雜訊。當你試圖移除所有雜訊時所得到的結果 一次看是模糊的一團。對。所以你重複這個步驟好幾次，然後加上大多數的 雜訊回放，然後你再試一次。再試一次。稍微少加一點雜訊回放，再移除一次。每次 越來越少地將雜訊回復，每次得到的圖像也越來越清晰。 一個甜甜圈。沒錯。但當你使用 Stable 生成圖像時，你才不會在意這些事呢。 無論是擴散還是你剛才輸入的提示，只要輸入提示就會得到圖像。但你可以做的是，因為 它是開源的，你可以檢視程式碼。沒錯，你可以在這一點上說停止。沒錯。 不要直接跳到最後一張圖，請先讓我看看你最初想到的東西。 對。沒錯。那會是個有點像甜甜圈的模糊影像。對。然後你 好的，進入下一步。我不再想要甜甜圈了。實際上，請把所有內容重新排列。 這些零件。我想把它做成一個杯子。哦，好的。現在做那個。現在做那個。然後你說我…… 對不起，我不知自己剛才在說些什麼。實際上請把它們恢復到原來的狀態。我想要 一個甜甜圈，麻煩了。來回一下。哦，其實再想想。對，杯子。對。整個過程都是這樣 這就像那些小小的步伐，你正靠近一個杯子，但同時也在靠近另一個 甜甜圈，同時也包含重新排列的碎片。以及一點點選擇偏差 因為你會這麼做很多次，然後再挑選看起來不錯的。是的，也許你可以試試看這樣做。 實際上你會得到大量無用的結果。我甚至可以說，我們用相同的拼圖零件做到了。 很多杯裝甜甜圈的組合。這是我最喜歡的。但這裡還有其他很多種。所有這些 圖片所依據的正是我所發現的完全相同的拼圖結構。我們只是剛好有 選出我們最喜歡的一個實際印在上面。如果妳覺得會選不同的，請告訴我。 有一點我實在不太明白。是的，我們確實得談談這個拼圖問題。 是的。當你拼圖時，試著把凸塊塞進凹槽裡。技術性地說。 說得對。有時候形狀不吻合。正確。是的，這正是設計如此。實際上 只有當這兩塊原本就應該在一起時，內側才會與外側吻合。 但這有兩個解，表示你某處產生了重複的內接配對 還有外型的形狀。對。好的。這是一個五乘五的方格。對。如果大家快速思考一下 你會發現內部邊數共有 40 條。沒錯。這表示如果這像是一種 手工製作的拼圖會有40個獨特的凸塊和40個獨特的凹塊，但這個拼圖的數量要少得多。 不同的類型，它們出現了多次。實際上共有七種不同的出入情況。 組合，而且每種都出現了五到六次。哦，因為在我的想法中，最極致的事物是 每組配對只需出現恰好兩次。這是一個很好的觀點。是的。但那是 糟糕的做法。所以當你第一次向我展示這個想法時，我心想：不知道是否有拼圖可以做到這一點。 一個有兩個解的謎題。我心想，等等，它一定存在。嗯，大概存在吧。因為 如果這些都是不同的，那麼只有一個解答。但試想一個拼圖，其中這些元素就是拼圖的一部分。 都一樣。只要你有系統性，當然可以把任何一塊放 anywhere。 邊緣。是的。但假如所有這些邊緣總是保持相同的朝向，無論是進出、出進、進出，都始終一致的話 零件。是的。這些零件是可互換的，你可以隨意放置。這樣就會有太多種解法了。 那很無聊。會有數量驚人的解。是啊。所以我就想，好吧。 極端的情況下，如果所有方式都一樣，那麼你能想到的辦法就會多到荒謬的程度。 把它拼起來。對。而在另一端，你只有一條路可走。對，我知道這並不嚴格符合。 雖然有保障，但感覺中間應該有一堆是兩個一組的。所以我就這麼做了 我怎麼會知道，我聽得到它正在逼近。你會相信嗎，我拼湊出了一些糟糕透頂的 Python 程式。 程式碼。是的。而且我探討了當你改變不同類型邊的數量時會發生什麼情況。 一個拼圖。對的。您想看看結果嗎？好的，請看。我是這樣做的 想過這件事，如果我有一個隨機的五乘五拼圖，只是我可以選擇有多少種不同的拼圖塊。 輸入和輸出的類型有哪些？平均而言，它會有多少種解法？對。所以如果每個 拼圖只有一種解法，然後你隨機組裝一個，它就只會有那一種解法。 你開始時就只有一個解，沒有更多了。是的，偶爾可能會出現第二個解。 或者也許是第三種解法，那麼平均下來你會有大約1.0000多個解。 而且這個數字越大，就越能顯示出你會得到多少個解。 所以這是一個情節。讓我為你逐一說明。對，這裡下方是數字。 不同類型的邊緣。對的。所以這是一個五乘五的方格，包含六種不同類型的邊緣。 一壘安打和六種出局方式。好啊。所以最多大概是多少，應該是40個左右。 40. 而最低點是……你知道的，一個。是的。所以我並沒有一直降到最低點。 因為你看得出來，這是一個呈指數增長的圖形，直線向上飛升。其實我並沒有 甚至我原本以為會得到六個，因為我執行了程式碼，每種都跑了百萬次。是的。然後接下來是 百萬的六，因為我從十八歲開始，一路往下算，花的時間太長了，乾脆我就直接做了 從7歲到18歲的經歷，我便繼續向前走我的人生。是的。但第二天，我偶然間回頭看了看 我在筆電上，讓程式繼續執行，結果已經出來了，是六。哦，太好了。我心想，哦～ 很好，我可以走六步。是的，因為不同的連接越少，可選的路徑就越多。 有四種方式可以按照你的程式碼來排列它。必須探索所有可能的解法。我們會得到 稍後再談這個。是的，情況不好。所以最後我決定選七，這就是為什麼…… 你忽略外緣，這部分有七種不同類型的內部凸起結構。對的。 然後我只針對七製作了一個長條圖，以了解我面對的是何種分布。對。 條形圖看起來是這樣的。因此，絕大多數情況下只有一個解。是的，96.0306% 的時間都是如此。 對。你只有一個解決方案，別無選擇。這裡是黃金區域。這正是我想要的。 3.7% 的時間，這不算差。例如，如果一台電腦只是以驚人的速度生成這些內容， 3.7% 的機率符合你的需求。但就你獲得大量情況而言，我可以說 這些解決方案都會非常相似，就像交換兩樣東西一樣。完全正確。所以那就是 當我意識到等等，我這裡有個問題。我想要一個拼圖，上面有兩個 不同的解決方案，但我希望它們盡可能地各不相同。是的。因此，我接下來必須 測量解之間的差異，然後試圖獲得最大的差異 他們。是的。這個情況下，兩個延續方案中只有兩個接合處是相同的。對。接下來我做了 找一個只有一個相同的，因為我愚蠢地讓程式一直執行下去，但我 已經太深入這件事了。我們已經花了太多工夫尋找那張圖像。我本來不該…… 即將跳槽到另一個。好吧。但從技術上來說，有一個更好的。好吧。是的。 總而言之，重複的邊類型越少越好。正確。因為這使得它更優。 有趣的謎題。一個較不令人挫敗的謎題，你知道兩塊可能可以拼在一起。 但實際上，這對兩者來說都不是解決方案。正確。在一個完美的世界裡 我本可以每種放兩個，總共二十種，非常令人滿意。是的，但這很難做到。 要找到它。至少用我的程式碼是這樣。所以讓我們透過公開的程式碼審查來讓它更容易被找到。它是 過去對你來說運作得如此順利。我只是覺得，然後你知道，你可能會發現這很美。 拼圖。對。好。好吧，好吧，好吧。好，現在我知道你會建議我的程式碼可能會 會更好，但讓我解釋一下我是怎麼做的。好的。然後每個人都能做得比我更好。聽起來如何 很好。我首先需要的是一段能夠解拼圖的程式碼。 是的。換句話說，就像穩定擴散（Stable Diffusion）一樣，能夠對影像進行去噪處理。 是一個本身就有用的過程。是的，我只需要那個過程，也就是採取一些 拼圖碎片，並解開那個謎題。我寫了一個程式，名叫拼圖檢查器，你可以將其輸入其中。 可以將一塊部分完成的拼圖連同所有剩餘的拼圖塊一起放入，然後系統會開始檢查哪些拼圖塊能吻合。 它不叫拼圖求解器。它並不是在試圖解決拼圖遊戲。它只是選擇一個位置。 從左到右、從上到下，下一個位置是，然後它開始檢視哪一個 剩下的零件總有一個能 fitting 在那個位置。最終總會有一個合適，你可能會想，哦，現在我們終於可以了。 開始檢查下一個位置。不，那是 jig 求解器會做的事。jig 檢查器只是直接接受 一個完整的複製品，將迄今為止所做的一切都放入一個新的自身實例中，而它就是 另一個會檢查下一個位置。第一個夾具檢測器會持續檢查同一個位置，直到 每一項都已檢查過。它的任務已完成。它將僅僅從現實中消逝。 新的會開始檢查新的位置。嗯，我說開始檢查，但實際上未必會立即發生。 這個精確的順序在處理器中。重點在於這段程式碼是遞迴的，而這違背了我的良好判斷。 這裡是我的實際 Python 程式碼。你可以在最上方看到我定義了一個稱為 拼圖檢驗器。您告訴它拼圖的大小，然後提供所有已經有的拼圖碎片。 已解決，它們已被放置到位，所有剩餘的零件都已就緒，還有一個稱為「點」的東西。我稍後會談到這一點。 瞬間，程式開始執行，分析需求，檢驗哪些組件符合要求， 就像旋轉它們以確保檢查了所有方向。如果其中一個適合，你就能看到 這裡會複製到目前為止所有放置的零件，加入符合條件的新零件，然後複製 剩下的那個，移除我們現在已經放入解中的那個，然後直接將其放入 امية בדיקה. הוא פשוט מעביר אותו לעצמו. אני אוהב 프로그רמינג רקורסיבי. אני צריך להסביר 薯仔啦。這名字太荒謬了。我自己也不明白為什麼會用這個名字。我想以前我大概是…… 熱不多的土豆被來回傳遞。這是一個獨立於所有遞歸之外的全球清單。 治具檢測正在進行中，這意味著只要有任何一個治具檢測器解決了最後一塊零件，就完成了。 這個謎題的解答可以放入 Spud，這表示我只需運行所有的 jig 檢查工具即可。 直到它們最終完成，然後我會查看這個全球資料夾，以了解有多少個 它所擁有的解決方案，大多數情況下會返回單一解決方案，但每當…… 有時也會出現另一種解決方案，這正是我所尋找的，並且已經給出。 我现在要給你看看我那些糟糕的 Python 程式碼，反正我也應該讓 Steve 一起看看。你知道的 我想，我還是把我的判斷力放一邊，給你看看一些程式碼。我不知道自己為什麼要這麼做。 所以我本想說我無法理解，但這是 Python 程式碼。這是 Python 程式碼。你可以讀懂的。 是的，那是散文。好吧，所以你大概能明白我當時在做什麼，我寫了 一堆其他東西在別處，而拼圖檢查器就是解決拼圖的過程。 謎題，並返回所有解答。對。還有其他程式碼可以旋轉 它可以生成一個拼圖，可以命名一個拼圖，也可以變異一個拼圖。所以我所做的 首先，程式碼會隨機生成拼圖，然後檢視那些拼圖 回來提供兩個解決方案，檢查它們的差異性，並計算邊緣的百分比。 已經改變，我在此設置了一個啟動門檻，為25%。因此它會隨機執行。 直到找到一個有超過四分之一邊緣不同的為止。是的。然後它就會輸出 就是這樣。所以這就是在這裡找到的結果。接著它會將其輸出為這段代碼，產生出你所擁有的內容。 我設定為某個數量的兒童，讓我們看一下這裡，嗯，6,000。它會將其變異為 6,000。 不同的方法。是的。它可以改變突變的數量，並檢視全部六千個後代。 找出在解決方案差異性改善方面表現最佳的一個。是的。將其作為 新手父母。有嬰兒。六千個嬰兒。好的。找出其中最不一樣的那一個。 對。然後有六千個嬰兒，這些嬰兒我做了很多檢測。對，六個突變。所以 它隨機進行六次交換，是最大化改善效果的最佳方法。很好。但接著你卻 聚焦於解決方案。因此，如果用六次突變無法再改善，就會改用五次突變。 然後是四次突變，接著是兩次，一路往下到一次。很好。好的。然後它有 某個宏大的目標，它正朝著那個方向演變。是的。然後它將其吐出來。是的。接著又重新開始。 然後吐出來，再重複一次，吐出來。所以我做了很多測試，因為如果你 生更多孩子，演化會更好，但每次測試所需時間更長。是的，因為如果生得少， уровень 孩子，你們可以通過考試，但每次考試都不如前一次。我會為每個考試分配進與出。 一個解決方案。是的。然後在將其構建為第二個解決方案的過程中，我會對其進行調整。 對。你知道嗎，我會在螢幕上顯示一下，這段程式碼剛寫出來時的樣子。 因為它只是一組列表，每個列表都從西邊開始，然後是 四個數字。所以這個我記得大概是 0012 之類的，或者在這裡的其他數字。對。 那就這樣了。它只是稍微彈一下，但更小了。這很酷。不過，夢想中的絕對理想狀態是 一些拼圖比例。我將所有方塊都設置成可以是任何類型，但每種類型的內接和外接必須各兩個。 匹配並有兩種解決方案，且無重複匹配，以非平凡的方式，以防萬一存在 某種輕鬆的方式，就像把所有事情都直接轉移過去一樣。是的。如果你打算加以改進， 我所做的就是從零開始寫你的程式碼。我不會用我所做的來做這件事。你可能會 現在你心中正疑惑兩件事，其實那兩件事本質上是同一回事，那就是究竟你到底要怎麼做才對。 將我找到的拼圖解決方案放入AI圖像生成器中，就像這樣 我該告訴它那些凸起的部分在哪裡嗎？是的。你可能會好奇，如果你仔細觀察的話 這些圖像的解析度明顯很低，邊緣相當鋸齒狀。 內部細節非常模糊。攝影師亞歷克斯和製作人尼古拉花了很長時間 用手术刀般的精准切除實際的像素。他們做得太棒了。這是由於我們當時運行方式所產生的副產品。 程式碼。而你們讓我認識了出色的瑞安。是的。還有向。對。還有他們 向我解釋了你實際上如何將你兩個不同的狀態——無論它們是什麼——輸入進去。 輸入程式碼並獲得你的模糊圖像。認識瑞安·伯傑特，那位最早提出擴散概念的人。 在攻讀博士學位期間，他們產生了許多幻覺，這些幻覺與電腦視覺和生成式人工智慧有關。其方式是 擴散模型的工作原理在於逐步完善圖像。因此，如果你能逐步完善一張圖像 同時以兩種不同方式進行，你就能同時建立兩個不同的影像目標。 時間。突然想到，把某物翻轉過來效果非常好，因為 你的視覺系統作為人類，不習慣看到倒置的東西。因此，你可以隱藏一些額外的內容。 這裡有相關資訊。這是萊恩的擴散幻覺網站，其中包含各種令人驚嘆的幻覺。 在這裡。我會在下方的描述中附上連結。我們有這些疊加式的，還有其中一些 我最喜歡的是那些滑動類的，可以把所有圖片移動到彼此上面的，我就是這樣做的。 現在正在做什麼，他們卻給你一張新圖片。這會是什麼東西呢？天啊，真是讓人受不了。 不管怎樣，你還是去看看吧。這裡面有些非常酷的東西。但現在的重點是，我們該怎麼做 我要製作我的拼圖幻覺。因此，UV貼圖是一種將紋理映射到物件上的方法。 其中我們有兩個值 U 和 V，它們是影像座標，且對應於網格表面的每個點。 會有不同的UV座標。我們實際上可以用紅色來表示這些UV座標。 分別為紅色和綠色，然後使用不同影像的紅色和綠色值進行分配 紋理像素的去向。在我們的情況下，我們有兩張UV圖像。運動的圖像。 一個UV地圖。其中一個是基本的UV地圖，角落為黑色，其他部分為黃色。 角落處有一個綠色角落和一個紅色角落，這就是識別用的UV地圖，其中什麼都沒有。 變更。然後在我們的情況下，我們還有第二個UV貼圖，也就是我們重新排列所有拼圖的區域。 貼圖。在該UV貼圖中，它基本上提供了每個像素移動位置的一一對應關係。 一個密集的對應關係，用於將未扭曲影像的像素傳輸至新的扭曲影像 現在是移動過的拼圖碎片。這是 Ryan 傳給我的未扭曲的 UV 圖，不過現在 每個方向都是 255。這是因為我的謎題位於五乘五的方格上，所以必須是這樣。 五的倍數。每個盒子都是 51 乘 51 像素。事實上，這是實際的低解析度版本 我拼的拼圖，你只看得出這些零件有多塊狀。但雖然如此 獲得更高解析度UV地圖的其他方法，我們最終選擇了255乘255的尺寸，這樣我就能 然後選擇一段，例如這裡的這一段，如果你放大查看，會發現我已經關閉了 反鋸齒等功能，但最終仍未能達到完全完美，這略顯不足。 煩人。但重點是，我之後就可以從UV貼圖中選取它，所以我們就在那裡把它剪下來。 而且我知道，因為我的程式碼能輸出目的地，所以如果現在我把這些內容放進來，我就知道…… 我得把它往一邊轉動一下，這樣那一個就會正好對準那裡，所以我就這麼做了。 透過這裡，它逐像素地移動，實際上在這裡你可以看到，這些才是僅有的 兩個位置中，兩個零件仍與其原始鄰居接觸。其餘部分則已脫離。 來回調整了一下，最後的結果雖然不完美，但已經足夠讓我們順利通過了。 我將說明如果你想要自己玩這款遊戲，該如何取得一份副本，請務必告知我。 如果你寫程式寫得更好，首先我們要感謝這支影片的贊助商——Jane。 街道。賈恩街。金融界的賈恩街。我由賈恩街贊助。嗯，你們的 一段影片。我的也是。真的嗎？是啊，他們的實習計畫，他們的實習計畫太棒了。 你可以現在就應用的。是的，這實在令人難以置信。特別是針對香港的情況，怎麼樣？ 是的，Jane Street 為即將畢業的學生提供極其慷慨的帶薪實習機會。 2026-2027學年申請已開放。他們在紐約、倫敦設有辦事處，正如史蒂夫所提到的。 在香港。因此，如果你想在量化交易、軟體工程等領域實習， 研究並進一步了解後，您可申請任何辦公室的實習機會。您不需要 擁有金融背景是參與該計劃的條件之一。許多像珍妮·斯特里特這樣的人也處於相同的境況。 正如你之前所說，在實習或工作期間他們都學會了。因此我非常推崇 推薦你如果符合條件就申請，或者告訴其他符合條件的人，因為這是一個 絕佳的機會。他們將支付你前往實習地點的所有費用，包括香港。 提到香港，還有一個額外的優惠。如果你最終來到香港的賈恩街， 實習期間，你將有機會見到我。我已經預訂了前往香港的行程。我正在前往的路上。 2025年6月的澳洲。所以如果你當時在那裡實習，我會去辦公室一趟，做個演講。 我之前已經做過兩次了，我非常期待這次。你還沒有去過香港。 辦公室？還沒。雖然我們曾在倫敦的 Jane Street 辦公室一起談過話。沒錯。 沒錯，Jane Street 的人很棒。請查看下面的連結。影片到此為止。我先走了 為了讓這項內容可供使用，我將在描述中附上兩個連結的文件。其中一個就是這個 就像解開的狀態一樣，所以你仍然可以把它剪下來，自己嘗試解開。 而且我會做一個全部混亂的版本。所以如果你想挑戰一下，就下載那個版本吧。 列印出來，剪下。祝你好運。非常感謝史蒂夫·莫特今天到來。我想你 還應該提供所有切割線的向量圖像，這樣如果有任何人擁有激光切割機，就可以使用。 那個檔案不存在，因為我是在 Photoshop 中手動移動像素的。我沒有 準備好了嗎？好吧，感謝邀請我。感謝觀看這段影片。請去查看史蒂夫的內容。 頻道。只是覺得想想它可能如何運作很有趣，而且這裡有點光澤。是的。那閃光 也可能是背景。我喜歡玩找把手的遊戲，因為這裡某處一定有把手。 接近答案了。我相當確定就是這裡。