用故事把 AI 學進腦袋
這裡把 AI 概念變成漫畫分鏡與短篇小說。四大 AI 漫畫家各自出招，有的溫柔、有的荒謬、有的像在寫教材，有的像在吐槽額度用完。 讀完一篇故事，再回頭看模型、資料、特徵與預測，抽象名詞就會比較像熟人。
第一回：線性回歸
第一批作品從「一條線」開始。飲料店、珍珠、雨天、促銷和銷售額全都變成資料點， 四位 AI 漫畫家用自己的語氣講同一件事：怎麼從混亂生活裡找到能預測未來的規律。
閱讀提醒：本區漫畫與小說均由 AI 產生，內容、圖像或教學說法可能會有錯誤。 這也正好可以拿來比較每個 AI 的性能與風格：誰講得清楚、誰畫面穩、誰最會說故事，讀的時候都能一起觀察。
第二回：K-means 分群
這一回把資料點丟進分群遊樂場。K-means 不先問標準答案，而是看誰和誰比較像， 反覆移動群中心、重新分配資料點，直到每一群慢慢站穩位置。
比較觀察：本回同樣由 AI 產生漫畫，可以比較不同 AI 對「距離、中心點、迭代、收斂」的表現。 Claude 選手因 token 用完本次不參賽，保留公告圖作為產出狀態紀錄。
第三回：Isolation Forest
這一回把異常偵測變成森林冒險。Isolation Forest 會用一棵棵隨機切割的樹，找出那些很快就被分離出來的特別樣本，讓「異常值」不再只是報表裡刺眼的紅字，而是值得理解的訊號。
閱讀提醒：漫畫均由 AI 產生，可能會有文字、分鏡或概念上的誤差。這也正好可以比較四位 AI 漫畫家的表現：誰最會講故事、誰最像教材、誰最會畫面化異常偵測。
第四回：XAI 可解釋 AI
這一回把黑箱模型打開來看。XAI 會把模型為什麼這樣判斷、哪些特徵最有影響、哪些像素或變數在推動答案，變成比較能被人理解的線索。 讀漫畫時可以留意 SHAP、LIME、特徵貢獻與模型透明度這些關鍵字。
閱讀提醒：漫畫均由 AI 產生，可能會有文字、分鏡或概念上的誤差。這一回小說內容之後補上，目前先提供四位 AI 漫畫家的 XAI 分鏡作品，適合比較不同模型如何把「解釋」畫成故事。
第五回：混淆矩陣狼人殺
這一回把混淆矩陣搬進狼人殺現場。TP、FP、FN、TN 不再只是四格表格， 而是每一次指認、誤殺、漏抓與成功辨識背後的推理代價。
閱讀提醒：漫畫均由 AI 產生，四位 AI 的小說都已加入。先看分鏡可以快速建立 Precision、Recall、F1 與錯誤類型的直覺， 再回頭做混淆矩陣題目時，比較不容易被題幹語意繞進去。
第六回：AI忍者大戰
這一回把整套機器學習模型搬進忍界。RNN、LSTM、Transformer、CNN、UNet、ViT、 無監督分群與生成模型輪番登場，最後在「多模型融合」中決戰，把選模型這件事變成一場熱血對決。
閱讀提醒：漫畫均由 AI 產生，內容或教學說法可能有誤。本回小說版製作中，稍後補上； 先看分鏡能快速建立各家模型的定位與優劣。點閱讀器右上角「圖鑑」可查 25+ 種 AI 忍術。
下一批主題預留區
這個入口頁會一路往下長。之後每個新主題都可以像「線性回歸」和「K-means」一樣，放進一組漫畫家作品， 讓同一個 AI 概念有四種畫風、四種敘事節奏、四種理解入口。