寄情築園小遊戲www.38kky.com

作者為世新大學副校長世新大學花了三年時間建置的全媒體大樓即將在三月底完成，意料之外的是，錄音工程竟然是其中最為費心的樓層；主要原因是，包括隔音、吸音、反射、防震等聲學處理，這些結構細節確實頗費功夫。期盼藉此短文略作分享，對收音技術的心得。收音人員經常會自我要求，如何將現場所收到的聲音予以忠實呈現。其實，不只是影像有高畫質的要求，聲音亦有高清晰度的規範，想要滿足收音的技術細節，確實比影像處理來的複雜；因為，收錄音不只是要面對監測的困難，後製時還需考量整體心理層面的營造。其大前提就是，「音頻不失真、響度不破音、雜音不干擾與情境不扭曲」高傳真（hi-fi）再現的概念。聲音具有輔助影像與場景的意義。各種類型節目的處理，聲音角色的適當使用，除了填補畫面的完整性外，更可增加情境、情節、情感與情緒的調和感。因此，對於影音情境或意象融合而言，與其說收音是一種技術，當然也是一種藝術。技術領域的運作，如何理出對聲音的感覺有其規律可循。諸如麥克風的規劃、發聲的技巧、音源的判斷以及收音的環境掌握等，皆屬不可或缺的條件；其中包括，如何靠近主音源、掌握靈敏度、避開干擾源、寬音頻再現、符聲學空間、重後製調音，尤其是選對麥克風等。無論劇場表演或影視現場的收錄音作業，麥克風的安置原則，如果單支麥克風即可完成，儘量不要用多支的麥克風。亦即，保持少支麥克風的原則，因為減少麥克風，就可避免在麥克風之間引起相互干擾的機率，兩支麥克風收到的聲音，經常會產生直接音源與間接音源共振效應(resonance)的現象。由前段敘述可知，現場收音與錄音室控音有許多不可忽視的條件，包括靈敏度、立體感以及整體音質的要求，從收音材料到收音環境乃至控音設備必須環環相扣，否則難有所成。收音品質的基本要求，音源必須在麥克風的收音範圍內（on-mike）；簡言之，係指麥克風能夠在有效的收音距離或在收音的區域內，同理，麥克風不能夠發揮功效，或是不能準確收音的方向，須強調的是，音源和麥克風的距離太接近，收音時經常發生的嘴唇離合的聲音、齒音、舌尖擺動的聲音以及呼吸的雜音，都將被錄進去。這些情況，都將造成後製過程對聲音品質的要求徒增困擾。收音前應先作好麥克風的規劃，先決條件乃考量要收錄那一種主要的音源，才可安排麥克風的類型與擺設位置；其次，再決定聲音的音源數量，以作為收音方式的依據。欲收錄多少音源，須將後續混音條件納入考量，判斷各種音源之音量、音調與音色等。除了高傳真的要求之外，宜關注所謂的靈敏度接收微弱訊號的放大效果，會將噪音擴大而前功盡棄，皆不能疏忽。麥克風之指向性與阻抗值(impedance value)，是決定收音品質的必備條件。無指向麥克風可得多向的音源，在外景現場收音的整體感較佳，而且不易收到呼吸聲及風聲的優點，但是容易收到殘響聲，尤其在空曠場地及吵雜環境收錄主要音源較為困難。指向性麥克風可避免反響與環境的噪音，因具指向特質較不受環境干擾，對回授聲音之困擾亦比無指向麥克風為低，還可對遠距離之收音。除了指向性的要求之外，專業型的現場收音，可選擇低阻抗麥克風，因為麥克風阻抗低則輸出小較不易收到雜音，低阻抗麥克風的音質必然優於高阻抗麥克風。「聲音表情與肢體語言」是專業劇場與影視表演時，導演經常對演員的要求。聲音的表演有時會有無限的想像，尤其在後製過程，為使聲音頻率響應曲線更為平坦，經常會加上等化效果處理，再輔以音樂與音效，以改善音源表現的豐富度。影視聲音大致可分為對白、音樂及音效。聲音的內容可事先蒐集、現場收音，事後挑選適合之素材加入。通常需配合影像的節奏感，以加強影像意念傳達，尚需考量整體氣氛的表現或過場銜接等因素；經由後製階段的音效處理，有時可延伸對話和音樂的功效，亦可藉以演繹情緒思考或其他象徵意義，尤其是暗示效果與心理描述，可讓觀賞者在堆砌的音源組合中，引發思想和感情的共鳴。人類對聲音的要求通常是兩極化，一般人追求有聲即可；但是，當聲音被用在專業呈現時，將會有一些用藝術層面看技術的工作者，對聲音忠實再現地堅持，對聲音與影像呈現的整體感，經常超乎一般人的想像空間。更多論壇文章 辣台妹被罷工打回神隱少女 老謝：史上最悲觀經濟預測 中國國企會像東印度公司一樣消失嗎？ 無視勞保財務懸崖 政府年改玩假的？ 給林志玲跳水替身 你不懂這世界的遊戲規則＿＿＿＿＿＿＿＿＿＿＿＿＿＿【Yahoo論壇】係網友、專家的意見交流平台，文章僅反映作者意見，不代表Yahoo奇摩立場 >>> 投稿去

由於鼻竇的黏膜是與鼻腔黏膜相通，所以引起急性鼻竇炎常是在急性上呼吸道感染，尤其是鼻炎之後，根據三總兒科部的資料顯示，其實正常的鼻竇是無菌的，若是上呼吸道發生感染時，鼻腔及鼻竇黏膜的分泌物就會增加，且會發生腫脹，一旦鼻竇出口被阻塞，加上鼻竇黏膜上纖毛運動排除分泌物的功能變差，細菌就容易滋生，進而而引起鼻竇發炎。其實一般鼻炎與鼻竇炎並不太容易區分，通常需經由放射線檢查，包括常規鼻竇X光攝影，或是電腦斷層攝影，而兩種檢查以電腦斷層的準確性較高，但是在1歲以下的新生兒利用上述檢查的準確性能不甚理想。常造成急性鼻竇炎的細菌有肺炎雙球菌、流行性感冒嗜血桿菌、鏈球菌等，這些細菌也是造成中耳炎的主要細菌，主要是病童有鼻竇炎常伴隨也有中耳炎，且這兩個器官均與鼻腔相通。由於鼻竇炎通常都是在上呼吸道感染之後才發生，因此好發流行性感冒的秋冬季季節，同時孩童好發鼻竇炎的主要季節;但在國內一年四季也都可能發生上呼吸道感染，因此鼻竇炎的發生也就沒有季節上的區分。當孩童有發燒、流鼻水、咳嗽、頭痛、咽痛等上呼吸道感染的症狀，且症狀一直持續下去，而出現像是鼻水變成化膿性的黃鼻涕，夜間咳嗽變得比較明顯，且超過10天以上，再加上有臉部疼痛或頭痛時，就要懷疑是否有鼻竇炎發生。提醒當孩童持續發燒，活動力變差時，或是有持續嘔吐，嗜睡及持續頭痛時，提醒家長應立刻帶病童至急診室求醫；至於像是經過治療48小時以後，仍持續發燒時，或是臉部或眼眶周圍出現紅腫的孩童，則需至門診求醫。雖然鼻竇炎本身不具傳染力，不會因接觸而傳染，但是引起原來上呼吸感染的病毒，則會傳染給其他的孩童，所以建議當孩童沒有發燒，並感覺舒適時，就可以回到學校或幼稚園與其他小朋友一起活動，若孩童常發生鼻竇炎，就應考慮是否有免疫功能缺陷的問題，建議可以請小兒科醫師加以檢查，找出真正的原因。（記者戎宿安）

五月是感恩母親的月份，臺北榮民總醫院桃園分院於5月24日下午14:00-15:00，假病房大樓三樓慈心病房聚心亭舉辦藝術陪伴活動，協助家屬及病患共同創作縫製襪子娃娃，產生彼此生命的連結與延續並引導四道人生，讓生命更完滿。為了將愛傳達給肺癌合併腦部轉移而病重的媽媽，6歲的小妹妹精挑細選合適的樣式、顏色以及裝飾，透過護理師們在一旁協助縫製、心理師的陪伴引導，親手縫製了象徵著一家三口的襪子娃娃，並寫下「我愛妳」的小卡片縫製在象徵自己的娃娃手上，將她送給媽媽。小妹妹將象徵一家三口的襪子娃娃送至媽媽床邊而在象徵媽媽的娃娃手上則縫上棒棒糖送給自己，彰顯出她對媽媽濃濃的愛與眷戀，以及媽媽對她的疼愛與關懷，最後將娃娃擺在媽媽床邊，輕聲的對媽媽說:「我愛妳」媽媽妳走了爸爸還在，我還有爸爸，所以不用擔心我，媽媽最後在父女以及襪子娃娃的陪伴下安詳的離世。堅強的小妹妹知道，媽媽雖然走了，但懷裡的三個娃娃會和爸爸一起陪伴著她平安長大。慈心病房溫馨五月藝術陪伴 引導四道人生讓生命更完滿另一個同樣發生在慈心病房的溫暖故事，為了彌補幼時未能送芭比娃娃給女兒的遺憾，郭媽媽親手縫製襪子娃娃，將母親對女兒的愛與關心注入其中，雖然已近95歲，但她的手仍舊靈巧，針線活完全難不倒她，最後女兒寫了一張小卡片縫在娃娃身上，上面寫著「媽媽我愛妳」，短短的字句間，滿滿都是女兒對媽媽未說出口的愛與疼惜，小小一個襪子娃娃，卻具有非常重要的意義。慈心病房護理人員及心理師共同協助病患張女士的6歲女兒縫製襪子娃娃本次藝術陪伴活動由慈心病房護理師們以及心理師協助家屬與病患共同創作襪子娃娃，透過一步步的引導、協助，家屬與病患之間的互動更為緊密，聚心亭內不時傳來歡笑聲，氣氛不似尋常病房內沉重、哀傷，而是溫馨又快樂，此種靈性治療方式讓家屬與病患暫時獲得喘息的空間，生命無常，我們更應該重視並珍惜與父母相處的時光，並把握住機會，使他們歡喜、快樂。更多新聞推薦● 高鐵大學生返鄉5折優惠列車 5/26凌晨0時開放訂票

四月中，黃心穎與「人夫」許志安驚爆在計程車中偷情，讓外界怒罵這對出軌男女，也導致兩人形象破產事業崩盤，據悉，黃心穎代言的廣告，有可能遭廣告商索賠超過1000萬港幣（約4千萬台幣）。不過無綫電視高層樂易玲，已經向傳媒表示：「不可能！沒這件事。」根據報導，「安心偷食」後黃心穎代言的所有廣告，包括服裝、隱形眼鏡等已經全面下架，此外，有已經拍好但未曝光的廣告，也被認為違約，可能會遭索償超過1000萬港幣，加上無綫之前拍攝、由黃心穎演出的《法證先鋒IV》和《牛下女高音》，必須重拍，因此無綫也會向黃心穎索償高達3000萬港幣（約1.2億台幣），導致她必須申請破產避債。由於黃心穎曾是「無綫小花」，經紀約隸屬無綫，因此樂易玲出面表示，有關商演、大陸戲劇都已經換成其他演員頂替，而且並沒有廣告客戶向她要求索償一事。▲黃心穎和許志安（右）驚爆偷情後，現在演藝事業崩盤中。（圖／翻攝黃心穎微博）另一邊廂的許志安，也好不到哪裡去，原定9月舉行的紅館演唱會檔期，已經有其他歌手頂上，而他原本要和張衞健一起登上郵輪，開的4場演唱會，有傳每場收100萬港幣歌酬，現在也都由張衞健義氣一個人演出，好讓許志安不用額外賠償百萬以上的違約金。更多 NOWnews 今日新聞報導 《與惡》喬喬淚送母親最後一程 親友飆罵喬爸：人渣！ 不倫父女戀歌手「孤獨死在家中」 母親受訪：她不會自殺 《與惡》吳慷仁、林哲熹到大陸 粉絲尖叫落淚

工商時報【廖育偲、實習記者柯宗沅╱台北報導】台股上周走勢疲弱，接連失守季線及年線。啟發投顧分析師楊基政認為，盤整偏弱是台股近期的寫照，惟下個波段的主流股容易在整理接近末端時，率先發動攻勢，因此留意強於大盤的族群及個股；本周投資組合前兩大為力山（1515）與立積（4968），另布局美律（2439）、六角（2732）、晶睿（3454）及台郡（6269）。國際股市方面，美股三大指數均在季線下整理，同以外銷為導向的南韓股市更為弱勢，呈月、季、年線同步向下交叉格局。台股重要指標股當中，股王大立光的月、季線21日於4,480元附近向下交叉，若後續能不再破底，則有利蘋概股與高價族群反彈；權王台積電為外資風向球，能否重回年線235元以上，也相對重要。自8日起，外資連13日賣超台股，賣超金額逾千億元之下，拖累指數相繼失守季線及年線，而較弱勢的櫃買指數的月、季線於138.6點附近交叉向下，加權指數的月、季亦將於5月底在10,600點附近交叉，指數若無法站回10,600點，則須提防月、季線形成負交叉。台股收盤重返月線才是多方重新取回發球權的時刻，在此之前，宜多觀察外資現貨何時轉賣為買，而櫃買指數能否止跌反彈視為領先指標。在選股上需特別把握三項原則，所謂「漲時重勢、跌時重質」，首先著重2018年配息狀況不錯、2019年首季財報佳且4月營收成長趨勢，再來是弱勢族群能否止跌，最後是華為禁令所引發的後續效應，均是近期應多注意的方向。

編者按：隨著人工智能的普及，其背後不断發展的智能算法也在各種決策中發揮著越來越重要的作用。然而，就算法理解、使用實踐、自動化決策中快速滲透的偏見甚至缺乏透明度和問責制等方面問題，仍然尚存爭議。前不久，就有媒體爆出，亞馬遜自己研發的人工智能簡歷篩選系統，就存在“偏見”，並且會自動過濾女性求職者。人工智能偏見到底是怎麼一回事？著名分析師Benedict Evans專門針對這個問題發表了一篇題為Notes on AI Bias的文章，希望對你有所啟發。圖片來源：DigitalOcean如今，機器學習是科技領域重要的基本發展趨勢之一。在未來十年，要通過科技更廣泛地影響和改變人類世界，機器學習也是非常主要方式之一。然而，機器學習也讓人產生了不少顧慮。有人擔心它對人類就業會帶來潛在的不利影響，也有人擔心過度依賴機器學習可能會觸及人類的道德底線，當然也有人討論人工智能偏見所帶來的一系列問題，這些問題一點都不簡單，這也是這篇文章討論的重點。什麼是人工智能偏見？原始數據既是一個矛盾體，又是一個壞點子。所以，我們應該精心處理並分析這些數據。——傑弗裡·博克爾（Geoffrey Bowker）在2013年之前，如果你想開發一個軟件系統，並用它來識別照片中的貓，你可能只有通過寫程序的方式來實現這個目的。在程序腳本中，你可能需要關注的是如何識別並分析圖片中的動物輪廓、眼睛以及動物皮毛。此外，你還需要關注這些動物有多少隻腿等等。然後再把所有的因素綜合一起考慮。然而，這樣的程序實際上並沒有多大的用處。從概念上來說，這就好比製造一匹機器馬一樣。從理論上來說，的確行得通。然而實踐起來，卻又是另一回事，你會發現事情的複雜性，要比你想像的難得多。最後，你有可能寫了成百上千條腳本程序，也沒有得到任何有用的結果。借助機器學習，我們就不再需要親自寫腳本程序來識別X或Y。相反，機器學習的做法是，通過收集上千個樣本X和Y，並基於這些樣本的有關數據通過電腦對其建模。然後，該數據模型就會產生具有一定精準性的全新數據點，同時可以識別其是否符合所有的X或Y樣本的特徵。機器學習需要借助數據來建模，而不是通過人工寫這個模型程序。這種方式生成的結果高度精準，特別是用於識別或模式發現等情況下。因此，整個科技領域如今都在往機器學習方向發展。不過，有一個問題也值得我們關注。在現實社會中，上千個（甚至上萬、上百萬個）樣本X和Y中，同樣還包括A、B、J、L、O、R和P。它們可能沒有平均地分佈，從而系統可能會更加“關注”L和R，而稍微“忽視”了X。這在實踐中又意味著什麼呢？我可以通過自己喜歡的例子來說明。圖象識別系統會傾向於分析一張滿是綠色草地的山丘，然後識別出山丘上的綿羊。多數“綿養”的樣本照片背景中，都有綠色草地。畢竟，這是羊群通常生活的地方。而這些照片樣本中，相比於白色茸毛狀的綿羊，綠色草地則會顯得更加突出和明顯，所以整個圖象識別系統就會把對草地的權重加高，從而更“關注”草地。圖片來源：Cubix如果要用更“嚴肅”的案例，就不得不提到最近一項關於通過照片識別皮膚癌症的項目。在這個項目中，皮膚病專家把患有皮膚癌症的照片樣本拿來研究，通過對圖象的不斷放大併進行局部結構分析，從而讓系統不斷熟練地識別皮膚癌症的標記。但實際上，健康皮膚的照片樣本中根本都不存在他們想找到的局部結構。對這套系統而言，這些局部結構（或者可以理解為一格格像素）是分析並設別皮膚癌症的關鍵，有的情況下它們比皮膚上的小紅斑點還明顯。因此，與其說這個系統是用來識別皮膚癌症的，不如說它是用來識別這些局部結構的。值得注意的是，機器學習背後的系統，實際上並不瞭解我們所觀察事物背後的語義。我們可以通過識別並理解照片上的一格格像素，從而識別出那隻羊、皮膚或者其局部結構，但系統能識別出的卻只是一串列數字。它無法看到3D景象，或各種物體和其結構，當然也看不到那隻羊。它只能看到的是各種數據模式。此外，另一個具有挑戰的事情是，機器學習系統生成的模型（即神經網絡）包含了不計其數個節點，但我們卻無法直接深入模型內部並瞭解它到底是如何做出決策的。否則，機器學習根本就是多餘的，我們也許可以直接通過寫腳本程序來解決這個問題。很多人總是擔心，機器學習就像一個黑匣子（不過，這個觀點的確有點誇大其詞。後文還會進一步闡述）。簡言之，人工智能偏見（或者機器學習偏見），實際上是某個尋找數據模式的系統可能會找到錯誤的模式，而我們人類還有可能不會察覺這個錯誤。它是這項科技的核心附帶品。無論是在學術界還是大型科技公司，研究和使用這項科技的人都瞭解這個事實，但其影響卻是非常複雜的，而我們可能應對的解決方案，也同樣沒那麼簡單。首先，先談它的影響。圖片來源：Health Catalyst人工智能偏見的場景提到人工智能偏見，最明顯也最直接出現這種情況的場景就是涉及人類多樣性的場景。據前段時間的報導稱，亞馬遜嘗試建立一套機器學習系統，從而來篩選求職者的簡歷。因為亞馬遜現有成員以男性居多，所以這套系統所挑選的符合標準的“合格候選人”畫像也更偏向於男性，所以在挑選建立過程中就自動過濾掉了很多女性求職者。亞馬遜隨後發現了這個問題，後來也沒有再繼續開發這套系統。這個案例的關鍵點在於，即便求職者簡歷上並沒有標明其性別，系統在自動篩選過程中仍能偏向於男性求職者。之所以導致這樣的結果，是因為系統能夠從樣本數據中進行模式分析，比如女性在描述個人成就的時候會使用和男性不同的詞彙，又或者女性在學校參加的體育運動和男性也不同。當然，系統肯定不知道什麼是冰上曲棍球，不知道人類是什麼，當然也不知道什麼是“合格”，它可以做的，只不過是對文本進行數據分析罷了。然而，系統可以分析的數據模式，我們人類卻並不一定可以注意到。即便我們注意得到（比如我們所知的不同性別在描述個人成就方面所選詞彙的不同），我們可能也會因此耗費大量精力和體力。當然，人工智能偏見的場景遠不止於此。擅長通過蒼白皮膚識別皮膚癌症的機器學習系統，可能根本無法識別顏色較深的皮膚上可能存在的皮膚癌症，反之亦然。這並不是因為系統對樣本有偏見，而是我們可能需要針對不同樣本而建立不同的分析模型，從而找出不同的特徵。機器學習系統也並不是可以互通交換使用的，即便是圖象分析這種同類型的應用當中。你必須對這套系統結構進行不斷的調整，有時候為了識別你感興趣的數據其固有特徵，還需要不斷地試驗和試錯，從而達到期望的準確率。然而，你可能無法覺察到的是，這個系統在識別某個群體樣本時準確率可能達到98%，但識別另一個群體樣本的準確率卻只有91%（即便這個準確率仍然比人工分析的準確率還高）。目前我列舉的案例都是以人物或者其有關特徵為主。但更重要的是，人工智能對人的分析偏見實際上是某個大問題中的一個子問題。我們會用機器學習來分析很多事物，而樣本偏見則存在於所有的分析之中。因此，如果我們的樣本是人的話，那相關的數據分析則可能存在一定的偏見。圖片來源：SmartData Collective為了更系統地瞭解這個問題，我們可以再次回到之前提及的皮膚癌症案例，並同時考慮以下三種可能被打破的假設情況：樣本人口特徵不均勻：所有樣本照片中，各種膚色的皮膚樣本並不相同，所以系統會基於皮膚膚色做出錯誤的分析判斷。樣本數據包含明顯的非平均分佈的非人類特徵信息，並且毫無診斷價值，但系統卻基於此（樣本皮膚癌症照片中的一格格像素，或者樣本羊群照片中的綠色草地）而不斷進行分析訓練。在這個案例中，如果我們把所看到的像素當作局部結構（實際並不是）來分析的話，結果就可能相差甚遠。數據所包含的某些特徵信息無法被人類察覺發現，即便通過某些特定方法仍然無法發現。那麼，“即便通過某些特定方法”又意味著什麼呢？我們的先驗經驗告訴我們，數據可能會有傾向性地偏向一部分群體，或者至少會有類似的計劃（換句話說，要猜測為什麼數據會偏向一部分群體，其實是因為多種社交因素導致的）。如果我們想要發現樣本照片中的局部特徵，我們是可以看見的。但我們選擇了忽視它，因為我們知道它是不相關因素，但我們卻忘記的是，系統對此卻全然不知。然而，如果所有的不健康皮膚樣本照片都是在白熾燈的照射下拍攝的，但健康皮膚的樣本照片卻都是在螢光燈照射下拍攝的，這又會出現怎樣的情況？如果在拍攝健康皮膚樣本照片和拍攝不健康皮膚樣本照片的間歇期間，你更新升級了手機的操作系統，而蘋果或者谷歌剛好又更新了降噪算法，這又會導致怎樣的情況？這些情況，即便我們投入再多精力，我們可能還是根本無法察覺，但機器學習系統卻可以輕鬆地察覺並利用這些情況。畢竟，它什麼都不知道。此外，在這之前我們一直在討論錯誤的相關性，但數據中其實也有很多非常正確的模式，只不過基於一些道德因素、法律因素或者產品相關的因素，我們並不想利用這些數據模式。在某些司法管轄區域，即便我們知道女性司機的車禍率可能更低，我們也不能因此降低她們的保費。所以，我們就可以輕鬆地假設，可以借助機器學習系統，結合歷史數據並發現看起來像女性名字的被保險人其報保險的機率更低，從而從數據中排除這些名字。但是，就像前文提到的亞馬遜案例一樣，系統也許可以通過其它因素辨別出分析對象的性別（儘管系統可能並不瞭解性別或者汽車等概念），但在瞭解相關數據分析之前，你可能卻全然不知。最後，我們通常都說，目前我們只會利用機器學習系統從事有關人際社交交往的研究和學習，但實際上並不是這樣。如果你是燃氣渦輪機製造商，你可能就會對機器學習系統感興趣。因為借助機器學習，你可以對成百上千個渦輪機感測器實現遠距離測量（通過聲音、振動、溫度以及感測器反饋的其它數據信息輕而易舉地建立機器學習模型）。假設情況下，你可以從中篩選出1000份出現故障即將停止運轉的渦輪機工作數據，同時還可以篩選出另外1000份正常運轉的渦輪機工作數據。然而，你可以以此建立一個機器學習模型，從而分析兩種數據之間的差別。分析相關數據後，假設75%的故障渦輪機都是用的是西門子生產的感測器，而只有10%正常運作的渦輪機使用的是西門子感測器（同時假設故障與感測器無關）。然後，你就會發現，機器學習系統建立的數據模型，就會更加“關注”裝有西門子感測器的渦輪機。圖片來源：Hacker Noon如何管理人工智能偏見？針對人工智能偏見，我們能做的是什麼？首先，我們可以從三個角度來思考人工智能的偏見：收集和管理訓練數據的方法嚴謹性；分析和診斷數據模型行為的科學工具；機器學習實踐過程中的培訓、教育和注意事項。在法國喜劇作家莫里哀（Molière）著作的《貴人迷》（Bourgeois Gentilhomme）一書中，講述了這樣一個笑話：一位男子活了一輩子都不知道文學可以分為詩歌和散文，直到別人告訴他後，他才欣喜地發現，原來他這輩子只接觸過散文。如今的統計學家，也可能有類似的體會。他們這輩子可能都在從事研究工作，但就是沒有意識到“人工智能”和“樣本偏見”兩個不同命題。擔心存在樣本偏見，或者尋找樣本偏見，並不是新問題。只不過，我們需要系統性地對待這個問題。正如前文渦輪機案例所述，在某種程度上，如果只涉及到和人相關的主題，它可能實際上（或者從理論的角度）就會相對簡單一點。因為先驗經驗告訴我們，針對不同群體可能存在一定偏見，但我們沒有意識到的是，我們可能對西門子存在偏見。而更新的觀點是，我們並沒有再直接地對數據進行分析，而是讓機器通過建立我們無法直接分析的超級複雜的模型來完成這項作業。整個過程中，透明度就是與偏見相關的值得考慮的主要問題之一。我們擔心的，並不只是可能存在偏見，而是我們根本無法知道是否存在偏見，這對我們來說是全新的事物，和我們所接觸過的組織機構或自動化流程也不同，所有並沒有可以讓你回顧審查的清晰邏輯步驟。圖片來源：Symmetry Magazine在某種程度上，我們可能可以回顧審查機器學習系統，但要去審查其它系統，則更加困難。因此，這就引出了以下兩個問題。首先，目前關於機器學習的研究主要圍繞借助相關方式和工具，發現機器學習系統中的亮點功能。但機器學習是一個全新領域，相關科學進步速度也非常快，所以我們不應該假設，今天還不現實的事情，明天就一定不現實。馬斯克牽頭成立的AI研究機構OpenAI旗下的這個項目，就是活生生的例證。此外，在現有的系統或組織架構中，我們可以審查並瞭解系統決策制定的這個想法，雖然理論上是成立的，但實踐過程中卻存在很多問題。比如，在一個複雜的組織架構中，要審查並發現決策制定的方法非常困難。也許存在一個正式的決策審批流程，但這並不是人們實際溝通交流的方式，而且就個人決策而言，人們通常也沒有邏輯清晰同時又極具系統性的方法。正如我的同事維傑·潘德（Vijay Pande）所言，人類群體也是黑匣子。在這個黑匣子中，有不計其數的個體，他們縱橫交錯與各種組織和機構中，背後還連帶著著各種數不清的複雜問題。我們事後才知道，宇宙飛船在重返大氣層時會解體，但美國航空航天局（NASA）內部不少人士都認為，後面可能會釀成悲劇，但系統自身卻對此全然不知。同時，NASA之前在損失宇宙飛船後，也經歷過一模一樣的審查流程，但後來卻因為相同的原因，又損失了一艘宇宙飛船。所以，無論是組織機構，還是人類系統，我們可以審查其遵循的清晰邏輯規則，說起來的確簡單，但經驗告訴我們，並不是這麼回事。這就是所謂的蘇聯國家計劃委員會謬誤（Gosplan fallacy）。圖片來源：shutterstock在本文中，我一直將機器學習和數據庫（特別是關係數據庫）做比較。關係數據庫是一項新的基礎技術，它改變了計算機科學中已經證實的事物，同時也改變了宏觀世界，它被運用於各行各業，但我們卻未曾注意到它。但數據庫也存在問題，而且這些問題都有相似的特徵：這些系統可能是建立在錯誤的假設和數據之上，很難分辨，而我們人類在使用過程中，可以不假思索地聽命於系統提示，並且完全不會提出相關質疑。有很多故事都在講，稅務局把你的名字拼錯了，但說服他們修改系統的拼寫錯誤，比你在公安機關申請改名字要難得多。這是結構化查詢語言（SQL）固有的技術問題，還是甲骨文公司（Oracle）的問題，或者是大型官僚機構的制度問題？建立一個所謂的流程，從而讓系統無法修改拼寫錯誤到底有多難？或者在引起民眾投訴之前，發現系統出過類似問題，又有多難？用更簡單的生活實例來講，車載衛星導航系統沒有及時更新，車主跟著導航把車開進了河流中。這裡的問題是，導航系統的確沒有及時更新。但另一個值得關注的問題是，如果這輛車順流漂向海中，那Tomtom公司（荷蘭主營地圖、導航和GPS設備的公司）需要承擔多少責任？通過這些內容，我想說明的是，機器學習出現之前，世界上就存在各種問題，當然有各種解決方案。機器學習偏見也會導致問題，但同樣也是可以發現和解決的。因此，最容易想到的出現人工智能偏見的場景，可能並不是來自權威機構的核心研究實驗室，而是一些三流技術承包商或軟件供應商，他們胡亂地把各種開源組件、軟件庫以及工具拼湊在一起，在自己不懂的前提下，就直接將其出售給了一些“天真”的買家。這些只在乎“金玉其外”的買家，看到“人工智能”標籤就根本不考慮該問的問題，然後直接將這套軟件交給公司底層領著最低工資的員工，並且告訴他們文不加點地按照“人工智能”的提示操作就行。這就是數據庫出現的問題。這個問題，甚至都算不上是人工智能的問題，或者說軟件問題。更準確的說，這是人的問題。圖片來源：House of Bots寫在最後……機器學習系統可以為你做任何事情。你能訓練狗完成的事情，機器學習系統也可以完成。只不過，你完全無法確定的是，你到底在訓練狗做什麼。我經常都在思考，“人工智能”這個詞彙是不是在類似的背景中百無一用。它在很大程度上給我們造成一種錯覺，即我們實際上創造了智能，一種可以真正進行理解的智能，然而，實際上卻並不是這麼回事。從根本上而言，它們只不過是機器罷了，也許更恰當的做法，是把它和洗衣機拿來對比。就洗衣服而言，洗衣機的確要比人工效率高得多，但你把盤子放進洗衣機並開啟洗衣功能後，它還是會洗這些盤子，而且盤子也還是會變得乾淨。但最後的結果，肯定不是你所期待的結果，因為洗衣系統對盤子有偏見。洗衣機肯定不知道什麼是衣服，什麼又是盤子，它只是一個自動化機械。從概念上而言，它和之前其它不同的自動化機械也並沒有太大的區別。也就是說，正如汽車、飛機或數據庫一樣，這些系統可以非常強大，同時又非常有侷限性，並且完全取決於人們如何使用它們，或者我們到底有什麼企圖，甚至人們對這些系統原理的教育或無知程度。所以，如果說人工智能就是數學，它不會出現偏見，就大錯特錯了。同理，如果說機器學習本身也存在偏見，這種說法也站不住腳。機器學習是在數據中發現模式，至於是什麼模式，則取決於數據，而數據又取決於我們，我們怎麼利用它也是取決於我們。機器學習在某些領域的表現遠遠超過我們人類，就像狗比人類更擅长發現毒品等違禁物品一樣，但我們卻不會根據狗的證據來定罪。狗比其它任何機器學習系統都要聰明。本文經授權發布，不代表36氪立場。如若轉載請註明出處。來源出處：36氪

娛樂中心／綜合報導號稱「最強滷味娘」的正妹小桃子（顏鳳萱），去年初她在台中北屯的一間滷味攤擔任一日店長，讓生意好到長長的人龍，不但粉絲擠爆街道，連媒體都爭相報導，只見她穿著超短熱褲露出長腿，在切滷味時滿滿的事業線，原本在直播平台的她順勢躍上實體活動，不但成為網紅活動不斷，而今年除了順勢推出個人2019年的寫真桌曆外，更正式推出同名《小桃子蜜桃視角》全新寫真書。▲ ▼「最強滷味娘」小桃子推出全新個人寫真書。（圖／女神範提供）小桃子2019最新寫真集，除了秀出男粉絲們最愛的「蜜桃視角」外，還祭出超小比基尼，同時還有抱著愛犬一同裸身入鏡，完全發揮出「最強滷味娘」的勁辣實力，為了回饋當初因「滷味事件」而增加1萬多位粉絲，目前她FB就擁有13萬粉絲。▲ 小桃子寫真有多方面不同風貌的視角。（圖／女神範提供）▲ 「最強滷味娘」小桃子寫真與愛犬一同入鏡。（圖／女神範提供）▲「最強滷味娘」正妹小桃子去年因爆乳翹臀現身滷味攤爆紅。（圖／翻攝自小桃子臉書）而她也順勢當起網紅，日前小桃子接受YouTuber「HITO到天亮 - 小鬼」的放電測謊機訪問時，被問到如果交男友不喜歡當MD工作時，小桃子嚴肅表示「拍照是我的信念跟工作，那如果你要干涉我工作的話，那就不要開始交往。」可見得她對於工作的執著度，以及更重視粉絲們的權益。更多三立新聞網報導啪啪越久女生越快樂？專家曝「正確時間」：這麼想是迷思…男友要「大GG」 天燈妹出寫真書 樂樂全裸尺度無上限！邱勝翊坦言女友看過寫真 竟然學周董喊：「唉呦不錯喔！」兇版李毓芬尺度崩裂....透明「出事睡衣」帶俺升天了！

葛萊美獎得主「音樂大頑童」傑森瑪耶茲 (Jason Mraz) 本月啟動全新亞洲巡迴「Good Vibe」，昨晚 (5/25) 登上台北小巨蛋開唱。除了五度訪台演出，這也是他第二次站上指標性的台北小巨蛋舞台，足見對台灣的熱愛與對歌迷的照顧。演唱會以新專輯歌曲〈Let‘s See What The Night Can Do〉揭開溫暖序幕，難得穿著花俏的傑森瑪耶茲，一身彩色連身服與台上8名樂手，包含長年共同巡演的樂團Raining Jane，再帶來〈Living In The Moment〉〈Curbside Prophet〉〈The Remedy (I Won’t Worry)〉等經典歌曲，更邀請現場歌迷玩起人體波浪，將現場氣氛炒熱至高點。唱畢，傑森與全場近萬名歌迷打招呼：「晚安，哇洗Jason Mraz，尖叫聲不要停。」不時在談話中秀出標準國台語如「跟我一起唱」、「大家好」、「我愛你」、「謝謝」，表現十足親和力。傑森瑪耶茲當晚除了帶來21首創作新歌與金曲，也展現了他幽默可愛的真性情與口技才華，如以布偶代替美國女歌手Meghan Trainor合唱〈More Than Friends〉，笑稱布偶叫「Meghan in Training」，更在演唱熱門金曲〈Lucky〉時模仿海鷗叫聲，引發觀眾驚呼。〈Love is Still the Answer〉〈Might As Well Dance〉〈Have It All〉等新專輯《懂得愛 / Know.》中的單曲，皆是首次在台演出；而他紅遍全球的作品〈I'm Yours〉前奏一下，就立刻引發全場歌迷歡呼，大合唱感動度十足。在演唱〈93 Million Miles〉這首歌時，傑森瑪耶茲再次表達他對台灣通過同婚法案的支持與祝福：「你們應該要為支持同婚感到驕傲，這是一個領先全球的創舉，並不是所有地方都能做到這件事。」更表示自己「很感動」，引發全場觀眾歡呼。接著他邀請歌迷一起深呼吸，想想「你愛的人」、「愛你的人」與「鼓勵你做自己的人」。最後傑森瑪耶茲選唱了〈Love Someone〉做為安可曲，完整呈現「愛」的核心主軸，為演出畫下圓滿句點。曾在金曲獎同台演出，並於專輯中合作歌曲的華語天王JJ林俊傑，昨也現身台下支持，兩人先在後台相見歡，傑森瑪耶茲請JJ在他鴨舌帽上題字，JJ寫下「愛」，傑森隨即補上「Love」。當晚兩人更特別在台上表演合唱曲〈I Am Alive〉，獨家獻給台灣粉絲，也回應這份友誼。此次傑森瑪耶茲來台，除了私下探訪特色咖啡店、樂器行與Live Bar，團隊也抽空前往台北101、親自排隊品嚐鼎泰豐，更一路步行回下榻飯店，身體力行感受城市的風貌；面對粉絲的合照、簽名要求，也都大方配合，堪稱最具親和力的國際巨星。(照片提供／JUSTLIVE就是現場)

臺南市原住民學生參加原住民族委員會「一○七年度原住民族語言能力認證測驗」，各級別通過率達六○點七四%，遠超過全國總通過率四二點三三%，並囊括六項榜首，創下蟬聯全國十四連霸佳績。市長黃偉哲、教育局長鄭新輝昨(二十五)日表揚表現優異學生及頒發感謝狀給卅八位族語教師。原民議員谷暮·哈就、穎艾達利議員、蔡玉枝、南市原民族教育資源中心主任白惠蘭出席共襄盛舉。新營區新泰國小黃稟鈞連續二年榮獲中排灣語的初級及中級榜首；永康區勝利國小張仁鈺榮獲南排灣語語中級榜首；善化國中陳苒雅榮獲撒奇萊雅語初級榜首。另二位非原住民成人考生李俐盈及王婉琳，分別榮獲群郡布農語中級榜首及知本卑南語中高級榜首。族語教學支援老師簡德輝為鼓勵孩子學習母語，以身作則精進族語，榮獲秀姑巒阿美語優級榜首，是南市首位通過優級認證的族語老師，為學生最佳楷模。黃偉哲說，臺南雖非原鄉，但重視族語教學，能創造全國第一佳績，仰賴學生努力及族語老師奉獻，亮眼成績讓市民引以為傲，市府將持續推動原住民族語言教學及學習，傳承榮耀。鄭新輝指出，原住民族語言與文化傳承在市府努力之下成果逐漸顯現，但光靠學校教育並不足，還需家庭教育配合，呼籲家長盡可能跟孩子講母語，讓族語及文化從小扎根。

（中央社記者楊啟芳新北25日電）中華職棒今天在新莊棒球場由Lamigo桃猿對富邦悍將，悍將先發投手陳仕朋投8局，沒有出現保送，僅失1分非責失，助球隊7比1奪下5連勝，僅差首位的桃猿0.5場勝差。此戰悍將火力全開，1局下林益全轟2分全壘打，2局下更是攻下大局，高孝儀、方克偉安打後，李宗賢選到保送形成滿壘，接著張正偉、王正棠、胡金龍都敲安打，各帶有1分打點，林益全則擊出高飛犧牲打，這局得到4分。4局下李宗賢、張正偉敲安打後，王正棠成功犧牲觸擊，形成二、三壘有人，接著林益全敲出一壘安打，再攻下1分，林益全也達成生涯1500安里程碑。終場悍將以7比1擊退桃猿，奪下5連勝，與桃猿的勝差僅0.5場。桃猿打線在悍將先發投手陳仕朋壓制下，僅於6局上有分數進帳，林承飛敲安打後，利用中外野手接球失誤上二壘，接著陳晨威敲安打，柏納帝那再擊出滾地球，帶有1分打點，但這分不是陳仕朋的自責分。陳仕朋主投8局用98球，僅被敲5支安打，投出6次三振，沒有投出任何保送，失1分非責失，追平生涯最多投球局數，奪下本季第4勝，也獲選為單場MVP。悍將總教練陳連宏賽後表示，陳仕朋這場球尾勁很好，「雖然之前有狀況時，他表現有時候不太穩，但這場比之前更好。」陳仕朋則表示，這場丟起來滿順的，沒有想太多，壘上有人時按照捕手配球，把球壓低。近2場比賽陳仕朋都沒有保送出現，與去年曾投2局就有3次保送相比，進步許多，他說：「去年保送對我影響滿多，今年想法就是丟給人家打，寧願被敲安打，盡量不要投保送，自己製造出危機。」另外陳連宏指出，陳仕朋的球進壘角度好，加上以左投來說，他的揮臂短，打者要掌握比較不容易。陳仕朋說明，這是去年王建民當客座教練時給的課表，透過器材改善擺臂不穩。（編輯：吳協昌）1080525

人類乳突病毒（HPV）傳染性強，婦產科醫師陳保仁今天表示，HPV感染非女性專屬，男性也可能被感染，導致癌症及皮膚病，且傳染途徑也不只性行為。台灣婦產身心醫學會理事長陳保仁在台灣癌症基金會記者會中表示，不少人認為性行為較活躍的族群才可能感染HPV，但民眾對HPV有迷思，包含認為有安全性行為就不會感染、HPV只會導致子宮頸癌、只有女性須預防。陳保仁表示，HPV感染力強，人一生中被感染機率高達八成，研究也指出，只要有親密接觸，即使性生活單純的人也有可能互相傳染，幾乎每兩對情侶、夫妻就有一對會感染。此外，陳保仁說，長期免疫力低落也可能增加HPV的感染風險，若長期持續感染，便可能導致多項癌症及皮膚病等病發生。常見癌症包含子宮頸癌、外陰癌、陰道癌、陰莖癌、肛門癌、口咽癌、食道癌、呼吸道癌症等；皮膚病變如菜花（尖型濕疣）、皮膚疣、扁平疣等。根據台灣癌症基金會網站資料，HPV雖然病毒型號高達上百種，但大部分不具傷害性，會藉著自身免疫力清除，但若持續感染特定型別病毒，就有染病風險。台灣癌症基金會副執行長蔡麗娟表示，台灣每天有四位女性被宣告得到子宮頸癌，每五位子宮頸癌前病變，就有一位是廿至卅四歲年輕女性，呼籲民眾注意安全性行為，並施打HPV疫苗及定期抹片檢查，才能遠離疾病威脅。2019健康大賞【大調查】你給自己「免疫力」幾分？【推薦】五月健康大賞：名人推薦保健清單【推薦】守護家人健康：人氣保健商品專區【新聞專題】免疫力失調！全身疾病冒不停