桌布動畫圖片www.38kky.com

【台灣醒報記者王慶宇綜合報導】100年前的英國天文學家愛丁頓證明科學不分敵我，超越國界限制！愛因斯坦的相對論於1915年問世，但由於一戰的爆發，其研究不被世人所知。但在愛丁頓教授意外得知此論文並決心大力支持後，愛因斯坦與其相對論才被世界所知，並奠定現代物理學基礎。根據《英國廣播公司》報導，愛因斯坦在1915年發表相對論的論文後，受限於一戰的海上封鎖政策與民族愛國主義的作祟，他的論文在英國乏人問津。所幸當身為劍橋天文台台長暨英國皇家天文學會會員的愛丁頓教授得知後，就決心向學界與大眾推廣愛因斯坦的發現。為此，愛丁頓教授撰寫了世上第一本有關相對論的著作，並積極地到處演講、廣播，宣傳愛因斯坦的相對論。為了證明愛因斯坦是對的，而牛頓的理論需要修正，艾丁頓教授在當時格林威治天文台長暨皇家天文學會會長戴森的支持下，發起了1919年的全日蝕探勘，希望透過觀察日蝕來證明愛因斯坦的理論《史密森尼雜誌》指出，根據愛因斯坦的相對論，恆星等大型天文物體的重力會造成時空扭曲，因此當光在經過恆星時，會受到影響而偏離原本的軌道。愛丁頓教授因此組織了兩支觀測隊伍，一對到巴西，愛丁頓本人則親自率領另一對至西非的普林西比島進行觀測。為了證明光會受到太陽影響而位移，愛丁頓的團隊在全日蝕時觀測了太陽旁邊一顆恆星散發出的光，然後於夜晚時在沒有太陽或月亮干擾光的行徑時，再度針對同一顆恆星進行觀測，並測量兩者之間光的位移。決心讓愛因斯坦的理論發揚光大的愛丁頓，在數月後向皇家學會呈現觀測結果時，邀請了大量的媒體到場見證，並刻意選在掛有牛頓畫像的房間進行。而這場被當時英國媒體形容為「英國牛頓與德國愛因斯坦之間」的對決，最後就由愛因斯坦勝出，也讓愛因斯坦一夕成名，成為影響現代物理學直至今日最深遠的一位科學家。於此同時，愛因斯坦因為其非戰思想受到政府監控，他本人也因為德國戰時食物缺乏而臥病在床，完全不知道英國的愛丁頓替他證實了這個理論。當愛因斯坦終於得知這個消息後，在他旁邊的科學家為他的冷靜而感到疑惑，因此問他：「如果結果跟你預測的不相符，你會很失望嗎？」愛因斯坦則淡淡地笑答：「那麼，我會為上帝感到惋惜，因為我的理論是正確的。」

COCO李玟從香港發跡、台灣竄紅，再到美國發片，更成為第一位站上奧斯卡舞台的華人歌手，今年是李玟出道25周年，她要來感謝歌迷的陪伴，把這次巡演首場獻給台灣。歌手李玟：「我也覺得為什麼這麼久，因為我一直也在，我們也在申請，然後一直都拿不到(場地)，真正滿25年的時候，給我拿到這個場館。」睽違9年，終於要在台灣小巨蛋開唱，今年對李玟來說特別有意義，還會有新專輯誕生。歌手李玟：「你給我的愛，讓我存在，戰勝這舞台，Oh no。」才一開始清唱就淚崩，李玟是出了名的疼惜粉絲，這個歌詞就是我希望，把我跟歌迷的這個感情，可以寫在這歌詞裡面，我就是愛唱歌，我就是愛帶歡樂給大家，可是我從來沒有想到，我今天作為一個歌手，原來是可以影響一些小朋友。想到日前病逝的小粉絲，Coco李玟止不住淚水，尤其是台灣這片土地，對她來說更有格外意義。歌手李玟：「台灣來說，我永遠都是抱著一個感謝，感恩的心，因為是台灣給我機會的。」歌手李玟：「4號的李美林，參賽歌曲是Run to you。」李玟1993年在香港歌唱大賽獲得第二名，1994年隨即出道，為華語樂壇注入一股美式風格唱腔，立刻引起關注。歌手李玟：「我依然是你的情人，我依然愛你最深。」在玉女當道的年代出道，COCO跟其他女歌手形成極大反差。歌手李玟：「大家都是玉女派，我就是有點怪怪的，因為我是綁很多辮子，然後穿個熱褲，可是我唱的是一個抒情歌，我還把一個柔情抒情歌，唱成R&B，他(蔡宗政)說停，請你不要這樣唱，這樣唱非常不商業，是不會有人買的，我冒這個險，讓我知道商業的唱腔是怎麼樣，可是我覺得我要做回自己。」就因為堅持自我，讓她獨樹一幟，當時的李玟更被封為台版的惠妮休斯頓。歌手李玟：「讓我慢慢忘記你，像朝露蒸發陽光底，乾乾淨淨的心情，從此不再背負思念荊棘，全世界只有你不懂我愛你，我給的不只是好朋友而已，過完這個冬季，你是否一如往昔，恨不得睜開眼就能聞到夏日氣息。」抒情歌共鳴度高、快歌一樣耳熟能詳。歌手李玟：「有你就有好心情，像夏天吃著冰淇淋，倒數開始，DiDaDiDiDaDiDaDiDaDiDaDiDa。」1998年李玟頂著火紅色的牛角頭，在台灣亮相，這個造型在當時可說是相當前衛，《DiDaDi》在全亞洲大賣180萬張。歌手李玟：「我一直覺得我要染，我應該是很古靈精怪的，這就是我，我叫他煞車紅，為什麼，我頭髮很亮這個顏色，過馬路大家就會嚇到，就是煞車紅。」古靈精怪形象，讓她一出道就備受矚目，1998年更創下台灣歌壇，在北高兩地開萬人演唱會的第一人。純正的美式hip-hop風格加上R&B式情歌唱腔，征服廣大歌迷，當年她還是第一位進軍美國歌壇，更首度站上奧斯卡的華語歌手。歌手李玟：「我覺得在奧斯卡的時候，我更加要很努力，要更加為我們爭光，不管那天拿不拿獎，我站上那個舞台，我都要讓人家知道，我們也是很行的。」《臥虎藏龍》主題曲《月光愛人》獲奧斯卡提名為最佳電影歌曲獎，帶李玟躍上國際，這首歌也讓她成為歌手之冠。登上《我是歌手》Coco李玟的舞台魅力，不減當年，但其實在點頭參賽前，她內心其實很掙扎。歌手李玟：「掙扎啊非常掙扎，可是我就問了我自己一個問題，如果我不去這個節目，我會不會後悔以後，我說會，所以這樣就去了。」2011年嫁給加拿大籍富商Bruce後，李玟沉寂了好一陣子，很多人以為她為愛引退，但其實她是因為感冒失聲，產生舞台恐懼症。歌手李玟：「那時候完全唱不了歌，因為從感冒然後咳嗽四個月，會用錯聲音傷害喉嚨，會有些音HOLD不住，最後變成有舞台恐懼感，我好害怕這是大家不知道的，可以告訴你自己你熬得過去的，我要堅持不要放棄。」媽媽成為她最大支柱，每天陪著她練唱，熬過人生低潮，李玟擁有堅強意志，以及對歌唱的熱情，成功回到她最熱愛的舞台。擊敗張信哲、黃致列、徐佳瑩，Coco拿下冠軍，走過25年，天后造型曲風雖然百變，但地位屹立不搖。更多 TVBS 報導薛之謙撕爆白襯衫 秀出一圈「五花肉」嚇哭網友 五月天拍片秘辛 石頭熏眼流淚怪獸難如廁 大咖歌手愛用中小型場地 近距離接觸粉絲 演唱會揮手機燈遭勸阻 費玉清3歌迷互毆

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）

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

記者盧素梅／台北報導蔡英文總統今（26）日下午前往嘉義參拜「配天宮」時指出，執政三年來，凡是涉及主權，政府都非常堅定的維護主權。政府的立場堅定，底線也都守得住，但是我們也不挑釁，且為區域和平穩定扮演很重要的角色。她並強調，如果讓她繼續當總統，一定守得住台灣人的主權及民主自由，而且守的住這個區域的和平穩定。▲蔡英文總統26日下午前往嘉義參拜「配天宮」。（圖／總統府提供）蔡英文今天在嘉義縣長翁章梁、前嘉義縣長張花冠、內政部長徐國勇、立委陳明文、蔡易餘等人陪同下，赴嘉義「配天宮」參拜。蔡英文在致詞時表示，她今天要向嘉義鄉親們報告執政3年，在外交、兩岸、經濟等方面的施政績效與成果。蔡英文提到，這兩天大家都有聽到一個好消息，政府處理美國事務的「北美事務協調委員會」更名為「台灣美國事務委員會」；改名歷經40年才成功。另外，過去我們高層官員無法至華盛頓特區，但現在國安會秘書長李大維可以到華盛頓特區，與同樣職位的美國國安顧問會面，這是40年來的第一次。蔡英文指出，過去三年來，我們很努力，實實在在的做事，讓人覺得台灣的政府是可以被信賴的，也可以共同努力；有一個好的信賴基礎，大家覺得台灣的政府不論在處理兩岸關係或亞太及印太區域的事務都非常小心，但是我們有一個堅定的立場；凡是涉及主權，我們都非常堅定的維護主權。政的立場堅定，底線也都守得住，但是我們也不挑釁，且為區域和平穩定扮演很重要的角色。▲蔡英文總統26日下午前往嘉義參拜「配天宮」。（圖／總統府提供）蔡英文說，現在在國際上，大家都覺得台灣不再像以前，只是兩岸關係裡一個中國、一個台灣的關係；現在的台灣是印太關係裡面很重要的國家。國際上大家都認為，民主自由的台灣對整個亞太地區來講非常重要，因為守得住台灣，就守得住民主自由。大家都重視台灣，這對台灣來說，也是一件很光榮的事。蔡英文進一步說明，全世界都在看，台灣在面對中國如此大的壓力之下，還能夠守住主權及自由民主。如果讓她繼續當總統，一定守得住台灣人的主權及民主自由，而且守的住這個區域的和平穩定。更多三立新聞網報導蔡英文深夜PO嘉義美食宵夜文 網哀嚎：餓了、好想吃軍事互信升級！美要求台潛艦通報 提升「準戰略夥伴關係」郭台銘嗆故宮南院成蚊子館 蔡英文：不知郭有沒有去看過？「全代會直接徵召是傳聞」 蔡英文：盼中執會可做出決定

大家現在對於使用虛擬助手來協助處理生活小事，相信已經不會陌生。然而大家在跟這些「助手們」對話時，有沒有因為它們的聲線而有不同感覺呢？據聯合國釋出的報告表示，大部分虛擬助手的聲音都是有著年輕女性的特質，這加劇了女性即使在被粗魯對待也仍然是溫順、能滿足需要的刻板印象。在這名為《Closing Gender Divides in Digital Skills Through Education》的報告之中，點名 Google、Amazon、Apple 和微軟，並呼籲他們避免停止把虛擬助手預設使用女聲，最好的甚至是弄成中性的聲音——就像 Google Assistant 已經只以顏色來分別不同聲線，而非標籤為男性和女性。同時報告中還提到要求科技公司致力消弭性別之間的知識差距，因為他們研究發現女性在掌握基礎數位知識上比男性低 25%。這並非首次有聲音指責 AI 有性別偏見的問題，曾經更因為 Siri 因為針對女性的辱罵字詞回答不當而掀起爭議，最後 Apple 需要修改對應的回答。但即使如此，報告還是認為虛擬助理仍然未改因為性別歧視而起的順從性問題，而且他們更列表顯示各個虛擬助手對於帶性別歧視的語句的回應。部分對於相關語句會以感謝的語氣回答，但也有的是表示不理解或以玩笑回應。在 AI 和虛擬助手愈變盛行之後，相關的問題也只會愈來愈多。據聯合國報告指出，現有在接近五分之一的網頁搜尋是透過語音服務發起的，預計到了 2020 年更會增加 50%。換句話說就是人類會與虛擬助手有愈來愈多的交流，甚至比與伴侶更多，所以大家要注意即使是與機器對話也要保持尊重，所以君子慎獨嘛。UNESCO

娛樂中心／綜合報導女星劉樂妍為前女F4成員之一，近年來事業重心轉往大陸，時常在社群平台宣揚大陸的好，因此被封為「女版黃安」，最近在拍戲的她，也陸續更新好多張的幕後花絮，近日她透露拍了一場戶外「床戲」，疑似拍攝過程太過激烈，搞得她「腰痠背痛」，但她反而很樂在其中，直呼「太刺激、太舒服了」。▼▲劉樂妍事業重心轉往大陸。（圖／翻攝自微博）劉樂妍近日拍攝新電影《荒誕與意外》，該部電影的導演25日在微博上傳10秒影片，稱讚劉樂妍的敬業表現：「樂妍的敬業讓我們劇组的人刮目相看……很多工作人員給我說這才叫專業。我那助理都在我面前一直的說樂妍敬業……比大陸很多演員要專業，加油吧樂妍。」而劉樂妍看到導演的讚美後，隨即轉發貼文，並寫下：「感謝導演為我安排在荒郊野外，這麼精彩的床戲。昨天真的是弄得我腰酸背痛，太酸爽，太刺激，太舒服了。」然而這床戲並非一般的床戲，從曝光的影片得知，劉樂妍應該是扮演「屍體」。▲劉樂妍「床戲」片段流出。（圖／翻攝自微博）短短10秒鐘的影片，劉樂妍臉上蒼白無血色，蓋著白布躺在周圍滿是菊花的平台上，一動也不動，因此讓許多網友感到好奇，這次是拍攝怎樣的內容，能讓劉樂妍能夠如此「舒服」，也有網友寫道「這也太諷刺了吧。誇人家敬業專業，配的影片卻是表演屍體」，導演見狀隨即道歉，同時透露劉樂妍今天也是要繼續躺，不少人擔心她會不會太辛苦，但劉樂妍開心表示：「沒事，沒事，很舒服。我很滿意這個姿勢。」 （編輯：林呈育）▲劇組稱讚劉樂妍的敬業表現。（圖／翻攝自微博）更多三立新聞網報導性交易過程全被攝！寫真女星爆：遭他求「啪啪15次」還債無修圖臉蛋流出！37歲張韶涵秀出「真實膚況」…網看傻了墓地亂說話！命理師講別人風水差…語畢手秒出現「5指印」割包降低敏感度！他輕生留遺書：我無法享受性愛，好痛苦…

嘉義家庭扶助中心於5月26日帶領14戶家庭42名親子，完成了一天的親職教育學習，此課程為年度幼兒啟蒙方案其中一堂，家長組課程為如何教養不同性別孩子的主題，孩子組課程以孝順有關的圖書繪本搭配美勞拼貼，家庭共通課程則是以5月孝親節主題，親子一起動手作蛋糕，展現出各家的創意能力，共度開心幸福的學習日。啟蒙方案為期一年的課程，透過每個月一天的上課，增強家長對祐而教育的認知及執行，同時，也設計專屬幼兒的啟發課程，更帶出全家樂於學習的行動力，形成親子共學成長的成果。家長們在子女不同性別的教養上，多有部分困擾，例如生理成長變化、對性的好奇等，講師透過影片及研究，讓家長們一起討論分享兩性在成長需求的差異，並進一步省思自己兒時經驗，與21世紀育兒理念的關聯性，甚至是差異為何，家長們在感嘆之餘，也能相互勉勵努力。而幼兒認知課程，則以繪本故事搭配美勞剪貼，介紹母親節的由來，讓兒童製作康乃馨獻給母親，增強孝順的認知學習。下午的蛋糕製作，則讓親子腦力激盪、發揮創造力，在海棉蛋糕上點綴專屬的色彩，最後再和家人共享，完成一整天的課程。方案成員小駿，父母親離婚後，三歲就再也沒有見過母親，對於母親的想像也僅於手機照片，平時父親因為忙於工作，小駿多由祖母照顧陪伴，對於小駿來說，和祖母的關係就像光和影子一般，密不可分，這次課程，看見祖孫有了難以忘懷的溫馨回憶。嘉義家扶中心從民國94年辦理幼兒啟蒙方案迄今，透過課程教育、兒童發展篩檢、津貼補助，幫助經濟弱勢家庭，奠定學習基礎，並創造親子共學的機會，如同家長陪伴在子女身邊，家扶中心也深切期許，能在每個需要幫助家庭困難時，提供專業的服務和及時的幫助。更多新聞推薦● 府城登高賽千人爭冠 1歲小選手史上最小參賽紀錄

行政院農委會投入智慧農業推動邁入第三年，迄今已有多項產業接地亮點逐步展開，日昨由水產試驗所團隊結合智慧農業優良示範業者聖鯛水產科技，在屏東舉辦「智慧養殖漁產業亮點成果觀摩」，讓更多同業業者走近養殖現場交流其規劃開發的智慧生態養殖系統，分享維持良好養殖水質的關鍵，及更具效率、節省能源的智慧養殖模式。水產試驗所表示，透過更多產業面實際發現的問題，導入資通訊科技開發智慧化養殖技術及養殖省工機具解決產業面臨的問題外，將資源進行高效能整合，並由政府持續提供產業技術媒合資源，從過往依賴經驗判斷逐步導向產業科學化管理。透過此次亮點觀摩交流，將優良業者好的、具體且更便捷的做法讓更多漁民知道，以促進產業研發應用擴散，並盼能促成智慧養殖聯盟推展，帶領更多有志漁民投入產業應用。聖鯛水產科技自一○六年開始參與智慧農業業界參與補助計畫，持續投入吳郭魚遺傳選育技術，運用分子標誌技術進行種魚血統辨識，更利於品種管理與後代養殖性能追蹤，以提升整體養殖效率。聖鯛水產科技此次展示的智慧養殖設施系統，以組合可拆式的塑鋼板樁打造HDPE生態養殖池，兼具護土、擋水及減少滲流等優點，可隔離土壤重金屬汙染源；養殖池並結合感測技術進行生物環境參數蒐集，包含水溫、溶氧量、酸鹼值、導電度、大氣壓力等，進行智能水質監控，並搭配水位監測預警系統，以大數據資料取代過往經驗法則；並示範自家專利研發的可動式增氧機連結設備，可提升養殖池溶氧面積及穩定水質，整體結合智慧養殖設施系統應用，可減省百分之十三的電力，朝向以更科學精準化方式進行養殖管理。

中國時報【張理國、葉書宏、楊孟立、廖德修╱綜合報導】同婚專法《司法院釋字第748號解釋施行法》昨正式上路，首日共有526對新人登記結婚，共同寫下亞洲第一紀錄。內政部統計，新北市辦理同婚人數最多，共117對登記。不過，反對同性婚姻立場鮮明的安定力量也宣布組黨，進軍2020立委選舉，宣示「從家庭贏回台灣」。台南拔頭籌 10縣市僅個位數在同婚登記中，以6都人數最多，但全台22縣市有10個縣市首日登記對數僅個位數，包括宜蘭縣8對、苗栗縣9對、彰化縣8對、南投縣6對、雲林縣4對、嘉縣3對、台東縣3對、基隆市8對、嘉義市1對、金門縣2對；澎湖縣及連江縣登記數掛零。根據內政部統計，全台同性伴侶完成結婚登記對數共526對，其中男性185對、女性341對；雙方均為國人有511對、國人與外籍人士有15 對。按縣市別觀察，以新北市117 對最多，台北市 95 對次之，高雄市72對第三，台中65對、台南39對分居第四及第五名。內政部表示，首對同性伴侶結婚登記是在昨天上午8點零46秒，在台南市安南區戶政事務所辦理完成；首對國人與外籍同性伴侶結婚登記則是在昨天上午8時5分37秒在新竹市東區辦理完成。內政部也說，感謝第一線戶政同仁都能以平等親切的態度，以及高興祝福的心情對待前來登記的同婚伴侶，過程非常順利，完成結婚登記的新人也相當開心。安定力量上火線 批踐踏公投而全台戶政事務所昨開放同性情侶結婚登記，寫下新歷史，美、加、澳、歐盟駐台辦事處也分別送上祝福。挺同團體也呼籲停止爭執，讓更多人看見同志的存在，才能使社會大眾超越彼此的差異，彼此的尊重與包容，讓台灣社會走向更美好的境界。不過曾發起罷免立委黃國昌公投，反對同性婚姻立場鮮明的安定力量聯盟，在台灣同性婚姻開放結婚登記首日，正式宣布組成政黨，主席孫繼正揚言，「我們不能縱容政客踐踏民主與公投結果，這次我們要選自己的立委，從家庭贏回台灣。」同婚登記上路大學同學交往10年 甜喊媽媽要結婚囉同志父母不孤單 脆瓜阿公：當女兒的盾牌一聲「太太」等了10年 父親見證女兒完婚反同團體將組黨 宣戰2020台灣同性可結婚 中國LGBT社群憂喜參半相關新聞影音＿＿＿＿＿＿＿＿＿＿＿＿＿＿有話想說？歡迎投稿>>>【Yahoo論壇】