免費OL絲襪美腿自拍www.38kky.com

【羅開新聞中心Minsey Weng綜合報導】儘管再次挑戰生涯大滿貫失利，不過Jordan Spieth（喬丹•史畢斯）展現谷底翻揚的跡象，最後在Bethpage State Park-Black Course（貝斯佩吉黑球場）落幕的第一百零一屆PGA錦標賽並列第三。自從2017年在Royal Birkdale（皇家伯克戴爾）英國公開賽贏得個人第三座造型不同的大賽冠軍盃後，史畢斯陷入一勝不可得的窘境，世界排名也從當時的第二，滑落至PGA錦標賽前的三十九名。事實上，史畢斯去年在Carnoustie（卡努斯提）製造了衛冕機會，決賽日並列領先出發，不料爆出七十六桿，落居並列第九，後來也被摒除在年終大賽的三十強行列之外。這位擁有十一座美巡賽冠軍的美國新生代好手，球季結束後完成終身大事，但新球季開打仍不見起色，最佳成績只有名人賽的並列二十一。來到紐約之前，史畢斯連續十八場比賽未能打進前十，不過就在不被看好的情況下，反而展現許多不見的競爭力，前兩回合分別擊出六十九和六十六桿，可惜週末兩天只打出七十二和七十一桿，無緣搶下生涯大滿貫的最後一張拼圖。 這是史畢斯自去年英國公開賽後首度打進前十，他賽後在記者會上開頭說道：「已經好久沒有打出這麼好的成績了，現在覺得非常開心。」「我知道本週面對這樣的球場，自己可能沒有機會贏球，不過有時候謙卑一點也不錯，我知道如果打法和心態都正確，也許有機會，很高興自己製造了一些聲量。」現年二十五歲的史畢斯，二十四歲前累積了十一座美巡賽冠軍，包括三場大賽，其中2015年連贏前兩場大賽，那年甚至有機會挑戰年度大滿貫，另外兩場大賽分居並列第四和第二，並成為自Tiger Woods（老虎•伍茲）之後最年輕的世界球王，不過好景不長，前後僅僅在位二十六週。轉眼間，史畢斯已經快一年十個月不知冠軍為何物，但隨著PGA錦標賽並列第三，重新證明了自己的實力，他說道：「我對我們的團隊有信心，對自己的各方面的訓練，像是心理、自我和練球態度，也都有十足的信心。」「過去五個多月來，我在訓練上花了很多時間，試著找回過去自己在大賽的感覺，也就是那種即使並非最佳狀態，也能夠在週日決賽保有競爭力，該救平標準桿時救平標準桿，該博蒂時博蒂。我在2015、2016和2017年期間就是如此，現在慢慢找回那種感覺了。」

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

最近有一則社會新聞「3歲童戳破90萬音響事件」引起大家熱烈的討論，且不管論戰的結果如何，值得我們深思的是，在這些的論述討論中，幾乎沒有多少論點是從孩子的眼光角度去思考討論的。波哥大市長安立奎．佩納洛薩 （Bogota’s mayor Enrique Penalosa）所說：「兒童是指標性的生命物種。如果我們能成功為兒童建造一座城市，這就是對所有人而言都成功的城市。」換句話說：「如果你能從95公分的高度看城市，會做出什麼的改變呢？」－－95公分是三歲兒童的平均身高，也是孩子的視野，關注兒童的發展重新設計城市就是其中提到的觀點。對一個孩子而言，這個令他好奇的世界，是正等著他去探索的，這是孩子的天性，是成長必經的一段美好的旅程，也是正在培養面對未來能力的「學習」；但是如何妥善並協助孩子，正常發展其好奇心與學習的天性，更應該是當父母的我們責無旁貸的責任 。在我推動「了解孩子」工程中，不只是身高視角上的95公分，也包含同理心理層面的95公分，所以無論是天生氣質評測，或者是親子未來學，想協助家長的，都是這「95公分的同理心」。以「孩子戳破音響事件」為例，從教育的角度來省思，就會發現哪些事是我們該做而沒做的：首先是了解。這階段孩子的天性-充滿探索的慾望。如果父母透過了解孩子的天生氣質，發現孩子的趨避性是偏向對新事物是較願意嘗試探索的，耐挫性佳，情緒本質又偏向樂觀，那這樣的孩子更可能是天不怕地不怕，對所有新奇的事物會想方設法地去嘗試；倘若加上堅持度又高，那更是很難管的住，這時候選擇孩子「探索」的地點就變得極為重要了。除非大人做好了萬全準備，也盡量不該選擇具有高風險性的場所。再者是溝通。孩子其實是可以用溝通來協議規則的；在前往目的地之前，父母是否有先讓孩子知道接下來要去的地方是要做什麼？有哪些事是不能做的？孩子能不能接受？……等，這可以避免類似的尷尬場面出現。其他該考慮的還包括：喝下午茶的時間是否恰逢孩子平日午睡的時間？孩子睡眠時間還是比成人來的長，下午茶的時段孩子的精神狀況不佳，容易不受規範；又或者家長可以事先與孩子約定，要在父母能及的範圍內活動，對於店內的東西盡可能不要隨意觸碰；真的很想一探究竟，可以由父母陪同再一起參觀或請老闆導覽解說。如此也許能夠享受快樂的下午茶；又能欣賞悠揚的樂音；孩子愛探索的需求也能夠被滿足；還能學習到關於音響的知識，可說是一舉數得。面對現代忙碌的生活與普世價值觀，我們是不是已經習慣用大人眼光看事情，忘記了身為孩子時的需求與視角？靜下心來，喝杯茶喘口氣，如果我們適時能把「身」和「心」都蹲下來，回到孩子的高度，看看那95公分的世界，也許你就會發現不一樣的視野。●作者：林美慧／兩岸親子未來學與幼兒教育專家、暐曜教育科技有限公司董事長●本文為作者評論意見，不代表《NOWnews今日新聞》立場●《今日廣場》歡迎來稿或參與討論，請附真實姓名及聯絡電話，文章歡迎寄至opinion@nownews.com更多 NOWnews 今日新聞報導 名家論壇》黃創夏／向「漢光演習」幕後英魂致敬！ 名家論壇》楊威利／高溫不跑步與陸軍司令 名家論壇》蔡祐吉／辭職別說謊，職場地雷要會避！

美國政府對華為實施禁令，川普做出最新回應，表示「華為很危險」擬將列入貿易戰談拚的內容之一，而外界擔憂，華為供應鏈亂成一團，手機市場恐死當，財信傳媒董事長謝金河就說，美國這次是一棒打中中國大陸要害！美國將華為列入出口管制的「黑名單」，讓這場美中貿易戰真正進入深水區，電子業看壞景氣，更替華為是否能達成原訂出貨目標打上大大問號。▲華為可以說是美國市場的「採購大咖」，因為700億美元預算有110億都來自美國。（圖／東森新聞資料畫面）財信傳媒董事長謝金河：「中國所有一切到現在為止不能掌控的事件，大概就半導體，所以（美國）從半導體切入，我想一棒會打到要害。」華為可以說是美國市場的「採購大咖」，因為700億美元預算有110億都來自美國，但美國晶片商，高通、ARM、魯門特姆等指標大廠相繼封殺，華為就算99%備齊，只要缺了關鍵一顆，整鍊就是「死當」。▲美國晶片商，高通、ARM、魯門特姆等指標大廠相繼封殺。（圖／東森新聞資料畫面）華為創辦人任正非：「不會，歐美國家最終，我們有很多東西他非買不可，但是我一定會賣給他們的，我們不會去計較他曾經拒絕過我們。」就怕華為供應鏈出貨大亂，法人以「火燒連環船」來形容，財信傳媒董事長謝金河更直接替台灣產業鍊拉警報。財信傳媒董事長謝金河：「我們有很多，長期依靠在大陸廉價勞力的產業，如果在這20年當中，我們只充分用到大陸廉價勞力，而你沒有升級，未來很可能在這一輪美中貿易戰可能會受創最慘重，而且甚至可能會被淘汰。」市場憂心中國大陸展開報復行動，將禁止iPhone搭載騰訊等軟體，讓蘋果掃到颱風尾，在中國大陸市場窒息。▲川普也預估這場貿易戰就快要落幕，並且直指「華為很危險」。（圖／東森新聞資料畫面）財信傳媒董事長謝金河：「大陸把這個Google的搜尋引擎全力栽培百度，現在百度已經，我看已經有點難吃了，如果你沒有核心競爭力，有國家隊支持還是很難抵抗大環境考驗。」不過川普也預估這場貿易戰就快要落幕，並且直指「華為很危險」，擬將華為當成貿易戰的談判籌碼之一。東森電視 版權所有 ©2017 EBC All Rights Reserved。更多東森新聞報導不離不棄正常出貨華為！台積電自信3原因曝光「華為鴻蒙」5/14註冊完成！自有系統取代安卓新八國聯軍成形？華為再遭SD記憶卡協會除名

為幫助五專學生畢業即就業，聖約翰科技大學電子資訊科在多家校友企業協助下，提供學生校外實習機會；專四及專五學生不但可以獲得學費及雜費全部免費的優惠，專四學生每個月更能領取產業界補助六千元的生活獎學金，因為提前適應業界環境及卡位職場，畢業後立即擁有工作機會，堪稱是CP值最高的選擇。（見圖）聖約翰科大電子資訊科主任周允仕表示，學校前身是新埔工專，畢業校友遍及各產業，大部分都已經企業主或是高階主管，成為學弟妹實習就業最好的人脈資源。在教育部推出「五專展翅計畫」後，陸續有撼訊科技（TUL）、金芯科技、志�實業、造隆公司、茂迪公司及德凱認證等企業提供工作機會給電子科五專學生，未來更有信昌機械、樺漢科技及瑞祺電通等企業將於暑假期間提供學生實習機會，學生們能領到比基本工資還多一至二千元的實習津貼，校友學長姐對學弟妹的厚愛可見一斑。周允仕主任說，最近許銀堆老師帶領四位學生前往造隆公司面試，四位同學均獲得錄取，其中，吳泓毅同學已經獲聘提早於六月至研發部RD實習。他非常感謝這些校友企業願意共襄盛舉，提供聖約翰電子資訊科學生實習及工作，希望同學能夠好好珍惜學習機會，努力把自己準備好，電子資訊科保證你畢業即就業！

中國時報【巫靜婷╱苗栗報導】體育人才外流是苗栗的痛，甫創縣史拿下JHBL全國國中籃球甲級聯賽男、女雙料冠軍的明仁男籃、大倫女籃，歷屆主力先發球員多向外發展，多位縣議員將矛頭指向教育處未落實3級制度，處長徐永鴻指出，經營球隊經費高，縣府財力無力負擔，將接洽企業尋找培育種子隊的機會。人才外流 議員轟教育處大倫國中女籃教練劉文君表示，苗栗的選手資質很好，但礙於資源不足，有小學生追籃球夢寧願先到名校卡位，今年奪下JHBL首冠的5名優秀畢業球員也分別選擇北一女、金甌女中及南山高中就讀。相較名校有企業支持不愁金源，苗縣體育教育資源相對辛苦，大倫國中女籃雖獲得優秀成績，卻因籌不到經費放棄出國比賽的機會，女籃目前也還欠缺1名助理教練，選手生活起居、晚間訓練、餐食等，全靠校內老師義務幫忙看顧，除了縣府補助部分費用，其餘來自外界和家長捐助。資源不足 接洽企業合作人才外流教育處成眾矢之的，處長徐永鴻說明縣府管轄的國高中小，其中就有15所學校設立體育班，唯在棒球領域以社團方式經營，成績依然優異，鮭魚洄流計畫每名體育績優生有8萬元獎學金，重視基礎建設另增設高灘地棒球場，國立學校則給予部分補助，並持續向教育部爭取經費挹注。徐永鴻表示，落實3級制，縣立苑高國中部目前設有排球班，今年也會在高中部甄選1名正式教練加入。經營隊伍每所學校每年至少要300萬至500萬元，縣府財力無法負擔，將計畫組團隊與企業接洽，企業每年投注200萬元以上，讓下個小裕隆、小京元就在苗栗。

話說《黑鏡》系列監製查理布魯克，在去年底推出互動式電影《黑鏡：潘達斯奈基》之後，坦承第5季的進度應該會受到拖延，因為全部的精力都快被用光了！這句話還言猶在耳，大家都放棄等待第5季之際，預告突然就這樣冒出來了！而且不但有第5季的集錦式預告，每個劇集都還有獨立預告。以討論科技如何影響人類的主題，《黑鏡》在第5季最特別的地方，就是只拍了劇情各自獨立的三集，這很有可能跟監製查理布魯克之前提到精力用光了有關，又或者這只是他放出來的煙霧彈，因為過往《黑鏡》也有在一個故事裡頭塞進很多段主角回憶的倒敘往事，形成「俄羅斯娃娃」般的劇中劇。最大的亮點，則是卡司全部換上熟面孔，《Striking Vipers》撮合了漫威與DC兩大陣營的演員，分別有「獵鷹」安東尼麥基、「黑蝠鱝」葉海雅阿巴杜馬汀二世攜手演出。故事圍繞著兩個非常麻吉的男人，他們一起玩音樂、打電動，只是安東尼麥基好像迷上了某種交友App，不斷滑著薄型螢幕手機，還趁著枕邊人睡覺後偷偷繼續玩。這個故事還有《星際異攻隊2》的「螳螂女」龐克萊門捷夫，以及《水行俠》飾演穆克上校林路迪共同演出，忍不住懷疑會不會隱藏漫威跟DC的彩蛋在裡頭。《瑞秋、傑克和小艾希莉》請出小天后麥莉希拉，扮演偶像歌手艾希莉，擁有許多青少年粉絲。在艾希莉的大力促銷下，大家買了她所代言的AI機器人「小艾希莉」。原本AI機器人「小艾希莉」是偶像歌手與粉絲溝通的橋樑，只是「小艾希莉」的行為舉止一點都不偶像，不斷發出讓人幻滅的言行舉止，超越乃哥臭罵唐從聖的尺度，難道「小艾希莉」才是偶像歌手的真面目嗎？第3個故事《碎片》，請來影集《新世紀福爾摩斯》的大反派安德魯史考特，扮演Uber司機，原本再簡單正常不過的叫車行動，卻在乘客上車後展開瘋狂失控的綁架事件，搭車上路變成警察包圍對峙場面。顯然他下載的靜心冥想App，似乎越幫越忙，這場僵局到底該怎麼落幕才好？《黑鏡》第5季預計在6月5日於Netflix全球同步上架，查理布魯克這回對觀眾說：「別說我們沒有警告你！」想解開謎團，就得承受一些意想不到的風險。更多鏡週刊報導《黑鏡》第四季粉絲狂推 跪求《星艦卡李斯特號》番外篇台版《黑鏡》開鏡拍攝 温貞菱不怕入戲太深走不出《黑鏡》第5季只是煙霧彈 原來是可操控互動電影

（中央社記者潘智義台北23日電）美中貿易戰持續升溫，美國封殺中國通信大廠華為效應升溫，台股今天重挫近150點，自重新站上11000點關卡後走跌，波段跌幅7.1%；新台幣連6貶，進逼32元關卡。台北股市加權指數今天終場收在10308.37點，大跌148.85點，跌幅1.42%，成交量放大至新台幣1177.46億元，8大類股僅食品類股小漲，其他各類股全面下跌，尤其機電類股跌勢最重。處理器矽智財（IP）龍頭大廠英商安謀（ARM）加入制裁華為行列，暫停與華為往來，恐影響華為採用安謀為架構的晶片開發；華為供應鏈成為今天股票下跌的重災區，晶圓代工龍頭台積電收在230元低點，下跌3.36%。系統組裝大廠鴻海收在最低點71.5元，下跌3.38%。光學鏡頭大廠大立光收在3800元，大跌6.98%。台股在5月2日重新站上11000點之上，5月3日來到11096.30點波段高點後一路走低，今天盤中一度跌破10300點整數關卡，但收在10308.37點，自5月3日迄今共14個交易日，波段下跌787.93點，跌幅7.1%。新台幣兌美元連6貶，今天收在31.547兌1美元，小貶1.7分，續創逾28個月新低。新台幣自今年初的30.794兌1美元一路走貶，在5月13日貶破31元關卡，但昨天新台幣兌美元收在31.530兌1美元，貶破31.5元關卡。若美中貿易戰持續增溫，新台幣兌美元續貶，則距2017年1月上旬的32元兌1美元關卡已不遠。（編輯：黃國倫）1080523

作者：Jack Huang／The World 2.0這一天的瑞典語課堂上，我們進行著每週一次的新聞討論。那份 2019 年的第一期週報上，列出了瑞典年度的三大新單字（註一）：Flossa（註二）、Nätläkare（註三）與 Flygskam。 2018 的年度代表字，反映氣候變遷 Flygskam 是由 Flyg（飛機）與 skam（羞耻）這兩個單字所組成，意思是：搭乘飛機的人，為此行為所造成的環境汙染感到羞恥、慚愧，因為飛機飛行時，排放的大量汙染物影響了環境、加劇了全球暖化的趨勢。 Flygskam 這一個單字，讓當天課堂上的討論，圍繞在氣候變遷與全球暖化的話題。瑞典語老師是一位 50 多歲的女士，有著瑞典人平靜的性格，然而當她提到去年瑞典的夏天，突然以誇張的表情與肢體動作說著：「如果我能選出一個瑞典單字代表 2018 年，那肯定是 svettig（出汗的）！」 2018 年的夏天是個極端酷暑，全球多處皆出現罕見的高溫。位於北歐的瑞典，夏季的平均溫度約為攝氏 23 度左右，是個相對舒爽宜人的避暑國家。 但是去年夏天，卻多次出現了超過攝氏 30 度的高溫。罕見的高溫與缺少雨水的情況下，7 月份陸續發生多起的森林大火，也因森林大火在瑞典不常見，消防人力與設備的使用又到達極限，最終在德國、法國與義大利等國家的支援協助下，才完成了空中的滅火任務──這樣的夏天，讓瑞典人印象深刻。或許也因為這一個夏天，讓瑞典人更加重視氣候變遷與全球暖化的問題，進而出現了 Flygskam 這個新的單字，也讓老師一語道盡了當時的瑞典天氣有多麼炎熱。瑞典女孩的全球倡議，正在發酵 在瑞典，現在若是提到氣候變遷與全球暖化的相關議題，人們立刻會聯想到一名 16 歲的瑞典女孩 Greta Thunberg。 Greta Thunberg 在去年暑假結束後，開始了她的 ” Skolstrejk för klimatet “（School strike for climate）活動，為氣候的罷課抗議。Greta Thunberg 認為政治人物為棘手的全球暖化問題做得太少、成年人應採取行動應對氣候變遷，才能保護孩子們的未來。 因此，她每天出門不是到學校上課，而是在瑞典議會外頭進行抗議。她的訴求為：瑞典政府應根據 2015 年聯合國氣候峰會通過的《巴黎協定》減少碳排放量。Greta Thunberg 認為目前沒有投票權的她，只有進行這樣的抗議行為，她的聲音才能被聽見；而她原先的計畫是罷課抗議會在 9 月份的瑞典國會選舉結束後停止，不過在大選結束後，她決定每週五仍繼續進行罷課抗議。 Greta Thunberg 的 Skolstrejk för klimatet 罷課抗議行為，開始得到許多關注，在瑞典，有人與她一同進行抗議，而在奧地利、比利時、加拿大、荷蘭、德國、芬蘭、丹麥與日本等世界各國的學生，也因此開始了各種正視氣候變遷議題的抗議活動，” Fridays for Future ” 已成為全球性的抗議活動，超過兩萬名學生響應。然而，也有人認為 Greta Thunberg 的罷課行為不妥，對此，Greta Thunber 回應：「如果都沒有未來了，為什麼我還要去學校上課呢？」 「人們告訴我，我應該去學校上課，學習真相事實、學習如何成為一名氣候科學家，但是，當政治家和整個社會忽視受過最多教育的氣候科學家所提供的、最重要的數據和真相時，為什麼我要去學校學習呢？」 Greta Thunberg 的罷課抗議行為，使得氣候變遷議題不斷在新聞畫面與報章雜誌上出現，她要督促政府有所作為。 去年 12月於波蘭舉行的《聯合國氣候變化綱要公約》第 24 次締約方會議，Greta Thunberg 受邀出席並在大會上發表演說；除此之外，Greta Thunberg 更是 2018 年時代雜誌評選出年度最具影響力的25位青少年之一。 你心目中，想給下一代的孩子們「一個好的未來」是什麼模樣？是衣食無缺的無慮生活與最好的教育環境吧！可是或許他們真正需要的，是一個能夠自在呼吸新鮮空氣、不需擔心異常氣候的發生、海平面的上升或是糧食短缺的生存環境。主圖 Photo Credit：（Greta Thunberg 於瑞典議會外抗議）Greta Thunberg Instagram 註一：每年都有新的瑞典單字出現，有時是來自於英語。年度新單字常與時事相關，更多的 2018 年年度新單字請見此連結。註二：Flossa 為一個舞蹈動作，是電腦遊戲 Fortnite 中的勝利之舞。註三：Nätläkare 是透過網路視訊與病患聯繫、進行診斷的醫生。※本文由換日線網站授權刊載，原標題為《 「如果沒有未來，我為何還要上學？」──16 歲瑞典女孩的罷課行動》，未經同意禁止轉載【關聯閱讀】 災難的悖論：「故意」生產過剩、撈空你的漁場再給點「補助」──「我們的繁榮生活，是踩在窮人的肩膀上」 幸福，其實真的不貴！──從氣候變遷到消費習慣，一個旅歐台灣人的反思作者簡介： 臺北人，解剖學及細胞生物學研究所畢業。人生的夢想是開設一家玻璃屋花藝店。2017 年的初夏飛往瑞典定居。學習瑞典語 15 個月並持續努力中，很享受閱讀瑞典語讀物時，腦子裡翻閱搜尋或猜測相對的中文、英文單字的過程。希望透過瑞典語深入了解更多的北歐文化。＿＿＿＿＿＿＿＿＿＿＿＿＿＿【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

談話的藝術之一是適當的留白。但是，當乱彈阿翔可輕可沉的菸嗓，吐出的不是菸圈，而是大量的停頓與空白時，身為一個採訪者，不免仍覺得，這白，真的也太白了。談話好冷，幸好這大叔會玩冷嗨，讓這冷終究有了一點喜感。跟他一起主持《台灣金頌》的浩子總要挑戰自我，不斷再立新哏補足留白。他在隧道那頭，我在隧道這頭，本來以為很遠，但當他能量釋放時，意想不到，原來他很可能是一個被搖滾魂耽誤的冷嗨大叔。 當我每一個問句，都接上乱彈阿翔的句點，若句點是一滴汗，我感覺後背正滲出更多句點，準備整理自己的問句再出發，是冷場或留白如人飲水，此刻他才大笑：「我每次都要冷，要搞很冷。」是好冰的水！每集都到的 來賓冷場連發我想，如果不是必須做採訪，總得讓他說點什麼，不然跟乱彈阿翔一起練習沉默、發呆，把互動放在空氣之中，可能就沒有句點了，因為從來都沒有話語成立在先。「有時候我一天只吃一餐啊，但是我吃飯吃很久，吃3個鐘頭，弄個肉配個啤酒，可以慢慢想事情。」乱彈阿翔說。冷面歌王 乱彈阿翔本名陳泰翔，1970年12月17日生，原為樂團「亂彈」主唱，之後以乱彈阿翔為名創作、發行唱片。1998年、2000年，亂彈樂團2張專輯都獲得金曲獎。2011年他以《翻滾吧！阿信》電影主題曲獲金馬獎最佳電影原創歌曲，2012年奪下金曲獎最佳男歌手。與浩子主持的台語音樂節目《台灣金頌》每週日晚間8點於公視播出。外出工作應該對他的人際社交造成膨脹與壓縮，當上主持人他很意外，「我從來沒有想過這個，我是音樂人，請你們認清楚這個事實。被說綜藝咖？我是被帶壞的，我就跟他們玩。」跟浩子的分工？「他負責講，我負責在旁邊坐著，這就是分工。」「我是陪浩子玩，我壓根沒有想主持的事。對我來講，我是每集都會到的來賓而已。」此話多俏皮。或是偶爾他一撥長長的頭髮，抬起右側臉，說也要照顧這邊的觀眾是嗎？其實右邊的空間裡沒有活生生的人，可能有眾生與否，我們也不知道，但那就是一個段子，是大叔福至心靈的笑哏。在連發的冷場中我一邊思索（應該是個人職業生涯中最高的冷場率），既然音樂大叔不愛聊往事、不愛聊多苦，誘發他的閃光點，應該只能是音樂。於是我說起他在節目中模仿布袋戲反派「藏鏡人」的段落，他斂起那玩笑似的笑容，連忙表述：「唉！那還差一點，因為我覺得呼吸還沒調好，呼吸不ＯＫ。」我的背僵鬆了一點點，他如霧一般深濃的菸嗓不搞冷了，霧開始散了，我才能看到乱彈阿翔關於音樂的血肉真心。他用手指了指聲帶，「因為它是肉做的，它會受天氣影響，你常用它會受到損害；就算是老師，講話講久了都會長繭，我沒那麼厲害，我唱歌沒那麼ＯＫ。」狼性玩樂團 得獎強求不來做節目，他可以不記腳本，大叔說他反正也記不住。但做台語跨界音樂節目，聽新一代的樂團唱與說，讓他有點刺激，去想自己到底要用什麼角度活在世界上，以及自己存在的價值到底是什麼？但到最後，乱彈阿翔感嘆說：「現在樂團的人都太好了，我們那時候比較壁壘分明，因為有競爭才會進步。當我把你當成我的敵人，我就要精進我的技術；你當我是敵人，你就會精進你的技術。大家有競爭，音樂會弄得更厲害。」說的是關乎樂團的狼性。樂團時期他拿過兩座金曲獎，也以個人身分拿下金曲歌王，但乱彈阿翔未讓我覺得有什麼樣的狼性。那些好事與壞事交互掩映，像站在月台上等著捷運，車來了，你可能分辨不出，窗戶玻璃上的人，是真的要下車的人，亦只是反射出來等待上車的人，好與壞虛實相映，但它並不是太強烈，所以與他的談話，就算有一點冷，你也覺得氣溫尚可接受，因為太過樂觀的人與太過悲觀的人，本質上可能都同樣悲摧。拿過幾次金曲獎的他說：「獎項都是意外，你只要一想就沒了。我每次說要中，這張很用力，結果連提名都沒有，真的不要刻意，你盡量在這個階段完成就好了。生活當然ＯＫ啊！我有做廣告、配樂、電影歌曲。但我對音樂的要求是一樣的，不能變。」「若要強求，挫折感很容易出現啊！年輕時都想要這個、那個，但我生活不會不好，看你的欲望在哪。」他在路上看到蝸牛就撿回去養，還研究出用地瓜葉可以養活蝸牛。說自己每首歌都情歌，因為有時他是對大自然唱，「音樂就像流動的電影，有畫面，歌詞飛過去，用哪幾個音符去代表，或是彩虹出現、太陽出來，你可以透過音樂的線條去帶動。」他說，網路上找得到做音樂的公式，套上去都很好聽，「但你出來的東西是真的還是假的，其實自己知道，只是自己不願意承認。我聽就知道是真的還是假的，音樂是來自情感不是套路。」音樂不只是感情還是人。你聽大叔講起音樂，肯定是種愛戀。心理狀態的長途跋涉，就為了回到最樸簡的、一顆又一顆的音符。「平常我不碰音樂，不能碰，一碰你就跟它不好了，保持一點距離，你愛它要有點距離的。我不練吉他、不彈琴，要寫歌的時候再來練、再來彈，找到要的句子，一直練，就好了。當然會有迷路的時候，常常，但那一剎那、碰撞到一個東西的時候是很美妙的，自己就很高興。」叛逆到極致 告別式如演唱會「要做作品，我就想讓我自己爽，總要服務我自己吧。我還是有謀生的工具，我服務別人，但我要做我的東西，我就會叛逆到極致，那才是我的價值。」他的硬調是在這裡，不是在那些浮動流雲裡，不是在那些研究蝸牛時，那時光好靜的時刻。他台上演出精氣神完足，「如果我軟趴趴的跟海帶一樣，靠夭，誰看！」金曲歌王真的苦過，但過得下去，開關在於調整自己與生活的孔隙，抓不住的，不用一定要張開手去擁抱。「以前想要很多都要不到，乾脆就算了。要很多，你就發現，一個都要不到。你愈是想要抓，它跑愈遠。」他說起永遠的神情，其實他是不相信永遠的。「人為什麼要有永遠這兩個字，你也知道任何一個事情都不可能永遠，所以一直要有個永遠的夢想在那邊。東西都會壞掉，不管機器或感情，有時候就會強求，一強求就是勉強，一勉強就是不自然，其實是變負擔。」不要負擔而且心要很寬，即使是生，即使是死。48歲的乱彈阿翔透露，接下來五年，他打算做自己的告別式音樂。可能會有不同宗教、性格的版本，但他要先滿足自己的需求，而且免費供人使用。「同樣死，有些人要安安靜靜像天堂，要有像天使一樣的音樂；有些人喜歡熱鬧。我應該很貪心，都要。我希望有起承轉合，像一場演唱會一樣，到最後，啊！他死了，大家帶著祝福，然後心裡覺得，要好好珍惜自己活著的時候。」「人生，大部分都是來不及準備的狀態，最後一道了，總要準備好。在生前準備好。你總是要讓自己放心。」訪問結束時是暮色黃昏，所有感知的意識告訴我們，還鮮活存在的，一下就要消逝，大叔不冷不嗨了，他眼前看的，是彷彿將要融化的黑暗。場邊側記關於音樂，乱彈阿翔的話語是嚴肅而有力道的。比如，他說到做音樂的心，「不要預設我要做超屌的歌，結果超爛。因為心已經不見了，我要做最hit最賺錢的歌，想到的都是錢，你心歪掉，做出來的東西就會歪掉。」場地提供：美雲美容室更多鏡週刊報導【鏡大咖】安打安打全壘打 阿翔【鏡大咖】勞碌命成癮症 莎莎【鏡大咖】神之巔 曾莞婷