關於 如出一徹同義詞 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【EP64 從甘肅夏河、阿爾泰山到塔什庫爾干：偏離正軌的絲路流浪 ft. 圖文插畫家 點點陳 點點陳插畫事務所 】

讓我們一起回到2012年的中國新疆。

當時七五事件才剛過不久，新疆在外地人眼中是「危險」的同義詞；習近平還沒完全掌握大權，智能手機與支付寶也尚未普及；方興未艾的自助遊風潮，吸引了無數城市年輕人紛紛西進，想感受這個國家的寬廣遼闊。而在這群年輕人中，還有著一位為了探索世界而到上海交換學生的台灣女生，點點，抱持著初生之犢不畏虎的決心，正沿著河西走廊往歐亞大陸的最深處前進。

但這趟絲路流浪並不傳統；相反的，這是一趟非常偏離正軌的絲路旅行——

對西藏有所嚮往的點點，首先繞路來到了甘肅南部的夏河縣拉卜楞寺，見識到藏傳佛教信眾的虔誠；接著穿過河西走廊，原本在烏魯木齊就該結束的旅程，卻突然延伸到北疆阿爾泰山，放著一般人趨之若鶩的喀納斯湖不去，硬是在一個山中小村賴著不走；最後又一路殺到南疆最偏遠的塔什庫爾干，見到了另一邊就是巴基斯坦的紅其拉甫口岸，並感受富含塔吉克色彩的邊疆風景。

然而這一切的偏離正軌，可能都比不上親自前往七五事件發生地點——烏魯木齊二道橋來得精彩。當一行人來到這個所有人一再叮嚀「絕對不要去」的維吾爾市集，來自周遭的凝視讓他們彷彿誤入叢林的小白兔，氣氛也隨著腳步變得越來越緊張；然而就在這個時候，一個突如其來的尷尬問題，竟然瞬間導致情節大逆轉，徹底改寫了點點的絲路體驗！

究竟是什麼樣的問題，讓原本幾近凝結的氣氛出現180度的大轉變？從夏河、禾木、喀什到塔什庫爾干，這段不斷脫離主線的絲路旅程上，哪些人事物是在酒泉、敦煌、嘉峪關看不到，卻讓點點回味再三的？這集就讓我們跟著點點回到近10年前的中國，懷抱著年少輕狂的叛逆，一起經歷那些偏離正軌才會遇見的瘋狂流浪故事！

#三山夾兩盆 #西出陽關無故人 #朝穿皮襖午穿紗
#封面是來賓自己畫的

🎙️ 來賓簡介：
點點陳 點點陳插畫事務所 ，旅行插畫家，桃園人。畢業於台灣大學土木所結構組。擅長以手繪的溫暖風格描繪插畫，喜歡將旅行觀察與日常生活繪寫進手帳中，那些再平凡的日常，只要記錄下來都將成為獨具意義的回憶。期待作品能以插畫和文字帶給讀者身歷其境的感受。著有《海島一點點：東京╳廣島╳瀨戶內海 都來一點點》、《沙漠一點點：西安到喀什，4590公里的絲路日誌》。

✅ 本集重點：
* (00:01:28) 將近10年前還沒智慧手機就決定衝新疆！哪來的勇氣？
* (00:04:32) 從小都是個乖小孩，為了不讓家人擔心，只好⋯⋯
* (00:07:00) 甘肅夏河縣拉卜楞寺：擦邊球拜訪藏區，去不了西藏的替代方案
* (00:10:51) 藏區文化：藏傳佛教寺廟、喇嘛、磕長頭、轉經輪與唐卡
* (00:14:00) 背包客界無奇不有，青年旅館見識到的各種奇葩旅人們
* (00:18:02) 每個人都說新疆很危險！但真的有那麼可怕嗎？
* (00:20:34) 七五事件發生地點，烏魯木齊二道橋，對話中意想不到的大反轉？
* (00:23:58) 從2012年到2018年，發生了多大的轉變？點點與Jerome的經驗對照
* (00:25:17) 從烏魯木齊前往阿爾泰山的旅程，尷尬的民生問題——關於廁所
* (00:29:26) 圖瓦人建立的阿爾泰山中聚落禾木村，來了就不想走啦～
* (00:33:46) 旅人的一廂情願，誰規定山中小村一定要很原始？
* (00:38:02) 東方與西方旅人的交會之處，南疆喀什，維吾爾人多就一定危險？
* (00:40:46) 塔什庫爾干自治縣，充滿塔吉克風味的山中縣城
* (00:43:27) 這段旅行對你的意義是什麼？還有給背包客的一點叮嚀
* (00:45:45) 點點陳的創作與出版品介紹，結語

🔈 收聽節目：
Spotify Apple Google SoundOn Firstory Baabao KKBox
各大播放平台搜尋「旅行熱炒店」或至官網

#podcast #travel #播客 #音頻 #自助旅行 #中文podcast #台灣podcast #中國 #絲路 #新疆 #甘肅 #烏魯木齊 #阿爾泰山 #禾木 #拉卜楞寺 #夏河 #喀什 #塔什庫爾干 #維吾爾 #七五事件 #沙漠一點點

〈脈輪一年療癒計劃〉最早一批同學，即將完成七個海底輪課題，當然因為預錄的關係，我已經提早一週結束了，在進入下一個脈輪之前，來記錄一下這段時間的改變。
　
其中之一是：我開始能夠喜歡和人相處了
　
一直以來我都有很大的疑惑，為何明明對人性很有興趣，卻很害怕「人類」？明明工作需要大量和人深入接觸，為何私生活卻沒辦法和人深交？
　
海底輪的其中一個課題是「連結」，因為海底輪是我們的根，就像有些樹木會透過根系彼此溝通一樣，沒辦法好好的連結，常常是根基的不穩。
　
我在覺察這個脈輪課題時，很詫異地發現，其實我骨子裡很害怕「人類」讓我失望，因此寧可深入最永恆不變，大家都一樣的「人性」，彷彿直接擁有了這個，我就不再恐懼無常，不會被傷害情感和失去──就像學生時期不斷經歷的一樣。
　
擁有對人性的理解，會讓我具備一定程度的柔軟；但同時作為代償的，也會有一定程度的冷血。好像可以很在乎誰，了解誰到他一輩子都沒有體會過的深度；但同時也可以隨時抽離，因為不過就是另一個沒什麼不同的人性。但這不過是一種自我保護，躲藏在洞悉人性的盔甲之後，卻讓我沒辦法透過五感，真實而赤裸地接納每一個獨特的個體。
　
在意識到這個課題之後，我小心翼翼地，一點一滴嘗試著把自己從盔甲放出來，甚至因為走出這麼一步，回頭看見自己許多盲點。
　
＊＊＊
　
原來這些年，我一直覺得自己金魚腦，不管認識多久、多親近，我都沒辦法記得一個人的零碎瑣事，例如愛吃什麼、住哪裡、讀哪個學校、有什麼興趣──其實不是真的記性不好，而是潛意識裡，那被我歸類為「無關緊要」。
　
但如果打從心底老認為別人的事「無關緊要」，怎麼可能與另一個人真正的連結？那與記性無關，是願不願意交出你的在乎，但對我而言，那甚至是「願不願意在乎到可能受傷」的同義詞。
　
隨著脈輪的療癒，海底輪的恐懼逐步修復，我開始能面對過去的膽怯，嘗試帶著好奇心和在乎，好好去了解身邊的人──你喜歡什麼？討厭什麼？對什麼很有興趣？又對什麼事無法忍受？
　
無關乎了解人性，而是真實想了解「這個人」。
　
＊＊＊
　
而奇妙的是，越是放下「想要了解人性」的執著，越能如實看清自己的盲點。
　
就像回頭照鏡子一樣，我看見過去老是在人際關係受傷，其實是因為個性不成熟，講話超級白目又不顧別人自尊，惹到別人會生氣或排擠我，也是理所當然的。
　
我也看見自己過去因為太寂寞，老是希望別人認同，所以常常不給人表達意見的機會，一股腦兒地就把自己的想法傾倒，甚至還會否定對方的立場。也難怪以前朋友發生什麼事，我都是最後一個知道，然後氣呼呼地覺得別人不夠朋友。
　
雖然近年來我的個性已經有很大的改變，加上身心靈工作者的身分，反而是很多朋友主動找我談心訴苦，形勢丕變，恐懼卻仍如影隨形，潛意識以為抓著懂人性就可以安全下莊，卻是躲在陰影後頭，看著朋友來來去去，已經沒有勇氣經營平起平坐，彼此深入的情感。
　
說奇怪也不奇怪，竟然是在無法與人實體接觸的疫情期間裡，才就此頓悟──也許人際關係的徹底淨空，才能讓我在療癒裡徹底照見自己吧。
　
這陣子我變得有趣了起來，開始會主動約許久未見的朋友線上閒聊，就算只是普通的聯繫，也會多兩句問問對方家的貓還好？就連泡在電腦前改作業，也會主動找出有共鳴的地方回應──不是刻意為之，而是眼睛，或者說五感，忽然開始可以看見「人」，有血有肉，有個性，有喜好，而我願意去聽，去參與他一部份的人生。
　
真實而不帶批判的理解，但同時又具備原本的深刻與靈敏，我喜歡這樣版本的自己。
　
分享這張照片給你，是課程中的海底輪曼陀羅療癒牌陣，我用它冥想的過程中獲得很大的力量。
　　
＊＊＊
　
〈脈輪一年療癒計畫〉申請表>>>https://yssweet.com/tarot_healer-2
　
加入日起14個月內，若完成49週進度並繳交每堂作業，可退差額，等同早鳥價。
還有一群同學跟你同進退，一起在社團曬作業追進度，分享生活中的共時性:)
　　
＊＊＊
　
另，明天（7/10)晚上十點，粉絲團即將釋出七月下旬遠距心靈問路/隨喜問路名額，請需要的朋友準時填單哦。

AI 如何為公司創造更多價值？專家：2 個缺陷，要先由人類來修補

2021/05/13
採訪‧撰文
盧廷羲
張凱崴

美國人工智慧國家安全委員會（NSCAI）今年 4 月建議，國防部每年應至少分配 3.4% 的預算投入科技領域，並提撥 80 億美元研發 AI。企業方面，微軟（Microsoft）4 月宣布，將以 197 億美元收購語音辨識開發商紐安斯通訊（Nuance Communications）；後者是雲端與 AI 軟體的先驅。

從企業到國家，都愈來愈重視人工智慧，知道要想辦法運用 AI 創造更好的生活。不過，目前 AI 發展到底處於什麼階段？我們又該如何應用？

美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授張凱崴形容，目前人工智慧技術已經可以幫助人類完成很多事，像是疫情來襲，電腦可以從大數據中篩選條件，自動搜尋、判讀潛在病例，幫助醫生大幅減少檢查時間，但 AI 也並非萬能，要先認知它的局限。他研究如何讓 AI 更符合人性，獲得 2021 年的史隆研究獎（Sloan Research Fellowships）。

AI 局限1. 資料寬廣度不足時，就會複製人類偏見

張凱崴認為，電腦在學習的時候，是依賴「彙整數據資料」來判斷，並沒有真正思考，如果資料來源太狹隘、不夠多元，資料寬廣度不足，電腦判斷就會出現偏差，「你跟電腦講清楚 input（輸入）、output（輸出），提供足夠的數據資料，它可以對應、學得很好，但還有很多面向 AI 做不到。」

舉例來說，亞馬遜（Amazon）2014 年推出智慧音箱（Amazon Echo），使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而，有些人口音較罕見，或是用字較特殊，智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案，就可能失靈，這是當前 AI 的其中一大問題。

張凱崴進一步解釋，AI 另一項挑戰是，它無法清楚分辨「不曾出現」與「不能出現」（無法出現）之間的區別，只是從資料統計出要學的東西，無法像人類一樣進行邏輯思辨。

AI 的運作方式，第一步是輸入資料，第二步是分析，但這過程容易出現偏見。例如電腦在理解「總統」這個字，會去看四周有什麼字詞，來學習總統這個詞，由於許多總統都是男性，電腦就會「覺得」總統是男性。

這也是為什麼，如果讓 AI 學習，在它的認知裡，女性「不可能」當美國總統（因為沒有資料紀錄）。「你可以跟人類說，任何職業、性別都是平等的，但對電腦來講，這很困難，」張凱崴說明，一旦資料的寬廣度受限，電腦就容易產生偏見。

就像在自然語言處理（Natural Language Processing，讓電腦把輸入的語言變成有意義的符號）領域，張凱崴說明，AI需要知道代名詞指的是「哪個名詞」，才能運算下去。但如果資料受限，使用男性的「他」，電腦可能判斷這個代名詞是指總統、總理、執行長；但換成女性的「她」，由於數據不足，電腦就會混亂，出現系統性誤差。

他再舉一例，美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統（GPT，Generative Pre-training），推出到 GPT3 版本，屬於書寫類 AI，電腦能夠揣測人們說完上一句話，下一句可能會講的句子，自動完成後半段。

好比有人上一句寫下「我正在和教授聊天」，系統可能推導出「我們在研究室討論學術問題」，因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示，GPT2（前一代版本）系統也從資料中學習到許多偏見，像是如果句子前半談論白人男性，系統傾向產生正面評價；如果句子前半是黑人女性，系統竟會產生負面句子。對企業來說，許多組織接觸 AI，想讓它們取代部分工作，首先需要留意資料的廣度、多元性，才能減少電腦犯錯的機會。

AI 局限2. 即便條件相同，也無法每次都做出正確判斷

「其實，現在的 AI 就像一台原型飛機，還缺乏穩定性。」張凱崴說，現行的 AI 就好比萊特兄弟（Wright brothers）剛發明飛機，看似可以做很多有趣的事，但「可以飛」跟「飛得很好」，有一大段落差。

紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片，AI 掃描後，確認是不是本人，但當時系統沒有估算到某些亞洲人眼睛比較小，一名亞裔男子被判定「沒有張開眼睛」，因此照片無效。

張凱崴說，在這個例子中，凸顯出 AI 的穩定性不足，「系統沒有考慮到不同人種的差異，很死板地認為你眼睛沒張開。」所謂的缺乏穩定性，指的是 AI 沒辦法在相同條件下，每次都做出正確決策，這也是使用 AI 時，須留意的第二個挑戰。

他再舉例，許多模型可以準確分析，一則影評對電影的評價是正面或負面。然而研究顯示，有時只要將影評中一些字換成同義詞，例如把電影（movie）換成影片（film），或改寫句子，即使意思並未改變，系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。

在設計這些程式時，人們必須注意到 AI 可能有局限，設定的資料範圍要更完整，考慮這些因素，就能減少偏見、落差，進而加強穩定性。

餵指令給 AI 要多元化，嘗試「換句話說」、刻意混淆

經理人雖然不一定具備 AI 方面的專業知識，但只要掌握觀念，再透過 AI 領域專才協助，也能優化系統。張凱崴指出，最直接的方法是，設計 AI 模型時，要把來源群組不同的資料分門別類測試，在測試階段讓群體多元化，並確保不同特色的使用者，用起來都沒有問題。

舉例來說，一套 A 系統擁有來自各地的使用者，如果設計者是台北人，設計系統的思維容易以台北生活為主，很可能因為當地習慣不同，導致花蓮使用者操作不順。

另一個方法，則是用不同的「語意」，去測試 AI 有沒有徹底學會一個概念。例如，有一套餐廳評鑑的 AI 系統，只要蒐集、整理使用者意見，就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性？張凱崴建議，可以利用「抽換詞面」的方法。

比如，把詞彙換成同義字，再看 AI 是否能運算出相同結果，「你可能會發現，原本評比結果是食物很美味，但如果美味換成比較困難的詞，AI 就會分不出這則評比是好是壞。」因此在訓練模型時，可以將詞彙隨機抽換成同義詞，增加 AI 的詞彙量。

第三種方式更進階：改變句型、重寫句子。張凱崴指出，同樣一句話，如果換成不同說法，電腦可能判讀錯誤，將「因為發生 A 事件，所以導致 B 事件」，改寫成「B 事件發生了，是因為 A 事件的緣故」，明明兩句話意思一樣，但 AI 很可能因為穩定性不足，搞混兩者的差別。如果要鞏固 AI 的穩定性，可以使用自動改寫的方式，增加資料的多樣性。

張凱崴表示，經過這些測試，讓 AI 接受更多元化的訓練，得到更廣的學習範圍，往後碰到同義詞、相似資訊，才能有效判讀。

張凱崴總結，AI 還在快速發展，或許可以創造更多工作機會、新的職位，但現行階段，它只是輔助角色。AI 並非魔術盒子，使用它就一定有更好結果，人們還是要保持高度耐心，先認識它的缺陷，才能在技術更迭下，發揮出最好的結果。

張凱崴

台灣大學資訊工程系碩士、美國伊利諾大學（UIUC）電腦科學博士。美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授，研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎（Sloan Research Fellowship），研究團隊開發的運算方法，使人類語言處理的程序更有效率、更多元，同時兼具公平性。

附圖：優化AI系統的3方法

資料來源：https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis

109. 現象學—研究生命現象的方法論

依現象學派的說法，現代人都不自覺接受了柏拉圖（Plato）、亞里士多德（Aristotle）的真理觀。他們將真理視為一對象，是客觀的、穩定的，是澄明的。數學命題：1＋1＝2，幾何命題：三角形內角和＝180 ∘，都是如此確定，確定性便成了真理的基型典範。整個西方哲學的真理觀，都希望達至這種確定性，真理成為永恆不變的同義詞。

海德格不贊成這種邏各斯（Logos）中心的態度，於是援用現象學的方法從新思考人的存在，他發現人跟世界有一種很特別的牽連，就是人會關懷周圍的人或物，他跟一切存在者都有所牽慮（Care/Sorge）。海德格認為「牽慮之情」是一個存在論概念；只有能牽慮的生命，始會捲入現實與理想的糾纏之中。所以，我們在顧慮，在煩惱，在牽掛，正好揭示了我們的身分：我們是一自覺者。在死亡的感觸裡，我們首次發見人類特有的時間向度。人所牽慮的是他終極的可能性。當他不為特定問題所糾纏，一往無前地探索，他將發覺人生是一整體，人必須徹底解決全部的生命限制。釋迦牟尼年輕時出遊，於城外見生、老、病、死的現象，立即觸見生命的無常性，他突然陷入困擾，因存在的觸動而開始求道的決心。求道之心就是人性中最本源的牽慮，人因著牽慮而發決心投射於未來，求大澈大悟，建立一真實的生存方式。

講者：陶國璋（香港中文大學客席助理教授）、楊德立（柏林自由大學博士生）

即時聊天室：http://goo.gl/ToDqof
謎米香港 www.memehk.com
Facebook：www.facebook.com/memehkdotcom