課程說明

程式語言如何在引擎蓋下工作？編譯器和直譯器之間有什麼區別？什麼是虛擬機器，以及JIT-編譯器？函數語言程式設計和指令式程式設計的區別又是什麼呢？

當涉及到實現一種程式語言時，有太多的問題了!

學校裡的 “編譯器課程 “的問題是，它們通常被表述為一些 “硬核火箭科學“，只適合高階工程師。

此外，經典的編譯器書籍從最不重要的話題開始，比如詞法分析，馬上就深入到形式化語法的理論方面。而到了實現第一個 Tokenizer 模組的時候，學生們就會對這個主題失去興趣，沒有機會真正開始實現一種程式語言本身。而這一切都被分散到整個學期的標記器和 BNF 語法的混亂中，而沒有理解程式語言的實際語義。

我相信我們應該能夠在4-6個小時內建立並理解一個完整的程式語言語義( full programming language semantics )，內容直奔主題，在現場編碼課程中以配對程式設計的方式展示，並以可理解的方式描述。

在 “解釋要點 “課程中，我們特別關注執行時期語義( runtime semantics )，並為一種非常類似於 JavaScript 或 Python的程式語言建立一個直譯器。

https://softnshare.com/essentials-of-interpretation/

微表情在AI面試的功能與不能
.
近幾年隨著AI結合電腦視覺技術的快速進步，許多心理學家與電腦科學家合作，捕捉人們的微表情，來分析特定行為傾向，例如說謊、犯罪、酒駕、吸毒、性格違常、人際溝通與職場行為等。
.
所謂微表情分二種，一種叫subtle expressions (又稱弱表情)，係指人類肉眼難以分辨的細微表情，例如眼角稍稍向上/向下，但一般人看不太出來；另一種叫micro-expressions, 意指人類肉眼不易察覺的瞬間表情變化，大約是1/15-1/25秒。基於微表情來自下意識的反應，不易被當事人進行刻意操控，常被用來偵測當事人內心的真正意向。
.
過去"表情等於情緒"學派一直主張微表情反應特定情緒(例如開心、難過、生氣、厭惡、害怕、驚訝、不屑等)，而情緒反應一個的人的心理狀態。他們做出一系列的表情包，再用這些表情包來推測當事人的心理狀態 (例如美劇Lie to me的情節)。相關研究，最常被拿來應用的是面部編碼系統(Facial Action Coding System, FACS)所歸納出來特定面部動作(Action Unit, AU)與相對應的情緒解讀。但是這樣的主張，一方面，開始被社會心理學家推翻或挑戰，因為在不同社會文化/或情境下，同一系列表情包可能反應不同的情緒。甚者，這些表情反應的可能不是情緒，而是人際(或人機)互動的社交信號。另一方面，許多研究還是運用肉眼來驗證判斷特定的靜態表情(持續高於1/2秒)是否反應特定心理狀態，而不是真的捕捉微表情，也不是捕捉表情的”移動變化”。很自然就不容易得到正確的答案，甚至產生誤導， 變成另類的「相術」！
.
其實真的研習過AI的學者專家都明白，AI看到的與人類肉眼看到的世界，是完全不同的，加上人類的心理狀態過於複雜，根本難以正確分析一個人的內心運作，例如答應一件事，是發自內心同意? 心不甘情不願? 或只是為了取悅對方，又或者只是從眾?
.
這些專家不會跟自己過不去，花時間來解答這種不容易得到標準公式的議題。取而代之的是，捕捉微表情的動態變化，分析或預測當事人的行為意向，例如答應或不答應，而不是去分析答應與否心理運作的黑箱。這樣反而能夠讓AI發揮它可以做到的快篩功能，且學術實證上都得到不錯的正確率。例如在錄影面試中與不同面試問題設定下，求職者在回答這些問題，經由微表情分析，推測他們在職場環境”可能”出現的行為傾向，而不是去評價他們回答的內容。這目前仍需要靠真人專家判斷或到下一關面試進行追問，才容易得到較完整的資訊。
.
畢竟，就像抗原快篩和PCR核酸檢測，是不同的運作原理。AI面試是運用微表情和其他非口語信息為線索，來推測當事人行為傾向的快篩工具，它快速便宜，可以進行大量海選式的普篩，但並非直接測量行為本身。 半結構式的行為事例面談、評鑑中心則是真的測量行為，有一定信/效度，但耗時又昂貴，較適合針對已鎖定目標對象的精選。
.
以上是用來補充這篇報導背後一些沒有提到的事。
.
https://www.businesstoday.com.tw/article/category/183015/post/202106300037/AI%E9%9D%A2%E8%A9%A6%E5%AE%98%E7%95%B6%E9%81%93%E3%80%80%E5%B9%AB%E5%8A%A9%E4%BC%81%E6%A5%AD%E6%89%BE%E5%87%BA%E3%80%8C%E5%B0%8D%E7%9A%84%E4%BA%BA%E3%80%8D

廣告如何打擊人道危機新聞？- Billy Tong

即使來到 21 世紀，社會比從前富裕，但是世界依然充滿戰亂、饑荒甚至是種族滅絕等人道危機。在這些危機中，傳媒扮演關鍵作用，令資訊流通，向世人揭露真相。不少傳媒倚仗廣告收益營運，但是通訊社 The New Humanitarian 報道指出，很多廣告的方程式會自動避過嚴肅、負面的新聞，變相打擊人道危機的報道工作。

分析機構 Adalytics 做了一項大型研究，分析網站編碼，找出廣告方程式的隱藏「封鎖清單」（Block List），發現 7,000 多個單字和短語。有大型企業會要求科技公司，避免把廣告刊登於有可能「傷害品牌形象」的頁面。這些廣告公司會製作負面字清單，例如「暴力」、「恐怖主義」，再由程式搜尋關鍵字。如果網站內容觸及相關字眼，就會應部分客戶要求把廣告抽起。有些新聞網站靠讀者點擊廣告來賺取額外利潤，被抽起廣告變相會削減收入。

例如，2020 年世界糧食計劃署獲頒諾貝爾和平獎時，大部分新聞網的報道都包括「饑荒、「戰亂」等關鍵字，不少大型廣告商就自動抽起廣告。Adalytics 的研究也證實，大企業不單想避開天災人禍的新聞，封鎖清單也包括少數族裔、宗教、性小眾議題，甚至武肺和世衛，受影響的包括多間老牌媒體，「經濟學人」有 21% 的報道被劃出，「紐約時報」有 30%，而「Vice 媒體」更有超過一半內容跌入封鎖清單。

研究人員 Krzysztof Franaszek 仔細解讀編碼，試圖找出是甚麼機構下達清單指令。他發現編碼 MSFT_Neg 代表微軟，雖然該公司時常強調支持文化多元和推動公共衛生工作，其清單卻出現「跨種族」和「世界衛生組織」等字眼。另外 Mastercard_BlockList2_Dec2020 就是萬事達卡，該機構長期與聯合國難民組織合作，然而其清單上除了有「戀童癖」和「希特拉」外，還有「難民」。萬事達卡回應指，製作關鍵字清單是常見做法，以保護品牌形象，但就拒絕透露清單內容。

愛丁堡大學傳理學家 Kate Wright 表示，這些封鎖清單令專責人道危機的新聞機構失去重要的收入來源；數碼廣告顧問 Claire Atkin 亦批評有關做法正危害民主發展。2020 年一份研究指出，英國、美國、日本和澳洲的媒體機構，一年之間因為「過度封鎖」（over-blocking）而損失 32 億美元的廣告收入。對於廣告商而言，封鎖清單也未必對業務有利，避開質素較高的新聞網後，有商家發現自己的廣告更常出現在一些奇怪的網站上。

建立封鎖清單，原意其實是好的，例如 2017 年一份報告指出，數碼廣告為恐怖主義頻道提供收入來源，自此之後，有關做法才愈來愈普及。這些清單也可以避免資源錯付，譬如無國界醫生（MSF）就把英文簡稱相同的電子遊戲 Marvel Strike Force 加入封鎖清單，避免自己的廣告經常在遊戲網站出現。無國界醫生回應查詢時指，該機構內部的封鎖清單有數以千計關鍵詞，但團隊每年會檢閱四次，確保每個字都有實際用途，令廣告資源更能夠接觸到潛在捐贈者。

品牌安全顧問 Joe Barone 向The New Humanitarian 表示，廣告科技公司也明白封鎖清單是很笨拙的工具，未能解讀文章的語境，很多公司正研發利用機器學習技術相關程式，以取代現時的做法。

原文：CUP

#商業 #傳媒 #科技

「孫在陽」直播-Power BI 大數據分析-AI預防針注射追踪智慧-追踨名冊
Denormalization就是去正規化。資料正規化的內容,是給人方便檢視而設計,但不利於資料分析.利用Excel VBA可以完成資料去正規化。
孫在陽老師主講，[email protected]
範例、講義下載：https://goo.gl/ytzRxT

「孫在陽」直播-Power BI 大數據分析-AI預防針注射追踪智慧-漏針率
Denormalization就是去正規化。資料正規化的內容,是給人方便檢視而設計,但不利於資料分析.利用Excel VBA可以完成資料去正規化。
孫在陽老師主講，[email protected]
範例、講義下載：https://goo.gl/ytzRxT

「孫在陽」直播--數據分析之 denormalization
Denormalization就是去正規化。資料正規化的內容,是給人方便檢視而設計,但不利於資料分析.利用Excel VBA可以完成資料去正規化。
孫在陽老師主講，[email protected]
範例、講義下載：https://goo.gl/ytzRxT