Hey,卷一。
卷一:閱讀能力最後提示(白話文)
總體提示:
1. 注意時間分配,懂得取捨,不宜糾結於個別題目(尤其5-6分之長題目)。
2. 先做甲部、然後乙部文言部分,再做乙部白話。
分段題:
1. 記事部分須歸納事件共性,忌瑣碎或把所有細節羅列
2. 抒情或道理的部分忌籠統,宜具體交代作者...
Hey,卷一。
卷一:閱讀能力最後提示(白話文)
總體提示:
1. 注意時間分配,懂得取捨,不宜糾結於個別題目(尤其5-6分之長題目)。
2. 先做甲部、然後乙部文言部分,再做乙部白話。
分段題:
1. 記事部分須歸納事件共性,忌瑣碎或把所有細節羅列
2. 抒情或道理的部分忌籠統,宜具體交代作者感悟或觀點
(錯誤示範:抒發了作者的感慨/帶出作者的感受)
3. 宜清晰指出抒情或道理的指涉對象
4. 注意「事/情」或「論據/觀點」之間的銜接扣連
短答題:
1. 答案須與題目字眼對應,如問及「態度」,答案須是「態度」的一種,不能是「行為」或「表現」
2. 注意題目字眼的隱含條件或限制,如題目要求概括「表現」,答案則必須為外在行為舉動,而非心理狀態或感受
3. 注意詞性的對應,尤其有關比喻象徵的題目。
4. 寫作手法題須根據文意/情節具體解釋,根據手法定義解釋文中如何運用了相關手法,而非只覆述文章內容,或只背誦手法的定義、效果
長問答:
1. 小心審題注意題目的焦點,如「對段旨表達而言」、「對感情的抒發而言」;亦要注意題目有否限制線索擷取的範圍(如2014年,「從父親的回應可見……」)。必須扣題說明,避免答非所問,重心偏離。
2. 作答時必須提出文本依據,但不宜只引錄原文,必須為提出的文本依據賦予意義(解釋文本依據與答案之間的扣連和關係)
3. 若問及主旨,須抓緊文章的敘事重點(如有)和立意,篩選不相屬或非重點的例子和旁枝。
4. 只提出立場,沒有任何闡述並不會得到任何分數,即使時間不足,亦應盡量簡略說明。
卷一:閱讀能力最後提示(範文)
1. 若然溫習時仍不知道何從入手,不妨先以自己文句記誦全文內容。
2. 一字不漏式的背誦,只適用「摘錄句子」的題目。根據以往可以參考的試卷,摘錄句子題多為範文中耳熟能詳的句子,例如「先天下之憂而憂,後天下之樂而樂」。 3. 除摘錄句子題外,其他問答題目均以自己文字作答。在問答中引用原文並非必要。尤其是題幹如表明「試以自己文句作答」,則必須以白話文覆述原文意思。
4. 長題目中除特別要求外,摘錄原句並非必需,但如你認為這有助你的解說,你可以引用原文,但引用原文後亦必須附上自己的翻譯及解說,切忌「引而不解」。 5. 部分題目分成兩個分題,同學必須留意兩個分題的關係和分工。例如試題中要求考生先回答「魚」和「熊掌」分別比喻什麼,再問孟子借此表達什麼道理。第一問應直接回答「生」、「義」,切忌和後部分的道理混為一談。
字訓題
6. 字訓題如以範文為考核範圍,大家可以有備而來,但如果準備不足亦可隨機應變,因為考評局會提供相對較長句子,通常在句子中已提供足夠的語理邏輯,仍有機會得出正確答案。
譯句題
1. 考評局所選的句子通常有難度,或在句式上比較複雜,過往曾考問「吾誰與歸?」,因此推斷「君子病無能,不病人之不己知也」這類倒裝句,亦是重點考問對象。
卷一:閱讀能力最後提示(文言文)
基本建議
1. 文言文讀一次未能透徹理解十分正常,在審題後,從題目中推測文意,逐步調整、修正自己的解讀。
字訓題
2. 字訓題若再次出現在陌生文言文,同學不用過於害怕。謹記只寫一個答案,三項要求:字義、詞性、語境。字義上可以透過成語或諺語記憶,如利用「化險為夷」一詞中記得「夷」字尚有「平穩」之意。詞性和語境需根據上文下理,尤其留意可否從對偶句、排比句中幫助定位。
3. 有需要時根據語境,冷靜地利用通假字,部首互換等方法得出最合理的解釋。
譯句題
4. 譯句實行扣分制,非關鍵字詞可不譯,故在白話語用上仍然普遍的詞語,或難以翻譯的專有名詞(例如:諸侯、義烈之士),均可不譯;相反錯譯非關鍵字詞卻會被扣分,故如果不肯定,折衷的做法直錄不譯。
5. 謹記在保留原句字詞詞性的大前提下,檢查文句是否通順;如句子不合常理,可嘗試調轉當中詞語的次序,以測試是否倒置句。
6. 特別應該留意句子的標點符號,如果標問號,則為問句;如標感歎號,則多數非問句。這對於理解「何」這類字詞的意思十分關鍵。
問答題
7. 一般需以自己文字作答,切忌只引錄原文而不作任何分析。宜精確地回應題目重點,並附以文本證據佐證。作答方式和白話文題目相約。
8. 比較題要對焦:不論篇章間的比較、或是同一篇章中不同人物之比較,切忌泛泛而論——抓住題目要求的比較點,集中回應,討論以均衡為宜。
9. 留意題目用語的細節,定出作答的方向,切勿粗疏理解題目用語。例如「樣本試卷」中,考評局問及鞭子的「色澤」。當時大多同學只答顏色,其實考評局要求考生同時回應「顏色」和「光澤」,故「白色而沒有光澤」才是完備答案。我們在會展大型模擬試中刻意用上「言行」一詞,亦是要求考生從「說話」和「行為」兩方面作出回應。
#詳細版要登入遵理先睇到
#我學生有片講解一定要睇
外內成語相反 在 Facebook 的最讚貼文
[員工有兩種,公司應該用哪一種?]
(職場易經筆記-11)
誰不喜歡聰明的員工?太多高階主管曾經捂著嘴跟我說:「我討厭跟笨的人一起做事。」或是說「我喜歡跟聰明的人一起工作。」可是聰明的員工又是指什麼?我再聽下去時,意外發現每個人的標準不同,卻沒有一個主管跟我提到績效佳﹑成果好。他們其實都語焉不詳地說:
「就是你一說,他就懂。」
「就是反應很快,很有想法﹑敢於表達的那種。」
「至少要頂大的學歷吧!」
但是那又怎樣!在職場裡,我們不也見過很多這種人的工作績效不佳,做不出成果?台大生不也經常被酸:「不是台大畢業的嗎?應該很聰明的呀!」即使如此,這些人先天上仍舊占盡優勢,老闆或主管就是偏愛他們,給他們機會﹑鼓勵,期待他們果然一鳴驚人,成為公司的明日之星。
然而聰明的人畢竟是少數,多數人屬於中等資質,假使公司規模不大﹑徵才品牌不響亮,老闆或主管就會在不合理的期待中,不斷落空﹑失望。這種心情就會顯示在行為態度上,中等資質的員工也會感受得到,便會造成惡性循環,放棄努力,最終證明老闆或主管眼光是對的,他們果然都是扶不上牆的爛泥。
問題來了,聰明型員工,以及努力型員工,企業該用哪一種?我的看法是,能挑員工的只有兩種,一是大企業或外商,二是徵才品牌響亮的中小型公司。聰明員工只會往這兩種企業去擠,至於多數其他的公司,其實沒什麼好挑的,能用的只有一種:努力型員工。那麼企業該怎麼用他們,或是說怎麼讓他們變聰明?
最近朋友跟我訴苦,他是一家30人公司的高階主管,業績蒸蒸日上,照理說他和老闆的關係應該是賓主盡歡,但是兩人卻為了用人思維不同,經常略有齟齬,久了便埋下不愉快的心結,影響到擕手打拼的動力。因此該用聰明的員工,或努力的員工,成為他們公司目前的頭痛問題之一。
他的老闆喜歡用聰明的員工,比如聰明機伶﹑很會表達。就這一點來說,我認為他們的員工已經可以打90分,因為他們做銷售,主要是跟人應對與成交。但是他的老闆還希望員工有想法﹑有做法,也就是有知識﹑有策略,這簡直是過度期待,理由有三個:
💚1.就人才的條件來看:
銷售人員講人格特質,不講學歷腦力。只要上面有策略即可,他們拼的是行動力。其實一個思考型的人,根本難以做銷售,因為想太多,心理障礙就多。
💚2.就工作的內容來看:
銷售人員必須勤於與客戶打好關係,再說服其成交,這是很花時間的磨人功夫;太聰明的人不喜歡做這種事,他們覺得浪費時間,就會做不好銷售。
💚3.就公司的規模來看:
公司只有30人,只能稱為中小規模,徵才本來就不容易。加上所處的不是高薪產業,不會被頂大或聰明畢業生列為求職第一優先,只能撿剩的來用。
可是我看到的是這家公司的員工很努力,而且努力的不只是工作,也努力轉型,不斷在公司內跨界做更多不同的事﹑學習不同的技能。他們也許學歷未必漂亮,大學讀的是中段或後段,但是長此以往,工作能力會變強,再加上在不同領域相互激盪﹑觸類旁通之下,也會變聰明,大大提高效率,做出漂亮成果。
從這個例子看來,就能夠發現到中小企業用人應該有兩個清楚的認知:
💚1.用資質中等,但具備努力性格的員工。這是企業的天障,好高騖遠只是徒勞無功,跟自己過不去,並打擊員工信心。
💚2.用輪調制度,或是進行跨部門專案,幫助員工變聰明。這是企業的責任,員工不聰明,企業就必須聰明。
在易經裡,這個情形可以用緊鄰的「泰卦」與「否卦」來解釋。「泰卦」在前,「否卦」在後,所以成語「否極泰來」不符合易經的卦序,並告訴我們,泰卦走到極致,物極必反,否卦就跟著來,樂極生悲。這使得處在泰卦時,必須保持危機意識,懂得珍惜與努力。
「泰卦」的下卦是乾卦,彖辭傳寫的是「天行健,君子以自強不息」,像天一樣運行不已,具備奮發進取的精神;上卦是坤卦,彖辭傳寫的是「君子以厚德載物」,像大地一樣寬大包容。用在公司上面,下面的員工像天乾一般奮發進取,上面的老闆或主管像地坤一樣照顧大家﹑寬宏大量﹑包容一切。
再白話一點,「泰卦」說的是員工要努力﹑老闆主管給予支持,公司營運便會走向通達和諧﹑前景看好。「否卦」相反,跟「泰卦」倒著來,上面乾卦,下面是坤卦,指的是老闆乾綱獨斷,員工陰柔無力。更嚴重的是,否卦的上層與下層不交心﹑不交流,缺乏共識也不團結,營運當然逐漸變差。
這讓我想到讀過Google人資長拉茲洛‧博克(Laszlo Bock)的書《Google超級用人學》,當時Google一年徵才5千人,應徵者多達1百萬至3百萬人,錄取率是進哈佛大學的25倍。當他們還只有幾百名或幾千名員工時,發現一個頂尖工程師的貢獻值是普通工程師的300倍,所以堅持用最聰明的員工。
然而當公司規模龐大到幾萬人時,他們逐漸發現到公司需要的不再只是聰明型員工,還需要團隊合作的員工,於是改變找人的方向,從中上大學挑出努力進取﹑力爭上游的畢業生,他們更懂得團結力量大。換句話說,當公司這艘大船要穩健前進時,需要大家手腳一致,努力型員工便勝出。
結論來了,今天的職場易經筆記,給你劃兩個重點:
💚1.管理上,員工要努力﹑老闆要支持。員工不聰明,老闆就要變聰明。
💚2.用人上,員工要的是努力,而不只是聰明。努力帶來團結,聰明帶來分裂。
如果讀了本文讓你受益,請留言+1
攝影:旅居加拿大的畫家吉仔冰GiABing
外內成語相反 在 洪雪珍 Facebook 的最佳貼文
[你要做大象,還是小狗?]
現在的上班族都有個概念,光有一技之長是不足夠的,必須有二技之長﹑三技之長,才能與時俱進,在職場存活下來。但是這已經是上個世紀的觀念,到了這個世紀,必須要做多功能型人才,能適應多種不同職務。
英語有個成語「房間裡的大象」(Elephant in the room),用來隱喻某件事物雖然明顯,卻被集體視而不見。你想想看,我們不就是這隻大象嗎?一開始進到一家公司,由於是新人,大家對我們抱有期待,都猜想這頭大象龐然大物,應該是很厲害;不過隨著時間過去,我們就被視而不見,不再重要,於是心裡很挫折﹑很委屈,明明是很有能力,也很努力,怎麼落得好像一無是處的下場?
你知道問題出在哪裡嗎?不是大象不再是大象,而是大象在房間裡卡住了,轉不了身,也走不出去,所以是「不動」讓大家忽視了大象的存在。相反的,這時候如果有隻小狗在房間裡跑來跑去,大家就會注意到牠,成了大家的焦點。真要比實力,小狗再有能力與努力,都比不上大象,因此關鍵在於小狗「會動」。
好比在家裡,我們不會死盯著一個家具看,而是盯著電視看,因為家具「不動」,而電視「會動」。因此不要在原地更精進能力﹑更埋頭苦幹,而是要製造另一個亮點,做點不一樣的事,移動一下,大家才會將目光轉移到你身上。
在我的斜槓進階班,有個學員在外商做工程師,他說:「我上班很開心,也不認為自己會有中年危機。」問題是他已經43歲,在這家外商做17年,是他的第二份工作。照理說,他應該屬於被失業的高危險群;就算安全存活下來,也有很高的危機意識,擔心生涯朝不保夕;或是工作壓力山大,被業績追著跑,加班成為家常便飯……我很好奇他怎麼如此胸有成竹,他回答:
「因為在公司內,我也做斜槓。」
乍聽之下,會以為他在上班時間做自己的斜槓,其實不是,他說的正是我最近提倡的全新觀念:「公司內,更要做斜槓」,沒想到他居然早早落實十多年,是一個成功的典範,這就是他對生涯信心滿滿的關鍵。
台灣廠商要外銷到美加地區,產品都必須做安全認證,他們公司做的是這一塊,看起來好像是鐵飯碗,卻也未必!如果工廠一直外移,總公司就不需要在台灣設址,因此唯有留住廠商在台灣,公司才會在,自己才會有工作。因為意識到這點很重要,一般工程師都很宅,他居然請纓到處上課,教大家產業的趨勢。
「台灣的廠商每天埋頭苦幹,經常是客戶的行業快要消失了,還不知道自己的訂單快沒了;或是出現第二個競爭者,還渾然不覺自己要被取代了……都是很危險的事。」
他負責電路板的產業,一開始只在這個業內教課,後來連同下游也教,因為下游客戶活下來,電路板產業才會有訂單,所以他也跨足至LED行業講課。除了教課外,他也主動幫助客戶解決問題,人脈連結廣,業內訊息靈通。當業務員要提案時,他可以教對方怎麼幫客戶做策略,比業務員還抓得住市場趨勢與生態。講到這裡,他再度強調在公司內做斜槓的重要性,因為—
「我為自己創造出獨特價值,是別人無法取代的。」
說巧不巧,同班有位同學也提出相同想法,他在一家上市大企業任職業務,員工有數千人,但是他有危機意識,自我評估的結果是危機預計三五年後會出現,因此他來上我的斜槓進階班,想要提早布局下半場。每天加班,又有家庭要照顧,時間很緊,他覺得與其下班後做斜槓,還不如上班時做斜槓。
他發現公司雖然規模大,而老闆也一直在倡導要找跟公司文化相符合的新人,卻在新人訓練上著力很少,使得有些新人明明具有公司的DNA,竟一一陣亡,令人惋惜。這個高流動率,使得員工經常處於一人做兩人事的狀態,不少計畫無法順利推動。於是他想自告奮勇跟公司提議,由他來負責業務方面的新人訓練。
至於要訓練什麼?他說一開始會教大家認識公司,後來會發展出業務銷售力等主題,每年熟稔一個,就可以累積到三五個擅長的主題,以後假使萬一被失業了,他就能夠無縫接軌擔任講師,到企業做內訓。聽到這裡,我拍拍她的肩說,換作我是老闆,看到他除了做業務,還幫公司解決問題,哪裡會請他走路!
「請你一個人,付一份薪水,卻有兩倍的價值,公司才捨不得放你走。」
這兩個例子都在說明一個簡單的道理,當大象久了,再厲害也會被視而不見,唯有像小狗一樣,移動到另一個全新領域,為公司解決長期懸而未決的問題,公司就會依賴自己,自己才會被看見。很多人常常抱怨公司沒看見自己的努力,其實這句話隱含三個未察覺的迷思:
1. 一直在原地努力,一定很難被看見,必須要移動到新的領域,才會被看見。
2. 努力不等於成果,苦勞不等於功勞,老闆只看結果不看過程,當然看不見。
3. 被看見是自己的責任,不是老闆或主管的責任,所以要想辦法被看見。
我們買到好用的特價品時,都會手舞足蹈地驚呼:「買這個,CP值太高了!」結果超乎期待,所以滿意極了。一樣的,如果我們在原地不動,再有能力與努力,公司都認為是應該的;但是當我們多負責一個職務,解決了一個問題,他們就會有超乎期待的驚喜感,說:「用這個人,CP值太高了!」
在公司內,拉出第二根斜槓,創造新亮點,給人新話題,價值就被看見!
--------------------------------
洪雪珍最新著作《失業教我們的事:想吃雞腿,就別勉強啃雞肋》,各大書店有售,歡迎馬上網路訂購:
博客來:https://pse.is/38r6sl
城邦讀書花園https://pse.is/38a3h5
金石堂網路書店:https://pse.is/39u6gp
誠品網路書店:https://eslite.me/395zmf
Pchome:https://pse.is/38h6nl
--------------------------------
「失業危機下,上班族如何超前部署?」(收費講座)
台北場
時間:2020年11月28日(六) 19:30-21:30
地點:城邦書房(台北市民生東路二段141號1樓)
報名請上:https://pse.is/3a2dle
新竹場
時間:2020年12月8日(二) 19:00-21:30
地點:新竹國賓飯店11F竹萱廳(新竹市中華路二段188號)
報名請上:https://pse.is/39zhk9
台中場
時間:2020年12月18日(五) 18:45-21:00
地點:文創工房(台中市南區復興路三段362號2樓)
報名請上:https://reurl.cc/ldAkKv
高雄場
時間:2020年12月26日(六) 14:00-16:00
地點:威易聯合辦公室博愛店(高雄市三民區博愛一路366號14樓)
報名請上:https://pse.is/39t4xe
外內成語相反 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
打造「聊」癒系機器人!看圖說故事 AI也略懂略懂
信傳媒
研之有物
2020年11月8日 下午1:24
看圖說故事對人類來說,是輕鬆好玩的事,但對 AI 來說,卻是巨大挑戰,因為這代表 AI 必須看出圖中有哪些物件、理解圖片意義、能夠生成文句,還要看懂圖片間的因果邏輯。在中研院資訊科學研究所古倫維副研究員的努力下, AI 看圖說故事的能力有了很大的進展。她的模型有什麼獨特之處呢?跟著研之有物一起來瞧瞧!
俗話說得好:「發文不附圖,此風不可長。」不論你發的是爆卦文、閒聊文還是業配文,有圖更容易晉身流量熱文。不過近年來,社群網站發文的風向漸漸有了改變,從「發文附圖」轉變成「發圖附文」,我們總是先來一張照片,再配上相應的描述文字。接下來,我們的發文習慣還會怎麼改變?
或許,未來你拍下一張照片上傳社群網站,電腦就會自動「看圖說故事」,為你的照片腦補一段說明文字,節省你的思考時間。
讓電腦學會「看圖說故事」的伎倆,正是中研院資訊科學研究所的古倫維副研究員正在鑽研的主題之一。她的主要研究領域是人工智慧( AI )的自然語言處理,在因緣際會下,接觸到一個 AI 看圖說故事的競賽: Visual Storytelling ( VIST ),開啟了她對 AI 看圖說故事的興趣。
電腦如何學會「看圖說故事」?目前學界使用「機器學習」,簡單來說,就是讓電腦從大量的圖文搭配組合,從中學習看到怎樣的圖片,應該說出怎樣的故事。古倫維說:「其實一開始我們做得並不特別好。我們跟其他參加競賽的人一樣,用機器學習的方法,把圖和對應的文字丟進電腦,讓機器自己學習最佳的圖文搭配。然而機器學習幾乎是軍備競賽了!誰的電腦計算能力更強,得到的模型更複雜,生成的文字就會更好。」
先選角、打草稿,再寫故事
在軍備競爭不足的情況下,古倫維決定採取不同的策略:「既然完全由 AI 看圖說故事的效果不夠好,能不能在故事生成的過程中,有一個人類可以介入改善的步驟。」所以她把原來的做法分成了兩個階段,先從圖片抽取語意,接著再生成文字故事。
語意抽取,是指先從個別圖片中選出用來說故事的概念(如同電影選角),用知識庫找出概念之間的關係,建立圖片的關聯,再為這些圖片擬定最好的草稿(如同電影故事大綱)。
重點來了!在「選角」階段, AI 會先以機器學習的結果,找出最適合說故事的「角色組合」,尤其是面對連續圖片。這就好比張曼玉、梁朝偉、成龍三個演員,前兩個主要演愛情片,第三個以武打戲為主,如果第一張照片選了張曼玉,第二張照片應該選梁朝偉,生成的故事會比較好看。
但目前 AI 選角部分還不夠靈光,有時仍會發生如「張曼玉配成龍」的選角名單。古倫維的兩階段設計讓人類可在「選角」階段介入修改。實際例子如:圖片中有小男孩、天空、腳踏車三個概念。AI 從上圖抽取出的概念可能是「小男孩」、「天空」,最後生成的故事可能是「一個小男孩在天空下」……滿無聊的。但人類可以把「天空」改成「腳踏車」,機器最後就可能生成「一個小男孩騎著腳踏車。」嗯,是不是比較有故事性了?
最後,人類再將修改後的選角和故事大綱,交給 AI 產生整個故事。這種「先選角、打草稿,再說故事」的方式,最後產生的故事比較不會無聊或是不合理,更接近人類說出的故事。
知識庫,AI 想像力的補充包
為了增加 AI 的想像力,古倫維也在模型中納入「知識庫」,幫 AI 增加故事的知識。例如圖片中有人與馬,如果沒有知識庫,AI 可能只能生成「有一個人與一匹馬」這種平淡的句子。但知識庫可以補充人與馬關聯的知識,包括人可以騎馬、養馬等等,讓 AI 有機會說出「有一個人騎著自己養的馬」比較具故事性的句子。「當然 AI 也可能從大量的故事中以機器學習取得『很多人都會騎馬、養馬』的知識。但知識庫的最大功用,就是直接提供這個知識給 AI ,縮短學習歷程。」 古倫維解釋。
更重要的是,知識庫讓 AI 更容易解讀出圖片之間的關聯。如 VIST 競賽的題目就是包含了五張圖片的圖組,在知識庫的協助下, AI 比較容易找出各別圖片的概念之間的關聯,說出的故事會比較連貫,具有因果關係。
AI 是完全沒有想像力的,但若透過知識庫給它知識,這些知識在故事中呈現出來的,就像是 AI 的想像力。
巧妙切開「語意抽取」與「生成文本」
兩階段生成故事的方法還有一個優點,就是可善用大量的「圖片辨識」與「故事文本」資料庫,避開「圖文搭配」資料的缺乏。
現今的「圖片辨識」技術和資料庫非常成熟,可以精準的從圖片中抽取出各式各樣的概念。另一方面,說故事是人類從古至今不斷從事的活動,留下了大量的「故事文本」。相較之下,看圖說故事的「圖文搭配」資料量卻相當少,需要有人刻意去蒐集圖組、撰寫文字,古倫維說:「這種圖文搭配的資料必須人工建立,能有一萬組就很厲害了,但這個數量對於機器學習來說卻是遠遠不夠的。」
古倫維則把生成故事的過程拆成「語意抽取」與「生成文本」兩個階段,第一階段可利用精熟的圖片辨識技術和資料庫,抽取故事概念;第二階段再運用故事文本資料庫,讓機器學習如何將第一階段抽取(並由人類修改過)的概念,組合成漂亮的故事,巧妙避開了「圖文搭配」資料不足的難題。
把「語意抽取」與「生成文本」切開的話,兩個階段都可以利用幾千萬筆的既有資料,供機器學習。
腦補,讓機器更有溫度
說了半天,但 AI 會看圖說故事,到底能幹嘛?難道只是幫貼圖寫寫圖說?以研究的層面來說,如果 AI 能看圖說故事,代表 AI 在理解圖片、文字分析及因果邏輯等方面,都達到一定的水準,代表 AI 語言能力更加接近人類。在實際應用上, 可以為圖文創作者提供故事草稿,或是對於常常需要撰寫廣告文案、出差報告的人,能夠很快從圖像生成文本,人類只要略做修改潤飾即可 (小職員計畫通!)。
但更重要的是,機器人也能因此更有溫度!古倫維與臺大人工智慧與機器人研究中心的傅立成教授合作,希望透過 AI 看圖說故事的技術,讓居家照護機器人更有「人味」,會主動關懷人類。因為居家照護機器人在家中「看見」的一切,其實就是一張張的圖, AI 可以透過這些「圖」形成可能的故事,再轉化為暖心的問句。
想像一下,未來居家照護機器人看見老人家在廚房,故事劇情可能是「他要煮飯」,於是問出:「今晚想吃什麼?需要幫忙嗎?」當老人拿出相簿緬懷過去,AI 也能從舊照片解讀可能故事,轉化成聊天的問句:「照片中的這個人是誰啊?你們去哪裡玩?」還能變身孩子最愛的說故事姊姊!AI 可能從儲存的繪本資料庫中,隨機抽出不同圖畫重新組合,說出全新的故事。
會看圖說故事的 AI ,可以從眼前的情景連結到事件或情感,就像人類的腦補一般,而這些腦補就是故事。
如此一來,居家照護機器人不再只是被動的處理人類需求,相反的,「說故事的能力賦予了 AI 機器人找話題的功能。」古倫維笑著解釋,機器人從此不再詞窮,可以主動關心人類,與人類互動聊天,讓機器人變得溫暖許多。看來 AI 看圖說故事,不只是寫寫圖說、幫忙解決麻煩的出差報告,在不遠的未來,更是拉近我們與機器人距離的關鍵所在呢。
附圖:AI 看圖說故事的能力,可讓照顧居家照護機器人了解眼前的生活情境,具有找話題的能力,變得溫暖許多。(圖片來源/研之有物授權使用,下同)
中研院資訊科學研究所的古倫維副研究員,主要研究領域是人工智慧( AI )的自然語言處理,現正開發如何讓 AI 不只會說故事,還會看圖說故事。
古倫維的故事生成模型將產生故事的過程分成「語意抽取」及「故事生成」兩個階段。 圖說重製│黃曉君、林洵安
電腦看圖說故事的範例。No KG 代表機器在不添加額外知識時所產生的故事,Visual Genome 與 Open IE 古倫維團隊用兩個不同的知識庫分別產生的故事,GLAC 是除了古倫維的模型外目前成果最好的模型。由上可知,知識庫的確能幫助故事的上下文連結。最後的 Human 是真人所寫的故事,包含了許多圖片中沒有的知識,甚至精神性的內容。
資料來源:https://tw.news.yahoo.com/%E6%89%93%E9%80%A0-%E8%81%8A-%E7%99%92%E7%B3%BB%E6%A9%9F%E5%99%A8%E4%BA%BA-%E7%9C%8B%E5%9C%96%E8%AA%AA%E6%95%85%E4%BA%8B-ai%E4%B9%9F%E7%95%A5%E6%87%82%E7%95%A5%E6%87%82-052415130.html