🪳你怕 #蟑螂 嗎？不少人聞「強」色變（小編也是😣）還好這次介紹的不是小編最害怕的美洲大蠊和德國小蠊，而是爬得慢、又不會飛的 #東方水蠊。

牠是自然谷常見的昆蟲，從遠處看，深黑色的外觀、加上已退化的翅膀，看似甲蟲的外型，只要沒發現牠也是蟑螂，似乎不是那麼讓人難以接受。

和一般蟑螂相比，東方水蠊的腿毛並沒有這麼濃密，能夠察覺細微的震動，迅速躲避攻擊，因此行動相當緩慢。作者特地找尋了被去除腳毛前後的蟑螂行動能力比較影片......（建議怕小強的就不要看了）

雖然生活在住家附近的蟑螂影響居家衛生，但蟑螂這類昆蟲在自然界中扮演非常重要的清除者，屏除個人的偏好，讓我們尊重所有棲息於原生地的生物吧！

#自然谷之星

===
🌍加入定期定額捐款，支持環境資訊傳播 https://goo.gl/phNqwG

［別讓｢情緒｣掉入｢感覺的黑洞｣］

有時候，學英文不只是學英文，也學到智慧｡今天上午這堂線上英文課教的主題是｢分手｣，其中老師問我們emotions（情緒）與feelings（感覺）有什麼不同，當下我也愣住了，心想它們不是同義詞嗎？但是這個老師認為沒有任何一個英文字可以和另一個英文字相等，要我們要用多個字表達它們的相異｡

後來他深入解釋之後，我很開心，發現自己不只學到兩個常見英文字的分野，也學到人生智慧｡他說，

emotions指涉的是事情發生當下，我們產生的感覺，那是一時的﹑短暫的｡

feelings不同，它指的是事情過去了，但是感覺一直在，相對比較長期且持久｡

這麼一說，我就留意到我們日常的確是如此的，比如在職場，主管處置不公平，我們當下很生氣，這是情緒｡但是有事過境遷嗎？很多時候並沒有，我們會一直放在心裡沈澱﹑發酵；好一陣子過後，談起這件事時，我們依然忿忿不平，這是感覺｡再來，很多人談到原生家庭，即使現在中年，仍然感到受傷，小時的情緒成了永久的傷痕，痛的感覺一直在那裡，未曾褪淡，一生無法抹滅｡

我自己是如此，在上班的你可能也是如此，或是內心依舊是個受傷小孩的你更是如此｡也就是說，我們讓｢情緒｣擴大成｢感覺｣，然後掉進去無邊無界的感覺黑洞裡，再不斷翻回記憶裡，舔著傷口，讓自己憤怒依然﹑或抱怨如常｡將自己塑造成受害者，自艾自憐，成了我們看世界的方式﹑跟自己相處的模式｡

但是最近有個例子，我發覺有人可以不是這個樣子，而此人在事業上非常成功，讓我有個不小的啟示，不斷向前行的人在遇到事情時，反應的確不同｡一般人的情緒反應有以下三個階段，這些人多半只在第一個階段駐足一會兒，便頭也不回往前行，或是頂多到第二個階段，卻絕不會掉入第三個階段｡

第一階段：發生事實
事情發生了，有人就會產生各種認知與解讀，少數人只會停留在事實層面，不過度臆測，僅就事實看事實｡

第二階段：產生情緒
情緒有可能是負向或正向，這跟認知有關係｡同一件事發生，有人往好的認知，有人往壞的認知，這是心理學用在諮商界有名的｢情緒ABC理論｣，由阿爾伯特．艾利斯（Albert Ellis）提出，A（Affairs事件）發生了，會產生不同的C（consequence結果），有人高興，有人生氣，主要是因為過程中的B（Belief認知）不同，導致不同的情緒結果｡

第三階段：掉入長久的感覺黑洞裡
沒有去察覺情緒，或是沒有做正確的梳理，情緒積壓久了，就變成感覺，形成對自己的印象﹑或對別人的觀感，以及對雙方關係的解讀｡

回頭來講上面的例子，他在錄製影片時，每每遇到英文字都唸得很不輪轉｡換作別人，當下一定有個情緒跑出來，感到不好意思，他並沒有，而是持續唸，唸得流利為止｡接著換作別人，可能認為自己英文不好，遇到英文場合就產生自卑感，而他完全不迴避說英文，而且說不好時，絕不會說｢對不起｣｡

可見得成功者心理素質之所以高，來自於他們遇事不會情緒化，而且不會藉此否定自己｡會不會唸英文單字對他來說，根本不是個事兒，可是很多人就被打敗，從此不碰英文，最後英文當然學不好｡這個情況，在其他地方也很常見，比如拍照不漂亮，從此不拍照；或是上台說話表現不佳，從此不上台等｡

這兩年我經常聽到有人說自己是｢高敏感體質｣，遇到事情會想很多，內心小劇場一齣戲一齣戲輪番上演，很干擾情緒﹑工作與生活，非常折磨人｡相較於這類人，成功者不僅低敏感，甚至是鈍感｡日本心理學博士植西聰在《鈍感力》一書中指出，｢成功的人善用鈍感，克服敏感｡｣

一般人是還沒做就想出各種危險，鈍感的成功人士是做了才發現剛剛很危險｡人類的行為概分兩種，一種是規避危險或損失，一種是追求歡樂或利益，所以我們一般人想著想著，各種情緒跑出來，接著就掉入感覺的黑洞，活在自卑感﹑罪惡感裡，內心能量大大耗損之後，連小小步都跨不出去，怎麼向前行？

成功者不是贏在比較聰明，像是想很多，而是贏在行動力，亦即做很多，秘訣是停留在第一階段，看到事實即可，並且最好往好的方面去認知；至於第二階段產生情緒就省了吧，遑論第三階段掉入感覺的黑洞裡｡

人難免有情緒，怎麼做到不掉入第三個階段？原諒（forgive）是最好的辦法，卻最難做到這個境界，因為我們一般人都誤解了原諒二字｡今天上課的英文老師有很強的考字癖，而且他在拆解時，也存在著很深的哲理｡對於forgive，他提出兩個意涵，打破一般人對原諒的迷思：

1. forgive不是要我們忘掉對方的錯誤，或是幫對方找理由，或是忽略自己受傷的感覺，而是幫助自己從怨恨中解放，重新感到自由｡

2. forgive不是因為對方有好的品格，而是展現我們人格高尚｡

原諒不是為了對方，而是為了自己｡這個解釋，很能夠讓人從情緒中釋然｡如果一直不原諒對方，以為用負面情緒可能勒索對方，報復對方，讓對方活在痛苦中；事實不然，情緒綑綁的是自己，而窒息的是自己，身在地獄裡的也是自己，因此原諒是唯一自我解救之道｡

想想看，我們一直有哪些感覺長期困擾著自己？裡面一定隱藏著對於某個人不原諒｡請試著原諒對方，鬆綁自己，像天空的雲朵，輕起來，飄起來｡不論工作或生活，走出負面情緒，拋開不良感覺，自由能夠幫助每個人更輕鬆地成功｡

*** ***
免費斜槓講座【斜槓2.0必修課】課程報名：https://enstar.cc/Z6vcF
有任何課程問題可以加入我的Line@ ID：@ca141719
或點此直接加入：https://line.me/R/ti/p/%40bfj9781d
更多洪雪珍老師影片：https://reurl.cc/jD2nn
--------------------------------
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
圖/2019年德國

演算法界上演“貓鼠遊戲”連續劇，惡意欺騙與人工智慧的博弈已開始

面對惡意演算法欺騙，人工智慧如何反擊？電腦科學家正在多方尋找對策，以便讓人工智慧更安全。

科技日報 2019/07/03 10:15

文 | 科技日報 張夢然

醫療手術、無人駕駛、圍棋對弈、隨手可用的翻譯……近十年來，人工智慧（AI）取得了巨大進步。而這，要得益於人工神經網路的發展。

這一神經網路的模式，效仿的是我們人類的大腦，在大規模應用時，也被稱為深度學習，其能夠自己發現資料的模式，而無需明確指令。

深度學習雖然可以在大資料訓練中學到正確的工作方法，卻也很容易受到惡意干擾。攻擊者們通常會通過輸入惡意資料來欺騙深度學習模型，導致其出現嚴重故障。

面對惡意演算法欺騙，人工智慧如何反擊？英國《自然》網路版日前的報導稱，現在，電腦科學家正在多方尋找對策，以便讓人工智慧更安全。

AI：我因“學習”而受傷

“學習”，是人工智慧的核心，也是使計算機具有智慧的根本途徑。

深度學習的主旨，是讓電腦去類比或實現人類的學習行為，以獲取新的知識或技能，並重新組織已有的知識結構，使之不斷改善自身的性能。

但同時，深度學習演算法的不可預測性，使其需要不斷挖掘。

對於家庭和個人手機來說，虛擬智慧化助理的應用越普遍，惡意攻擊就越可能隨時發生。有些資訊眼看、耳聽都沒有問題，卻能“暗藏殺機”——隱藏著劫持設備的指令。

舉例來說，人工智慧“看”圖像的模式，和人類的肉眼大不一樣。通過微妙改變圖像的某些部分，再輸入後的圖片即使肉眼看來一模一樣，電腦看起來卻大不相同。這就叫對抗性示例。

除了圖像，聲音也會有同樣的問題，只要修改了一個語音片段，人工智慧就可能修改成完全不同的語音指令。

無需隱身，也能抓住攻擊者

不過，在不久前召開的國際學習表徵會議（ICLR）上，美國伊利諾大學香檳分校的電腦科學家拿出了一種對抗攻擊的方法。

他們編寫的演算法可以轉錄完整的音訊以及單個片段。如果單個片段轉錄出來和完整音訊中的對應部分不完全匹配，那麼演算法會立即用一面小紅旗做出標記，表明音訊樣本可能已遭攻擊。

在攻擊測試中，面對幾種不同類型的修改，該演算法幾乎都檢測到了異常情況。此外，即使攻擊者已經瞭解到有防禦系統的存在，大多數情況下還是會被抓住。

這套演算法擁有令人驚訝的穩定性。谷歌大腦團隊的科學家尼古拉斯•卡林尼評價稱，其最具吸引力之處在於它的“簡單”。另有與會專家認為，隨著對抗性攻擊越來越常見，谷歌助手、亞馬遜和蘋果等服務，都應當應用這種防禦系統。

然而，攻擊和防禦之間，註定是一場持久的“貓鼠遊戲”。卡林尼表示：“我毫不懷疑有人已經在研究如何攻擊這種防禦系統了。”

提前演練，對攻擊免疫

也有的研究團隊在另闢蹊徑。

就在本周，澳大利亞聯邦科學與工業研究組織下屬團隊公開了一套演算法，其通過效仿疫苗接種的思路，幫助人工智慧“修煉”出抗干擾能力。

所謂“疫苗演算法”，就是在識別圖片時，能夠對圖片集合進行微小的修改或使其失真，以激發學習模型“領會”到越來越強的抗干擾能力，並形成相關的自我抗干擾訓練模型。經過此類小規模的失真訓練後，最終的抗干擾訓練模型將更加強大，當真正的攻擊到來之時，機器學習模型將具備“免疫”功能。

這其實是針對深度學習模型專門打造的訓練。因為它會“學習”，所以也會學著糾錯。

郵件篩檢程式：效果不盡人意

郵件篩檢程式真的已經很努力了，但效果並不盡如人意。
這是因為防禦與攻擊總是相伴相生。隨著漏洞越來越多的被察覺，人工智慧擁有更多的防禦能力，惡意攻擊也在不斷進階。

在4月召開的美國系統和機器學習大會（SysML）上，德克薩斯大學奧斯丁分校的電腦科學家們揭示了機器學習演算法在文本理解方面的漏洞。

有些人認為文本不容易被攻擊，因為惡意欺騙可以對圖像或聲音波形進行微調，但改變任何文字都會被察覺。可科學家告訴我們不是這樣。

惡意攻擊會瞄準一些同義詞，文本含義不發生改變，但深度學習演算法卻可能因此而判斷錯誤——垃圾郵件成了安全的，假新聞被合法推送。

科學家們演示了一套惡意攻擊程式，它甚至會檢測文本分類器在判斷是否含有惡意時，最依賴的是哪些詞語。接著，它挑選出關鍵字的同義詞，替換，然後飛速開始測試下一個關鍵字。在這套演算法攻擊下，篩檢程式的準確率急劇下降。

不過，將這些手段公諸於眾，究竟可以提高防禦能力，還是會加劇攻擊手段，目前仍有爭議。此前，已經有AI實驗室拒絕公開一種攻擊演算法，因為擔心它被濫用。

資料來源：https://www.jiemian.com/article/3273741.html