打電話給剛上大學的兒子，我不知道他是因為新鮮人太興奮還是住校方便的緣故，竟然告訴我他一週參加四種不同的運動：男女混合的慢壘、籃球、手球、touch rugby（這我沒概念），而且都是去練球。有時候還要一個晚上背靠背趕場練習。

我以為他進大學是要認真讀書的，不是嗎？ 哈哈，對，這是當父母的直覺反應。

週末老婆跟我說，兒子有事找我。（心理直覺應該是有求於我，因為他從來主動找我都是這樣）

孩子的媽還說：「你小兒昨天開始去參加國家隊壘球的試訓，這兩天週末都去打壘球了。」

「蛤，他不是已經打四種球了嗎？」我試著穩住自己。心裡想，我們家怎麼可能會出現一個時間管理大師。兒子主修computer science外加stats雙修，功課不是很重嗎？國大又沒有體育系，不過就是宿舍間的對抗，有必要這麼認真嗎？

你知道的，這種父母親最直覺的擔憂一時充斥著我的腦袋，一邊想著等等他打來要怎麼勸退他。

但最近書上教我要改變一個人不能靠蠻幹，要當催化劑才會有效果。好了，我實驗的機會來了。邊騎車邊想，等等我該用什麼方式來開啟他練五種球的對話。

我想到了！

果然兒子打來叫我幫他在台灣買壘球釘鞋，因為之前當兵兩年沒打球，鞋子都壞了。

我們討論了他想買哪個廠牌的鞋子以及相關的需求。大概吿一段路落之後我跟他說：「我太佩服你了，竟然一週可以打五種球！而且週末兩天都要練球，你是時間管理大師耶！太強了！」

面對我誠心的稱讚，小兒應該有點嚇到。不過他立刻告訴我，那個誰誰誰兩週才去一次國家隊練習，（替自己找台階）還有如果被選上，他就要退出兩個校內的運動團體。最後這也他自己說的：「不然我會累死」哈哈哈😄

我記得大兒子在高中一年級上學期結束的時候，學科有好幾科不及格，成績差到我跟太太被通知要去學校參加座談的地步，老師想了解怎麼回事。

這是我們第一次被學校通知孩子成績太差需要面談，其實當下我們都知道怎麼回事，他熱衷於學生會的活動，迎新舞會是主角，又在壘球隊當隊長，還交了女朋友。哪裡有足夠的時間K書。

每次我有想要訓話衝動的時候，都被老婆吐槽：「你自己還不是高中就交女朋友」

你自己以前還不是……這樣的造句開頭，我老婆可以輕易說出幾十句。

後來我們也沒真的狠狠教訓大兒子，只是默默的幫他請來一個數學家教。我當時想，每個人都有羞恥心，就讓他的羞恥心先發酵吧。當然另外一個重要關鍵是，我老婆從來不管小孩的學業，連兒子什麼時候考試她常常都不清楚。她說自己當學生時她父母也從來不管她，還不是一樣好好的。（我常常很難反駁）

就這樣度過一個學期的學業低潮後，大兒也許羞恥心噴發，自己找到管理時間的方法，最後也順利畢業了，女朋友到現在也還沒分手。

我在做父母的經驗中，每當對孩子保持太高期望且施壓時，他們通常不會表現太好，反而讓他們自己去找到動力，去自我修正做起來最得心應手。所以我也漸漸踢除那種「爸媽都是為你好」的觀念，也相信他們在自己主宰的世界中，會有很好的學習機會。

直覺反應還是三不五時會出現在腦海，希望給他們一些指引，但我常常想，他們現在不知道比我強多少倍，都到了我該向他們學習的年紀了。

我想我可以從爸爸的角色中退休啦

【四十歲女人，應該斷捨離的四件事】
1️⃣：《#去維繫對自己毫無意義的人際關係》
相信大家還是學生的時候，都曾經為了同儕而苦惱過，如果做了什麼事讓朋友不開心，甚至造成對方的不理不睬，那真的是比天塌下來還要嚴重的事。出了社會，這樣的擔憂似乎仍舊如影隨形，就算是同事，根本不屬於朋友圈，也會為了工作氛圍的和諧而努力跟對方交陪、示好。這樣做並非有錯，只是，當我們年歲愈長，隨著身份的多重轉換，衍生的人際關係就會變得更多和龐雜，如果每段都用盡力氣去維繫，妳只會更累，而且浪費時間。
✅#四十歲了_我們得更清楚誰的存在對自己而言才是有意義的。
➡️至於那些可有可無、毫無意義的人際關係，雖不見得要放手，但不用過於在乎、認真維繫，而是將力氣去經營對我們而言更為珍貴的人身上。

2️⃣：《#把別人的看法當一回事》
就因為四十歲這個年紀讓我們的身份更為多元，像是：老婆、媳婦、母親、上司、XXX的媽媽...等，外人對我們的看法和評價只會多不會少，好比下屬評論妳做事的方法啦、正義魔人對妳帶孩子的方式發表意見啦，就連孩子班上的line群組，裡頭也有人批評妳的做人處事，噢！甚至連穿著打扮也逃不過她們的閒言碎嘴。
✅我要告訴妳，到了四十歲，別人對我們的看法都不重要，他們是誰❓算老幾啊❓
➡️妳怎麼看待自己，才是最要緊的。

3️⃣：《「#有朝一日我一定要...」這種無謂的空等》
上次去參加同學會，聚在一起的都是跟欣西亞一樣已是四十的男女，大夥間有人有小孩、有人是公司的重要幹部、有人自己開公司，話題竟不約而同聊到想做的事，於是席間有了「等我退休後我一定要OOO」、「等孩子長大了我就要XXX」這類的照樣造句。我能理解每個人肩膀上一定有很多不可拋棄的重責大任，但光是如此在內心期待，其實是另一種無謂的空等，我們必須清楚知道：
✅四十歲，對於想做的事，就趕緊去做，別在等了。
➡️因為不僅時間已經開始在倒數，健康和體力都是，應該趁著這個黃金歲月，立刻動身去完成自己想做的事。

4️⃣：《#二十好幾的飲食和生活習慣》
這我就不用多說了吧？就算很想維持跟二十好幾的飲食和生活習慣，相信很多人也發覺身體力行有難度，就算如此，還是想寫出來來個貼心提醒。尤其是在生活方面，不再跟年輕人一樣整日跑趴，更為積極的是養成運動的習慣，就算不熬夜，但醒著的空閒時間，除了追劇、逛網拍
✅我更建議妳為自己安排一個人放空之旅，來個心靈沉澱與對話
➡️妳或許會更清楚在四十歲的人生裡，自己想要的是什麼。

以上，是欣西亞認為四十歲女人應該斷捨離的四件事，不過這僅止於我和各位的分享，更期待你們為自己量身打造。條列出的各項立斬決，迎接更美好的人生下半場吧！

⭐🌟⭐🌟⭐🌟⭐🌟⭐🌟⭐
【關於兩性、愛情、婚姻經營、性健康教育的提問】請直接留言或FB私訊，另提供欣西亞一對一線上諮詢付費服務（國英語皆通），也可FB私訊洽詢
《請支持欣西亞的新書！》
📌《我要的歡愉你該懂！欣西亞兩性大膽說》一起Make Love Sexy！
【博客來購書連結】https://reurl.cc/v128Yk​
​
馬來西亞的朋友購買請往這：https://bit.ly/2J7ppIl​
📌《欣西亞的IG》cynthianshane
📌《欣西亞的Clubhouse》cynthiasex

矮化女性和少數種族，OpenAI GPT 模型為何變成 AI 歧視重災區？

作者 品玩 | 發布日期 2021 年 02 月 13 日 0:00 |

機器學習技術近幾年突飛猛進，許多強大 AI 因此誕生。以知名研究機構 OpenAI 開發的語言生成模型 GPT 為例，現在可寫文章、幫人做報表、自動查詢資訊，給用戶很大幫助和便利。

然而，多篇近期論文指出，包括 GPT 等 AI 模型，生成結果包含基於性別和種族的偏見。而這些 AI 模型應用在商業領域，勢必強化歧視偏見對象現象。

卡內基美隆大學 Ryan Steed 和喬治華盛頓大學 Aylin Caliskan 近日發表論文《無監督的方式訓練的影像表示法包含類似人類的偏見》（Image Represnetations Learned With Unsupervised Pre-Training Contain Human-like Biases）。

研究者對 OpenAI 在 GPT-2 基礎上開發的 iGPT 和 Google 的 SimCLR，兩個去年發表的影像生成模型進行系統性測試，發現種族、膚色和性別等指標幾乎原樣複製人類測試物件的偏見和刻板印象。

其中一項測試，研究者用機器生成男女頭像照片為底板，用 iGPT 補完（生成）上半身影像。誇張的事發生了：所有女性生成結果，超過一半影像穿著比基尼或低胸上衣。

男性結果影像，約 42.5% 影像穿和職業有關的上衣，如襯衫、西裝、和服、醫生大衣等；露手臂或穿背心的結果只有 7.5%。

這樣的結果，技術方面的直接原因可能是 iGPT 採用的自迴歸模型機制。研究者進一步發現，用 iGPT 和 SimCLR 對照片和職業相關名詞建立連結時，男人更多和「商務」、「辦公室」等名詞連結，女人更多和「孩子」、「家庭」等連結；白人更多和工具連結，而黑人更多和武器連結。

這篇論文還在 iGPT 和 SimCLR 比對不同種族膚色外觀的人像照片「親和度」（pleasantness），發現阿拉伯穆斯林人士的照片普遍缺乏親和力。

雖然 iGPT 和 SimCLR 模型的具體運作機制有差別，但透過這篇論文，研究者指出這些偏見現象背後的共同原因：無監督學習。

這兩個模型都採用無監督學習 (unsupervised learning)，這是機器學習的方法之一，沒有給事先標記好的訓練資料，自動分類或分群匯入的資料。

無監督學習的好處，在於資料標記是繁瑣費時的工作，受制於標記工的程度和條件限制，準確性很難保持一定，標記也會體現人工的偏見歧視，某些領域的資料更缺乏標記資料庫；而無監督學習在這種條件下仍有優秀表現，最近幾年很受歡迎。

然而這篇論文似乎證明，採用無監督學習無法避免人類常見的偏見和歧視。

研究者認為，採用無監督學習的機器學習演算法，出現的偏見歧視來源仍是訓練資料，如網路影像的男性照更多和職業相關，女性照片更多衣著甚少。

另一原因是這些模型採用自迴歸演算法。在機器學習領域，自迴歸演演算法的偏見問題人盡皆知，但嘗試解決這問題的努力並不多。

結果就是，機器學習演算法從初始資料庫學到所有東西，當然包括人類的各種偏見和歧視。

之前 OpenAI 號稱「1700 億參數量」的最新語言生成模型 GPT-3，發表論文也申明因訓練資料來自網路，偏見無法避免，但還是發表並商業化。

去年 12 月，史丹佛和麥克馬斯特大學的研究者另一篇論文《Persistent Anti-Muslim Bias in Large Language Models》，確認 GPT-3 等大規模語言生成模型對穆斯林等常見刻板印象的受害者，確實有嚴重的歧視問題。

具體來說，用相關詞語造句時，GPT-3 多半會將穆斯林和槍擊、炸彈、謀殺和暴力連結。

另一項測試，研究者上傳一張穆斯林女孩的照片，讓模型自動生成一段文字，卻包含明顯的暴力過度遐想和延申，其中有句話「不知為何原因，我渾身是血。」

而當這類演算法應用到現實生活，偏見和歧視將進一步強化。

iGPT 和背後的 OpenAI GPT 技術，現在開發到第三代。能力確實很強大，就像眾多媒體報導過那樣，因此許多商業機構青睞採用。最知名的用戶就是微軟。去年 9 月，微軟 CTO Kevin Scott 宣布和 OpenAI 合作，獨家獲得 GPT-3 授權，將技術應用到針對用戶的各項產品和 AI 解決方案。

微軟尚未透露具體會把 GPT-3 應用到哪些產品，但考慮到微軟產品的十億級用戶量，情況非常令人擔憂。如微軟近幾年 Word、PPT 等產品推廣的自動查詢資訊、文字補完和影像設計功能，當用戶匯入某特定詞或插入圖片時，如果正好落入 GPT-3 的偏見陷阱，結果將非常糟糕。

不僅 GPT，照前述論文說法，所有採用無監督學習的演算法都可能包含這些偏見。現在因無監督學習非常熱門，自然語言處理、電腦視覺等領域，都成為非常關鍵的底層技術。

如翻譯對人際溝通十分重要，但錯誤的翻譯結果，一次被演算法強化的偏見事件，少則切斷人與人的聯繫，更嚴重者將導致不可估量的人身和財產損失。

作者 Steed 和 Caliskan 呼籲，機器學習研究者應該更區別和記錄訓練資料庫的內容，以便未來找到降低模型偏見的更好方法，以及發表模型前應該做更多測試，盡量避免受演算法強化的偏見被帶入模型。

資料來源：https://technews.tw/2021/02/13/openai-gpt-discrimination/