【精準適度榨油-苦茶油篇】
#冷壓油比較好嗎
有消費者問我們，榨油種籽是不是不要烘焙比較好，這樣可以保留較多的營養？很多消費者都有類似的疑問，我把它稱為「冷壓」迷思。經由廣告及媒體的洗禮，大家印象中都認為「冷壓」的油比較好，直覺地以為「冷壓」因為沒有經過高溫破壞，所以可以讓營養保留更完整。但事實真的是這樣嗎？

台灣林業試驗所與農業試驗所曾合作，試驗大、小果油茶籽及茶籽，經過不同炒焙溫度 (110°C –130°C ) 與時間 (5–15 分鐘 ) 處理，再於室溫下以立式壓榨機榨油，分析油脂的品質特性，深入探討炒焙處理對油脂品質的影響，發現苦茶籽經過120-130℃炒焙10分鐘後榨油，油脂的組成沒有變化，但是油脂的氧化安定性較未經焙炒的油明顯的增加。

另外劉哲瑋(2012) 利用大果種油茶籽分別在高溫(180°C)、中溫(145°C)及低溫 (75°C)焙炒後榨油，發先高溫焙炒油茶油最佳，其 DPPH 自由基清除能力及還原力皆優於中溫及低溫處理之油茶油。而隨著儲藏時間增加， 抗氧化力皆會下降，不同焙炒溫度及儲藏時間皆有顯著差異。

#找到最適當的烘焙溫度 #安定性與抗氧化力提升
因為研究結果可能隨不同焙炒設備溫控能力、種籽種類而不同，人良為了尋求自己製程最優的參數，與屏東科大合作，以自己設備跟進貨種籽做實驗，發現苦茶籽以150°C焙炒30分可得到最高的自由基清除率（抗氧化力），之後隨著焙炒時間增加而下降。

以上的研究都證實相較於未經焙炒，若以適當溫度的焙炒種籽，對苦茶油的氧化安定性與抗氧化能力皆有明顯的提升。但何謂「適當的焙炒溫度」？這與種籽種類、焙炒設備、溫濕度變化都有關聯，須經連串的實驗尋找，人良為了尋找不同種籽最適的烘焙曲線，著實花了不少心力時間，希望能提供優質的初榨油給大家。

＃冷壓初榨 ＃精準適度榨油 ＃烘焙曲線

參考資料：
1.劉哲瑋（2012）不同溫度處理的油茶油於儲藏過程中其機能性成份及油脂品質的變化，中國文化大學生活應用科學系碩士論文。
2.Ching-Ming Hsieh, Jeng-Chuann Yang, Yao-Chun Chuang, Eugene I-Chen Wang, Ya-Lin Lee (2013)，Effects of Roasting Prior to Pressing on the Camellia Oil Quality, Journal of Taiwan Agriculture Research. 62(3). p249–258

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

本集主題：「人性越界．犯罪心理解剖書：首部監所心理教師視角，逼近犯罪行為的起心動念」介紹
　　　　　　　
訪問作者：陳建安
　　　　
內容簡介：
人性若是邪惡，犯罪還需要解釋？
善惡的界線真的有那麼容易跨越嗎？
僅憑外顯行為，就能將人歸類為好人或壞人嗎？
情殺、隨機殺人、分屍、家暴、性侵、
縱火、毒癮、黑吃黑、酒駕、神棍……
是衝動、僥倖心態、精神失常，還是理性預謀？
走進時間收集器──監獄，一窺被禁錮的慾望和眼睛
　　　
　　本書深入解讀臺灣近年來重大刑案，包含隨機殺人、殺童、恐怖情人、性侵、縱火、青少年毒品成癮等社會問題，深入剖析其心理痕跡，揭開犯罪者的精神狀況、異常人格、成長背景以及犯罪促發動機與監禁心理歷程。
　　　
　　本書不是以刀光劍影、血腥殺戮的犯罪情節，來滿足我們對違法者的變態圖像，而是作者富有獨特而細膩的社會心理對話，以及逼近圍牆內受刑人生命的日常流淌。
　　　
　　✦你想知道捷運無差別殺人犯──鄭捷的犯罪動機嗎？
　　✦所謂的正常人和犯罪者之間，距離沒你想的遠，而且存在更多共通點？
　　✦惡魔真的存在？道德感低落的人就會犯罪？犯罪也會有功能嗎？
　　✦入監也是要花錢的？被關也算是一種「孝順」？監所的會客室都能看到什麼樣的故事？
　　✦身為另一種狀態存在的人，死囚會想家嗎？死囚症候群是什麼？
　　　
　　我們常常會驚訝於一個好人，怎麼會做出壞人的事。
　　　
　　臺灣近年發生的重大矚目刑案，從北捷案、北投文化國小割喉案、小燈泡事件、臺大宅王情殺案、多起家暴弒親案與殺妻兒案、分屍案，以及因債務糾紛潛入女友家中勒斃母女二人案等震驚社會案件，這類犯案者一反過往，多為單純、沒前科者，有些還是一路表現優秀的年輕人所為。　
　　　
作者簡介：陳建安
　　大三開始便出入監所至今二十年以上，本身生命經驗就是非典型。接觸過少年、成年到死刑犯，一直覺得跟監獄受刑人談話，比起跟學生聊還容易的大學老師。
　　　
　　學歷：
　　英國羅浮堡大學 (Loughborough University)社會科學系心理學博士
　　國立中正大學犯罪防治研究所法學碩士
　　　
　　現任職於：
　　玄奘大學應用心理學系助理教授
　　臺灣諮商心理學會監事
　　法務部矯正署宜蘭監獄毒品防制計畫督導
　　　
　　經歷：
　　玄奘大學應用心理學系系主任
　　法務部矯正署台北看守所戒毒班團體輔導授課教師
　　法務部矯正署台北看守所極刑犯個輔老師
　　　
　　專長與研究興趣：
　　犯罪心理學
　　矯正心理學
　　犯罪學
　　社會心理學　　　
　　　　　
　　　
作者粉絲頁： 看啥 犯罪心理解剖室 Chen's crimpsych chamber
　　　　
出版社： 和平國際



請大家支持，我全部六個粉絲頁
李基銘主持人粉絲頁：https://www.facebook.com/voh.lee
李基銘新聞報粉絲頁：https://www.facebook.com/voh.twnews
李基銘的影音頻道粉絲頁：https://www.facebook.com/voh.video
漢聲廣播電台「fb新鮮事」節目粉絲頁：https://www.facebook.com/voh.vhbn
漢聲廣播電台「快樂玩童軍」節目粉絲頁：https://www.facebook.com/voh.scout
漢聲廣播電台「生活有意思」節目粉絲頁：https://www.facebook.com/voh.life

#SBD怪獸講堂 #何立安 #肌督教
🔥全新SBD怪獸講堂第二季第一集！這集要來講解許多人很常遇到的腰痛👍
你經常閃到腰嗎❓什麼事都沒做背卻在痛❓

邱grr之前經常閃到腰，各種下背痛.....所以特別請教何博士有關『腰痛』問題。下背痛除了是醫療問題之外，也有可能是訓練上的問題😱😱

缺乏核心穩定性的腰椎，只能用附近的肌肉來保護代償，長期會累積疲勞，而造成背痛。此外，何博士也解答『腰痛能否訓練？』的問題，秉持著無痛訓練原則，以及好的教練，可幫助你慢慢找回核心正確用力的方式。

.🚩本集怪獸講堂重點筆記：
🇹🇼➤ 非典型腰痛可能的成因。
🇹🇼➤ 缺乏核心保護的腰椎，會反射繃緊附近肌肉。
🇹🇼➤ 腰椎附近肌肉長期過勞，導致疼痛。
🇹🇼➤ 使用呼吸法，應用在日常生活中的各種姿勢。
🇹🇼➤ 身體已經有疼痛問題，在訓練前，建議先做醫學相關檢查。
🇹🇼➤ 秉持無痛訓練原則，以退階動作進行溫和訓練。

📒📓【抗老化，你需要大重量訓練】全台通路正式上架！📒📓
👉博客來│https://reurl.cc/ZO80aM
👉金石堂│https://reurl.cc/kd8OxK
👉誠　品│https://reurl.cc/oLKRnQ
👉讀　冊│https://reurl.cc/d0qn6z
👉遠　流│https://reurl.cc/NjNQkn

#肌督教 #請分享

【你的訂閱與分享是我們最大的支持❤️！每週更新！記得開啟小鈴鐺！】
【版權所有，搬運必究！🇹🇼別再下載影片搬去別的地方，要看來這裡看吧～～】
#影片版權所有請勿轉載 #影片並未授權任何平台轉載或是翻譯使用 #請勿盜用

👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇
【限量款 - Eclipse 日蝕黑】即將完售！限量是殘酷的～
🚩傳送門：https://shop.sbdapparel.com.tw/

其實日蝕系列最棒的是新款比賽連身衣，分開成為男版女版。萊卡材質厚度加倍，壓縮保護更高‼️也特別在重點部位改善，男生不怕下面一大包，女生不怕駱駝蹄，更有安全感。😎😎

Eclipse限量配色，由日蝕黑與太空白交疊環蝕而成，為訓練增添獨一無二的色彩，在對抗地心引力的時刻，為你撐腰！😎

#Eclipse #日蝕黑 #2019冬季限量款 #限量依舊殘酷
#護膝 #護肘 #護腕 #腰帶 #健力 #舉重 #肌力訓練 #Powerlifting #Weightlifting #Strongman

-----------
😎何立安，何博士：
📗學歷：
2011美國春田學院體育博士, PhD
2009美國春田學院肌力及體能訓練碩士, MEd
2004中國文化大學運動教練科學碩士, MS
2000台大政治系畢業

📗經歷：
2012返台任教，歷任：
中國文化大學體育系專任助理教授及體能教練
中華民國運動教練學會肌力及體能教練證照授證教官
台灣肌力及體能訓練協會肌力及體能教練證照授證教官
亞洲教練科學會肌力及體能教練證照授證教官
2016因反對大學評鑑和教授升等制度，辭職離開文化大學
2016起擔任怪獸肌力及體能訓練中心總教練
2019 SBD菁英體能教練
台灣SBD菁英聯盟之首

📗運動資歷：
跆拳道五段
巴西柔術棕帶
國術世界錦標賽搏擊項目中華代表隊選手
亞洲盃健力錦標賽長青組國手
跆拳道、武術散打、自由搏擊、巴西柔術教練

📗選手經歷：
2018亞洲盃經典健力錦標賽M1長青組臥舉第二名，蹲舉第三名，硬舉第三名，總合第三名
2011國際巴西柔術總會波士頓國際公開賽紫帶組超重量級第二名
2011美國NAGA東岸盃紫帶組超重量級第一名
2011國際巴西柔術總會紐約國際公開賽紫帶組超重量級第二名
2010美國NAGA東岸錦標賽壯年藍帶組第一名
2010美國NAGA東岸錦標賽寢技壯年中級第一名
2009台灣巴西柔術錦標賽藍帶組超重量級第二名
2009台灣巴西柔術錦標賽藍帶組無限量級第二名
2008美國新英格蘭Team Link盃寢技角力賽中級組重量級第一名
2004TFF異種格鬥賽第一名
2004國術世界錦標賽搏擊項目第一名
2004全國中正盃武術散打第二名
2003台灣省主席盃武術散打第一名
2003全國中正盃武術散打第三名
2003全國運動會武術散打第三名
2002全國武術冬季聯賽武術散打第一名
2002正心盃格鬥賽第一名
2001全國中正盃武術散打第一名
2001全國總統盃武術散打第一名
2000台北市中正盃跆拳道第一名
2000台北市青年盃跆拳道第一名
2000台灣省主席盃武術散打第二名
1999全國運動會跆拳道第四名
1999全國中正盃武術散打第一名
1998台灣區運動會國術擂臺第四名
1997全國中正盃國術擂臺第一名

#影片版權所有請勿轉載 #不要再盜版了

[旅行的旅行] 行動傳播技術空間中的旅行：#當我們用GoogleMap找路時 / 李長潔 🚎
.
時常有人問我，你每次去日本的那些超級冷門的風景、傳說地點、氛圍氣喫茶老店，到底怎麼找到的，聽都沒聽過這些地方。剛開始，我會查詢中文與外文的旅行資訊，像是旅遊手冊、觀光網站，都是基本工作，可以給旅客一點基本的地理想像，如方位、氣候、規模、人文特色等。接著，我會做一件事—大量地運用google map細查地方資料。
.
地圖，是一種人對空間權力的掌握，當旅人們從地圖繪製者的手中，搶回擁有地圖的權力，這將如何改變我們的旅行生活？然而，我們真正因為google map而搶回了對空間的掌握嗎？我們先從紙本地圖的使用開始。
.
▓ #紙本地圖的時代
.
不只是到了旅遊的當下才使用google地圖來找路，而是平常沒事時，就打開地圖滑呀滑，細察預計拜訪的地點，了解地理資訊。不過，在2005年以前，旅行時掌握地理環境的技術大都依賴紙本地圖，旅客與觀光客在出發前，會購買旅遊手冊、旅行文學，透過特定旅行專家與旅遊資訊編輯的視野，來觀看地方（林子廉，2009）。在那時之前，各種「旅遊天書」隨著出國人數的增加，而銷售量大增。
.
出國旅行度假，不單僅是選好地方、買張機票、然後去就可以說「#這是我的旅行」，旅行的體驗是由生活中的不同媒介內容（電視、廣告、電影、書籍、旅遊手冊，現在還有社群網站）與你的真實旅程所交織而成（Urry, 2002）。當然也包含地圖。
.
地圖是一種地理狀態的再現。我們覺得地圖模擬了真實的環境樣貌，但事實上，地圖是一種「#簡化」、「#挑選」、「#裁切」，尤其是紙本地圖，在有限的平面版面上，地圖的終極目標並不是一比一的還原，而是透過地圖繪製與資料整理，表現製圖者對大地的擁有權、解釋權。
.
在從前的旅行中，我會在行前買一份巴黎的城市地圖，在台灣時就把旅行手冊上看到的景點標示在地圖中；並在旅程中逐一刪除，有時候還會用紅筆將散步走過的路徑畫上，以展示我對巴黎的熟稔程度。基本上，整張巴黎地圖我都畫滿了。
.
▓ #google地圖的出現
.
2005年，Google Map正式上線，一開始只是電腦版，同一年裡很快地推出手機版本，並且加入Google Earth的服務，直至今日，google的地圖是Google公司流量第二大的營運項目。Google Map運用了地理資訊系統（GIS），整合地表空間幾何特性以及地理屬性等兩種資訊之資料庫， GIS 中記錄的資料藉由適當的軟體解譯後可重現地表相關地形與地貌，使用者可以免費且自由地在地圖檔上標記並添加註記。這個地圖很快地成為旅行者的最佳找路工具，可以用微觀與巨觀的視野，審視空間樣態（廖酉鎮、陳均伊，2013）。
.
相對於傳統紙本繪製，#地理資訊系統（Geographic Information System，GIS）的廣泛應用，省卻了實物儲存的難處，也使我們可以在同一空間的地圖上看到不同的主題的重叠和互動，我們更能按照我們的想法，在給定的地圖框架上任意標籤，製作對我們有意義的地圖（Lo, 2012）。
.
Google不斷推出越來越豪華的地圖服務，像是「#交通資訊」、「#街景服務」、「#旅行規劃」，最近更加入虛擬實境的概念，將導航升級成「#AR導航」，透過 GPS 獲取用戶的位置，並使用街景資料產生「視覺定位系統」（Visual Positioning System，VPS），快速辨識周遭地標建築定位用戶位置，並在手機相機中以巨大的動畫箭頭結合街景，藉以更清楚地告知方向。這些方便的工具是積累在行動通訊技術、運算技術與人群使用習慣的大量應用與快速進步上，嶄新的地圖技術深刻地改變了旅行、旅人與城市的互動關係。
.
▓ #人與機器結合下的旅行：地理媒介
.
人與機器在移動技術空間中，被結合成一種人機複合體，或是Bruno Latour行動網絡理論中的「人—物」，這讓人的體驗更加複雜。你有沒有一種經驗，就是打開Google Map後，隨著指標轉動身體，試圖協調數位與真實的空間方向。或是，跟著導航行走，耳畔響起「向左轉」，就毫不猶豫地走向左方的街道。又或是，最一般的情況下，使用者會打開軟體，了解地理定位下自己與週邊資訊（店家、車站等）的關係。
.
進入到隨身行動傳播科技時代，人與物結合下的移動與定位本身就是一種資訊，這些資訊詮釋了流動空間、網絡連結、移動過程的具體樣態。一方面，機器深刻地鑲嵌入人類的生活世界中，反過來說，人們亦透過機器產生全新、方便、延伸的特殊經驗。這種人機合一、日常鑲嵌的 #地理媒介（geomedia）（McQuire、潘霽，2019），在旅行實踐中更顯鮮明。
.
在Web2.0時代，藉由地理媒介所構連起來的網絡式公共空間，展示了人類時空感知的嶄新轉變。透過行動傳播與數位化的技術，遊歷的地點本身不只是被媒介再現，而是，這些地點本身就是媒介，在程式運算的框架下，人與人、人與城市有了全新的關係：Google Map的使用與資料的積累，很大的程度上，人們利用社會實踐、消費行為與協商互動來定義旅行的地方。
.
例如這次我們旅行到關東地區，特地前往宇都宮吃餃子。在行前我們藉由Google Map的即時資訊決定乘車的方式，查詢車站附近所有的餃子店以及他的評價、照片、菜單，用街景服務來定位自己如何到達要去的「餃天堂」。然後在這家算是有特色的餃子店鋪，我們竟然在餃子裡吃到了一根鋼刷鐵絲，店家也沒有很認真地看待。就默默地打開Google Map說明了當下的狀況，並給予較低的星級。
.
▓ #自願式的地理資訊（volunteered geographic information）
.
上述的情境是一種建構主義的場境，使用者們可能自知的情況下，#自願參與地理資訊的建構，這稱做自願式的地理資訊（VGI，volunteered geographic information）（Sieber and Haklay, 2015），Google Map的VGI使得人們更有機會參與城市意義的詮釋，在公共參與的意義上，Google Map也是一種社群媒體，它建築在遊客、居民、店家等大量用戶的傳播意向性上。在McQuire與潘霽（2019）的「地理媒介」評斷便提到中，媒介傳播技術、隨身行動和城市地理元素的深度融合，共同造就了「#成為公共」（becoming public）的體驗，打開城市生活的審美維度，同時推動了「成為公共」的過程。城市中的社會關係和權力關係，不再僅僅依據根植於城市空間結構的生活形態，而是更直接地被轉化為主動的「傳播」過程。
.
從知識論的角度來看，Google Map有著三種資訊類型：自然的資訊、技術的資訊與文化的資訊。自然的資訊，如同人們所可以感受到的地形等；技術的資訊則如道路、水系的測量描述；而文化的資訊則指涉各種人類的行為，如駕駛、消費等。透過運算平台，當然也包含IG、FB上的「#社會標註」，像是打卡、分享美照、「#」，使用者、物、與城市風景大量交織成數位形式與真實形式共存的存在，並且在公共性的概念下交往互動。
.
可是，我們還是可以想像與批判，一個反烏托邦正在進行。有時候我們不知道自己正是地理媒介的延伸，甚至不得不參與地理資訊的建立。當你想要運用導航系統時，其使用者本身正參與著車流量預測的演算過程。當我們行動時，我們也正經歷一種數據式的物化，個人與機器結合後，個人在時空中的所有作為都有可能面臨資本主義的收編，例如在Google Map上顯示個人化的位置性商業廣告。
.
▓ #流動的社群與信任革命
.
旅行者們對Google Map的使用，構成了一種流動與移動的社群，這個社群強調的並非穩定的社會記憶，他們更欣賞獲得片刻的超凡體驗，與享受如遊戲般的過程，在虛實間讓自己更能夠掌握旅行的地方。從Google Map的旅遊嚮導設計就可以發現，Google Map將每一位參與地理資料建構的人們都當作「專家」，這個構想在另一個旅行APP「#TripAdvisor」裡也非常鮮明。你可以在「TripAdvisor」裡分享更多評價、文章與圖片，分享你在移動時的超凡體驗，以獲得「#頂尖攝影師」、「#飯店達人」等等標章，以提高個人體驗的可信度。
.
不過，有批評家認為，我們太容易把Google Map、Google Earth上的作為，理解為一種全景全知的圖像、透明的秩序，甚至是前面討論的參與和賦權的工具（Kingsbury & Jones, 2009）。閃耀著令人暈眩光茫的球體，反映了人類的戴奧尼索斯的妄想，我們狂亂地航行，歡天喜地地喧囂，我們全心全意、不加思索地信任它，卻低估了虛擬世界對真實世界的集體監控。
.
▓ #回歸地方化?
.
不過，站在創用的立場，我還是傾向對科技保持信任。信任研究者Bostman（2017）在《#信任革命》中談到，只有「信任」，人類才能在進程上有超越性的變革。當然，對Google Map的信任早在2010年以後就幾乎被廣大的使用者們接受了，雖然偶而還是會看到我父親打開地圖導航後，然後罵導航太笨，繼續走自己的路。但無疑得，Google Map扮演了旅行實踐的重要推動角色，它把商品、交通、約會與各種推薦搓合起來，讓旅行同時是個人的行動，也是集體的社群參與。也因為這些更加錯綜複雜的信任，旅人們才能獲得更多足以創新生活的服務。
.
回到McQuire的地理媒介概念中，如果傳統大眾媒體帶給旅行者與地方的是一種想像的、再現的、去地方化的全球化幻覺。那麼這些隨身、隨地的地理媒介，像是Google Map，則在旅行者與地方之間形成更回歸地方化的關係，同時還包含了跨文化溝通的實現，透過這樣的地理媒介技術，更能提高人們對差異性與流動性的接受程度，還可以確保城市網絡中與他者共存的技能。
＿
＿

#參考文獻:
.
1. 林子廉（2009）。旅遊手冊如何影響遺產觀光客對於原住民石柱真實性知覺、旅遊動機及體驗。文化大學觀光系碩士論文。
2. Urry, J. (2002). The tourist gaze. Sage.
3. 廖酉鎮, & 陳均伊. (2013). 讓地圖活過來一 Google Earth 運用於地球科學教學設計之應用. 科學教育月刊.
4. LO, K. H. (2012). 論班雅明式史觀和空間觀: 並以領匯霸權地圖為例. Cultural Studies@ Lingnan 文化研究@ 嶺南, 32(1), 1.
5. Sieber, R. E., & Haklay, M. (2015). The epistemology (s) of volunteered geographic information: a critique. Geo: Geography and Environment, 2(2), 122-136.
6. McQuire, S., 潘霽（2019）。From Media City to Geomedia: Cross-disciplinary Insights into Information Society from a Pioneering Australian Scholar。資訊社會學研究，36。
7. Botsman, R. (2017). Who Can You Trust?: How Technology Brought Us Together–and Why It Could Drive Us Apart. Penguin UK.
8. Kingsbury, P., & Jones III, J. P. (2009). Walter Benjamin’s dionysian adventures on Google Earth. Geoforum, 40(4), 502-513.