雖然這篇減少同義詞鄉民發文沒有被收入到精華區:在減少同義詞這個話題中,我們另外找到其它相關的精選爆讚文章
在 減少同義詞產品中有16篇Facebook貼文,粉絲數超過2萬的網紅雷司紀的小道投資,也在其Facebook貼文中提到, 【二】 續前篇 👉 https://www.facebook.com/raysky.invest/posts/2841627699499769 - 接下來的內容都會以談論「比特幣」為主。 - 先幫沒碰過加幣貨幣的人科普一下:比特幣作為幣圈的「老大哥」,其存在可以作為代表整個幣圈(總經)狀況...
同時也有1部Youtube影片,追蹤數超過2萬的網紅曾鈺成,也在其Youtube影片中提到,中國文字或漢字不難學,只要知道其構造方法就更易掌握,減少讀錯字及寫錯字的問題。例如步行的步字,很多人都會把下方寫成多少的「少」字,現在一齊拆解「步」字的組成,你便會知道為何正字應該是沒有一點。...
「減少同義詞」的推薦目錄
減少同義詞 在 DSE 7科5** | IELTS 9分 | 線上補習 Instagram 的最讚貼文
2021-09-17 09:35:37
「明顯」的同義詞,你能想到多少個?不要只是會用 “obvious” 了! ⠀⠀⠀⠀⠀⠀⠀⠀⠀ 更多DSE / IELTS / 學英文免費資源,可以到bio link @melodytamhkdse獲取! 同系列讀書心得:#Melody生詞教室 · · · · · · · 嫌以上生詞唔夠喉?想知道更多...
減少同義詞 在 DSE 7科5** | IELTS 9分 | 線上補習 Instagram 的精選貼文
2021-09-03 14:48:30
「困難」的同義詞,你能想到多少個?不要只是會用 “difficulty” 了! ⠀⠀⠀⠀⠀⠀⠀⠀⠀ 更多DSE / IELTS / 學英文免費資源,可以到bio link @melodytamhkdse獲取! 同系列讀書心得:#Melody生詞教室 · · · · · · · 嫌以上生詞唔夠喉?想知...
減少同義詞 在 DSE 7科5** | IELTS 9分 | 線上補習 Instagram 的最佳貼文
2021-09-03 14:48:31
#Melody同義詞教室 ⠀⠀⠀⠀⠀⠀⠀⠀⠀ Appear e.g. All sorts of social problems appear after the mismanagement of the government. 翻譯:政府管理不善,就會出現各種各樣的社會問題。 ⠀⠀⠀⠀⠀⠀⠀⠀⠀ S...
減少同義詞 在 雷司紀的小道投資 Facebook 的最佳解答
【二】
續前篇 👉 https://www.facebook.com/raysky.invest/posts/2841627699499769
-
接下來的內容都會以談論「比特幣」為主。
-
先幫沒碰過加幣貨幣的人科普一下:比特幣作為幣圈的「老大哥」,其存在可以作為代表整個幣圈(總經)狀況的指標。就像在股票投資上,一般會用元大 50 來大致代表台灣經濟大盤、標普 500 來大致代表美國經濟大盤、納指 100 來大致代表美國科技股產業大盤。之所以說「大致」,是因為不是 100% 完全代表,但也有足夠代表性。所以今天如果想觀察幣圈大盤狀況,無論你是圈內人或圈外人,第一個可以看、最簡單、最直觀的指標,就是比特幣的價格及漲跌。以資料的角度來說,比特幣也具有一些優點:
🍀 比特幣的歷史夠長(2008 就創立),有較長時間的資料可以進行(技術/價值)分析。
🍀 比特幣的市值是目前最大的,它的漲跌會牽動其他加密貨幣的表現:當比特幣大漲,大家一起雞犬升天;當比特幣大跌,大家一起睡公園吃大便。
-
所以要講「幣圈」,那討論「比特幣」就具有足夠的代表性了。因此接下來的內容,我都會直接寫「比特幣」,當然大家在腦中要置換成「幣圈」作為同義詞也是可以的。
-
2020-2021年初,比特幣會大漲一波的最重要原因(基本面),來自於美聯儲 FED 因應疫情開啟了無限 QE (量化寬鬆) 的緣故(又俗稱「大放水」)。當民間被注入大量的熱錢,根據人類的天性,就會自然而然把這些錢投往風險性資產,所以無論是股市(本夢比股)、幣圈,在這段期間內都迎來一波猛爆性肝...我是說上漲。
-
因此我們可以說:「比特幣是風險性資產,其上漲與量化寬鬆(QE)/貨幣供給呈現直接相關。」(如附圖)
-
而根據 6/17 FED 發布的最新六月會議聲明,目前市場大概預估 8、9月美聯儲就會開始討論減少購債了(只是討論,還沒要關注水的水龍頭),最快年底有可能開始執行縮減購債(也就是把水龍頭轉小一點),要做到升息的話大概是 2022Q4~2023 年左右,所以到今年年底前,水龍頭有很大的機率還是會繼續開著,最糟也只是先關小一點而已。
📰https://www.wealth.com.tw/home/articles/32300
-
這個資訊,保證了市場上的熱錢還是會繼續湧動到年底,推升比特幣這類風險性資產上漲的基本面沒有被移除,是利多條件,也是支持牛市尚存的必要條件之一。
-
但請留意我的用詞:是「之一」,而非「唯一」。投資不是那麼簡單的事情,尤其做主動投資的時更要小心翼翼且謹慎才行。我的習慣是必須得湊齊多個面向,才能勾勒出一個比較有說服力的推論及樣貌,美股亦然,比特幣這種高風險性的資產更是如此。
-
所以接下來,還有得談呢......
-
(續)👇
https://www.facebook.com/raysky.invest/posts/2843079382687934
減少同義詞 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
AI 如何為公司創造更多價值?專家:2 個缺陷,要先由人類來修補
2021/05/13
採訪‧撰文
盧廷羲
張凱崴
美國人工智慧國家安全委員會(NSCAI)今年 4 月建議,國防部每年應至少分配 3.4% 的預算投入科技領域,並提撥 80 億美元研發 AI。企業方面,微軟(Microsoft)4 月宣布,將以 197 億美元收購語音辨識開發商紐安斯通訊(Nuance Communications);後者是雲端與 AI 軟體的先驅。
從企業到國家,都愈來愈重視人工智慧,知道要想辦法運用 AI 創造更好的生活。不過,目前 AI 發展到底處於什麼階段?我們又該如何應用?
美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授張凱崴形容,目前人工智慧技術已經可以幫助人類完成很多事,像是疫情來襲,電腦可以從大數據中篩選條件,自動搜尋、判讀潛在病例,幫助醫生大幅減少檢查時間,但 AI 也並非萬能,要先認知它的局限。他研究如何讓 AI 更符合人性,獲得 2021 年的史隆研究獎(Sloan Research Fellowships)。
AI 局限1. 資料寬廣度不足時,就會複製人類偏見
張凱崴認為,電腦在學習的時候,是依賴「彙整數據資料」來判斷,並沒有真正思考,如果資料來源太狹隘、不夠多元,資料寬廣度不足,電腦判斷就會出現偏差,「你跟電腦講清楚 input(輸入)、output(輸出),提供足夠的數據資料,它可以對應、學得很好,但還有很多面向 AI 做不到。」
舉例來說,亞馬遜(Amazon)2014 年推出智慧音箱(Amazon Echo),使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而,有些人口音較罕見,或是用字較特殊,智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案,就可能失靈,這是當前 AI 的其中一大問題。
張凱崴進一步解釋,AI 另一項挑戰是,它無法清楚分辨「不曾出現」與「不能出現」(無法出現)之間的區別,只是從資料統計出要學的東西,無法像人類一樣進行邏輯思辨。
AI 的運作方式,第一步是輸入資料,第二步是分析,但這過程容易出現偏見。例如電腦在理解「總統」這個字,會去看四周有什麼字詞,來學習總統這個詞,由於許多總統都是男性,電腦就會「覺得」總統是男性。
這也是為什麼,如果讓 AI 學習,在它的認知裡,女性「不可能」當美國總統(因為沒有資料紀錄)。「你可以跟人類說,任何職業、性別都是平等的,但對電腦來講,這很困難,」張凱崴說明,一旦資料的寬廣度受限,電腦就容易產生偏見。
就像在自然語言處理(Natural Language Processing,讓電腦把輸入的語言變成有意義的符號)領域,張凱崴說明,AI需要知道代名詞指的是「哪個名詞」,才能運算下去。但如果資料受限,使用男性的「他」,電腦可能判斷這個代名詞是指總統、總理、執行長;但換成女性的「她」,由於數據不足,電腦就會混亂,出現系統性誤差。
他再舉一例,美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統(GPT,Generative Pre-training),推出到 GPT3 版本,屬於書寫類 AI,電腦能夠揣測人們說完上一句話,下一句可能會講的句子,自動完成後半段。
好比有人上一句寫下「我正在和教授聊天」,系統可能推導出「我們在研究室討論學術問題」,因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示,GPT2(前一代版本)系統也從資料中學習到許多偏見,像是如果句子前半談論白人男性,系統傾向產生正面評價;如果句子前半是黑人女性,系統竟會產生負面句子。對企業來說,許多組織接觸 AI,想讓它們取代部分工作,首先需要留意資料的廣度、多元性,才能減少電腦犯錯的機會。
AI 局限2. 即便條件相同,也無法每次都做出正確判斷
「其實,現在的 AI 就像一台原型飛機,還缺乏穩定性。」張凱崴說,現行的 AI 就好比萊特兄弟(Wright brothers)剛發明飛機,看似可以做很多有趣的事,但「可以飛」跟「飛得很好」,有一大段落差。
紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片,AI 掃描後,確認是不是本人,但當時系統沒有估算到某些亞洲人眼睛比較小,一名亞裔男子被判定「沒有張開眼睛」,因此照片無效。
張凱崴說,在這個例子中,凸顯出 AI 的穩定性不足,「系統沒有考慮到不同人種的差異,很死板地認為你眼睛沒張開。」所謂的缺乏穩定性,指的是 AI 沒辦法在相同條件下,每次都做出正確決策,這也是使用 AI 時,須留意的第二個挑戰。
他再舉例,許多模型可以準確分析,一則影評對電影的評價是正面或負面。然而研究顯示,有時只要將影評中一些字換成同義詞,例如把電影(movie)換成影片(film),或改寫句子,即使意思並未改變,系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。
在設計這些程式時,人們必須注意到 AI 可能有局限,設定的資料範圍要更完整,考慮這些因素,就能減少偏見、落差,進而加強穩定性。
餵指令給 AI 要多元化,嘗試「換句話說」、刻意混淆
經理人雖然不一定具備 AI 方面的專業知識,但只要掌握觀念,再透過 AI 領域專才協助,也能優化系統。張凱崴指出,最直接的方法是,設計 AI 模型時,要把來源群組不同的資料分門別類測試,在測試階段讓群體多元化,並確保不同特色的使用者,用起來都沒有問題。
舉例來說,一套 A 系統擁有來自各地的使用者,如果設計者是台北人,設計系統的思維容易以台北生活為主,很可能因為當地習慣不同,導致花蓮使用者操作不順。
另一個方法,則是用不同的「語意」,去測試 AI 有沒有徹底學會一個概念。例如,有一套餐廳評鑑的 AI 系統,只要蒐集、整理使用者意見,就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性?張凱崴建議,可以利用「抽換詞面」的方法。
比如,把詞彙換成同義字,再看 AI 是否能運算出相同結果,「你可能會發現,原本評比結果是食物很美味,但如果美味換成比較困難的詞,AI 就會分不出這則評比是好是壞。」因此在訓練模型時,可以將詞彙隨機抽換成同義詞,增加 AI 的詞彙量。
第三種方式更進階:改變句型、重寫句子。張凱崴指出,同樣一句話,如果換成不同說法,電腦可能判讀錯誤,將「因為發生 A 事件,所以導致 B 事件」,改寫成「B 事件發生了,是因為 A 事件的緣故」,明明兩句話意思一樣,但 AI 很可能因為穩定性不足,搞混兩者的差別。如果要鞏固 AI 的穩定性,可以使用自動改寫的方式,增加資料的多樣性。
張凱崴表示,經過這些測試,讓 AI 接受更多元化的訓練,得到更廣的學習範圍,往後碰到同義詞、相似資訊,才能有效判讀。
張凱崴總結,AI 還在快速發展,或許可以創造更多工作機會、新的職位,但現行階段,它只是輔助角色。AI 並非魔術盒子,使用它就一定有更好結果,人們還是要保持高度耐心,先認識它的缺陷,才能在技術更迭下,發揮出最好的結果。
張凱崴
台灣大學資訊工程系碩士、美國伊利諾大學(UIUC)電腦科學博士。美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授,研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎(Sloan Research Fellowship),研究團隊開發的運算方法,使人類語言處理的程序更有效率、更多元,同時兼具公平性。
附圖:優化AI系統的3方法
資料來源:https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis
減少同義詞 在 臨床筆記 Facebook 的精選貼文
血鈉濃度與血量的調控
#na
身體總水量(TBW)佔了體重的 60%(40% 細胞內液 ICF,20% 細胞外液 ECF)。ECF 中,血漿量(血量的 55%)佔了體重的 5%,組織間液佔了體重的 15%。
身體總鈉量決定 ECF 量,ECF 量增加(高血量)時體重增加、血壓上升、水腫,ECF 量降低(低血量)時體重減少、血壓下降。血鈉濃度(身體總鈉量/TBW,決定了血漿滲透壓 Posm)決定 ICF 量(低血鈉時 ICF 上升,高血鈉時 ICF 下降)。
膠體滲透壓(蛋白質濃度)決定血量(低蛋白血症時血量下降)。有效血量就是動脈血量,在下列情形時下降(尿鈉 UNa < 10 mEq/L):低血量、心輸出量下降、動脈擴張(舒張性心衰竭、肝硬化)、低白蛋白血症。
血鈉濃度(Posm)的調控就是 TBW 的調控(水的代謝):Posm 上升-下降時會刺激-抑制下視丘-腦下垂體後葉製造-分泌抗利尿激素(ADH),提高-減少了 TBW,造成血鈉的下降-上升。
ECF 量(血量)的調控就是身體總鈉量的調控(鈉的代謝):高-低血量會抑制-刺激主動脈弓/頸動脈/腎臟入球小動脈的壓力感受器-交感神經系統、腎素-皮質醛酮系統,也會刺激-抑制利鈉因子(ANP、BNP)。
無論低血鈉、高血鈉都會有身體總鈉量的下降、正常、上升,亦即血鈉濃度的調控與身體總鈉量的調控是不同的。但是它們會互相影響:身體總鈉量正常時,TBW 上升-下降會降低(SIADH)-提高(尿崩症)血鈉,但是血量的上升-下降比較不明顯;血量(身體總鈉量)上升-下降大於 5-10% 時會抑制-刺激 ADH(影響的程度大於 Posm 對 ADH 的影響,「不鳴則已 ,一鳴驚人」),造成高-低血鈉。有趣的是在一個低血量(或低有效血量)的低血鈉病人,前者刺激的 ADH 分泌會蓋過後者抑制的 ADH 分泌,此現象稱為「非滲透壓性 ADH 分泌」。
以後請用「低血量」取代「脫水」:「脫水」是一個不精確的名詞,它的真正意思是身體總鈉量正常時 TBW 的下降,但是臨床上經常會把它當成「低血量」的同義詞。