在學著與疫情共處的過程，終於等到藝文場所取消梅花座，可以容納更多的觀眾，除了全部擠在一起的影展、電影檔期以外，有兩場劇場表演也是我等候多時的，目前一場已開放購票、一場等等中午啟售。很想說，一定難看又無聊，不介紹又深覺可惜，拜託大家不要跟我搶。
⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀
▍ 莎士比亞的妹妹們的劇團《#混音理查三世》
　Richard III：The Remix Edition
　https://reurl.cc/LbY30X
⠀⠀⠀⠀⠀
莎士比亞筆下的英格蘭國王理查三世是個邪惡的角色，他以說故事的方式扭曲歷史，《混音理查三世》是王嘉明導演第四度挑戰關於這個題材的改編，且根據演員的各項特色才能重新編排，希望觀眾能從不同角度認識這位國王。他視音樂與聲音為文本的一部份，自大量音樂素材中挑選適合的片段，具象到抽象的聲音都跨幅取樣，重新混音莎翁歷史劇，同時以特殊的「身聲分離」形式演出，全劇十三名演員化身樂手進行 Live 演出，也因此，第四版稱之為《混音理查三世》。
⠀⠀⠀⠀⠀
故事敘述英國萊斯特市中心教堂旁的停車場，挖出疑似遺骸，經 DNA 比對，證實為理查三世，位莎翁筆下個性陰險的駝背跛子，歷史上聲名狼藉、童謠裡的怪物、邪惡的同義詞，四百年後，卻不斷有學者、作家企圖為之平反。在 2015 年《理查三世》版本中，理查三世的形象是由一件衣服、一頂帽子、一雙手套、一根枴杖所組成，金馬影后謝盈萱配音，2021 年的全新版本，則是金馬影帝莫子儀擔綱演出。
⠀⠀⠀⠀⠀
導演 —— 王嘉明
演員 —— Fa、王宏元、王靖惇、周明宇、崔台鎬、陳有銳、彭浩秦、趙逸嵐、莫子儀、李班宇、周安迪、張正元、吳智暉
⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀
▍ 非常林奕華《#一個人的一一》
　14 Variations on the Theme of Yi Yi
　https://reurl.cc/Ok4AE3
⠀⠀⠀⠀⠀
「這是和楊德昌相遇的最好時間。」
⠀⠀⠀⠀⠀
《一一》除了為導演楊德昌帶來坎城影展的最佳導演，亦被認為是 21 世紀最偉大的電影之一。電影借一個台北中產家庭，訴說每一個人眼前背後的種種，故事由一個婚禮開始，以一個葬禮結束。楊德昌導演的這部電影拍於 2000 年，有著很多未來與我們的關係的啟迪。
⠀⠀⠀⠀⠀
「為什麼這個世界，和我們想的都不一樣呢？」得到楊德昌遺孀彭鎧立女士首次授權改編。電影由洋洋讀給婆婆的一封信結尾，舞台劇《一個人的一一》則從洋洋長大後展開 —— 不單只有照相機，一如現代人，他擁有更多高科技配備，唯獨還是「只能看到一半」。然而在疫情時代的14天隔離裡，洋洋經歷重新自我發現，終於從「後面」找到「前面」：一個人的未來。​
⠀⠀⠀⠀⠀
2020 年疫情爆發，林奕華導演於創作之際感概疫情之於人類巨大影響，開啟更多自我反思與提問：《一個人的一一》的創作本意，是在世界進入停擺和紛亂之際，渾沌和充滿可能之間，把各種限制轉化成靈感。由第一天開始，踏入的已不是排練室，是實驗室。這時候除了疫苗，創作也是一種藥。「我」和「你」永遠是一體兩面，一不是一，一也是一，我們從來都只是一個人，我們從來也不只是一個人。
⠀⠀⠀⠀⠀
⠀⠀⠀⠀⠀
#真的好想看嗚嗚嗚

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

【BBC中文網】南海泡沫：英國300年前一次金融危機留給後世的遺產

作為現代金融市場的鼻祖之一，英國倫敦股市見證過無數跌宕、狂熱、股災和危機，第一次重大危機發生在300年前，史稱南海泡沫。

南海公司是一家身份特殊、業務創新的英國海外貿易公司，實際以金融投資為主業，1713年開始在倫敦股市釀出泡沫，1720年春夏南海股價驟升急跌，股市泡沫破裂，觸發政壇動蕩，同時也催生了市場監管、政府行為約束、潛在風險控制等現代金融市場要素的公共討論。後人研究還發現假新聞對泡沫興起和破裂所起的作用。

南海泡沫破裂，當時輿論嘩然，各界群情激昂。政客義正詞嚴地要求展開調查挖出元兇；南海公司董事會成員被批叛國、欺詐，被傳召到議會出席問訊。文人墨客以詩歌、檄文，諷刺漫畫和舞台戲劇抨擊市場和那些被認為的始作俑者。英國財相一度被關押在倫敦塔。

風波最終平息之後，南海泡沫成了金融醜聞的同義詞，逐漸又成為經濟學一個專用名詞，指脫離常規的投資狂潮引發的股價暴漲和暴跌，以及之後的大混亂。

不過，即使到了今天，經濟歷史專家們仍找不到南海泡沫之後經濟陷入長時間衰退或持續低迷的證據。因此，有人認為它就是一樁金融醜聞，因為各種原因，被誇大成傳聞中的危機。

戰爭、股市和販奴

要了解當年究竟發生了什麼，需要先回顧一下現代金融市場的出現和早期的混沌狀態。

據史料記載，倫敦金融市場的誕生跟1688-1697年那場歐洲大陸上的戰爭有直接關係。那場戰爭被稱為九年戰爭、大同盟戰爭和其他一些名稱。起因是法王路易十四在歐洲大肆擴張版圖，遭荷蘭、瑞典、神聖羅馬帝國哈布斯堡王朝、英國和西班牙等國結盟抵抗。

為了籌集戰爭資金，英國統治當局從1690年開始在倫敦逐步建立具有現代金融市場元素的證券交易市場，1694年成立了中央銀行 — 英格蘭銀行，發行了有史以來第一批國債，並且開始發行匯票，即一種帶有「承諾付款」的代金券。

當時還開始盛行彩票、年金、股份公司、保險公司，以及各式各樣的賺錢理財計劃。歐洲大陸上，荷蘭和法國金融投資業發展迅速，跟倫敦遙相呼應。倫敦金融市場就在這段時間積累了大量財富，不斷壯大。

1713年，西班牙王位繼承戰爭結束，根據《烏得勒支條約》，英國獲得向西班牙控制的南美洲販運奴隸的權利，每年一船黑奴，為期33年；作為回報，英國允許西班牙進入英國皇家非洲公司控制的非洲西海岸所有的英國致殖民地。

這時，南海公司已經成立兩年。公司全名：大不列顛商人與南海及其他美洲各地通商並促進漁業的公司， 主營業務是海外貿易，股份制。
泡沫興起、膨脹

泡沫背後的真正原因很複雜。

南海公司跟政府做了一筆交易，從政府手裏買斷西班牙南海貿易的合同，然後政府發行的國債都打包交給南海公司管理，每年付利息。

買了國債的人可以把票據拿去折換成南海公司的股票，從政府的債主變成南海公司股東，不再拿債務利息，改拿分紅股息。國債不能買賣，但南海公司的股票可以交易。政府則把自己的債主從無數公眾變成一個，南海公司。

南海公司的創始股東包括財政大臣羅伯特·哈利（Robert Harley）和一位曾經經營彩票的金融家約翰·布朗特（John Blunt）。布朗特因為創辦南海公司，後來還封了爵位。

南海公司與老牌奴隸貿易公司「皇家非洲公司」合作，從大西洋向南美運了數千名奴隸，還得到皇家海軍護航。這更加深了公眾對南海公司得到政府撐腰的猜測，因此對它的股票更放心、更熱切。

到1720年夏天，南海公司的股票被高估，帶動大市上漲，其他公司的股價也水漲船高。部分原因是許多新手進入股市盲目從眾，還有一個原因是當時法國股市崩潰，不少投資資金流入倫敦，助燃了倫敦股市泡沫。

但是，南海公司向股東承諾的南美貿易活動和豐厚利潤始終沒有真正兌現，而公司的行為也越來越像一家銀行，開始借錢給自家股票的潛在投資者，以維持市場需求，推高價格，鞏固泡泡。

史學家愛麗絲·馬普爾斯（Alice Marples）博士指出，當時賣給投資的股票數量是實際可以交易股票數量的一倍多，從新股東手裏得來的錢被用來支付向老股東承諾的高額股息。現在有人形容那就像18世紀的龐茲騙局。

金融泡沫一旦開始膨脹，在一段時間內會迅速吸引更多各式各樣的投資者，包括新手和投機者，股價被迅速哄抬到無法持續的高位，然後遇到最後一根稻草，或因為某個偶然契機，開始暴跌。南海公司的股票從1719年到1720年底，股價飆升10倍，於1720年8月觸頂，然後斷崖式跌落，到年底跌破初始價。

當時的人們沒見過這種驚心動魄的跌宕。

狂歡盛宴結束

據一位古物和自然哲學家威廉·斯托克利（William Stukeley）在《艾薩克·牛頓爵士的回憶錄》（1752年）所述，1720年9月，南海公司股價第一次垂直下跌後，「世界正處於極大的困擾之中，成千上萬的家庭被毀」。這次股市崩潰最令人驚駭之處是社會各個層面幾乎無一倖免，投資巨大的精英階層成員和機構受打擊尤其嚴重，包括皇家學會，曾擔任皇家鑄幣廠廠長的物理學家艾薩克·牛頓（Isaac Newton）。

但是，也有幸運、精明的投資者在這幾個月的股市跌宕中找凖時機有所斬獲，比如文具商托馬斯·蓋伊（Thomas Guy）在南海公司股價從峰值跌到一半時出售自己的持股，賺了一大筆，1721年用這筆錢在倫敦泰晤士河邊建了蓋伊醫院（Thomas Guy Hospital），載入史冊。

牽涉面如此之廣的金融災禍，議會不能不展開調查，然後發現內幕交易和貪污賄賂的證據，公司幾個董事受到懲罰，包括位居內閣的高官。他們受到彈劾，私人資產和物業被沒收用來補償投資者，剩下的股份分配給東印度公司和英格蘭銀行。負責將國債打包給南海公司管理的財相艾斯拉伯（John Aislabe） 被撤職並一度監禁在倫敦塔。

最後，新上任的第一財政大臣羅伯特·沃波勒（Robert Walpole）通過巧妙的政治手段安撫公眾，為王室和金融業止損，而南海公司繼續運營，一直到1853年。

醜聞、危機和假消息

債務證券化、政府官員假公濟私、投資公眾盲從和市場的貪婪、變化莫測，似乎在300年前這場金融泡沫中登場。

英國南安普頓大學經濟學和經濟史講師海倫·鮑爾（Helen Paul）認為，南海公司泡沫破裂，究其實質應該就是一樁醜聞，雖然社會各階層都以不同形式和程度捲入其中，但跟1929年和2008年的股市泡沫破裂導致世界經濟危機不同，之所以被如此重墨渲染成金融史上第一次重大危機，一個重要原因是假消息橫行，引爆了公眾集體憤怒和道德恐慌，即使公眾對真正發生了什麼事並不了解。

鮑爾指出，首先，這件事發生在證券市場早期階段。這意味著監管、理論和法規都處於萌芽狀態或者根本還沒影子，財經記者這個概念還沒出現。公眾最容易獲得的相關資訊就是口口相傳的信息，包括無稽之談和陰謀論。

其次，這件事越燃越烈的另一個原因是傳聞投資者可以索賠，補回損失。所以，很多人便誇大自己的虧損。民間流傳的虧損規模跟史料能夠提供證據支持的損失相差極大。

再者，遇到這類影響範圍如此之廣又涉及錢財、股票投資的公共事件，輿情必然洶洶，必然會出現萬夫所指的公敵，而那個年代最容易淪為替罪羊的是外國人和出頭露面、參與金融投資的女性，還有不少宗教團體。

最缺乏的是客觀冷靜的報道和分析，於是醜聞二次發酵。

牛頓項目研究員馬普爾斯博士認為，南海公司的業務包含大量政治元素，這是泡沫形成的一個重要因素，因為在公眾心目中它的後台幾乎就是政府，而且大量社會頭面人物都加入了這種全新的理財投資活動。

更重要的是，這家公司似乎提供了一條從王公貴族到市井小民都能站在同一條起跑線上，共同「快速致富」之路。當時，從國王到女僕都買了南海公司的股票，交易盛況空前。

有過這種慘痛經歷後，公眾開始意識到市場的複雜性和反覆無常。

馬普爾斯博士指出，南海公司泡沫的破裂，再加上法國和荷蘭等地陸續發生類似的市場風波，把金融投機、新金融投資工具的價值及其風險等新問題擺到公眾眼前，推動了圍繞市場監管的確立、政府行為規範及腐敗風險管控機制的建立的公共辯論。

#歷史 #經濟 #金融 #投資 #貿易