#免費活動 大家趕快報名起來
連結見留言
因著中元節的到來，全球大疫情的籠罩，面對「哀悼，鬼魂和往生」的議題，我們可以從傳統文化中多探究什麼？又可以觸及心靈中什麼樣的內涵？歡迎參加8/21-9/4合計三場的【傳統的回響系列講座】。
【#哀悼之必要—傳統的回響系列講座2】
主講：#宋文里 老師（國立清華大學榮譽退休教授，天主教輔仁大學兼任教授）
日期：2021/8/28（六）14:00-15:30
地點：ZOOM線上活動（額滿為止，報名成功者會收到e-mail線上活動連結通知）
主辦單位：有知心理、心靈工坊
重要說明：
◎ 線上活動以ZOOM進行，並將全程直播與錄影。
◎ 因系統名額有限，活動前收到e-mail線上活動連結通知才算報名成功，再請留意收信。若有問題，可私訊心靈工坊文化FB。
◎ 活動當天13:45 開放登入，敬請及早上線，以免超過限額無法進入。
◎ 活動全程請關閉麥克風及攝影機，若需提問，可在聊天室輸入留言。
◎ 為確保報名者的參與權益，請勿將會議連結傳給未報名者。
講題簡介：
1. 「死」的本意起於哀悼
2. 總是他人的死亡
3. 喪失與哀悼──在自我的世界中，哀悼導致憂鬱（抑鬱）
4. 哀悼與公共的紀念儀式：人類學與心理學觀點
5. 不可言說：沒有悼詞（禱詞）的文化
6. 關聯虛無化，如何慎終追遠？
7. 找回我們的語言
講者簡介：
宋文里
生於1952年，1985年獲得美國伊利諾大學娥百娜-香檳（Urbana-Champaign）校區諮商心理學博士學位。現為國立清華大學榮譽退休教授，天主教輔仁大學兼任教授，澳門城市大學博導。
1986年起在清華大學社人所、社會所先後開設文化心理學、文化的精神分析、論述心理學，及其他跨學科專題，如藝術心理學、宗教心理學、美學向度等。這些課程後來也延續到輔仁大學心理學研究所，並轉化為心靈工坊成長學苑的數次講堂。
自從余德慧、余安邦於2009年創立「人文臨床論壇」以來，每一年舉辦時，宋文里無役不與。其中一次，和余德慧討論「療癒」一詞的用法，認為「療遇」(healing encounter)才是「人文臨床」的同義詞。自茲而後，也決意把自己的專業工作界定為「療遇」，並設定其中的兩種立場：施療者/求癒者。
宋文里勤於著述，他的專文著作及文化藝術評論多篇曾刊載於各種學術期刊及雜誌，這些著作正著手編輯為《宋文里作品集》，目前已出版的是《重讀佛洛伊德》（2018，精選十餘篇佛洛伊德作品，翻譯、評註、加上導論）、《心理學與理心術》（2018，心靈的社會建構八講）、《文化心理學的尋語路》（2020，邁向療遇之途；心理學的下一頁）。
宋文里另也投注不少精力於翻譯學術經典著作，譯有《成為一個人：一個治療者對心理治療的觀點》（Carl Rogers）；《人類本性原論》（E. O. Wilson）；《教育的文化：從文化心理學觀點談教育的本質》（Jerome Bruner）；《宗教的動力心理學》（Paul Pruyser）；《正常人被鎮壓的瘋狂：精神分析44年的探索》（Marion Milner）；《關係的存有》（Kenneth Gergen）；《翻轉與重建：心理治療與社會建構》（Sheila McNamee & Kenneth J. Gergen）等專著。
主題閱讀：
《鬼神‧巫覡‧信仰：宗教的動力心理學八講》-宋文里

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

近期小幫手更新
　
【國語小幫手】
　
1. 這學期(109下學期)的生字確認完畢
　
除了把寒假前我眼花打錯的一些字修正，也完整確認這學期生字與去年的差異。
　
康軒、南一、翰林三家出版社一到六年級的內容中，除了二年級的課文與生字因為108課綱全面換掉之外，只有康軒五下的差異較大(課文都沒變，但是每一課的生字都更動了一兩個字)。
　
所有的更正，也同步更新到我寒假做的生字簿上
　
2. 國語辭典簡編本的內容，已經更新到目前最新2020/12/29的版本
　
在注音的部分，基本上沒有什麼變化。
　
比較有趣的是，從有些同義詞解釋的修改，可以＂感覺＂出比較推薦的用法，例如：
「當作」與「當做」都可以，但是「當作」應該比較推薦
「日食」與「日蝕」都可以，但是「日食」應該比較推薦
「舉薦」與「舉荐」都可以，但是「舉薦」應該比較推薦
　
【英文發音快搜】
　
經過了來回溝通，在資料授權使用上還是被劍橋大學出版拒絕了，所以這個服務沒辦法直接公開在粉專讓有需要的人使用
　
之後只能再繼續找找，有沒有可以授權的發音語音資料
　
【國中會考吧】
　
雖然我一直不知道這個服務，到底對於國中生有沒有用處，不過上個月跟知名自然科老師米蘭老師聊天時，他還是建議我可以補充「把答錯的題目蒐集起來，可以再次練習」的功能。
　
所以我應該還是會安排時間，把老師建議的功能做一下
　
　
以上

109. 現象學—研究生命現象的方法論

依現象學派的說法，現代人都不自覺接受了柏拉圖（Plato）、亞里士多德（Aristotle）的真理觀。他們將真理視為一對象，是客觀的、穩定的，是澄明的。數學命題：1＋1＝2，幾何命題：三角形內角和＝180 ∘，都是如此確定，確定性便成了真理的基型典範。整個西方哲學的真理觀，都希望達至這種確定性，真理成為永恆不變的同義詞。

海德格不贊成這種邏各斯（Logos）中心的態度，於是援用現象學的方法從新思考人的存在，他發現人跟世界有一種很特別的牽連，就是人會關懷周圍的人或物，他跟一切存在者都有所牽慮（Care/Sorge）。海德格認為「牽慮之情」是一個存在論概念；只有能牽慮的生命，始會捲入現實與理想的糾纏之中。所以，我們在顧慮，在煩惱，在牽掛，正好揭示了我們的身分：我們是一自覺者。在死亡的感觸裡，我們首次發見人類特有的時間向度。人所牽慮的是他終極的可能性。當他不為特定問題所糾纏，一往無前地探索，他將發覺人生是一整體，人必須徹底解決全部的生命限制。釋迦牟尼年輕時出遊，於城外見生、老、病、死的現象，立即觸見生命的無常性，他突然陷入困擾，因存在的觸動而開始求道的決心。求道之心就是人性中最本源的牽慮，人因著牽慮而發決心投射於未來，求大澈大悟，建立一真實的生存方式。

講者：陶國璋（香港中文大學客席助理教授）、楊德立（柏林自由大學博士生）

即時聊天室：http://goo.gl/ToDqof
謎米香港 www.memehk.com
Facebook：www.facebook.com/memehkdotcom