【力量訓練的「訓練量」該如何設定？】

跑者的訓練量俗稱「跑量」，單位是「公里」，所以月跑量三百是指一個月總訓練距離300公里。在力量訓練圈的「訓練量」（Training Volume）常是「總反覆次數」 （Total Repetition）的同義詞；而「月總量」就是指一個月的總反覆次數，像我們會建議初跑者的月跑量最好不要超過100公里一樣，在做重訓時，有沒有一個區間可以讓大家參考呢？下面是《The System》的作者群建議：

#以下為譯文：
以剛接觸訓練的新手來說，月總量最好從750次（總反覆次數）開始；而菁英運動員的上限設在1,600次。在前蘇聯時代，我們親眼看到他們運動員以更高的月總量進行訓練。然而，我們後來也發現這跟他們使用加強運動表現的補給品有關，那使運動員能更快恢復。

總反覆次數是指在單一個週期中（這裡是指中週期）所有基本力量動作重複次數的總合。因此總反覆次數750的意思是在不同的訓練強度與動作中總共累計的次數，但這個數字不包括輔助訓練的動作。

從帳面上來看，750這個數字分配到一個月十二到十六次課表當中，看起來似乎很小，但我們這們所定的750這個數字比較像是「基本量」，而非下限，如果總反覆次數低於750下，就不會為運動員的成長帶來實質的影響。表 4.14 中的數值並不是意味著高水平或菁英運動員在四週內的總反覆次數永遠不會有低於1,000次情況發生，那只是維持成長的基本量。對運動員的恢復能力影響最大的是訓練量，因此這些範圍中比較需要注意的是上限的數值。若月總量超過上限值，恢復能力將快速到受到侵害，而且侵害的速度比任何其他因素都快。

一位菁英水準的運動員可以在一個月的時間裡完成1,000次以下的訓練，就算在恢復期也經常發生。然而，訓練新手若超過1,000次的上限，大都要承擔受傷或嚴重過度訓練的風險。

許多教練擔心他們的運動員練不夠，所以無法有效獲得力量和爆發力的進步。他們不想因為目標定得太低而有所保留，這讓他們感覺是「浪費」了一個月的訓練時間。剛開始採用這個方法來訓練時有這種感覺很自然，我們系統中的每一位教練也都曾經歷過相同的掙扎。

美國的力量教練已經把「訓練要用盡全力」當作一種信念，訓練完還有餘力好像就會覺得不夠認真。但請相信我們。我們說的方法很少失敗，也幾乎沒有過度訓練的風險，這些區間已被證明能最有效地幫助運動員進步。

在調整運動員的訓練量時，需要考慮到他們的技巧、經驗、過去的醫療史、訓練史、性別、實際年齡與訓練年齡。

我們過去的慘痛教訓可以讓你少走許多彎路。當你在訓練量的拿捏上猶豫不決時，原則是寧少勿多。寧可因量太少沒進步，也不要犯下過量訓練的錯誤。

總訓練量不包括輔助訓練或是特別針對「局部效果」的練習次數。那些動作主要是為了強化特定肌肉或是使全身力量動作能做得更好的輔助性訓練，所以我們不會把它們算在總訓練量中。
最受我們重視的力量訓練動作不只對身體的負擔很大，技術要求也很高；正因如此，我們才會嚴格限制訓練量。

雖然輔助訓練不會被計算在總訓練量裡，但你不要因此失控，開始加練很多你想練的輔助動作。永遠記住：效率第一。

#原文如下
The absolute floor of volume for a novice athlete is 750 total exercise repetitions per month, and the ceiling for the elite athlete is 1,600 total reps. During our time in the former Soviet Republics, we witnessed athletes performing even higher monthly training volumes. However, as we found later, that was often with the benefit of performance-enhancing substances that allowed for more rapid recovery.

In a single cycle, the total number of repetitions pertains to all exercises performed in the key movements. This means 750 total repetitions are spread between the different exercises among the range of training intensities we want to emphasize.

On the surface, these can seem like small numbers when we consider they may be spread out over 12 to 16 training sessions. That 750-rep total is really more like the basement rather than the floor of total volume—any less than 750 will not budge the needle on gains. That does not mean advanced or elite-level athletes will not have cycles that dip below 1,000 reps. These ranges should be more prescriptive of the ceiling of higher volumes to avoid exceeding. Pushing monthly volume beyond these ranges erodes recovery more rapidly than any other factor.

An elite-level athlete can use a month with a total volume of under 1,000 reps, as will often be the case when returning to training. However, a novice athlete can rarely exceed the 1,000-rep ceiling without risking an injury or a significant overtraining effect.

Many coaches worry their athletes will not do enough work to promote gains in strength and power. They do not want to “waste” a month by aiming too low on total volume and leaving some gains in the tank. That is a natural feeling when adopting this method, and each of us went through the same mental struggle.

Strength coaches in America are not hard-wired to accept less than maximum. However, trust us when we say that without fail, these ranges have proven to be the most effective in generating progress with almost no risk of overtraining.

Fine-tuning where your athletes fall in a volume range takes skill, experience, and consideration of their medical and training history, biological and training age, and gender.
The bloody trail of our mistakes can save you a lot of added stress: When in doubt, it is always better to err on the side of less volume than too much.

The total volume number does not include accessory work or exercises of “local effect.” Those exercises are more targeted muscle strengthening or exercises to support the main movements.

We are mainly concerned about the most physically taxing exercises that demand more of an athlete’s attention to technique—hence, the volume restrictions.

Although the accessory work is not included in the volume calculations, you still cannot go wild, adding as much as you want. Always remember this: efficiency first.
(以上摘錄自原文第132~133)
--
若有發現翻譯不到位或有問題的地方，非常歡迎也希望各界指正！

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

《勿承諾》

投射者好友離開上一份扭曲的工作之後，等待了一段時間，重新接到懂得珍惜專業的工作邀約。

新的公司很器重她，給錢、給空間，看重結果、也尊重在過程中的創意展現。整體來說，是穩定又自由的正確邀約。

遇上伯樂，好友自然全力以赴，上工不久便四處參加會議，被各部門追著下單，短短兩周，交出四份大型企劃。

她在Line上跟我說，我現在知道妳之前的感受了。人人都想上船，等著被載往成功的彼岸。

形容得很貼切，畢竟我們在職場的經歷雷同，陰溝翻船又谷底翻身，對於陽光普照不免特別渴慕，於是在烈日下拼命耕作，以茲證明我們是夠好的農夫。

看著她剛剛獲得一片良田，我想對她說的話，有很多。想了一想，還是長話短說吧，驗證人生，是很個人的事。我回了：「很替妳開心，別忘了妳的意志力中心沒有顏色，感動可以，勿承諾。」

打出「勿承諾」這三個字，手指頭帶著猶疑，反應了心底的不能置信，空白意志力中心的職場應對守則，怎麼三個字就打完了。

而在任何事情都被視為commitment的職場，「勿承諾」感覺上會死無葬身之地。又或者僅屬於某些高層不沾鍋的特權，跟自己毫無關係。我，就是owner啊，要怎樣「勿承諾」。

安節雅的新書，雖然著重在兩性議題，重溫各大能量中心的時候，還是令我有五雷轟頂的感受：「意志力中心是一顆引擎，若裡頭沒有能量，便沒有能力完成承諾的事，所以連『我試試看』、『我盡力而為』這類的言語都有同等的份量。」的確，職場上，雖不見得每一題都必須回答I’ll do my best，總還是免不了需要表明決心或戰鬥力的時候，所以，I’ll try my best、I will figure it out ASAP，大概就是多數人時常會說出來的話。

明知沒有能量承諾、卻還是給予承諾，結果也未必全是壞的，我有不少職場的承諾，都是在非我狀態之下說出口。這讓我獲得檯面上的光榮，而身體陷入類甲亢的運作，達標之前過度緊張，達標以後過度亢奮，萬一失敗，尾隨而來的就是過度自責與過度否定。這加速了消化系統的負擔，每個周一必拉一整天的肚子，胃壁和食道經常處於發炎狀態。

身體是誠實的，會明確反應我們的心態，心態偏頗，健康也跟著歪斜。過了好幾年傾頹的日子，我在這一兩年慢慢學著，如何勿承諾。

一開始很抗拒，從小家裡的教育就是訓練我，君子重然諾。現在突然要把承諾的話語權拿走，心裡老是無法踏出那一步。後來，我改成這麼想，勿承諾，就是不把話說死，不輕易首肯自己不確定的事。這不也是一種負責嗎？如此心裡便好過很多。

職場常常會有那種，上面指派下來非你莫屬的特案；同儕之間，也不時會有一些，超乎你預料與現階段能力的戰帖，老闆與同事看著你，把大概的狀況解釋了一下，該問的問題你也暫時得到答案了(懸疑的仍然懸疑著)，輪到你該說些甚麼了，來結束會議、同時使少數意志力中心有定義的人安心，這時候，勿承諾、同時又可全身而退的同義詞有哪些?

有幾個我測試過，頗為受用的語句是：

「明白，但這個案子的幅員遼闊(盤根錯節/環環相扣)，還有好幾個面向，我會回去好好消化(研讀/思考/檢視)一下。有問題我會再來請教你。」→你盡到應有的職責，說明接下來你確實會做些甚麼，但不保證絕對會產出甚麼。

「這個問題很有趣，但我有個不同的想法，你願意聽聽看嗎?如果要達成這個目的，有沒有可能往其他方向來做?也或者，我們會需要其他的資源。」→不需要把所有責任都攬在自己身上，適度提醒對方，不是所有任務，都是統包概念，最重要的是，你可能會需要資源與支持。

我知道，來自老闆的指令，很難模稜兩可，我通常會回到自己角色的本質，來和對方聚焦期待值，而不是先說Yes，「老闆，我懂，回到溝通本質來看，能見度是Basic，不過，促購、回銷這些指標，會離得有點遠。如果優先排序是實銷，那我會建議重新再盤整一次資源，把主攻/助攻的角色理清楚。」→和老闆開口「討價還價」之前，永遠記得，自己的核心function是甚麼?還有，看清楚，你所處的相對位置如何，有哪些資源可以近用、而要小心哪些利害關係。

上位者，很多時候要的不只是承諾，還有你的眼光與謀略。看清老闆真正的意圖，回到你的職場本位和內在權威，謹慎應對。

套句安節雅的話，對於意志力中心空白的人而言，每一天都會是新的挑戰。而作為一個意志力中心空白了四十幾年的人，我想補充的是，真正的挑戰，並不是來自於那些看似拿著鞭子訂績效指標、意志力中心有顏色的主管、伴侶、父母、朋友，而是來自於，你是否看清自己的位置、認識自己的本質，充分明瞭到，「價值」，是不需要靠著過度勞動、費盡口舌的承諾來凸顯的。

「價值」是，你深信，你安住，你自在，就存在。