跳至主要內容

【Reading】溫柔爸爸 酷教授

溫柔爸爸 酷教授的封面
近人薯叔出了兩本書,一本是「D男E女」,另一本就是「溫柔爸爸 酷教授」。在第二本書上市前,就已先在網路上看到他寫的猜謎,其中一題是這樣的:「有位同鞋愛拍照,同鞋會我派她當密探去偷拍。當初她還是學生,所以我才寫了一些和學生互動文章給她參考。」看完後躲在螢幕前面臉紅,那次是我第一次去參加小野家族的聚會,還因為忘了把電池充飽,所以拍沒幾張照片。那時應該是2003年初,參加第一次同學會之前就常常去小野家族的留言板撒野。
在讀大學的時候最怕幾門課:高等統計學、管理數學、作業研究、抽樣方法、多變量分析,這幾門課的共通特點除了是數理課程外,還是同一個老師上的課;另外幾門必修數理課:迴歸分析、多變量分析、微積分雖然成績不是頂漂亮,但也不致於難看到哪去,而且還在大四時選修了所謂進階的迴歸分析課程。我這種人比較失敗,遇到磁場合的老師通常上課也比較認真,另外,凡不用用到太多數學公式的課程通常其分數可以拿來彌補這些數理課程的不足,所以我大學讀得尚算輕鬆。
畢業前,總是跑到小野家族跟工管叫獸吐苦水,因為這些課程的理論在工管也用得到,而且,我們的課程和工管很類似,也要修品質管理、專案管理(雖然後來沒開成)、生產管理,教這類課程的是我們的班導師,他上課非常認真,每次都準備非常多的資料給學生,因為要教的東西太多,還主動為學生加課(雖然大家都不怎麼領情),但是缺少了一種趣味,可是只要遇到上課很賣力的老師,我通常也會賣力的做筆記和準備考試及報告以回報其熱情(讀書讀成這樣也真是很失敗)。哦!突然想起一位老師,我永遠不會忘記有位學姐告訴我該位老師是系上著名的「笑面虎」,有次他跟我說對現在學生的學習態度很失望,所以他(和其他老師們)會把教學重心放在研究所而不會放在大學部。
在畢業後,不覺得那位令我害怕的老師不好,因為他也是有認真上課,還是有不少學生是喜歡修他的課。只是我比較笨,和他100%磁場不合,他說的話我聽不懂,就是這樣而已,不過他的課是必修課,而且從大一到大四都有他的課,轉學生有些課程是不能抵掉的,還記得曾經有一整天都是他的課,稱之為「LKR日」。
我不敢說當叫獸的學生就一定會學得更好,不過那時的我常在想,如果我們上品管的老師願意跟學生接近些,不見得要講笑話、搞笑,但偶爾閒話家常一下放鬆情緒也好,或是那位讓我畏懼的教授不要每學期初拿著教師評鑑結果對著全班咆哮怎麼可以給他那麼低的成績後放話要讓同學這學期上課「充實」、超高水準的考題(我真的很怕他,現在想想又想不起來為什麼怕他,大概天生怕壞人)。
當我拿到書後是邊看邊流眼淚,一邊笑叫獸上課真有趣,一邊感動叫獸和家人的相處。很難想像在求學過程裡會遇到像這樣的老師,上課時如果外面有人吵鬧,老師們多數是走出去好聲好氣的請他們不要吵,當然也有率直的XXX罵出去;遇到在課堂上講手機、聊天的學生也有置之不理的老師,也有破口大罵的老師;其中那位令我畏懼的老師在遇到像「睡蓮」或「珍珠」類型的學生時,他總是四兩撥千斤,雖然表面上看起來好像也是嘻嘻哈哈的,不過他也會拿捏分寸,讓班上同學笑得開心,但分數也是拿捏在心裡的,因為每學期他都會公開學生成績在他辦公室門口,連成績算法都出來,我承認當時一定有心理不平衡,但是到現在,體會到不成熟的自己總是往往只看到缺點而忽略了別人的努力。
大學畢業到現在已經一年多了,不知道自己為什麼無法進入這個社會,但我知道自己似乎比其他人幸運一點點,雖然經濟不是很寬裕,可是我有很多自由,家裡的人也漸漸能接受我現在的狀況,他們並不會逼著我去上班也不會逼我要拿錢養家,只要求我能為自己日後的生活及健康著想;我目前還支付得起自己的咖啡錢、書錢、旅費、網路使用費,似乎也沒必要把自己搞得那麼憂鬱,也沒有什麼好不開心的。
在這本書封面內頁,叫獸說:「幸福常從天上掉下來,挨罵時,低頭看就會撿到。」還有叫獸對拉茲教授(其實很想寫辣子叫獸)說的話都要抄在用來抄《追憶似水年華》部份句子的本子裡,還有一段話是在《D男E女》裡的:「對過去的事生氣,不能原諒別人,其實等於是不原諒自己。陳年舊事別人早忘了,生氣的人,只能找自己的麻煩。上帝或菩薩,只提供經典當教材,做,還是得告自己。」我的修養還不夠,這些話,要常記在心裡。

留言

此網誌的熱門文章

生成式AI使用記錄-翻譯

翻譯是一門專業工作,它不只是把另一種語言轉化為日常生活的語言,而是轉化為人人看得懂、聽得懂的語言。在學習的過程裡,老師說過翻譯重視「信、達、雅」,這是一門學問,不是任何一個人、哪種工具可以取代的。這篇不是在談「翻譯」的學問或是翻譯會不會被人工智慧取代,我也不是專業翻譯,沒有能力談這門學問,我只能分享AI在工作上的協助。 因為工作需要閱讀大量的國外文獻,或是參與會議中有大量的英文文獻需要閱讀,Google Translate提供許多協助,同時利用使用者協助修正翻譯的正確度,甚至減少大量閱讀的時間。 隨時間的增加,坊間也愈來愈多更好的翻譯軟體,但遇到會議的錄影與錄音轉譯,還是需要由專業的翻譯公司協助,以節省時間成本,人員可以把時間專注在自己的事業上,遇到需要節省金錢成本時,就會折衷由一般人員來譯出可以接受的成果。 直到 ChatGPT 出現,我拿它來翻譯會譯的逐字稿,它協助節省金錢成本與時間成本,雖然增加編輯成本,但隨著模型逐漸進步,訓練的人愈來愈多,它也會提高準確度,並藉由一次又一次的對話往來,產出比用 Google Translate更能讓人容易接受的版本。相對的,它還是增加使用人員需要編輯、審核的時間成本。但有沒有比人類編輯好?我想現階段,中文可能還有沒比人類編輯好的程度,但已經可以是能接受、初步可以讀懂文字要表達的粗略意思的程度,離「信、達、雅」的標準還很遠。 以往的少見文字,如藏文、閃語、印度語,甚至連死海古卷裡的文字都已經可以藉由AI技術辨識出來,已經是非常大的進步。有天我使用AI翻譯藏文時,突然想到,誰可以幫我核對翻譯出來的正確性?我個人是不懂藏文的,當我想把中、英文用AI翻譯為藏文時,又能請誰幫我確認文法與用字的正確性呢? 所以,使用者本身也是需要一定程度,才能辨識AI結果的正確性,有無過度編撰或錯誤的引用,例如在法規上的引用、宗教信仰經典裡的人物及故事,會不會在一來一往中給AI產生幻覺(Hallucination)的機會。又如同專業的翻譯人員並不是完全了解各行各!業中的知識,工作過程中還要再與委託者討論。又如有次我聽到一場會議的講者,他提到他是專業的執法人員,但是否判定對方有無違法,還需要了解該行業的專業知識,例如建築業、畜牧業,甚至要去了解飼料的投餵方式與成份。所以現階段,AI還是無法取代人類,也無法代替法官做出判決,大概也是短期內的一件好事吧! I...

觀察台灣 AI 政策與職場新挑戰

前言 這篇文章想和大家分享我對台灣 AI 政策的一些觀察。未來我還會整理其他國家的案例做比較。不過先提醒大家:這篇的資訊量不算太低,文章提及一些日常生活中不常接觸的政府計畫名稱、大筆預算金額與目標數字,乍看之下會讓人覺得很抽象。 對我來說,這些數字背後傳達的訊號很清楚──台灣政府確實願意投入大量資源在 AI 的產業發展與人才培訓。問題是,這些投資如何真正走到民眾與企業身邊?如何讓公司知道「資源在哪裡」、讓人才看見「機會在哪裡」?這條「最後一哩路」會決定政策成效,也才是和你我最相關的地方。 為了解台灣就業市場的實際需求,我偶爾會瀏覽人力銀行網站。有次看到某家公司在招聘條件中特別要求面試者在面試時分享「自己使用過哪些 AI 工具,以及如何使用」。這讓我注意到:AI 已經被視為職場的基本能力。 在日常生活中,AI 已廣泛應用於工作與個人任務。雖然部分單位仍不鼓勵員工使用,但只要有清楚的界限與正確的態度,AI 工具能有效減少重複性工作,把精力留給更有價值的任務。想像在學校寫報告,老師要求必須說明 AI 工具是怎麼幫上忙的;或在公司加班時,主管要求用 AI 快速整理資料。這些情境都不再是未來,而是現在。 我撰寫這篇文章的原因有二。首先,是因為參加 Anthropic 的 AI Fluency for Students 課程,課程內提到的 4D 概念對學生、新鮮人乃至現在於職場受到 AI 衝擊的世代都很有幫助。如果我是面試官,我會希望求職者能理解並應用這些觀念。其次,是我長期關注各國 AI 政策,想藉此分享觀察成果。這些分析大多是透過 AI 工具分析政府公開資料而得,也讓我更相信 AI 是研究工作人員的得力助手。  以技術與產業發展為核心的台灣AI政策 台灣的 AI 政策並不算落後。除了大家熟知的 DIGI+,政府陸續推動了「臺灣 AI 行動計畫」(2018–2021)以及「臺灣 AI 行動計畫 2.0」(2023–2026)。政策重點主要在產業發展與人才培育。 從預算來看,2025 年度 AI 行動計畫 2.0 編列經費最多的前三個部會為:經濟部、國科會與數位發展部;2026 年(115 年度)未核定的預算書顯示,數發部、經濟部與國科會仍是主要資源分配單位。大部分經費用於應用與普及,例如開發 AI 便利工具、藥物開發驗證平台等。 產業發展 台灣經濟結構仍以製造業為主...

生成式 AI 使用記錄 -- Deep Research

當OpenAI將Deep Research先開放給 ChatGPT Pro 的使用者後,已經有一群使用者驚訝於它的產出,沒多久,OpenAI已 開放給付費的使用者 來使用 Deep Research功能,讓更多人都能受惠於這套功能帶來的方便。 當我在 ChatGPT 裡使用 Deep Research 讀完我幾年來處理的文件、寫的報告內容後,它依這些資料產出的速度相當快,除了可以搜尋網路文章外,也同時參考我所上傳的資料。因為已經讀過我整理過一次或經過多次編修的內容,所以產出成果也有一定的品質。 這樣的發展促使我思考「知識工作者」是否可能真的被取代?科技進步就是不斷的在縮短資訊落差,減少因為資訊落差造成的不平等,但仍有可能因為運用資本的程度不同而產生不平等。 就現階段來說,使用者要讓生成式AI按提示語(Prompt)工作,取得高品質且符合需求的資料、辨識產出的成果是否存有虛構的內容,都需要依賴使用者本身對該領域的專業程度,才能寫出正確的提示語。在我今天的操作過程中,如果沒有先前累積的知識,可能也無法讓AI開始工作。 知識工作者在未來,存在的意義可能會像「翻譯」一樣,將客戶的需求「翻譯」為指令,限縮這些生成式AI在搜尋的範圍,提高產出的準確率及品質,減少內容的幻覺,,也像一個具基本能力的「編輯」,編修文章中的字句,更貼近「人類」的語言,或客戶需求的專業語言,而不是像機器一般的語言。 Deep Research 不僅縮短產出文章的時間,還沒有創作者在產出文章時的陣痛期,例如面對排山倒海的資料確不知從何處開始著手整合,又或是完全不知道要去哪裡找資料,又該從哪裡開始。在對話的過程裡,生成式AI也會一起把範圍縮小,讓目標更明確,也是不錯的協助。