跳至主要內容

BFR Level 2心得(1)

*

在上了兩天的巴哈花精Level 2課程,說實在有點累,尤其是作息日夜顛倒的我,一下子要在早上七點醒來連上八個小時的課,星期日因為晚上有另一個課程所以是要撐到晚上十點,都快瘋狂了,更瘋狂的是,我居然無聊到在BBS站裡跟人吵架。

吵架的理由就不說了,大哥後來知道這件事,有人跟他說在網路上有個店裡的客人罵人罵得兇,我不知道說的是指我還是指其他人,我承認在發作時會罵得很兇,但也要看對方的接受度是多少。大哥的結論是:「咖啡沒有人就沒有生命。」

就此打住,我們來談談Level 2的BIEP課程。

在Level 1證書拿到以後,不斷困擾沒有錢去英國學巴哈花精,畢竟這是英國的課程且曾寫信詢問會不會在台灣開設相關課程但只得到「未來也許會」的答案。然後我就收到了張老師的信,她說台灣的代理商會請日本的老師來開Level 2的課程。聽到這個消息當然是很開心,也順便請教承辦人員看是否可以團報,爭取到對方說只要找到五人以上報名的話,就可以每個人退五百元,結果聲音太小,加上原先的條件限制,變成只有我一個人報名,但現場卻有十五個和我一樣是DLP函授課程的學生,真是扼腕。

兩天的課程都是由日本的Saodah Hayashi老師以英文上課。大概會有人質疑日本人的英文台灣人聽不聽得懂?除了一些專業的醫療名詞外,沒有其他的溝通問題,她講的英文,我能聽懂,所以沒什麼注意中文翻譯在說什麼,只是有時覺得中譯內容和英文有些出入,比方說,Saodah老師表示她比較習慣在日本上課,因為她可以日文教學也能掌握全場的狀況,她知道學生是不是聽得懂,所以可能來台灣上課的機會不高,但中譯人員是說,會努力鼓勵老師再來台灣開課。

上課地點在台北市的一間管理顧問公司的教室,總共有三十四個學員,有十五個是DLP(函授課程)學員,十九個則分別屬於之前Saodah老師開課的Level 1的學生以及由該公司老闆娘上課的學生。這兩天的午餐都是由開課的代理商所訂購,值得稱許的是,因為我是訂素食午餐,本來擔心會吃不下去,不過,他們訂的便當都非常好吃。我不是素食主義者也挺愛吃肉的,完全是怕睡著所以才吃素。課程中是發生一些小缺點,但瑕不掩瑜,該反應的也反應了。

Saodah老師人非常親切和藹,無論何時都是帶著微笑,而且非常的準時,和日本人很守時的刻板觀念中是符合的。第一天上課因為有些人凌晨才從台中或花蓮等地坐車,所以稍微遲到了,老師在第一天課程結束前特別提醒學生一定要準時,第二天上課,老師準時到達教室上課時,大家也都準時進入教室。

第一天大家彼都有些生疏,第二天中午休息時,老師來到我們這桌和同桌的一位家醫科的鄭醫生談話,她非常客氣的和鄭醫生交換使用花精的心得,也提供了日本的一些案例給醫生。我覺得十分幸運,除了我們這桌有一位醫生所以我們可以聽到這些案例外,也因為我們這桌只有五個人,所以日翻中的翻譯妹妹坐在我們這桌,老師在用日文說案例時,便由她翻譯中文給我們,而她是淡江日文系的學妹哦!但因為老師之後又以英文講述案例,所以剛好英日各一個案例,學妹和我分別翻譯一個案例。

當老師知道鄭醫生是家庭醫學科的醫生時,她也很興奮的說在日本也有家庭醫學的醫師,而且有對花精的使用做研究,這兩個案例都是與孕婦使用花精相關的研究。我大概簡單的敘述一下:

案例一:日本有位醫生想知道母親肚子裡的胎兒是否在出生後擁有母親的記憶,比方說母親在懷孕的過程中看到火災,小寶寶出生後是否也擁有母親的記憶?據這位醫生的研究是當母親在懷孕過程中看到火災受到驚嚇,寶寶在出生成長後會有母親受到驚嚇的感覺,醫生也使用急救花精給受到驚嚇的媽媽食用,寶寶在長大後會記得這樣的感覺。這個醫生有把這類的研究出版成書籍,在日本也很暢銷。

隨選歷史閱讀:
Powered by Stuff-a-Blog

留言

此網誌的熱門文章

AI 提高產出,但誰得到好處?

我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章,讓 Claude 重新翻譯並編輯,並修改為習慣的閱讀語氣,以利閱讀。 Anthropic 今年 3 月發表的報告顯示,美國整體失業率沒有上升,但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後,最常想起的一句話:「AI 讓產出變多」與「誰能把產出變成自己的收穫」,是兩個得分開回答的問題。 AI 做得到,不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時,常問「AI 理論上能做哪些任務」。問題在於,AI 做得到,不代表企業或個人真的已經拿來用。 在這次閱讀的文章中,研究團隊提出「觀察曝露度」(Observed Exposure)。這個指標結合 O*NET(美國職業資訊網路,Occupational Information Network)的任務清單、理論可行性評分與 Claude 的實際使用資料,並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師(約 75%)與資料輸入人員(約 67%),客服代表也名列前茅;另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中,高曝露職業的從業者有幾個共同特徵:女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者,和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大?研究用差異中差異法比對,發現 ChatGPT 發布前後,高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲:這個年齡進入高曝露職業的新工作起始率,約比 2022 年低 14%。研究團隊也註明,這個結果僅勉強達到統計顯著。 同一套 AI,成果為何不同 在針對使用者研究的報告中,使用 6 個月以上 Claude 的人,其對話成功率為 73.1%,新使用者為 66.7%,相差 6.4 個百分點。控制任務類型後,差距縮到約 3 個百分點;再加上模型、使用情境、國家等變數,差距維持在約 4 個百分點。 Anthropic 曾假設,資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向:資深使用者更常與 Claude 來回...

停不下來的更新

一直更新Blog的版型,我必須承認是一件很無聊的事,不過這次除了版型的更動外,連分類和文章內文也做了變動。 先說分類吧!在Blogger叫做Label,不過,Blogger在分類上有一些bugs,只能使用英文,以前這裡的分類大多都是中文分類,結果在link上就是一堆亂七八糟的亂碼,所以我把它改成英文,同時細分一些項目,把出版的文章和一些教學的文章分開來,雖然已經很久沒寫新的,不過既然放上來就做個分類。然而就在新舊label移轉之後,發現中文的label還會存在,而且還會出現莫名奇妙的幽靈數字,Blogger知道這是個bug,不過似乎一直沒有修復的跡象。所以在分類上就出現了如右圖一般的情況,在英文標籤裡會有文章,但是在中文標籤裡是沒有文章出現的,但奇怪的是,有些中文標籤已經不見了,然而在Beauty-Beta這個部落格裡,我也做了分類上的變動,由於以前用英文開頭的Label,所以在label的變動上倒是不用擔心會有這樣的情況。 再來是文章的內容,把以前的文章重新分類,標題前面的一些全形符號或是分類刪掉,除了一些比較特殊的,我會留著,例如壹陸壹,因為在label裡為了統一,我留著原本的E61,但人家的店名是壹陸壹,所以留下文章標題前面的中文分類,另外像是Entertainment項目裡,可能有音樂,可能有電影,就會在前面留下中文分類。 前簡單的CSS和HTML改成現在的XML,這無疑是讓我們再多學些東西,能有時間鑽研當然是好事,可是轉換後,我一直沒有時間去改,當然多半也是因為懶,到現在也是拿別人做好的版型去改配色而已,所以像裡面的設定、安裝的widget和analytics的javascript都要一個一個重新裝,上個星期幾乎每天都弄到天亮才睡,只為了整理這個blog。也因為之前在blog裡放了technorati的分類,所以還要修改以前的文章,把它們加入technorati,還有裡面的語法要更改,所以這個星期甚至下個星期都會一直收到這裡的更新訊息,對於不斷收到訊息干擾的朋友們,在這裡說聲抱歉。 在版面上因為blogger系統在feed接受上的更新,所以還有四個東西沒加進去,分別是最近的文章(Recent Post)、Comments(目前是用別人寫的widget)還有GVO的feed訂閱顯示、Beauty-Beta的訂閱顯示也都還沒放上去。 在Feed訂閱上,以前bl...

當AI給你營養建議:台灣《營養師法》還沒想過的法規空白

之前分享利用 Claude Code 做 飲食營養分析 Bot 的經驗 。我自己有個習慣,就是在做新的專案時,會先評估法遵風險。當我在做飲食營養分析 Bot 時,我才知道原來台灣除《醫師法》外還有《 營養師法 》,而《營養師法》第 12 條列舉營養師的法定業務,包含營養評估、飲食設計、個案諮詢、膳食管理等。 這部《營養師法》在幫大家的健康把關,因為不能隨便一支影片、一段報導,就能提供營養建議。在法規中,需要接受完整的專業教育,並持續進修,每 6 年就要提出繼續教育的證明文件,才能更新執業證照;沒有「營養師」的證照不能自稱「營養師」,法規中列舉了營養師的業務範圍,並規定須親自執行業務,不能由他人代理,如果藉由通訊方式執行業務,還要經過執業登記的主管機關核准;執行業務時還要做紀錄,這些紀錄可能還會成為法律或醫療紀錄文件。 成為「營養師」需要符合嚴格的要求與限制,並不是隨便用AI分析、讓AI提供建議就能取代的。台灣每年會舉辦 2 次營養師的考試,參考自中華民國營養師公會在 2025年的統計資料 ,台灣每年營養科系的畢業生約 1500 人,到 2025年,累計已有 11,860 人通過考試取得執照,及格率約 25%,看起來是一個具有挑戰性的考試。 Bot 的個人化建議,算不算「執行業務」? 在我設計的 Bot 裡,不是只有拍照上傳讓 AI 去分析、評估,事實上還有其他情境的飲食需求,再提供使用者建議,例如由 Bot 提醒當天攝取的蛋白質不足,或我在前篇文章中提到的鈉的攝取量過高,Bot可能提醒要減少鈉的攝取或是多補充哪些蛋白質來源,這些分析與建議是否算「執行業務」?在該法第 29 條中也寫明,如果沒有取得營養師的資格而執行相關業務,本人及其雇主各處新臺幣 5 萬元以上,25 萬元以下罰鍰。 法律規範的對象是「人」,目前法律還沒有明確定義 AI 工具的法律地位,也不知道該找誰負責,是開發的工程師?大語言模型的公司?還是開發的公司?一般開發者通常會在提供的資訊裡加上「僅供參考、非醫療建議」的免責聲明來規避,但無從得知這樣的聲明在法律是否具有效力。另外,由於在 Bot 中可以設定慢性病的個別飲食計算,還可能同時踩到《醫師法》(涉及診療)與《營養師法》(涉及個案管理)。同時,即使開發者已在服務中加入「僅供參考、非醫療建議」的免責聲明,主管機關或法院在判斷是否構成營養師業務的執行時,...