跳至主要內容

美好的一日(4)-師大夜市.紅館

2/14抽到的塔羅牌

  • 地點:紅館
  • 地址:台北市大安區浦城街13巷32號
  • 電話:(02)2362-1905
在腸胃裡塞了那麼多食物後,我們想去師大路的廣生食品行喝茶,去年有找大學同學Eric去那聊天喝茶,那裡的價位並不平價,不是能常去的地方。可惜去到廣生食品行時,他們已經準備打烊了,逛了一下人擠人的師大夜市,我肚子裡的Pizza還是沒消化掉,但很想找個地方喝點東西,雙魚坊是不考慮的了,總覺得那天喝到的雙魚奶茶味道不對,氣氛也不對了;Cafe OSO也太久沒去了(五年以上一定有)。於是我們走到馬路對面的紅館。

紅館比較像小酒館,提供的酒類飲料不少,比利時啤酒、北台灣啤酒,另外還有調酒類,但我在很久以前就看過他們的伯爵茶似乎是英國皇家泰勒(Taylors of Harrogate)的茶葉。既然今天想喝茶,我就點了Menu中的皇家伯爵,偉展點的是比利時修道院啤酒,光喝飲料有點無趣,所以又點了一份炸起司條。

店面很小,只有二樓有座位,裡面有四張小桌子,一個小小的兩人包廂和樓梯口後方一個可以擠比較多人的區域,外面有個小小的陽台是吸菸區,在夏天時,這個陽台應該很熱門,但陽台下的人就只能接菸灰了。服務生很客氣,因為是特別節日,即使將近凌晨十二點,客人還是陸續上樓,所以就看著服務生樓上樓下的跑,那個樓梯實在太陡了,技術要好才不會滾下去。

伯爵茶很香,不用加糖就會自然的回甘,偉展說帶有一點檀香的氣味。回沖一次後仍然帶有第一次的香甜,打開壺蓋就看得見在濾網中的茶葉,而且茶葉不會浸在茶湯裡使茶湯過澀。皇家泰勒的伯爵茶非常貴,同樣125g的伯爵茶葉就是比唐寧(Twinings)貴上一倍,所以我也沒買過皇家泰勒的茶,也因為我都煮奶茶,所以不會把泰勒的伯爵茶拿來煮奶茶,太浪費了。偉展點的比利時修道院啤酒也很棒,在入口時就有一股非常濃郁自然的花香,這股花香到將啤酒吞下肚後還存在著,很香、很吸引人的啤酒。起司條也很不錯,有種QQ的口感,很下酒,配茶也還不錯。值得一提的是店裡的音樂,一首又一首的西洋老歌,也許是太久沒聽了,我們兩個人幾乎也沒說什麼話,就聽著這些老歌,這些老歌真是太經典了。

情人節的行程到此就算結束了,回家前的小插曲是,我因為一下子吃了太多的東西,結果一路一直打嗝,還得停在路邊休息,偉展說不知情的人會以為我們吵假而我跳下車生氣,或以為我喝醉了在路邊吐。但事實上是,我們兩在路邊一個在笑,一個在打嗝。在回永和的路上,還看到有人在河岸放煙火,不知道台北市是不是禁放鞭炮?因為情人節也是農曆的天公生,我很期待天公生這天,因為大家會放鞭炮,很有過年的味道,不過在紅館裡待到十二點半,沒看到師大路的哪個商家在拜拜的,讓我有點失望。

情人節這天早上我抽到的牌是Synergy(Six of Worlds),但它後方緊緊的黏了一張Confusion(Six of Crystals),我想這張Confusion是指我坐錯車,偉展弄錯餐廳這些事情,而Synergy右上方也有一對情侶,在大阿爾克那中牌面數字是六(VI)的牌是Lovers,真是非常符合當天的狀況啊!


紅館內部太暗了,所以我沒有拍照,放上當天抽到的搭羅牌,左邊是Synergy,右邊是Confusion。

隨選歷史閱讀:

Powered by Stuff-a-Blog

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...

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。

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...