[photo]下雨的午後．彩虹

公園裡的彩虹

星期六癱瘓在家裡，下了一整天的雨，星期日，看完很無厘頭的豆豆假期，外頭雨下的正大，卻出現了非常眩目的陽光。

當時的陽光出現在偏西的方位，於是我知道，只要朝著東方走就能看到美麗的彩虹，而公園另一端的壹陸壹就是這段旅途的終點，如果幸運的話，我除了拍到彩虹外還能拍到雨天中的陽光，也許還能拍到無法想像的美麗畫面。

出門前的一個電話，讓我停了下來，當我掛掉電話後，雨已經停了，於是我邊走邊拍，希望能撿到漂亮的景色。

裡面圖多字也多：

走進公園時，其實沒有想像中的漂亮，先是被入口處的積水和狗的排泄物氣味弄得心情很差，不過，再怎麼心情差，看到彩虹後的心情也會好起來。

朝著彩虹的方向走，我想起大學時，曾在北投站看到一幅彩虹由一棟棟公寓中升起的奇景，於是想到了彩虹谷三個字，小蔣同學則寫下了彩虹谷與有妖怪，被刊登上淡江時報。

我的確看過彩虹昇起處的顏色。在我國三（現在的九年級）要畢業的那年，某個夏季的午後雷雨結束後，出了大太陽，而彩虹就從校園中庭裡昇起，不像故事中有一個壺，而彩虹也不是自壺中昇起，而是自平地昇起，越過四層樓的校舍往高空中出去，那種美景也讓訓導處的老師們廣播叫大家出來看彩虹。

不過，昨天我愈往彩虹昇起處走去，反而愈看不到彩虹的顏色，應該是角度問題吧！不知怎麼的，我突然覺得，人對於愛情的嚮往，大概就像對彩虹的追尋一樣，走近一看，其實什麼都看不到，而不是遠遠觀望般的美好。

到了壹陸壹，想不到雨天的午後也這麼多人，吧台裡忙著做飲料，我點了冰鴛鴦後在一旁等著。直到他們可以休息時才把彩虹拿給他們看，接著，又順手拍了一張店裡的照片。大哥說，下午下雨又出大太陽，從店裡看出去的景色非常漂亮。可惜，我什麼也沒拍到，只拍到黯淡的彩虹。

壹陸壹的炒豆子機與陽光

奔向彩虹

隨選歷史閱讀：

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...

法制追不上AI：缺乏台灣AI基本法子法，公務員使用生成式AI的五大風險

昨晚看新聞，現任台北市長拋出一個政策宣示：未來公務員將配給自動化的AI工具，讓台北市政更「前進」。台北市資訊局也已快速推出 CiviClaw，目標是 2027 年讓每位公務員都能無門檻使用 AI。這樣的政策方向讓我感到憂心。長期觀測各國個資保護規範的我清楚知道：台灣的個人資料保護主管機關至今仍是「籌備處」，尚未正式運作；《個人資料保護法》的修法呼聲雖久，AI相關條款卻付之闕如；《人工智慧基本法》已於今年1月施行，但高風險AI認定標準的子法至今仍是空白。有網路、有 IoT 不等於智慧城市，有 AI 當然也不等於智慧城市，應該重視制度能否承接工具帶來的責任。歐盟已明確禁止業者使用 AI 推測員工或學生的心理狀態；美國聯邦政府要求採購 LLM 時廠商必須提交模型卡與資料卡；韓國 AI 基本法的子法早已配套生效。這些都是台灣政府在推動配給公務員 AI 之前，必須正視的制度差距。以下我與大家分享長期觀測的內容，由AI協助整理資料：歐盟：從禁令到揭露義務的多層規制體系歐盟的AI治理框架是由多部法律疊加起來的立體架構，最底層是2018年施行的 GDPR，處理的是個人資料如何被蒐集、儲存、使用的基礎規則，再來疊是2024年生效的《人工智慧法》（EU AI Act，下稱 AI 法），建立不同風險等級分類管理AI系統，從禁止使用到高強度監管、再到一般透明度義務，形成不同層次。最新的一層則是仍在立法程序中、但主要架構已確立的 Digital Omnibus ，試圖修補 AI 法與 GDPR 之間的規範衝突。 AI 法第50條是最直接影響生成式AI服務的條款，自2026年8月2日起全面適用。根據這條規定，凡是讓使用者與AI系統互動的業者，必須主動告知對方「正在與 AI 互動」，而不能讓人誤以為面對的是真人。AI生成的文字、影像、音訊等內容，還必須以機器可讀的格式加上標記，使平台與監管機關得以溯源辨識。與此同時，AI法第14條要求高風險AI系統必須設計成「可由自然人有效監控」的形式，確保機器的決策不會在缺乏人工審核的情況下直接作用於當事人。 AI法所稱的「高風險 AI 」，涵蓋的場景比一般想像的廣。依該法附件三列舉，生物辨識系統、關鍵基礎設施管理、教育與職業篩選、就業與人員管理、信貸與社會福利申請審核、執法、移民邊境管制，以及司法審判輔助，都在高風險範疇之內。這些場景的業者必須進...