跳至主要內容

澎湖行(3-2) 這其實是一趟回憶之旅

箱網養殖

在拍了漁港後,偉展憑著記憶要帶我去西嶼的燈塔。

天空藍的讓人忘了台北天空的灰藍色,大海清澈的讓我忘了墾丁或是東北角,尤其是那漸層的藍色,當時多希望自己就是那海裡的生物。

我們沿著203公路一路往南騎,中間,偉展說要帶我去一個他當兵時看守一個地方,同時具有岩岸和沙岸兩種地形,不過他當兵時這個地方還在建設中,現在應該已經整理的差不多了。於是,頂著大太陽,我們在一個路口右轉,看到一個剛蓋好的休憩區,就像是山水沙灘外有一個地方可以讓人更衣沖水的小隔間一樣。因為是大中午,所以放眼望去是沒有人的,任何人在這個時間去玩水,後果應該不是中暑就是直接曬傷吧!

某處沙灘

因為太陽實在太大,四周又沒有可以遮蔽的樹蔭或陰影,我們拍了幾張照片後就離開了,離開前看到另一對情侶正要停車,我不禁心想,這不會又是一個同樣當兵後帶女朋友來看海景的吧?

另一處沙灘的入口也在203公路上,不小心就會錯過,有一個小小的樓梯往下走就是一個美麗的沙灘。偉展說他以前常在那望著海面,看有無偷渡客要從那裡上岸。我們並沒有走下沙灘,天氣實在太熱了,不過有兩個黝黑的當地人,拿著蛙鞋就衝下樓梯去了,這一直讓我覺得自己是台北俗。

我們騎到了一片大草原上,我從草原上拍整個內垵碼頭,就某個角度而言,內垵碼頭看起來像是國外的漁港:

內垵碼頭

接著,偉展要帶我到西嶼燈塔。不過,沿路下去卻只看到一座軍營,燈塔在哪呢?那座軍營活像是史蒂芬金小說裡的建築物,確實達到了嚇阻的效果,於是我們只好回頭,看沿途上有沒有當地人可以問路。騎到一個有著大停車場和洗手間的休憩區,有幾部摩托車停在那,聽起來像是請了一個導遊,大家騎車遊覽一樣,他們等會兒的行程也是去燈塔和其他早上我們去過的地方。偉展先把車停在樹蔭下,然後走入小吃部裡詢問燈塔的方向,原來,燈塔在軍營的後方啊!於是我們又騎往那座恐怖的大軍營,沿路還會經過不少另一個世界的房子,大概面海的高地算風水好吧!如果是半夜來這,我還是會有點毛毛的,雖然死人不會害人,活人還比較恐怖。

車子暫停在軍營前方,本想問一個剛出軍營的阿兵哥以確認燈塔的位置,免得經過軍營被警告。偉展想了想,決定直接騎上紅土進去,不過,一直到看到燈塔前,我的心裡總是緊張的,總覺得有幾雙眼睛在一旁盯著看,一段不算長的路,卻讓我覺得有三十分鐘久,實際上的路程連五分鐘都不到。看到燈塔,卻發現7/16當天是星期一,所以燈塔是不開放的!不過當時的氣氛也夠怪異的了,我們站在燈塔的外面,而我站在外牆邊拿著相機拍照,偉展則是看著門外告示牌上的解說文字,也許是因為自己拿著相機反而有點心虛吧!背後始終覺得有雙眼睛在盯著。離開燈塔回到軍營前,看到兩車遊覽車的乘客正準備步行到燈塔,不知道是會特例開放給他們進去還是把這些遊客關在大門外?

西嶼燈塔-Canon S80

西嶼燈塔-Rainbow V

隨選歷史閱讀:

Powered by Stuff-a-Blog

留言

此網誌的熱門文章

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...

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...

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...