跳至主要內容

[travel]花蓮-慕谷慕魚.慶修院

母雞帶小雞
這次去花蓮,我只想寫一點點事情。
慕谷慕魚很美,美到我私心希望沒有人知道它的美麗。愈少人知道,裡面的生態愈能維持住,不會再有人像瘋子一樣站在石頭上跳水或是在湛藍的溪水中洗腳。甚至,也不應該開放汽機車進入,一方面是為了安全,另一方面是汽機車所排放的廢氣會污染環境。
不管是前往慕谷慕魚還是龍澗發電廠,那路都是無法雙向會車的,一定要先等一方的車子通過之後,再讓另一方的車子過去。
在慕谷慕魚步行了約一個半小時,幾乎能下去溪水的地方都崩塌的差不多了。如果要溯溪,除非當地原住民以專業的配備帶著遊客進去,不然是無法碰到溪水的。我們只是單純的在山裡漫步、拍照,我卻看到溯溪的人像瘋子似的從巨石上跳入水潭中,也有年輕人在吃飯時一派輕鬆的說:「我等一下要跳水呢!」那裡的石頭都是巨大的大理石,沒有救生員,我真的覺得,這些孩子們真的太天真了。
入山管制應該更嚴格些,降至300人,並禁止汽機車入內,對環境的保護可能才有實際效用。
在慕谷慕魚所拍的照片,都是偉展一邊在身後緊抓著我,一邊罵我所拍攝的。山路溼滑,一個不小心就會掉進山谷裡。就如他所說的:「每年不曉得有多少蠢人以為自己愛好攝影而讓自己沒命。」我不會否認他說的。許多自然美景的確很美,但也美的要人命。很多危險都是看不出來的:因露水而濕潤的野草,不小心就會滑下山谷、高大的大理石會讓人下得去但上不來、清澈見底的溪水讓人無法清楚這一潭水到底有多深?有沒有漩渦隱藏在其中?

所以當我們回程,遇到幾個年輕人,他們問說哪裡有地方下去溪邊時?我緊閉著嘴,什麼都不想說。要怪我自私也好,我真的不想再看到有人把這上游的水源污染到恐怖的程度,幾乎碰到水的游客,都把那裡當洗腳池,真糟。
要尊敬自然萬物,如果,有人把腳伸進你家喝的水,或是在飲用水旁嬉戲,你會開心嗎?
慶修院
慶修院是完全在旅途計畫中的意外,但這三天本來就是趟充滿意外的旅程,只是很湊巧的讓我們見到了日本的密教廟宇。而且,很開心的是,我們參拜了裡面的88尊佛像。更有趣的是,我聽到了一段話,這段話,只有當初說給我聽的人和我比較有意義,所以不寫在這裡,當下的震撼,大概很少有人能想像。
不過,倒很少有人會照著入門處的建議,進廟前要先潔淨身語意的動作。但現在想一想,進去後抱持著尊敬的心是更重要的,但能做還是做吧!
日出時所拍的浪花
最後,我要跟大家說的是,當各位站在大海或是水邊時,請各位不要,千萬不要再撿石頭扔進水裡又或是馬上把襪子脫下來就往水裡衝,這是對水中生物非常不尊敬的舉動,也是污染,請大家多多傳遞這個觀念,請各位愛護及尊敬我們的大自然,讓後代的子孫都能親眼看到自然的美,而不是藉由照片緬懷。

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...