跳至主要內容

捷運小記

昨天回家時坐在三人併坐的位置上,我坐在靠近兩節車廂相連的位置上。一位穿著黑紅兩色洋裝的女士(稱她為A女士)在車廂門要關起時,匆匆的走進車廂並坐在我身旁(中間的位置)。
A女士坐下後顯得侷促不安,看她的裝扮,應該是來喝喜酒?不知是因為洋裝太緊?還是下班時間的車廂太過擁擠?她不斷的扭動身體或雙手,一下子抓著小手提袋,一下子拉拉洋裝。那份不自在感染了我,想起自己在香港搭地鐵時,也有這種不安的感覺,好像怎麼坐都不對勁。也許是中國來台灣自由行觀光的旅客吧!我這麼想。
在列車行進時,A女士打開了小手提袋,拿出一小瓶礦泉水,小心的旋開瓶蓋,就著口喝了一口,再緊張的把水瓶收入手提袋裡。這個舉動令我很訝異,怎麼還會有人在捷運裡喝水?隨即想起來自己的父親也因為服藥造成的口渴,而忍不住在捷運喝了一口水。於是我決定,如果之後這位女士像之前見到的中國旅客把捷運車廂當野餐地點的話,也會讓她知道捷運車廂裡是不能飲食的。一路上,A女士沒有再喝水,但她始終不安的扭動著身體,她的手也不斷的碰到我身上來,次數頻繁到我快要生氣了。
突然,她的手提袋發出了大聲的音樂,原來是手機鈴聲。她慌忙的拿出手提袋中的折疊式手機,打開手機,發出「喂?」的聲音後,那份不安停止了。她大聲的說她從哪個入口進入捷運、她的孩子們會煮飯給她吃,女兒很乖,她過得很好,並邀請對方有空到台東玩,也表示她雖然家在台東,但這一陣子現在會和女兒一起住在台北……。
下車了。跨出車廂門的那一刻,我能了解她那不安的來源了:台北真的太擁擠了,擁擠到大家講話都必須輕聲細語,說話前要再三的琢磨才能開口,規矩多到讓人喘不過氣來,在捷運裡就怕隨時有人不管三七二十一的,把你拍了放上網,用鄉民的正義要大家評理……。
難怪她是如此的不安。
而我也明顯的感受到,我的心變窄了。

留言

此網誌的熱門文章

我用Claude Code建立一支動畫團隊

很久沒有分享最近練習 AI 的狀態,主要原因是我花一段時間思考,如何把自己電腦裡的文件,以非研究人員也可以理解的方式,讓人知道這些議題在說什麼,例如讓人理解「歐盟對智慧眼鏡有哪些管制?為什麼要這麼管制?如何才不違法?」這些多是由官方部門公布的新聞稿,但都很「難以理解」,我自己也要消化過才能再重新轉譯,讓客戶知道。我的電腦裡也有非常多相關議題的內容,卻都在電腦裡無法再次利用,是一件非常可惜的事。 要如何讓人在生活中建立相關的意識?於是我想到了「動畫」。動畫是最輕鬆入門,也最沒有壓力的閱讀方式,放在網路上也能讓有興趣的人隨時瀏覽、找到相關資料。 做動畫與使用人工智慧工具的經驗 在我還在五年制專科學校就讀時,我曾利用簡單的高階語言 Visual Basic 與美工軟體製作動畫;當 Flash 問世後,我開始理解一些製作動畫的基本觀念,蒐集網路上大家分享出來的專案,學習裡面的程式碼與概念,但受限於當時的網路頻寬,Flash 動畫簡直就是阻礙客戶進入網站的災難。在當時,我也意識到,科技會愈來愈進步,一直鑽研動畫可能不是長久之計,於是沒有再繼續鑽研。 在距離最後一次做動畫超過 20 年後,人工智慧(AI)問世了,我用 AI 開發: 2 個不同目的、功能但可獨立寫研究報告的程式 1 個營養分析及記錄個人血糖的BOT 1 支食品安全追蹤(因為矛盾的使用者流程與責任歸屬的議題沒有繼續開發) 我把日常工作交給我的程式,也會與「代理人」討論方向、內容。如果有長期關注這個Blog,讀過先前的文章,大概會知道我從 ChatGPT 轉到 Claude Code 的歷程。 目前,我主要使用 Claude Code 作為主要工具,利用 GPT 與 Claude 的不同模型互相協作,並以 Gemini的視覺(用在營養分析BOT)為輔,來製作我需要的工具。 思考另一種傳達內容的方式 上面這些工具產出的都是文字,畢竟生成式 AI 最擅長的就是文字。但在這個快速閱讀、摘要的時代,人類反而更容易記住圖像、畫面,這也是之前資訊圖表(Infographic)十分熱門的原因。 我平時也有觀察這個部落格(Blog)的流量,這裡的主題離日常生活比較遠,也不容易理解,所以我一直在想怎麼用不同的方式呈現。家人和我偶爾會看中國的 AI 短影音,讓我開始思考:能不能用 AI 把既有的內容轉成影片? 因為工作的經驗,我沒有考慮...

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...