受权发布：中国共产党章程

緬甸民眾不滿軍方藉口奪權走上街頭抗議，遭軍方以橡膠彈、催淚瓦斯、水砲、甚至實彈回擊。

信中寫道：「為維護兩國鄰國的友好關係，請拘留8名到達印度領土的緬甸警察，並移交給緬甸。聯合國人權事務負責人米歇爾・巴切萊特（Michelle Bachelet）表示，自政變以來，已有1700多人被拘留，其中包括國會議員、示威民眾和至少29名新聞工作者。

更有示威民眾，將衛生棉條、護墊等物綁在繩索上，以迷信嚇阻軍警。」 《美聯社》報導，而為了抗議緬甸軍方，北部蒙育瓦市（Monywa）也有示威者用「緬甸啤酒」淋腳以示抗議「緬甸啤酒」是軍方企業，自政變之後銷量一落千丈，還失去了日本合作夥伴麒麟啤酒，麒麟宣布由於軍方的奪權行動違背該企業的人權政策，因而終止了與緬甸啤酒的合資關係。因為按照緬甸傳統，男性從女性筒裙下方走過會招來厄運。印度官員也證實，已收到緬甸來信，要求遣返警察。

信中寫道：「為維護兩國鄰國的友好關係，請拘留8名到達印度領土的緬甸警察，並移交給緬甸。緬甸軍方於今（2021）年2月1日發動政變，囚禁了實質領袖翁山蘇姬（Aung San Suu Kyi，港譯「昂山素姬」）以及多名全國民主聯盟（NLD）政要。從尼泊爾經驗看電腦視覺的盲點 在2017年年初的一次研究行旅中，張教授和史丹佛大學的團隊從不丹穿越尼泊爾到拉薩，在喜馬拉雅山區拍了很多照片，旅程的尾聲張教授想以這些照片測試看看AlexNet的影像辨識能力。

資料分為附標籤的（labeled data，代號L）跟沒有標籤的（unlabeled data，代號U），前者包含影像跟標籤資訊（例如：裡面有貓、有人），後者只有單純的影像。人工智慧也有歧視心態嗎？ 在影像分類領域中，所有研究跟報導都告訴我們，人工智慧的正確率已經超過人類了，但為什麼實際測試卻會得出各種光怪陸離的答案呢？從這次的分類器測試中，我們又可以學到什麼經驗？ 首先，機器不會有人類的歧視心態，那麼為什麼它會把尼泊爾婦人及拉薩僧侶都看成是狗呢？原因是「機器無法判斷它沒見過的東西」。Photo Credit: 三民書局 乞討婦人的照片被影像分類器分類為「狗」及「家畜」。是在這樣前進三步，後退兩步的反覆摸索中，才有了今天大家所看見的人工智慧之躍進。

當時他們被交代：在尼泊爾不能當眾施捨，否則群眾會一窩蜂的湧上來。最後一張照片，他們選擇了一位僧侶五體投地地在拉薩街上膜拜的照片，這時他想到的是「尊敬」、「奉獻」及「信仰」等詞，電腦卻同樣的得出「狗」及「家畜」的結論。

大家所熟悉的深度學習是這波復興中最熱門的話題，但實際上卻只是人工智慧大餅中的一小塊。演講：張智威（HTC 健康醫療事業部的總經理、史丹佛大學電腦系客座教授、日本SmartNews 人工智慧顧問）｜彙整：連品薰 位於喜馬拉雅山區，不丹是個坐落在高山之頂的國度，那裡的人們彷彿只要抬起手就可以觸碰到雲朵。兩者皆有（L + U）就是半監督學習（semi supervised learning）。反之若只放無標籤資料（U）則是非監督學習（unsupervised learning）。

當人工智慧躍上新聞版面，成為科技公司的新寵，為什麼學界的權威反而要跳出來提醒我們仍須努力研發呢？或許，在討論人工智慧的應許之前，我們必須重新釐清這場被視為AI文藝復興的運動做到了些什麼。接下來我們還需要一個算法（learning algorithm），舉例來說深度學習就是一種算法。人工智慧中最大的子集是機器學習，何謂機器學習呢？簡單來說，機器學習最重要的元素就是資料跟算法。每一篇談論不同人工智慧科技的文章都不免俗地要問：「人工智慧會怎麼改變人類的生活？它能讓我們更幸福嗎？」然而在這之前，我們得先瞭解當代人工智慧的應許和限制，才不會成為從雲端摔落的伊卡洛斯（註：希臘神話裡的人物，因飛得太高，使得蠟製雙翼遭太陽融化，跌落水中喪生）

兩者皆有（L + U）就是半監督學習（semi supervised learning）。飛機的發明甚至能讓我們飛躍雲端，俯瞰喜馬拉雅群峰。

人工智慧中最大的子集是機器學習，何謂機器學習呢？簡單來說，機器學習最重要的元素就是資料跟算法。人工智慧也有歧視心態嗎？ 在影像分類領域中，所有研究跟報導都告訴我們，人工智慧的正確率已經超過人類了，但為什麼實際測試卻會得出各種光怪陸離的答案呢？從這次的分類器測試中，我們又可以學到什麼經驗？ 首先，機器不會有人類的歧視心態，那麼為什麼它會把尼泊爾婦人及拉薩僧侶都看成是狗呢？原因是「機器無法判斷它沒見過的東西」。

反之若只放無標籤資料（U）則是非監督學習（unsupervised learning）。最後一張照片，他們選擇了一位僧侶五體投地地在拉薩街上膜拜的照片，這時他想到的是「尊敬」、「奉獻」及「信仰」等詞，電腦卻同樣的得出「狗」及「家畜」的結論。其中，若只將標籤資料（L）放入算法裡就稱為監督式學習。當他們再回顧這張照片時，想到的關鍵字是「貧窮」、「受苦」以及「被忽視」，不過張教授知道當代的分類器無法辨識出這些形容詞，頂多可以認得照片中的物件如「人」、「街道」等。從尼泊爾經驗看電腦視覺的盲點 在2017年年初的一次研究行旅中，張教授和史丹佛大學的團隊從不丹穿越尼泊爾到拉薩，在喜馬拉雅山區拍了很多照片，旅程的尾聲張教授想以這些照片測試看看AlexNet的影像辨識能力。在這個天空邊緣的國度裡流傳著這樣的傳說：從前從前，第5任國王爬上了通往雲端的樓梯，騎著一頭斑頭雁飛到天堂去，卻忘記把樓梯降下來，從此之後不丹的人們就再也無法爬上雲端了。

但實際上將乞討婦人的照片丟到AlexNet所訓練的Caffe分類器（Caffe classifier，一種能實現多標籤影像的分類器）中，電腦判斷的結果卻是「狗」及「家畜」。將資料丟進算法之後便可以求出一個函數（f），靠這個函數我們就能對未知的目標物件作出預測和分類。

是在這樣前進三步，後退兩步的反覆摸索中，才有了今天大家所看見的人工智慧之躍進。因此他們只能滿懷淒涼地走過，並為婦人留下一張剪影。

資料分為附標籤的（labeled data，代號L）跟沒有標籤的（unlabeled data，代號U），前者包含影像跟標籤資訊（例如：裡面有貓、有人），後者只有單純的影像。由於這一波AI的復興奠基於資料驅動（data driven）的特徵學習（representation learning），其需要大量且多元的資料支持，而ImageNet雖然提供了夠多的資料，卻不夠多元。

2012年ImageNet LSVRC比賽的冠軍AlexNet是利用ImageNet資料庫訓練出來的8層卷積神經網路，也是第一個將深度學習應用在電腦視覺中的影像分類器（image claissfier），傳聞可達到99％的準確率。當人工智慧躍上新聞版面，成為科技公司的新寵，為什麼學界的權威反而要跳出來提醒我們仍須努力研發呢？或許，在討論人工智慧的應許之前，我們必須重新釐清這場被視為AI文藝復興的運動做到了些什麼。因此，張教授的第一張測試，是尼泊爾旅館外，一位婦人抱著嬰兒乞討的照片。大家所熟悉的深度學習是這波復興中最熱門的話題，但實際上卻只是人工智慧大餅中的一小塊。

換句話說，如果ImageNet資料庫中沒有喜馬拉雅山區居民的圖像，它所訓練出來的分類器也無法辨識出喜馬拉雅山區的居民。科技給了我們新的許諾，人類如今已能夠前往雲之頂、海之底的未知境域探索，而新一波人工智慧的復興，似乎也昭示著新世界的來臨。

每一篇談論不同人工智慧科技的文章都不免俗地要問：「人工智慧會怎麼改變人類的生活？它能讓我們更幸福嗎？」然而在這之前，我們得先瞭解當代人工智慧的應許和限制，才不會成為從雲端摔落的伊卡洛斯（註：希臘神話裡的人物，因飛得太高，使得蠟製雙翼遭太陽融化，跌落水中喪生）。總而言之，現階段人工智慧的影像辨識需要足夠數量（scale）與多元（diversity）的數據才能發展。

當時他們被交代：在尼泊爾不能當眾施捨，否則群眾會一窩蜂的湧上來。不信邪地，他們另選了一張兒童在孤兒院中學習的照片，張教授心中想的關鍵字是「希望」，並預期分類器至少可以認出「兒童」，但電腦又再一次的沒認出人，或許是將孩子身邊的書桌認成鋼琴了，它給出的是「衣服」、「樂器」及「商品」等答案。

接下來我們還需要一個算法（learning algorithm），舉例來說深度學習就是一種算法。演講：張智威（HTC 健康醫療事業部的總經理、史丹佛大學電腦系客座教授、日本SmartNews 人工智慧顧問）｜彙整：連品薰 位於喜馬拉雅山區，不丹是個坐落在高山之頂的國度，那裡的人們彷彿只要抬起手就可以觸碰到雲朵。Photo Credit: 三民書局 僧侶五體投地膜拜的照片被分類為「狗」及「家畜」。Photo Credit: 三民書局 乞討婦人的照片被影像分類器分類為「狗」及「家畜」。

身為HTC健康醫療事業部的總經理和史丹佛大學（Stanford University）電腦系客座教授，張智威教授能與大家分享最多的，還是過程中的困難與突破，尤其是與數據拔河的歷程動畫版《神推偶像登上武道館我就死而無憾》，其片尾曲〈桃色單相思〉（♡桃色片想い♡）是翻唱一首誕生於2002年的流行曲，原唱者松浦亞彌是當年早安家族中其中一個最有人氣的偶像。

粉絲所具備的如此能動性，是研究近代偶像文化所不能繞過的課題。對級數只屬地方偶像（ローカルアイドル）的Cham Jam而言，要在能夠容納超過一萬四千名觀眾的武道館上進行演出，在此刻猶如天方夜譚。

無論是現實還是「二次元」的動漫畫，以上皆為最典型、最正統的「偶像團體敘事」。但故事始終強調的，是粉絲對偶像寄予熱愛的同時，偶像也能從粉絲身上得到力量，成為前行的動力——粉絲與偶像並非單方面的追隨與被追隨者，而是能夠互相支持的共同體。