影音視訊聊天室www.38kky.com

旺報【本報系記者張理國、陳君碩╱台北─廈門報導】國人違法任職大陸社區主任助理，內政部27日再依《兩岸人民關係條例》第90條第3項規定進行第3波裁處，開罰23人各新台幣10萬元罰鍰，加上前2波處分，開罰人數已達30人。內政部對於國人擔任大陸社區主任助理的查處，先前分別在今年3月29日及4月25日分別裁罰2人及5人，加上本次裁罰的23人，合計開罰30人。內政部特別說明，處罰也有輕重之別，在本次調查過程中，部分涉案人員自動辭職，因此內政部並未開罰，其餘23人因違法事證明確，依法各處10萬元罰鍰。資深台社助說莫須有內政部重申，依陸委會認定，國人赴陸擔任社區主任助理，無論是由陸方政府機關直接聘用，或是受聘（僱）於廈門海旅海安服務有限公司，都違反《兩岸人民關係條例》規定。外傳近日大陸福建省廈門市海滄區政府再增聘國人擔任社區主任助理，內政部呼籲相關人員切勿赴任或盡速離任，政府會堅定依法行政的立場。對於蔡政府再開罰，一位資深台胞社助表示「不意外」，也認為這根本是「莫須有」的罪名。他強調，該職務並非大陸公務員，沒有管人，不能發公文，也沒有升遷制度，社助的工作內容完全可公開透明展示在大眾面前，政府開罰只是為了達到嚇阻作用。儘管政府不斷開罰，不過據了解，本月上旬廈門海滄區的最新一波社助招聘，原訂錄取8人，最後增額錄取12人，報名仍十分踴躍，素質也佳。台城鄉發展供陸參考有鑑於蔡政府的限縮處罰動作，海滄區正在探索學習台灣建築與城鄉發展研究模式，邀集兩岸學者專家成立「城鄉發展研究基金會」，以顧問團隊、執行團隊、項目運作的方式，將台籍社區主任助理的社區總體營造計畫再升級，未來也打算將此研究成果提供給全大陸各省市參考。

記者林辰彥／特稿航源FC15日在AFC CUP亞足聯盃踢了一場最接近贏球的比賽，在台北田徑場以1：2輸給香港傑志體育會。有些媒體用幾連敗來下標題。其實以台灣的足球現況，用籃球、棒球式的去看球隊幾連敗，這樣並不公允。為台灣足球努力的，需要全台灣一起給點掌聲才應該。▲航源在香港練球。（圖／記者林辰彥攝影）航源FC洪慶懷教練表示：「在亞足聯的對手實力都比我們強，這是事實，我們這兩年參賽最大的收穫，就是從高壓的比賽中，調整出包括訓練、醫療防護等職業級的模式，這是我們除了輸贏與積分之外最大的收穫。」▲航源FC去年在朝鮮平壤比賽。（圖／記者林辰彥攝影）前年國內聯賽前兩名的大同與台電在報名亞足聯盃之後臨時退賽，兩隊以及足協都被亞足聯罰款。航源FC自去年取得亞足聯俱樂部認證之後，去年起代表台灣參加亞足聯的比賽，至今一勝難求。但是關心國內足球的人士都看到航源FC的進步，洪慶懷說：「最近大概3天左右就要踢一場比賽，球員的訓練從一開始的不適應，到現在已經能接受接連高強度密集比賽、訓練，我們有輔大專業的一整個防護團隊做後勤支援，這是我們比國內其他球隊有的優勢。」▲香港傑志總教練朱志光與航源FC陳永盛。（圖／記者林辰彥攝影）香港傑志總教練朱志光在賽後記者會表示：「過去我們都認為香港的足球實力比台灣強，但是今天我們幸運的靠著球員進球才拿下這一場比賽勝利。航源在這兩年不論技術、速度上面的進步，讓我們刮目相看。」航源FC總領隊是足協理事長的時候，為了讓台灣足球盡快與世界接軌，積極推動航源FC通過亞足聯俱樂部認證所需要的26項規定，包括財務獨立、自己主場、青年、青少年梯隊、醫療防護系統、教練資格等等，歷經8個多月才獲得亞足聯的認證成功。▲航源在香港大合照。（圖／記者林辰彥攝影）就有一些「球評」明知道大同與台電不僅沒取得亞足聯認證，還因為臨時退賽遭到罰款，卻在社群媒體甚至轉播的時候睜眼說瞎話的說：「航源明明是台灣聯賽第3名，憑什麼去踢AFC CUP？」航源FC在5月1日要到香港作客挑戰香港超級聯賽上一季冠軍傑志，卻還要在比賽前3天在企甲聯賽與上季冠軍大同對抗，航源希望協調國內聯賽能不能調整一下賽程，卻遭到協會回絕，認為所有的賽程都已經排定，包括轉播等等因素，不能更改。航源在與大同踢成1：1的比賽中，韓國外援朱益成、主力海地外援班奇都在比賽中受傷，朱益成到了香港之後還是無法復元。▲航源FC班奇與傑志門將王振鵬衝突。（圖／航源FC提供）▲航源FC在相對戰傑志。（圖／航源FC提供）航源與大同的比賽在傍晚結束，球員在隔天一早就在輔大集合搭車趕往桃園機場飛赴香港。當然以世界各國多線作戰的例子非常多，足協不願意更改聯賽賽程，這也還能說得過去。但是，泰國足協為了球隊踢亞足聯的重要比賽，可以讓國內聯賽停賽一周、還有調整不讓參加亞足聯比賽的球隊不在亞足聯盃比賽前休息天數不夠。就連這次傑志要來台灣踢客場比賽，香港足總還主動協調讓香港足總杯的比賽提早一天進行，以讓傑志能有多一天的休息，以較充沛的體力作客台北。▲航源FC的後勤。（圖／記者林辰彥攝影）台灣的足球要進步，是要各方面一起同步通力合作，新任足協理事長邱義仁提出要協助國內球隊趕快取得亞足聯認證，但是現在僅有能參加亞洲級賽事的航源FC，無法取得足協的協助，就好像中華民國的足球協會在「懲罰」代表台灣去參加亞足聯盃的球隊。▲香港旺角大球場練球。（圖／記者林辰彥攝影）▲航源FC去年在朝鮮平壤比賽。（圖／記者林辰彥攝影）航源FC在6月16日在企甲聯賽要迎戰台中Futuro，隔天又要搭機先到北京，隔日轉飛北韓平壤，19日作客面對425體育會。20日飛北京轉回台北，23日又要面對台中Futuro。航源撐了這樣的密集賽程，希望能從這樣的高強度比賽中提升實力。航源FC在6月26日還有一場在台北田徑場迎戰香港和富大埔的主場賽事，洪慶懷表示：「航源FC的努力，希望大家26日到球場，給一直努力的球隊一些鼓勵的掌聲。」▲香港球迷到飯店外等候航源FC陳慶煊以及黃秋霖。（圖／記者林辰彥攝影）更多三立新聞網報導桃猿主場連續12場不敗 鍾承祐全壘打獲汽車影／相隔993天敲全壘打 鍾承祐把SKODA車開回家影／勇士新秀萊里 教練通知他上大聯盟卻找不到人效法雷霆與喬治 鵜鶘總管仍想留住一眉哥

為響應廉政署宣導全民廉潔意識，勞動部勞動力發展署中彰投分署結合創客列車活動，將「廉潔」與「創客體驗」相連結，在近期多場國小校園巡迴活動中，讓小朋友發揮創意，製作「打擊貪腐雷神槌」與「廉能USB燈塔」等，深獲小朋友喜愛，育教於樂，不僅激發創造力，也讓學員從小開始建立正確廉潔觀念。（見圖）中彰投分署表示，創客列車巡迴服務深入中彰投地區校園，以教育、輔導、實作及職涯目標為核心規劃，以淺顯易懂教學內容，讓學生連結「想」到「做」的過程，培養從問題中找到答案並解決風氣，提升創新能量。而小學恰好是每個人人格、價值觀養成的重要階段，若能從小扎根反貪倡廉的正確觀念，將有助未來的職涯發展及創造良好的社會風氣。因此，創客列車近期特別以「廉潔」為題，鼓勵學童運用生活中容易取得的材料，透過創作體驗取代想像，如教小朋友運用回收紙盒創作個人風格的「打擊貪腐雷神槌」，或是象徵廉能之燈永不熄滅的USB燈塔等等，目前已經走訪台中市龍山國小、彰化縣大興國小及南投縣光復國小，深受學生歡迎，課程將持續辦理。除此之外，巡迴列車也搭配校園活動及就業博覽會，透過多元方式如有獎徵答、影片分享及DM發送等，協助政府廉政反貪宣導及廉政署檢舉專線0800-286-586，希望大家都能內化反貪觀念，齊力打造優質廉能的生活環境，讓個人職涯發展更順遂。

讓歌迷等了7年，梁靜茹終於推出全新專輯《我好嗎？－太陽如常升起》，來到POP Radio《What’s Up Music》節目受訪，主持人俊菖特別替6月即將過生日的梁靜茹製作一本回憶剪貼簿，裡面都是她在20年前發行第一張專輯時的剪報！俊菖專程到國家圖書館翻出1999年的舊報紙，更表示「這都google不到的」，讓梁靜茹又驚又喜，急忙翻閱，看到剛出道的自己，忍不住驚呼連連。原來梁靜茹出道前曾擔任唱片企劃，幫公司歌手「剪報」是每天必備工作。「我那時覺得好害怕，」梁靜茹說當時每天將通告放在桌前，對於要去哪些通告和要說什麼欠缺自信，「去校園演出，都躲在側邊觀摩。」但現在回想，都是青澀卻很美的回憶。回憶出道機緣，從1997年的海螺新韻獎唱了朋友的創作，而被李宗盛挖掘，梁靜茹更在空中懷念與雙子座父親練唱B版卡拉OK的日子，充滿憧憬、每天活在當下。「很想念那個喜歡唱歌的爸爸。」梁靜茹說父親很疼小孩，而唱歌就是他的樂趣。梁靜茹的新專輯集合鍾成虎、姚若龍、光良、蕭煌奇、黃婷等音樂人共同打造，她形容有如同學會，既熟悉卻有新的火花。梁靜茹認為「歌者的創作」，是將生活裡的累積藉由音樂再詮釋，「人本來就是一個說故事的角色。」這次梁靜茹更挑戰作詞，寫出〈平行時空〉裡愛或思念的雋永是無限大，足以跨越時空，也能讓人感受到愛之後繼續往前進。至於未來還有沒有可能再有歌詞創作？梁靜茹躍躍欲試地說：「可以再試試看。」出道20年，難免產生倦勤或低潮，梁靜茹克服的方式是從中思考，並藉由外力獲得刺激。談到音樂，梁靜茹眼睛發亮，「我覺得它是重要的，只要開心就想唱歌。」梁靜茹說，開車時也會反覆播放自己的專輯，一聽就是3小時，「這種快樂就是我喜歡、熱愛這個作品，從中獲得許多滿足感。」她更自揭居家秘密，就是最愛「清唱」，讓俊菖忍不住羨慕起梁靜茹的鄰居，她卻悻悻然回說：「但我的鄰居是外國人。」

娛樂中心／綜合報導相隔17年沒發片的《咻比嘟嘩》團員小馬（倪子鈞），感動宣布老婆有喜再懷第二胎，即將於今年九月發行個人專輯的倪子鈞，最新單曲｢一首流傳的歌」將於6/2上架，即將在年底迎來二寶｢倪多恩」的他父愛滿滿，特別把自己的新單曲｢一首流傳的歌」送給家中的新成員，除了藉歌獻上自己滿滿的愛與祝福，更希望用這首歌把自己的信仰及信念傳給自己的小孩，就像這歌名一樣，能永流傳成為｢家歌」！▲小馬倪子鈞宣布老婆再有喜。（圖／馬米娛樂提供）這首原本是名音樂人古晧老師的所創作信仰之歌，歌詞主要是敘述人們要學會看見自己的錯誤，有勇氣去面對改正，學會謙卑，當初倪子鈞在收歌時因為看到歌詞非常感動，於是情商古晧老師後重新編曲翻唱，希望把這首歌當成｢家訓」，送給自己的小孩，並希望能流傳到後代子孫。▲老婆拿驗孕棒給倪子鈞看，那一刻小馬震驚愣住十秒。（圖／馬米娛樂提供）今年以本名倪子鈞宣布回歸華語壇，沒想到｢做人」比｢做專輯」的進度還快，去年九月才剛迎接女兒｢倪希米」誕生的他，在短短地半年多時間又｢搞出人命」，讓原本幸福家庭再添一名新成員。由於這首｢一首流傳的歌」讓倪子鈞想起自己過去40年人生經歷，因為信仰而改變的心路歷程，在錄音室重新演繹錄唱時，一字一句都充滿父親慈愛的期許，更是對即將出生的小孩滿滿關愛及祝福！▲小馬取名倪多恩希望恩典滿滿。（圖／馬米娛樂提供）倪子鈞表示：｢其實在去年女兒誕生後，我內心就一直在想能夠留給我的孩子一些甚麼東西；剛好這首歌的出現，唱出我自己的信仰及人生觀，所以希望藉著這首歌告訴我的孩子們，人一生會犯種種錯誤，最難的就是看見自己的問題，尤其是驕傲！因為我透過信仰學看到我自己的問題進而懂得謙卑，我希望自己的孩子也都希望能夠學謙卑，時時刻刻看見自己的錯誤！」▲倪子鈞最新單曲｢一首流傳的歌」送給孩子。（圖／馬米娛樂提供）不過也讓朋友們打趣說兩夫妻在｢趕進度」！值得一提的是，目前已經懷孕三個月的老婆預產期定在12月，讓倪子鈞年底將面臨新專輯及新生命接連誕生的喜悅當中，他笑說：｢下半年將會非常忙碌！」更多三立新聞網報導獨家／內衣女神拐拐挺泳裝品牌 遠赴巴拉望裸身闖新高度！老婆不到1年又懷孕！小馬見「驗孕棒2條線」超崩潰數位歌姬米利亞走出現實 鄉村美女直播奪冠軍推出單曲！邱勝翊坦言女友看過寫真 竟然學周董喊：「唉呦不錯喔！」

中國時報【李欣恬╱台北報導】享譽國際的華人作家嚴歌苓，小說、影視劇本一把抓，活躍於國際舞台，同時也擔任奧斯卡評委，昨（27）日難得來台，她表示，自己的人生很特別，在60年裡，經歷文革與遷徙，像是活了5、6個人的人生，「我這一代人，物質上最貧乏，但故事最豐饒，我是故事的開礦者，活著為了講故事。」嚴歌苓表示，她的人生以「敏感」為關鍵字，爸爸是作家蕭馬，媽媽是演員賈琳，「父母老愛吵架，看見他們愛情的危機感，讓我特別敏感，只要有一點點波動，我就感覺要出風暴了，我像忍受吵鬧孩子的父母一樣，忍受著我的父母。」除了吵鬧與不安的文人世家，另一件對嚴歌苓影響甚遠的事情，就是在文革時期，她的兩個阿姨，一個自殺死去，一個自殺未遂，她在8、9歲的時候，幫忙照顧阿姨，目睹人性的不堪，「人們說阿姨是個畏罪自殺的人，沒資格睡在病房，只能睡在走廊，她吞了100多顆安眠藥，全身插管維生，痙攣中會把被子踢開，但圍過來看的人，都只是想看她裸身，我感覺特別難過，每晚都守在她身旁。」某晚，來了一個民工，故意把菸蒂頭掉在被單上，藉機拿起被單，目的仍是為了看阿姨裸身，嚴歌苓表示，自己真不幸，「怎麼那麼小就看見人性醜惡，文革是10年『大舞台』，讓我變成『觀眾』，看見各種人，難道你小時候看到這樣的事，長大後沒欲望說出來嗎？我一輩子就是這樣而已，活著為了說故事。」

[新頭殼newtalk] 今（2019）年3-4月期統一發票昨（25）日開獎，獎金1000萬元特別獎中獎號碼為「 03802602 」。全聯福利中心開出1組1000萬元，而且只花8元買報紙，就中了千萬元，快對發票，看幸運兒是不是你！今年3、4月期統一發票今日開獎，獎金1000萬元特別獎中獎號碼為「03802602」，獎金200萬元的特獎中獎號碼為「00708299」，3組頭獎的中獎號碼分別為「33877207」、「21772506」、「61786409」，另增開2組獎金200元的六獎，中獎號碼分別為「136」、「022」。位於三重的全聯天台門市開出1張特別獎發票，消費金額只有8元，是購買1份報紙，小額消費就中大獎超幸運，另一張200萬元中獎發票則開在宜蘭五結門市，購買品項包括愛之味牛奶花生、味丹隨緣素肉骨泡麵、韓式泡麵、當歸藥膳湯麵、烹大師干貝、光泉黑芝麻豆漿、中華雞蛋豆腐、火鍋豆腐及全聯購物袋等，共485元。7-ELEVEN也有4位獲得千萬大獎，其中1人在高雄市三民區國城門市購買35元麵包；1人在新北市淡水區渡船頭門市花費95元；1人在台北市松山區小巨蛋門市花費58元；1人在新北市新莊區興洲門市花費88元。至於特獎200萬元部分，7-ELEVEN也有4位得獎者，其中1人在台中市南區義興門市購買70元甜點；1人在宜蘭縣三星鄉立昇門市花費120元；1人在南投縣信義鄉信義鄉門市花費105元；1人在高雄市燕巢區樹科門市花費69元。另雲端發票專屬獎，7-ELEVEN也有2位百萬元得主，其中1人在台南市永康區永龍門市花費40元，1人在新北市新店區百豐門市花費147元。還沒對發票的民眾趕緊對對看，以免和財神爺擦身而過！更多新頭殼報導用路人注意！5/26－29漢光演習 國1「彰化－員林」3階段封閉連日豪雨成災！聯合國：極端氣侯發生機率最高達90％

工商時報【文╱姚舜】看好「餐酒搭配」風氣在台漸成氣候，金車集團將於今（16）日中午正式宣布成立「BUCKSKIN柏克金餐酒集團」，以BUCKSKIN柏克金啤酒為核心，由廚藝團隊研發更多不同餐飲業態與菜系口味，提供消費者更多元選擇，正式宣告金車集團正式揮軍挺進餐飲市場。 繼去（2018）年中插旗信義計畫區松仁路開設〈BUCKSKIN BEERHOUSE柏克金啤酒餐廳」，以及今年5月在台北101地下樓開設「柏克金啤酒吧」後，BUCKSKIN柏克金餐酒集團又斥資超過3,000萬將北市南京東路、新生北路口的原伯朗咖啡館，改裝為全台最大啤酒複合餐廳，以〈BUCUSKIN BEERHOUSE柏克金啤酒餐廳〉結合〈BUCKSKIN YAKINIKU柏克金燒肉屋〉雙業態合體出擊，自本周起營運，這也是金車首次進軍燒肉市場。〈BUCKSKIN YAKINIKU柏克金燒肉屋〉位在複合餐廳2樓，占地148坪，有近130個座位，餐廳並設有2個分別可接待12至14人辦「燒肉趴」的飲宴包廂。為與坊間傳統日式燒肉店區隔，〈BUCKSKIN YAKINIKU柏克金燒肉屋〉裝潢設計入了一些歐風元素，並有吧台提供BUCKSKIN柏克金啤酒與體現台灣在地風味的特製調酒。為貼近常民吃食喜好，〈BUCKSKIN YAKINIKU柏克金燒肉屋〉不強調奢華頂級，而主打高CP值的燒肉用餐體驗，並訴求「以美味的燒肉搭配優質的啤酒」，貫徹「啤酒就是生活」的BUCKSKIN柏克金啤酒的品牌精神。BUCKSKIN燒肉屋菜單上有針對多人分享的豪華和牛、特選牛肉及本日海鮮組合，食材用料多元且品質等級不俗。同時廚藝團隊亦設計了一些獨特的菜餚，挑逗食客味蕾。例如〈水果漬肋條〉是以天然水果內的酵素，柔嫩並提升肉質甜嫩度，〈西班牙松阪豬〉則是將整塊厚切的西班牙松阪肉斜切出紋路，整塊到烤網上炙烤，肉汁被完整保留。〈味付澳洲和牛飯〉則是將炙烤後的澳洲和牛肋眼牛排切成骰子大小，在舖在越光米飯上呈現，堪稱「最華麗和牛丼飯」，每碗卻只要價280元，非常超值。〈炙燒鑲蔥紐約客〉是將滿滿蔥花鑲填在厚切的紐約客牛肉中，直接上烤網炙烤，形色味都很吸引人。〈鴨蛋黃烤地瓜〉則是將鴨蛋黃與明太子醬汁淋上爐烤蜜地瓜後再疊上鴨蛋白幕斯，與〈柏克金啤酒冰淇淋聖代〉等，都是別處燒肉店吃不到的特色菜餚。〈BUCUSKIN BEERHOUSE柏克金啤酒餐廳〉南京店，占地126坪、有180個座位，並規畫有不同用餐區，以「雙U型」吧檯為核心，延伸分為多人歡聚的開放區、不受打擾的包廂區、輕鬆愜意的戶外區，以及適合一人獨享啤酒或雙人共享美食的吧檯區。延續信義旗艦店的特色，〈BUCUSKIN BEERHOUSE柏克金啤酒餐廳〉南京店以歐式的裝潢設計風格為主，在諸多細節凸顯「啤酒」元素，使用古銅色的鍍鈦建材呼應早期重要的銅製釀酒設備，還有啤酒原物料裝飾與掛畫、啤酒花吊燈等。同時餐點也和啤酒呼應，主廚並為新店設計了不少限定新菜如：〈是蒜味蝦薯條〉、〈爐烤櫻桃鴨胸〉、〈松露波特酒烤布蕾〉，並增加不同口味的〈現烤手工Pizza〉，讓顧客在充滿「啤酒」氛圍的環境下，輕鬆享受啤酒與美食。為慶祝開幕，〈BUCKSKIN BEERHOUSE柏克金啤酒餐廳．南京店〉，將於即日起至5/30日祭出超殺優惠，凡4人或4人以上同行，就享整張單85折優惠，拍照打卡再贈送造型磁鐵乙個。而〈BUCKSKIN YAKINIKU柏克金燒肉屋〉則將於即日起至5/30日晚餐試營運期間，凡4人或4人以上同行免費贈送和牛乙份！當月壽星則免費招待蔥鹽牛舌乙份。禁止酒駕 喝酒勿過量INDEXBUCKSKIN YAKINIKY柏克金燒肉屋╱南京店地址︰台北市中山區南京東路二段1號2樓電話︰02 2521 0882INDEXBUCKSKIN BEERHOUSE柏克金啤酒餐廳（南京店）地址︰台北市中山區南京東路二段1號1樓電話︰02 2521 0881

林志穎不僅是一名賽車選手，還是賽車隊的老闆，他對賽車的熱愛可想而知，正所謂虎父無犬子，林志穎近日在臉書貼出自己跟兒子Kimi去玩賽車的照片，大家可以發現照片中，Kimi賽車好像開得比老爸要快ㄟ。▲▼林志穎指導兒子賽車。（圖／翻攝林志穎臉書）林志穎似乎想把自己對賽車的熱誠，遺傳給長子Kimi（黑米哥哥），他PO出自己跟Kimi玩小型賽車的照片，透露自己和兒子正在台灣一間賽車場玩賽車，並留言：「陪黑米哥哥來試他的新賽車」，從照片中可以看到，這對父子一起擺出帥氣姿勢，林志穎還細心地教導兒子，只是不知道Kimi有沒有這個天分呢？▲▼Kimi賽車也好帥。（圖／翻攝林志穎臉書）雖然Kimi的臉一直被安全帽遮住，看不到他長大後的模樣，但從他的身高來看，已經比以前拍攝《爸爸去哪兒》長大了不少，幾乎已經到了林志穎的肩膀。而且其中一張照片，Kimi的賽車似乎開得超過爸爸，看來林志穎的賽車生涯快有接班人了。▲Kimi（右）賽車速度快過老爸了嗎？（圖／翻攝林志穎臉書）更多 NOWnews 今日新聞報導 《與惡》喬喬淚送母親最後一程 親友飆罵喬爸：人渣！ 不倫父女戀歌手「孤獨死在家中」 母親受訪：她不會自殺 《與惡》吳慷仁、林哲熹到大陸 粉絲尖叫落淚

編者按：隨著人工智能的普及，其背後不断發展的智能算法也在各種決策中發揮著越來越重要的作用。然而，就算法理解、使用實踐、自動化決策中快速滲透的偏見甚至缺乏透明度和問責制等方面問題，仍然尚存爭議。前不久，就有媒體爆出，亞馬遜自己研發的人工智能簡歷篩選系統，就存在“偏見”，並且會自動過濾女性求職者。人工智能偏見到底是怎麼一回事？著名分析師Benedict Evans專門針對這個問題發表了一篇題為Notes on AI Bias的文章，希望對你有所啟發。圖片來源：DigitalOcean如今，機器學習是科技領域重要的基本發展趨勢之一。在未來十年，要通過科技更廣泛地影響和改變人類世界，機器學習也是非常主要方式之一。然而，機器學習也讓人產生了不少顧慮。有人擔心它對人類就業會帶來潛在的不利影響，也有人擔心過度依賴機器學習可能會觸及人類的道德底線，當然也有人討論人工智能偏見所帶來的一系列問題，這些問題一點都不簡單，這也是這篇文章討論的重點。什麼是人工智能偏見？原始數據既是一個矛盾體，又是一個壞點子。所以，我們應該精心處理並分析這些數據。——傑弗裡·博克爾（Geoffrey Bowker）在2013年之前，如果你想開發一個軟件系統，並用它來識別照片中的貓，你可能只有通過寫程序的方式來實現這個目的。在程序腳本中，你可能需要關注的是如何識別並分析圖片中的動物輪廓、眼睛以及動物皮毛。此外，你還需要關注這些動物有多少隻腿等等。然後再把所有的因素綜合一起考慮。然而，這樣的程序實際上並沒有多大的用處。從概念上來說，這就好比製造一匹機器馬一樣。從理論上來說，的確行得通。然而實踐起來，卻又是另一回事，你會發現事情的複雜性，要比你想像的難得多。最後，你有可能寫了成百上千條腳本程序，也沒有得到任何有用的結果。借助機器學習，我們就不再需要親自寫腳本程序來識別X或Y。相反，機器學習的做法是，通過收集上千個樣本X和Y，並基於這些樣本的有關數據通過電腦對其建模。然後，該數據模型就會產生具有一定精準性的全新數據點，同時可以識別其是否符合所有的X或Y樣本的特徵。機器學習需要借助數據來建模，而不是通過人工寫這個模型程序。這種方式生成的結果高度精準，特別是用於識別或模式發現等情況下。因此，整個科技領域如今都在往機器學習方向發展。不過，有一個問題也值得我們關注。在現實社會中，上千個（甚至上萬、上百萬個）樣本X和Y中，同樣還包括A、B、J、L、O、R和P。它們可能沒有平均地分佈，從而系統可能會更加“關注”L和R，而稍微“忽視”了X。這在實踐中又意味著什麼呢？我可以通過自己喜歡的例子來說明。圖象識別系統會傾向於分析一張滿是綠色草地的山丘，然後識別出山丘上的綿羊。多數“綿養”的樣本照片背景中，都有綠色草地。畢竟，這是羊群通常生活的地方。而這些照片樣本中，相比於白色茸毛狀的綿羊，綠色草地則會顯得更加突出和明顯，所以整個圖象識別系統就會把對草地的權重加高，從而更“關注”草地。圖片來源：Cubix如果要用更“嚴肅”的案例，就不得不提到最近一項關於通過照片識別皮膚癌症的項目。在這個項目中，皮膚病專家把患有皮膚癌症的照片樣本拿來研究，通過對圖象的不斷放大併進行局部結構分析，從而讓系統不斷熟練地識別皮膚癌症的標記。但實際上，健康皮膚的照片樣本中根本都不存在他們想找到的局部結構。對這套系統而言，這些局部結構（或者可以理解為一格格像素）是分析並設別皮膚癌症的關鍵，有的情況下它們比皮膚上的小紅斑點還明顯。因此，與其說這個系統是用來識別皮膚癌症的，不如說它是用來識別這些局部結構的。值得注意的是，機器學習背後的系統，實際上並不瞭解我們所觀察事物背後的語義。我們可以通過識別並理解照片上的一格格像素，從而識別出那隻羊、皮膚或者其局部結構，但系統能識別出的卻只是一串列數字。它無法看到3D景象，或各種物體和其結構，當然也看不到那隻羊。它只能看到的是各種數據模式。此外，另一個具有挑戰的事情是，機器學習系統生成的模型（即神經網絡）包含了不計其數個節點，但我們卻無法直接深入模型內部並瞭解它到底是如何做出決策的。否則，機器學習根本就是多餘的，我們也許可以直接通過寫腳本程序來解決這個問題。很多人總是擔心，機器學習就像一個黑匣子（不過，這個觀點的確有點誇大其詞。後文還會進一步闡述）。簡言之，人工智能偏見（或者機器學習偏見），實際上是某個尋找數據模式的系統可能會找到錯誤的模式，而我們人類還有可能不會察覺這個錯誤。它是這項科技的核心附帶品。無論是在學術界還是大型科技公司，研究和使用這項科技的人都瞭解這個事實，但其影響卻是非常複雜的，而我們可能應對的解決方案，也同樣沒那麼簡單。首先，先談它的影響。圖片來源：Health Catalyst人工智能偏見的場景提到人工智能偏見，最明顯也最直接出現這種情況的場景就是涉及人類多樣性的場景。據前段時間的報導稱，亞馬遜嘗試建立一套機器學習系統，從而來篩選求職者的簡歷。因為亞馬遜現有成員以男性居多，所以這套系統所挑選的符合標準的“合格候選人”畫像也更偏向於男性，所以在挑選建立過程中就自動過濾掉了很多女性求職者。亞馬遜隨後發現了這個問題，後來也沒有再繼續開發這套系統。這個案例的關鍵點在於，即便求職者簡歷上並沒有標明其性別，系統在自動篩選過程中仍能偏向於男性求職者。之所以導致這樣的結果，是因為系統能夠從樣本數據中進行模式分析，比如女性在描述個人成就的時候會使用和男性不同的詞彙，又或者女性在學校參加的體育運動和男性也不同。當然，系統肯定不知道什麼是冰上曲棍球，不知道人類是什麼，當然也不知道什麼是“合格”，它可以做的，只不過是對文本進行數據分析罷了。然而，系統可以分析的數據模式，我們人類卻並不一定可以注意到。即便我們注意得到（比如我們所知的不同性別在描述個人成就方面所選詞彙的不同），我們可能也會因此耗費大量精力和體力。當然，人工智能偏見的場景遠不止於此。擅長通過蒼白皮膚識別皮膚癌症的機器學習系統，可能根本無法識別顏色較深的皮膚上可能存在的皮膚癌症，反之亦然。這並不是因為系統對樣本有偏見，而是我們可能需要針對不同樣本而建立不同的分析模型，從而找出不同的特徵。機器學習系統也並不是可以互通交換使用的，即便是圖象分析這種同類型的應用當中。你必須對這套系統結構進行不斷的調整，有時候為了識別你感興趣的數據其固有特徵，還需要不斷地試驗和試錯，從而達到期望的準確率。然而，你可能無法覺察到的是，這個系統在識別某個群體樣本時準確率可能達到98%，但識別另一個群體樣本的準確率卻只有91%（即便這個準確率仍然比人工分析的準確率還高）。目前我列舉的案例都是以人物或者其有關特徵為主。但更重要的是，人工智能對人的分析偏見實際上是某個大問題中的一個子問題。我們會用機器學習來分析很多事物，而樣本偏見則存在於所有的分析之中。因此，如果我們的樣本是人的話，那相關的數據分析則可能存在一定的偏見。圖片來源：SmartData Collective為了更系統地瞭解這個問題，我們可以再次回到之前提及的皮膚癌症案例，並同時考慮以下三種可能被打破的假設情況：樣本人口特徵不均勻：所有樣本照片中，各種膚色的皮膚樣本並不相同，所以系統會基於皮膚膚色做出錯誤的分析判斷。樣本數據包含明顯的非平均分佈的非人類特徵信息，並且毫無診斷價值，但系統卻基於此（樣本皮膚癌症照片中的一格格像素，或者樣本羊群照片中的綠色草地）而不斷進行分析訓練。在這個案例中，如果我們把所看到的像素當作局部結構（實際並不是）來分析的話，結果就可能相差甚遠。數據所包含的某些特徵信息無法被人類察覺發現，即便通過某些特定方法仍然無法發現。那麼，“即便通過某些特定方法”又意味著什麼呢？我們的先驗經驗告訴我們，數據可能會有傾向性地偏向一部分群體，或者至少會有類似的計劃（換句話說，要猜測為什麼數據會偏向一部分群體，其實是因為多種社交因素導致的）。如果我們想要發現樣本照片中的局部特徵，我們是可以看見的。但我們選擇了忽視它，因為我們知道它是不相關因素，但我們卻忘記的是，系統對此卻全然不知。然而，如果所有的不健康皮膚樣本照片都是在白熾燈的照射下拍攝的，但健康皮膚的樣本照片卻都是在螢光燈照射下拍攝的，這又會出現怎樣的情況？如果在拍攝健康皮膚樣本照片和拍攝不健康皮膚樣本照片的間歇期間，你更新升級了手機的操作系統，而蘋果或者谷歌剛好又更新了降噪算法，這又會導致怎樣的情況？這些情況，即便我們投入再多精力，我們可能還是根本無法察覺，但機器學習系統卻可以輕鬆地察覺並利用這些情況。畢竟，它什麼都不知道。此外，在這之前我們一直在討論錯誤的相關性，但數據中其實也有很多非常正確的模式，只不過基於一些道德因素、法律因素或者產品相關的因素，我們並不想利用這些數據模式。在某些司法管轄區域，即便我們知道女性司機的車禍率可能更低，我們也不能因此降低她們的保費。所以，我們就可以輕鬆地假設，可以借助機器學習系統，結合歷史數據並發現看起來像女性名字的被保險人其報保險的機率更低，從而從數據中排除這些名字。但是，就像前文提到的亞馬遜案例一樣，系統也許可以通過其它因素辨別出分析對象的性別（儘管系統可能並不瞭解性別或者汽車等概念），但在瞭解相關數據分析之前，你可能卻全然不知。最後，我們通常都說，目前我們只會利用機器學習系統從事有關人際社交交往的研究和學習，但實際上並不是這樣。如果你是燃氣渦輪機製造商，你可能就會對機器學習系統感興趣。因為借助機器學習，你可以對成百上千個渦輪機感測器實現遠距離測量（通過聲音、振動、溫度以及感測器反饋的其它數據信息輕而易舉地建立機器學習模型）。假設情況下，你可以從中篩選出1000份出現故障即將停止運轉的渦輪機工作數據，同時還可以篩選出另外1000份正常運轉的渦輪機工作數據。然而，你可以以此建立一個機器學習模型，從而分析兩種數據之間的差別。分析相關數據後，假設75%的故障渦輪機都是用的是西門子生產的感測器，而只有10%正常運作的渦輪機使用的是西門子感測器（同時假設故障與感測器無關）。然後，你就會發現，機器學習系統建立的數據模型，就會更加“關注”裝有西門子感測器的渦輪機。圖片來源：Hacker Noon如何管理人工智能偏見？針對人工智能偏見，我們能做的是什麼？首先，我們可以從三個角度來思考人工智能的偏見：收集和管理訓練數據的方法嚴謹性；分析和診斷數據模型行為的科學工具；機器學習實踐過程中的培訓、教育和注意事項。在法國喜劇作家莫里哀（Molière）著作的《貴人迷》（Bourgeois Gentilhomme）一書中，講述了這樣一個笑話：一位男子活了一輩子都不知道文學可以分為詩歌和散文，直到別人告訴他後，他才欣喜地發現，原來他這輩子只接觸過散文。如今的統計學家，也可能有類似的體會。他們這輩子可能都在從事研究工作，但就是沒有意識到“人工智能”和“樣本偏見”兩個不同命題。擔心存在樣本偏見，或者尋找樣本偏見，並不是新問題。只不過，我們需要系統性地對待這個問題。正如前文渦輪機案例所述，在某種程度上，如果只涉及到和人相關的主題，它可能實際上（或者從理論的角度）就會相對簡單一點。因為先驗經驗告訴我們，針對不同群體可能存在一定偏見，但我們沒有意識到的是，我們可能對西門子存在偏見。而更新的觀點是，我們並沒有再直接地對數據進行分析，而是讓機器通過建立我們無法直接分析的超級複雜的模型來完成這項作業。整個過程中，透明度就是與偏見相關的值得考慮的主要問題之一。我們擔心的，並不只是可能存在偏見，而是我們根本無法知道是否存在偏見，這對我們來說是全新的事物，和我們所接觸過的組織機構或自動化流程也不同，所有並沒有可以讓你回顧審查的清晰邏輯步驟。圖片來源：Symmetry Magazine在某種程度上，我們可能可以回顧審查機器學習系統，但要去審查其它系統，則更加困難。因此，這就引出了以下兩個問題。首先，目前關於機器學習的研究主要圍繞借助相關方式和工具，發現機器學習系統中的亮點功能。但機器學習是一個全新領域，相關科學進步速度也非常快，所以我們不應該假設，今天還不現實的事情，明天就一定不現實。馬斯克牽頭成立的AI研究機構OpenAI旗下的這個項目，就是活生生的例證。此外，在現有的系統或組織架構中，我們可以審查並瞭解系統決策制定的這個想法，雖然理論上是成立的，但實踐過程中卻存在很多問題。比如，在一個複雜的組織架構中，要審查並發現決策制定的方法非常困難。也許存在一個正式的決策審批流程，但這並不是人們實際溝通交流的方式，而且就個人決策而言，人們通常也沒有邏輯清晰同時又極具系統性的方法。正如我的同事維傑·潘德（Vijay Pande）所言，人類群體也是黑匣子。在這個黑匣子中，有不計其數的個體，他們縱橫交錯與各種組織和機構中，背後還連帶著著各種數不清的複雜問題。我們事後才知道，宇宙飛船在重返大氣層時會解體，但美國航空航天局（NASA）內部不少人士都認為，後面可能會釀成悲劇，但系統自身卻對此全然不知。同時，NASA之前在損失宇宙飛船後，也經歷過一模一樣的審查流程，但後來卻因為相同的原因，又損失了一艘宇宙飛船。所以，無論是組織機構，還是人類系統，我們可以審查其遵循的清晰邏輯規則，說起來的確簡單，但經驗告訴我們，並不是這麼回事。這就是所謂的蘇聯國家計劃委員會謬誤（Gosplan fallacy）。圖片來源：shutterstock在本文中，我一直將機器學習和數據庫（特別是關係數據庫）做比較。關係數據庫是一項新的基礎技術，它改變了計算機科學中已經證實的事物，同時也改變了宏觀世界，它被運用於各行各業，但我們卻未曾注意到它。但數據庫也存在問題，而且這些問題都有相似的特徵：這些系統可能是建立在錯誤的假設和數據之上，很難分辨，而我們人類在使用過程中，可以不假思索地聽命於系統提示，並且完全不會提出相關質疑。有很多故事都在講，稅務局把你的名字拼錯了，但說服他們修改系統的拼寫錯誤，比你在公安機關申請改名字要難得多。這是結構化查詢語言（SQL）固有的技術問題，還是甲骨文公司（Oracle）的問題，或者是大型官僚機構的制度問題？建立一個所謂的流程，從而讓系統無法修改拼寫錯誤到底有多難？或者在引起民眾投訴之前，發現系統出過類似問題，又有多難？用更簡單的生活實例來講，車載衛星導航系統沒有及時更新，車主跟著導航把車開進了河流中。這裡的問題是，導航系統的確沒有及時更新。但另一個值得關注的問題是，如果這輛車順流漂向海中，那Tomtom公司（荷蘭主營地圖、導航和GPS設備的公司）需要承擔多少責任？通過這些內容，我想說明的是，機器學習出現之前，世界上就存在各種問題，當然有各種解決方案。機器學習偏見也會導致問題，但同樣也是可以發現和解決的。因此，最容易想到的出現人工智能偏見的場景，可能並不是來自權威機構的核心研究實驗室，而是一些三流技術承包商或軟件供應商，他們胡亂地把各種開源組件、軟件庫以及工具拼湊在一起，在自己不懂的前提下，就直接將其出售給了一些“天真”的買家。這些只在乎“金玉其外”的買家，看到“人工智能”標籤就根本不考慮該問的問題，然後直接將這套軟件交給公司底層領著最低工資的員工，並且告訴他們文不加點地按照“人工智能”的提示操作就行。這就是數據庫出現的問題。這個問題，甚至都算不上是人工智能的問題，或者說軟件問題。更準確的說，這是人的問題。圖片來源：House of Bots寫在最後……機器學習系統可以為你做任何事情。你能訓練狗完成的事情，機器學習系統也可以完成。只不過，你完全無法確定的是，你到底在訓練狗做什麼。我經常都在思考，“人工智能”這個詞彙是不是在類似的背景中百無一用。它在很大程度上給我們造成一種錯覺，即我們實際上創造了智能，一種可以真正進行理解的智能，然而，實際上卻並不是這麼回事。從根本上而言，它們只不過是機器罷了，也許更恰當的做法，是把它和洗衣機拿來對比。就洗衣服而言，洗衣機的確要比人工效率高得多，但你把盤子放進洗衣機並開啟洗衣功能後，它還是會洗這些盤子，而且盤子也還是會變得乾淨。但最後的結果，肯定不是你所期待的結果，因為洗衣系統對盤子有偏見。洗衣機肯定不知道什麼是衣服，什麼又是盤子，它只是一個自動化機械。從概念上而言，它和之前其它不同的自動化機械也並沒有太大的區別。也就是說，正如汽車、飛機或數據庫一樣，這些系統可以非常強大，同時又非常有侷限性，並且完全取決於人們如何使用它們，或者我們到底有什麼企圖，甚至人們對這些系統原理的教育或無知程度。所以，如果說人工智能就是數學，它不會出現偏見，就大錯特錯了。同理，如果說機器學習本身也存在偏見，這種說法也站不住腳。機器學習是在數據中發現模式，至於是什麼模式，則取決於數據，而數據又取決於我們，我們怎麼利用它也是取決於我們。機器學習在某些領域的表現遠遠超過我們人類，就像狗比人類更擅长發現毒品等違禁物品一樣，但我們卻不會根據狗的證據來定罪。狗比其它任何機器學習系統都要聰明。本文經授權發布，不代表36氪立場。如若轉載請註明出處。來源出處：36氪