購物狂

• 作者：雅莉安娜．哈芬登
  
  追蹤
  
  
  
  





• 譯者：林靜華









• 出版社：平安文化
  
  出版社追蹤
  
  
  
  





• 出版日：2015/5/4









• ISBN：9789578039568





• 語言：中文繁體





• 適讀年齡：全齡適讀

彰化縣從事電鍍業謝姓男子，屢次違法排放含有毒與重金屬廢水污染水資源，前四次都獲判易科罰金卻不知悔改，再度違法獲判三個月，雖罪責不重，彰化檢方昨〈二十三〉日認為易科罰金已無法教化、嚇阻，駁回受刑人易科罰金聲請，裁定發監執行。

彰化地檢署屢次在溪湖鎮二溪路，破獲一家從事電鍍工業的「企業社」，違法將含有毒與重金屬的事業廢水偷排進入灌排系統，嚴重污染水資源、還可能污染農地，其中楊姓負責人四度獲判三個月有期徒刑，都聲請易科罰金、以每天折算壹仟元，頂多罰款九萬多就了事；不料去年底這家「企業社」再度犯案，經承辦檢察官蔡奇曉受理後，認為謝姓被告已五度違反水污染防治法，雖獲判三個月的刑責不重，但卻也認為易科罰金已無法收到教化、嚇阻的效果，為了不再縱容受刑人一再犯案，污染水資源與農地，在類似案件中，首度駁回受刑人易科罰金聲請，裁定發監執行。

彰檢襄閱主任檢察官林漢強昨日強調，本案裁定發監執行，主要是考量受刑人漠視法令，污染地面水體與生態環境的惡性不能再輕縱，也希望以此案例，呼籲廠商在發展經濟之際，也要負起兼顧環境保育之責。

【記者謝政儒台北報導】「台灣觀巴」業者相當重視的年度評比結果出爐了，交通部觀光局委請產官學專家多方面評鑑與遊客意見調查後，評選出今(105)年度台灣觀巴管理及服務品質優化的績優業者，前3名分別第1名屏東旅行社、第2名宏祥旅行社，第3名金建旅行社和鄉村旅行社，同時也評選出「服務品質提升獎」，得獎單位有東南旅行社、利代旅行社及明利旅行社，此外，為鼓勵第一線從業人員認真負責的態度，也遴選出3名優秀服務人員分別為屏東旅行社溫純華小姐、明利旅行社王旅成先生及翔麟旅行社王伯祥先生。前3名考評績優業者，交通部觀光局除頒獎外並提供臺灣至日本東京5日自由行之票券（含機票及住宿），前往日本東京考察Hato Bus。

交通部觀光局蔡明玲主任秘書表示：「台灣觀巴每年都持續創新與突破，去年推出環島性質的多日旅遊路線，今年則落實導覽服務e化服務，隨車提供免費wifi與中英日韓導覽資訊系統，迎合國內外遊客的新型態旅遊習慣，也讓台灣觀光在國際旅遊市場中更具有競爭力」。未來將繼續打造台灣觀巴的優質服務的品牌形象，期望成為國內外旅客深度體驗台灣獨特魅力的旅行夥伴。

交通部觀光局輔導26家旅行業者推出105條「台灣觀巴」套裝旅遊路線，以1-4人即可成行出遊、當地飯店、機場及車站接送、中、英、日文導覽解說和旅遊保險等貼心服務與優質多元行程，成為台灣對外秒殺推廣旅遊的重要品牌，而每年的服務評比也成為激勵與肯定「台灣觀巴」旅行業者的重要獎項。

(自立晚報20161115)

下面附上一則新聞讓大家了解時事

人工智慧（Artificial Intelligence）的研究，過去60多年來從未停歇，而今總算有了不凡的突破，從AlphaGo到智慧語音助理、自動駕駛技術等，無疑捕捉了無數人們的注意力，宣告著劃時代的科技盛世已經到來。



1950年，圖靈在他名為〈運算機器與智慧（Computing Machinery and Intelligence）〉的論文裡提問：「機器能思考嗎？（Can Machine Think？）」，挑戰了人類對計算機智慧的想像。圖靈認為人們會首先流於爭執機器與思考的定義，卻沒有辦法很精確地討論問題核心：「機器會有智慧嗎？」

由於機器智能難以確切定義，圖靈在該論文首次對如何判定機器具有智慧，提出了著名的「圖靈測試」：如果機器與人類進行非面對面（例如在中間以布幕隔離）對話（例如使用文字訊息），人類卻無法辨認出對方是機器，那麼這台機器就具有智慧。圖靈測試無論在當時或現代，對於人工智慧研究而言都是重要且相對嚴謹的研究提案，後續許多業界與學界的研究都企圖挑戰圖靈測試：如1966年麻省理工學院人工智慧研究室的約瑟夫．維森鮑姆（Joseph Weizenbaum），以字串比對自動回覆的方式所開發出的聊天機器人ELIZA；或到2014年，英國雷丁大學（University of Reading）重磅宣布其所開發出的Eugene，已經通過測試，但後來被質疑標準有誤。

其實，人工智慧一詞直到1956年，才在美國新罕布夏州一場為期兩個月的研究工作坊「達特茅斯暑期人工智慧研究計畫（The Dartmouth Summer Research Project on Artificial Intelligence）」上，由負責組織會議的電腦高階語言LISP之父約翰?麥卡錫（John McCarthy）正式定名。這場工作坊所討論的問題：「計算機、自然語言處理、神經網絡、計算理論、抽象化與隨機創造」後來都成為人工智慧研究發展的重要領域，而達特茅斯會議也因此成為人工智慧領域的經典起源。

歷經了60年的發展，人工智慧的研究領域因種種困難而起起落落，經歷了無數個轉角。起初仿造動物神經元，希望打造強人工智慧的人工神經網絡（Artificial Neuron Network），先是經歷了機器無法應付計算複雜度的困境，無法取得研究經費而停滯；同一時期另一脈絡的弱人工智慧，則發展出博聞強記、分辨率隨資料質與量逐步提升而快速進展的機器學習。如今，人與機器的對話，已因商業應用的普及而不再困難。這一甲子，到底電腦科學家解決了些什麼問題呢？從人工智慧三大關鍵技術突破或可窺探未來。

關鍵技術一 文藝復興後的人工神經網絡

對於人工智慧，電腦科學家當然希望可以直接模仿生物的神經元運作，因此設計數學模型來模擬動物神經網絡的結構與功能。所謂人工神經網絡是一種仿造神經元運作的函數演算，能接受外界資訊輸入的刺激，且根據不同刺激影響的權重轉換成輸出的反應，或用以改變內部函數的權重結構，以適應不同環境的數學模型。

1951年，科學家馬文．閔斯基（Marvin Minsky）第一次嘗試建造了世上第一個神經元模擬器：Snarc（Stochastic Neural Analog Reinforcement Calculator），它能夠在其40個「代理人」和一個獎勵系統的幫助下穿越迷宮。六年後，康乃爾航空工程實驗室的法蘭克．羅森布拉特（Frank Rosenblatt）設計、發表神經網絡的感知器（Perceptron）實作後，人工神經網絡（或稱類神經網絡）學者曾經一度振奮，認為這個突破終將帶領人工智慧邁向新的發展階段。

但，人工智慧領域的研究在1970年代因為缺乏大規模數據資料、計算複雜度無法提升，無法把小範圍的問題成功拓展為大範圍問題，導致計算機領域無法取得更多科學研究預算的投入而沉寂。到了1980年代，科學家首先透過思考上的突破，設計出新的演算方法來模擬人類神經元，迎來神經網絡發展的文藝復興時期。物理學家約翰．霍普費爾德（John Hopfield）在1982率先發表Hopfield神經網絡，開啟了神經網絡可以遞迴設計的思考。四年後，加州大學聖地牙哥分校教授大衛．魯梅爾哈特（David Rumelhart）提出了反向傳播法（Back Propagation），透過每次資料輸入（刺激）的變化，計算出需要修正的權重回饋給原有函數，進一步刷新了機器「學習」的意義。科學家更進一步把神經元延伸成為神經網，透過多層次的神經元締結而成的人工神經網絡，在函數表現上可以保有更多「被刺激」的「記憶」。

目前多層次的人工神經網絡模型，主要包含輸入層（input layer）、隱層（hidden layer）與輸出層（output layer），另外根據資料輸入的流動方向，又分為單向流動或可以往回更新前一層權值的反向傳播法。由於神經網絡模型非常仰賴計算規模能力，為了增加高度抽象資料層次的彈性，電腦科學家將之複合為更複雜、多層結構的模型，並佐以多重的非線性轉換，將其稱之為深度學習（Deep Learning）。

關鍵技術二 靠巨量數據運作的機器學習

科學家發現，要讓機器有智慧，並不一定要真正賦予它思辯能力，可以大量閱讀、儲存資料並具有分辨的能力，就足以幫助人類工作。1970年代，人工智慧學者從前一時期的研究發展，開始思辯在機器上顯現出人工智慧時，是否一定要讓機器真正具有思考能力？因此，人工智慧有了另一種劃分法：弱人工智慧（Weak AI）與強人工智慧（Strong AI）。弱人工智慧意指如果一台機器具有博聞、強記（可以快速掃描、儲存大量資料）與分辨的能力，它就具有表現出人工智慧的能力。強人工智慧則是希望建構出的系統架構可媲美人類，可以思考並做出適當反應，真正具有人工智慧。

機器學習（Machine Learning）可以視為弱人工智慧的代表，只要定義出問題，蒐集了適當的資料（資料中通常需要包含原始數據與標準答案，例如人像圖片與該圖片內人像的性別、年齡），再將資料分做兩堆：訓練用與驗證用，以訓練用資料進行學習，透過特定的分類演算法抽取特徵值，建構出資料的數學模型，以該數學模型輸入驗證用資料，比對演算的分類結果是否與真實答案一樣，如果該數學模型能夠達到一定比例的答對率，則我們認為這個機器學習模型是有效的。這種具有標準答案，並以計算出的預期結果進行驗證的機器學習，通常被稱為監督式學習。 相對於監督式學習，非監督式學習則強調不知道資料該如何分類的機器學習，換句話說，我們提供電腦大量資料，但不告訴它（或許我們也真的不知道）這些資料該用什麼方式進行分類，然後電腦透過演算法將資料分類，人類只針對最終資料分類進行判別，在數據尋找規律就是機器學習的基礎。

機器學習的發展方向，是在設計、分析一些讓電腦可以自動「學習」的演算法，讓機器得以從自動分析資料的過程中建立規則，並利用這些規則對還沒有進行分析的未知資料進行預測。過程中，時常運用統計學技巧，並轉化成電腦程式，進而計算出資料??的分界條件來做預測。 弱人工智慧作為人工智慧領域的發展途徑，無論是監督式學習或非監督式學習，隨著資料被大規模蒐集、經由網際網路被傳遞、輔以雲端架構支援的運算，用機器學習來解決人類基礎的問題變成一種可能。目前機器學習也是人工智慧商業應用最廣泛的一種技術。舉凡搜尋引擎、圖像辨識、生物特徵識別、語音與手寫識別與自然語言處理、甚至是檢測金融詐欺等等，都是常見的應用。

關鍵技術三 人工智慧的重要應用：自然語言處理

對人類來說，如何讓這些現代自己製造出來的機器們，可以聽懂人話，並與人類「合作」，絕對是可以推動我們面對未知宇宙的重要助手。

自然語言處理（Natural Language Processing, NLP）的研究，是要讓機器「理解」人類的語言，是人工智慧領域裡的其中一項重要分支。英國雷丁大學的演化生物學家馬克．佩葛（Mark Pagel）認為，最早的一種「社會科技」是人類的「語言」，語言的發明讓早期人類部落透過新工具：「合作」在演化上占有優勢。自然語言處理可先簡單理解分為進、出計算機等兩種：其一是從人類到電腦──讓電腦把人類的語言轉換成程式可以處理的型式，其二是從電腦回饋到人──把電腦所演算的成果轉換成人類可以理解的語言表達出來。

無論是從人類到電腦，或從電腦到人類，語言處理通常都使用到我們一般學習外語所要具備的聽、說、讀、寫等技能。其中：聽與說主要使用到聽覺與發音，對電腦而言就是能夠透過麥克風「聽」到人類說話，把聽到的聲音轉成文字（這是語音辨識），或把電腦想要表達的意思轉成人類可以理解的詞句（這是自然語言生成），再用耳機或喇叭「唸」給人類聽（這是語音合成，功能通常稱作文本朗讀：text to speech）。科學家與工程師們也致力於影像文字辨識，影像來源可以是掃描完成的文件影像檔案、也可以是手機鏡頭的即時影像，目標的文字體則可以是一般鉛字印刷品或列印的文件，也可以是手寫文字（手寫文字辨識）。

當計算機透過「聽」或「讀」，將人類的話語或文章轉成文字、語句進到處理層，還需要能夠自動分詞（word segmentation），也就是電腦必須拆解人類的語句來理解語意，才可以進而給出相應的答案。例如一般人對手機說：「今天香港會不會下雨」，手機必須錄下聲音、並且濾掉雜音、將這句話的聲音轉化為文字、將這句文字拆解成不同詞句，並標注上不同詞性（speech tagging）。

「瞭解」使用者想要知道氣象資訊的命令後，手機必須對能提供「天氣」資訊的伺服器發出相應的（告訴伺服器要的地理資料是香港、並把今天轉換為實際的日期時間）資訊請求，包含未來數小時區間氣溫、氣象（是多雲、雨或晴天等）、風速、降雨機率、濕度、氣壓、空氣品質或紫外線指數等。

當伺服器回應了前述的相應數據後，手機可以選擇用螢幕畫面來回應，但更貼心的作法是把這些資訊翻譯成「人話」，然後用聲音唸出來。這時的處理可以把「香港接下來八小時會是晴天，氣溫攝氏25度，降雨機率是10%，空氣品質良好」這個句子，透過合成不同語詞聲音後說出來。但是，使用者問的其實是「會不會」下雨，所以必須進一步把降雨機率10%、晴天等等資訊轉換成「會不會」的尺度，例如10%可以轉化為「不太會」或是「只有很小的機率」一詞。

人類互動最重要的工具就是語言，無論是文字或語音，語音智慧助理讓人能和機器說話，無非是近年行動裝置普及後，最令人興奮的進展之一。

從容的力量 推薦, 從容的力量 討論, 從容的力量 部落客, 從容的力量 比較評當紅網路話題比, 從容的力量 使用評比, 從容的力量 開箱文, 從容的力量?推薦, 從容的力量 評測文, 從容的力量 CP值, 從容的力量 評鑑大隊, 從容的力量 部落客推薦, 從容的力量 好用嗎?, 從容的力量 去哪買?

• 非逛不可
• 限時
• 戰利品
• 暢銷排行
• 驚喜價
• 限量商品
• 限時活動優惠
• 特惠
• 新款
• 一定要買

• 特價NB鍵盤-桌上型鍵盤 通用型 霧面鍵盤果凍保護膜-開箱
• 搶便宜Amacrox 120W (N12) 筆電萬用充電器(AX120-AAC)-最便宜
• 驚喜商品JVC HA-FX26 入耳式耳機-淺藍(HA-FX26-Z)-限時活動折扣
• CP值超高歷代名妃的故事-介紹
• CP值超高Genius GHP-240X 抗噪密閉型內耳式耳機(海洋藍)-好評